6. Kết quả nghiên cứu, đóng góp khoa học của luận án
4.3.2.2. Sử dụng luật phát hiện các thành phần tiềm năng trong mã nguồn
Như đã trình bày ở trên, mỗi luật tác động đến các thành phần khác nhau của mã nguồn, và những thành phần này là kết quả của quá trình chuyển đổi để có được cây cú pháp từ mã nguồn. Vì vậy, chúng tôi đề xuất chiến lược 4 bước được sử dụng để phát hiện các thành phần tiềm năng:
Bước 1. Chuyển đổi tất cả các tệp mã nguồn của dự án Java thành cây cú pháp trừu tượng.
Bước 2. Chia các thành phần của mỗi cây cú pháp trừu tượng thành các nhóm, căn cứ vào đặc điểm của các thành phần: phương thức triệu gọi, khai báo biến, v.v..
Bước 3. Áp dụng từng quy tắc đối với các thành phần phù hợp: nếu 1 thành phần không phù hợp với bất kỳ quy tắc nào, nó là 1 thành phần tiềm năng. Bước 4. Liệt kê tất cả các thành phần tiềm năng và thu thập thông tin có liên
quan với mỗi thành phần tiềm năng. Danh sách này được cung cấp cho các nhà phát triển.
Do kích thước của tập hợp các luật là không dự đoán trước được và việc áp dụng các luật trong bối cảnh cụ thể phụ thuộc vào ý nghĩa ngữ nghĩa của chương trình, vì vậy các thành phần tiềm năng sẽ được liệt kê và cung cấp cho lập trình viên để quyết định áp dụng hay không.
4.3.2.3. Sử dụng các luật để thay đổi mã nguồn
Sau khi phát hiện các thành phần tiềm năng, phần việc tiếp theo là sửa đổi mã nguồn để không vi phạm các luật. Nhà phát triển sẽ phải quyết định những gì và làm thế nào để chuyển đổi mã nguồn. Chúng tôi đề xuất kịch bản 3 bước sau đây:
104
Bước 2. Kiểm tra lại sự vi phạm của thành phần này. Nếu nó vẫn vi phạm, có hai khả năng xảy ra:
- Nếu luật đó không phụ thuộc vào ngữ nghĩa chương trình, mã nguồn sẽ được thay đổi tự động.
- Nếu luật đó phụ thuộc vào ngữ nghĩa chương trình, plug-in sẽ đề xuất với lập trình viên tất cả các thông tin liên quan để quyết định có thay đổi mã nguồn hay không.
Bước 3. Thay đổi mã nguồn.
4.3.3. Cài đặt thực nghiệm 4.3.3.1. Mô tả môi trƣờng 4.3.3.1. Mô tả môi trƣờng
Hệ thống được chúng tôi cài đặt với cấu hình: vi xử lý CPU Intel(R) Core(TM) i5 M520 2.40GHz, bộ nhớ RAM 4GB, hệ điều hành Windows 7 Professional 64-bit và nền tảng Java 6, 32-bit. Kết quả được thu thập bằng cách sử dụng Java VisualVM, là một công cụ cung cấp một giao diện ảo cho phép xem xét thông tin cụ thể về ứng dụng Java đang chạy trên máy ảo Java. Ứng dụng là một Eclipse plug-in và được phát triển bằng Plug-in Development Environment cung cấp bởi Eclipse. Chúng tôi lập trình plug-in dựa trên Eclipse Juno (4.2) SR2, gói "Eclipse for RCP and RAP Developers" và sử dụng ba công cụ:
1. PDE (Plug-in Development Environment): cung cấp công cụ để tạo lập, phát triển, kiểm thử, gỡ lỗi, xây dựng và triển khai các Eclipse plug-in.
2. JDT (Java Development Tools): cung cấp công cụ để triển khai Java IDE hỗ trợ cho phát triển ứng dụng Java, bao gồm cả Eclipse plug-in. Nó cho phép truy nhập, tạo lập và chỉnh sửa các dự án Java trong Eclipse.
3. Eclipse Refactoring API (ERAPI): một phần của Language Toolkit (LTK) của Eclipse và được cài đặt trong hai plug-in: "org.eclipse.ltk.core.refactoring" và "org.eclipse.ltk.ui.refactoring".
4.3.3.2. Mô tả cấu trúc của Eclipse plug-in
Sản phẩm thực nghiệm là một Eclipse plug-in tool nhằm: Cải thiện chất lượng của ứng dụng.
Tạo ra các thói quen lập trình tốt. Chức năng của công cụ:
Tìm kiếm và phân tích các thành phần tiềm năng có thể bị ảnh hưởng bởi việc tối ưu mã nguồn và kỹ thuật lập trình an toàn.
Phương thức hỗ trợ để chỉnh sửa những thành phần đó bằng cách hiển thị thông tin hỗ trợ và đề xuất ý kiến.
Biểu đồ luồng dữ liệu của plug-in được trình bày trong Hình 4.21 gồm 5 module: 1. Bộ tải cấu hình (Configuration Loader): module lưu trữ và tải tất cả các thông
tin về các luật từ tệp XML. Các thông tin cấu hình này cần phải được tải lên đầu tiên và lưu lại trong suốt phiên hoạt động của Eclipse.
105
2. Bộ tiền xử lý (Preprocessor): chuyển đổi tất cả các tệp mã nguồn Java thành cây cú pháp trừu tượng và chia vào các nhóm.
