基于反模式检测研究论析.docVIP

基于反模式检测研究论析 一、静态检测技术 1.手动检测 手动检测是最原始的检测方式，整个检测过程没有相关自动化工具的支持，主要体现为对相关文档或代码的阅读分析7]。通过预先定义一系列规则，分析人员根据这些规则来判断软件中是否存在缺陷。文献[3]将关注点从软件系统的实现转向抽象的设计如类图、序列图、状态图等。文献[4]和文献5]主要关注需求的缺陷检测，其中需求是以SCR状态机形式表示的。文献[6]也关注需求的缺陷检测，但其需求是以自然语言的形式描述的。文献[7]将检测的重点放在用户接口上。手动检测过程中，分析人员可结合实际情况及自身对设计的理解来进行分析判断，避免了反模式检测的不确定性。不足之处是该方法需要对整个系统进行分析，随着系统规模的扩大，系统的复杂性也随之增加，这将是一个非常耗时的过程，显然这种方法不适用于大规模系统。 2.基于抽象语法树的检测 基于抽象语法树的反模式检测方法首先通过对源代码进行词法和语法分析，产生反模式的中间表示形式即抽象语法树AST（Abstractsyntaxtree）。文献[8]提出了一种使用抽象语法树检测代码克隆的方法，通过比较语法树结构的相似度来检测克隆的表达式、语句以及数据声明。文献[9,10]从软件演化的角度出发，跟踪代码在软件的多个版本中的历史信息，识别具有相同起源的克隆，但是由于现有的遗留系统很少会保留这些信息，该方法的适用性不强。代码味道用于识别面向对象系统中的问题类。基于AST的方法适合对类中的代码味道进行识别，但对类之间的代码味道识别效果不好。 3.基于度量的检测 基于度量的检测方法利用软件度量对反模式的表现症状进行表示，通过对度量设置相应的阈值，并以规则的形式来表示，从而完成反模式的检测。下面介绍几种代表性的方法。Ciupke提出一种针对遗留系统进行分析的方法[12]。该方法通过对遗留系统的源码进行分析得到系统的实际设计模型，将频繁出现的缺陷问题以谓词演算的形式表示，再通过系统设计模型与实际设计模型进行比较来定位软件中的缺陷问题。这种检测方法适用于遗留系统，采用的大多为简单的度量，如一个类不能包含超过6个对象，继承树的深度不能大于6等等，对于复杂的反模式则难以检测到。检测策略(detectionstrategy)是Marinescu提出的一种检测设计缺陷的方法[13]。所谓检测策略，即针对具体存在的问题选择合适的度量进行表示，组成一组反模式描述规则，然后根据反模式规则指定相应的解析模版，即针对具体问题设置合适的阈值。文中对9种设计缺陷定义了相应的检测规则。该方法的优势在于能根据异常的度量值清楚地知道导致系统缺陷的原因，而不需要对这些异常度量值进行分析推理来找出问题的原因。 DCPPMatrix一种利用设计变化传播概率矩阵来检测反模式的方法[14]。这种方法适用于检测shotgunsurgerybadsmell(霰弹式修改)及divergentchangebadsmell(发散式变化)这两种软件缺陷。霰弹式修改指的是一个变化将会引发多个类的修改，会对系统造成波动影响。发散式变化指的是某个类受到多种变化的影响。这是一种定量的检测方法，它通过分析软件一个组件的变化对其它组件的影响来达到检测反模式的目的。这种方法的优势是可以根据矩阵来了解软件的波动影响，在此基础上也能够评估软件的复杂性与可维护性。能够鉴别软件开发中一个产品是否容易受到其它变化的影响，这点对于大型系统来说是非常重要的。DECOR是Moha等人提出的一种检测代码味道的方法。 该方法从描述反模式的一些经典文献出发，通过对自然语言描述的反模式进行领域分析，提取相关的关键词，从而制定描述设计缺陷或反模式的规则。这种规则用BNF文法加以形式化并以规则卡的形式表示，缺陷的检测则通过特定的元模型解析器来生成相应的检测算法。该方法能够检测4种反模式：Blob(胖球)，FuncationalDecomposition(功能分解)，SpaghettiCode(面条代码)、SwissArmyKnife(瑞士军刀)及15种代码味道。该方法依据自然语言描述的反模式来完成反模式的形式化描述，这个过程不依赖于特定的表示语言或解析模型，在不同的平台下只需实现检测算法就能完成反模式检测，但采用的固定的规则模版限制了反模式的描述能力和可扩展性。Khomh和Vaucher等人提出了基于贝叶斯信念网络(BBN)的反模式检测方法[16]。该方法利用文献[15]中的规则卡构建贝叶斯信念网络，通过贝叶斯分类方法计算一个类是否是反模式的概率。这样质量分析人员可以根据概率的大小来优先验证那些有可能是反模式的类。 这种方法借助于历史检测数据，能够处理检测过程中的检测结果的不确定性以及边缘值的判定问题，而且可以根据检测结果来不断校