Adaptive Erkennung von Software-Entwurfsmängeln

Zusammenfassung

Die Qualität von Software kann je nach Anwendungsgebiet an unterschiedlichen Kriterien gemessen werden. Für grosse Software-Systeme spielen u. a. Kriterien wie Wartbarkeit, Verständlichkeit und Erweiterbarkeit eine wichtige Rolle.

Mein Ziel ist es, Entwurfsmängel in Software-Systemen zu erkennen und somit „‘schlechte“’ – unverständliche, schwer erweiter- und änderbare – Programmstrukturen zu vermeiden. Prominente Entwurfsmängel sind z. B. die von Fowler eingeführten Bad Smells in objektorientierten Programmen.

Entwurfsmängel werden abhängig von der Sichtweise und dem Erfahrungsschatz des Suchenden unterschiedlich interpretiert. Ich kombiniere daher bekannte Verfahren zur Erkennung von Entwurfsmängeln auf der Basis von Metriken mit maschinellen Lernverfahren. Damit kann Entwurfsmangelerkennung individuellen Sichtweisen angepasst werden.

Ich präsentiere ein Werkzeug für Java-Programme und zeige die Ergebnisse einer ersten Fallstudie.

Abstract

Criteria for software quality measurement depend on the application area. In large software systems criteria like maintainability, comprehensibility and extensibility play an important role.

My aim is to identify design flaws in software systems automatically and thus to avoid “bad” – incomprehensible, hardly expandable and changeable – program structures.

Depending on the perception and experience of the searching engineer, design flaws are interpreted in a different way. I propose to combine known methods for finding design flaws on the basis of metrics with machine learning mechanisms, such that design flaw detection is adaptable to different views.

This paper presents the underlying method, describes an analysis tool for Java programs and shows results of an initial case study.