Extending maintainability analysis beyond code smells

Abstract

Code smells indicate the presence of quality problems impacting many facets of software quality such as maintainability, reliability, and testability. The presence of an excessive number of smells in a software system makes it hard to maintain and evolve.Our first aim in this thesis is to understand the characteristics of code smells, such as their occurrence frequency, and relationships such as correlation and collocation among smells arising at different granularities. We aim to perform an exploratory study to investigate the feasibility of detecting smells using deep learning methods without carrying out extensive feature engineering. We would also like to explore whether transfer-learning can be employed in the smell detection context. Apart from the production source code, other sub-domains of software such as configuration code in Infrastructure as Code (IaC) paradigm and database code are also prone to maintainability issues. Our next goal is to propose a method to identify quality issues in configuration code and carry out a maintainability analysis.We perform a large-scale empirical study to analyze production code written in C# from maintainability perspective. We mine seven architecture, 19 design, 11 implementation smells from a large set of 3,209 open-source repositories containing more than 83 million lines of code. Our exploration with deep learning techniques establishes that deep learning methods can be used for smell detection though the performance of individual models varies significantly. We extend the maintainability analysis to configuration code. We analyze 4,621 Puppet repositories containing 142,662 Puppet files and more than 8.9 million lines of code using Puppeteer - a configuration smell detection tool that we developed. Further, we investigates relational database schema smells and its relationships with application and database characteristics. We compare between open-source and industrial codebase from database schema quality perspective.

Οι κωδικές μυρωδιές υποδεικνύουν την ύπαρξη προβλημάτων ποιότητας που επηρεάζουν πολλές πτυχές της ποιότητας του λογισμικού, όπως η συντηρησιμότητα, η αξιοπιστία και η δυνατότητα δοκιμής. Η παρουσία υπερβολικού αριθμού μυρωδιών σε ένα σύστημα λογισμικού καθιστά δύσκολο να διατηρηθεί και να εξελιχθεί.Ο πρώτος μας στόχος σε αυτή τη διατριβή είναι να κατανοήσουμε τα χαρακτηριστικά των μυρωδιών του κώδικα, όπως η συχνότητα εμφάνισής τους, και σχέσεις όπως η συσχέτιση και η συνεγκατάσταση μεταξύ των μυρωδιών που προκύπτουν σε διαφορετικές γρανιτηρίες. Στόχος μας είναι η διεξαγωγή διερευνητικής μελέτης για τη διερεύνηση της σκοπιμότητας ανίχνευσης μυρωδιών με τη χρήση μεθόδων βαθιάς μάθησης χωρίς εκτεταμένη μηχανική. Θα θέλαμε επίσης να διερευνήσουμε εάν η εκμάθηση μεταφοράς μπορεί να χρησιμοποιηθεί στο πλαίσιο της ανίχνευσης της οσμής. Εκτός από τον πηγαίο κώδικα παραγωγής, άλλοι υποτομείς λογισμικού, όπως ο κώδικας διαμόρφωσης στην Υποδομή ως πρότυπο κώδικα (IaC) και ο κώδικας βάσης δεδομένων, είναι επίσης επιρρεπείς σε θέματα διατήρησης. Ο επόμενος στόχος μας είναι να προτείνουμε μια μέθοδο για τον προσδιορισμό των ζητημάτων ποιότητας στον κώδικα διαμόρφωσης και να διεξάγουμε μια ανάλυση διατήρησης.Εκτελούμε μια εκτεταμένη εμπειρική μελέτη για να αναλύσουμε τον κώδικα παραγωγής γραμμένο σε C # από ​​την άποψη της διατήρησης. Είμαστε ορυχεία επτά αρχιτεκτονική, 19 σχεδιασμό, 11 μυρωδιά εφαρμογής από ένα μεγάλο σύνολο 3.209 αποθεμάτων ανοιχτού κώδικα που περιέχουν περισσότερες από 83 εκατομμύρια γραμμές κώδικα. Η εξερεύνησή μας με τεχνικές βαθιάς μάθησης καθιερώνει ότι μέθοδοι βαθιάς εκμάθησης μπορούν να χρησιμοποιηθούν για την ανίχνευση της οσμής, αν και οι επιδόσεις μεμονωμένων μοντέλων ποικίλλουν σημαντικά. Επεκτείνουμε την ανάλυση συντήρησης στον κωδικό διαμόρφωσης. Αναλύουμε 4.621 αποθήκες κουταβιού που περιέχουν 142.662 αρχεία κουπών και περισσότερες από 8.9 εκατομμύρια γραμμές κώδικα χρησιμοποιώντας το Puppeteer - ένα εργαλείο ανίχνευσης οσμών που αναπτύξαμε. Περαιτέρω, διερευνάμε τις μυρωδιές της σχεσιακής βάσης δεδομένων και τις σχέσεις της με τα χαρακτηριστικά της εφαρμογής και της βάσης δεδομένων. Συγκρίνουμε την ανοιχτή προέλευση με το βιομηχανικό κώδικα από την άποψη της ποιότητας του σχήματος βάσης δεδομένων.