
Тип работы:	Предмет:	Язык работы:

Отображение изменяемости метода на основе исторической информации в IntelliJ IDEA

Работа №	129948
Тип работы	Дипломные работы, ВКР
Предмет	информационные системы
Объем работы	23
Год сдачи	2019
Стоимость	4700 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено	49

Не подходит работа?

Узнай цену на написание

Содержание

Введение 4
1. Обзор 6
1.1. Ближайший аналог 6
1.2. IntelliJ Platform 7
1.3. RefactoringMiner 11
1.4. SQLite 12
2. Реализация 13
2.1. Предлагаемый алгоритм 13
2.2. Архитектура 15
2.3. База данных 17
2.4. Визуализация 18
2.4.1. Неизменяемые метки с информацией 19
2.4.2. Список наиболее часто изменяемых методов проекта 19
Заключение 21
Список литературы 22

Введение

Разработка программного обеспечения представляет собой сложный и долгий процесс, включающий в себя координацию команды (иногда и нескольких команд) разработчиков, оценку рисков, планирование, решение сложных технических задач и другие аспекты. Поскольку чаще всего над одним проектом или модулем работает команда разработчиков, разработка осуществляется с использованием системы контроля версий. Это позволяет контролировать изменения, производимые разными членами команды в коде проекта. Для улучшения качества кода применяются различные техники и практики, такие как статический анализ кода и код ревью. Однако, несмотря на это, некоторые ошибки всё же остаются незамеченными.
Ряд исследований показывает связь между частотой нахождения ошибок в фрагментах кода и тем, как часто данные фрагменты изменяются ([13], [3], [6]). Метод или функция может часто изменяться из-за различных технических (часть параметров могут быть вынесены в файл конфигурации), архитектурных или внешних (слишком частые изменения бизнес-логики) проблем проекта. Так, в статье [5] говорится о том, что если в фрагменте кода была найдена ошибка, то с высокой вероятностью в этом же фрагменте могут быть и другие ошибки. Также успешное исправление ошибки может произойти не с первой попытки: например, результаты статьи [7] показывают, что в 25% случаев исправление ошибки было неправильным и требовало повторного исправления.
Таким образом, можно сделать вывод о том, что часто изменяемые фрагменты кода заслуживают повышенного внимания со стороны разработчиков. Если привлечь внимание разработчика к такому фрагменту кода, то он сможет более пристально его изучить и исправить потенциальные проблемы в нём. Применение такой практики на регулярной основе позволит улучшить качество как отдельно взятых частей проекта (благодаря исправлению локальных ошибок), так и всего проекта в целом (изменение архитектуры проекта при необходимости). Чтобы такое стало возможно, необходимо, чтобы инструмент, позволяющий осуществить это, был интегрирован в среду разработки, которую используют разработчики. Иначе вероятность его использования сильно понижается, поскольку, как показывает исследование [11], разработчики не склонны к использованию других инструментов (документация, трекеры задач), кроме среды разработки.

Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!

ДИПЛОМНЫЕ МАГИСТЕРСКИЕ ДИССЕРТАЦИИ

Курсовые Статьи Диплом Рязань

Заключение

В ходе данной работы были достигнуты следующие результаты:
• реализован плагин для сбора и визуализации статистики о частоте изменений методов в системе контроля версий;
— https://github.com/ml-in-programming/topias;
— https://github.com/ml-in-programming/topias/releases/tag/v1.0-beta;
• решение интегрировано с RefactoringMiner для отслеживания ре- факторингов;
• собранная статистика отображается в виде текстовых меток и графиков частоты изменений;
• сделан доклад на конференции SEIM-2019.

Литература

[1] Accurate and efficient refactoring detection in commit history / Nikolaos Tsantalis, Matin Mansouri, Laleh M Eshkevari et al. // Proceedings of the 40th International Conference on Software Engineering / ACM. — 2018. — P. 483-494.
[2] Automatic detection of refactorings for libraries and frameworks / Danny Dig, Can Comertoglu, Darko Marinov, Ralph Johnson // Proceedings of Workshop on Object Oriented Reengineering (WOOR’05). — 2005.
[3] Classifying code changes and predicting defects using changegenealogies / Kim Herzig, Sascha Just, Andreas Rau, Andreas Zeller // Technical Report, Tech. Rep. — 2013.
[4] Consortium SQLite. SQLite // SQLite web-site. — Access mode: https://www.sqlite.org/index.html (online; accessed: 20.05.2019).
[5] Detect related bugs from source code using bug information / Deqing Wang, Mengxiang Lin, Hui Zhang, Hongping Hu // 2010 IEEE 34th Annual Computer Software and Applications Conference / IEEE. —2010. —P. 228-237.
[6] Giger Emanuel. Fine-grained Code Changes and Bugs: Improving Bug Prediction : Ph. D. thesis / Emanuel Giger ; Verlag nicht ermittelbar. — 2012.
[7] How do fixes become bugs? / Zuoning Yin, Ding Yuan, Yuanyuan Zhou et al. // Proceedings of the 19th ACM SIGSOFT symposium and the 13th European conference on Foundations of software engineering / ACM. —2011. —P. 26-36.
[8] JFree. JFreeChart // JFree web-site. -- Access mode: http://www. jfree.org/jfreechart/ (online; accessed: 20.05.2019).
[9] Janes Andrea, Mairegger Michael, Russo Barbara. code_call_lens: raising the developer awareness of critical code // Proceedings of the 33rd ACM/IEEE International Conference on Automated Software Engineering / ACM. — 2018. — P. 876-879.
[10] JetBrains. Git4Idea // Git4Idea Github repository. — Access mode: https://github.com/JetBrains/intellij-community/tree/ master/plugins/git4idea (online; accessed: 20.05.2019).
[11] Johnson Philip M. You can’t even ask them to push a button: Toward ubiquitous, developer-centric, empirical software engineering // The NSF Workshop for New Visions for Software Design and Productivity: Research and Applications. — 2001.
[12] Ref-Finder: a refactoring reconstruction tool based on logic query templates / Miryung Kim, Matthew Gee, Alex Loh, Napol Rachatasumrit // Proceedings of the eighteenth ACM SIGSOFT international symposium on Foundations of software engineering / ACM. —2010. —P. 371-372.
[13] What is the connection between issues, bugs, and enhancements?: lessons learned from 800+ software projects / Rahul Krishna, Amritanshu Agrawal, Akond Rahman et al. // Proceedings of the 40th International Conference on Software Engineering: Software Engineering in Practice / ACM. -- 2018. -- P. 306-315.
[14] Xing Zhenchang, Stroulia Eleni. The JDEvAn tool suite in support of ob ject-oriented evolutionary development // Companion of the 30th international conference on Software engineering / ACM. -- 2008. -P. 951-952.
[15] Суворов Егор Фёдорович. Улучшение структурной замены кода в IntelliJ IDEA.