3. Bộ phân tích (Analyzer): module quan trọng nhất của hệ thống, được sử dụng để nhận dạng các thành phần tiềm năng trên cây cú pháp trừu tượng và lưu trữ thông tin về luật, bao gồm: tên, định dang, kiểu, độ ưu tiên, v.v..
4. Bộ hiển thị vấn đề (Display Problem Unit): hiển thị thông tin về các thành phần tiềm năng.
5. Bộ tái tạo (Refactoring Unit): công cụ hỗ trợ tối ưu hóa mã nguồn.
Hình 4.21. Biểu đồ luồng dữ liệu của công cụ Eclipse plug-in
4.3.3.3. Kết quả thực nghiệm
Chúng tôi so sánh hiệu suất của hệ thống trước và sau khi sử dụng tối ưu hóa mã nguồn và kỹ thuật lập trình an toàn. Bảng 4.2 cho thấy thời gian chạy của các phương thức giảm rõ ràng khi áp dụng tối ưu hóa mã nguồn và kỹ thuật lập trình an
toàn. Sự sụt giảm lớn nhất được thể hiện ở phương thức
getTopicDetailsTask() với 33.53% và sự sụt giảm này cho thấy chất lượng của các mã nguồn được cải thiện rõ rệt.
Analyzer Configuration
Loader
Rule Configuration
Preprocessor
Rule Analyzer Rule Condition
Checker
Display Problem Unit
Refactoring Unit
Java Project List
Problem List project information rule-related configuration collected elements rule configuration elements to be checked result detail problem information result element to be checked detail problem information simple problem information
106
Chú thích. BKProfile là một dịch vụ web thông minh, hỗ trợ thông tin liên lạc giữa các giảng viên, công ty, sinh viên và cựu sinh viên thông qua hồ sơ cá nhân. Nó được xây dựng theo hình thức hệ thống hỏi đáp-trả lời: người dùng chia sẻ kiến thức của mình thông qua việc đưa ra câu hỏi hoặc trả lời các câu hỏi của người khác.
Hình 4.22. Kết quả thực nghiệm sử dụng CPU
107
Bảng 4.2. Thời gian chạy của các phương thức của BKProfile
ID Chƣơng trình Phƣơng thức Số lần chạy Thời gian chạy(ms) Cải thiện (%) Trƣớc Sau 1-1 QuickSort generateArray 1 2703 2671 1.18 1-2 QuickSort sort 1 36558 25362 30.63 2-1 BKProfile getTopStatsTask 10000 114 107 6.14 2-2 BKProfile getTopicDetailsTask 10000 68 45.2 33.53 2-3 BKProfile getAnswersTask 20000 1005 951 5.37 2-4 BKProfile getQuestionDetailTask 20000 135 132 2.22 2-5 BKProfile getSimilarQuestionsTask 20000 210 188 10.48 2-6 BKProfile getFollowersTask (1) 20000 266 204 23.31 2-7 BKProfile getFollowersTask (2) 20000 143 113 20.98
Phép đánh giá thứ hai là về việc sử dụng tài nguyên hệ thống: bộ nhớ và CPU, thông qua thông tin thực chạy các hàm chính của hệ thống BKProfile. Hình 4.22 và Hình 4.23 hiển thị so sánh các tài nguyên hệ thống sử dụng trước và sau tối ưu hóa. Hình 4.22 chỉ ra rằng sau khi áp dụng các kỹ thuật tối ưu hóa sẽ giảm sử dụng CPU, cả thông số sử dụng tối đa và trung bình. Hình 4.23 hiển thị thống kê về sử dụng heap. Heap lưu trữ tất cả các đối tượng được tạo ra bởi Java trong thời gian chạy và được đánh giá bởi hai thông số: kích thước và kích thước được sử dụng. Hình 4.23, cho thấy có hai cải tiến của việc sử dụng bộ nhớ:
1. Kích thước heap sử dụng ít hơn trước đây.
2. Hiệu quả sử dụng heap là tốt hơn: tỉ lệ trung bình kích thước heap được sử dụng trên kích thước heap tăng lên.
Từ những lý thuyết và kết quả thực nghiệm được trình bày trong tiểu mục, tác giả luận án rút ra các nhận xét sau:
Các kĩ thuật lập trình an toàn và tối ưu mã nguồn ảnh hưởng nhất định đến hiệu năng của hệ thống.
Để mở rộng công việc, có thể quan tâm đến: (1) Việc mở rộng tập luật. (2) Quá trình thay đổi cập nhật mã nguồn có thể được thực hiện tự động hoặc bán tự động.
Kết quả nghiên cứu trong phần này đã được công bố năm 2013 trong công trình số 1 trong danh mục các công trình đã công bố của luận án.
4.4. Kết chƣơng
Chương 4 trình bày các nội dung liên quan đến dự đoán, tính toán và ứng dụng độ đo độ tin cậy phần mềm trong thực tế, là nội dung nghiên cứu thứ ba trong luận án. Thông qua các nghiên cứu thực hiện tại chương này, luận án đưa ra một số tổng kết cho nội dung này như:
Nhằm đưa ứng dụng của mô hình độ tin cậy phần mềm vào ứng dụng thực tế, luận án đã trình bày các sản phẩm phần mềm thực tế do tác giả và nhóm đồng nghiệp xây dựng. Các ứng dụng được xây dựng trên ngôn ngữ Java với mã nguồn hoàn toàn công khai, kiến trúc mở cho phép bổ sung thêm các mô hình.
108
Độ đo độ tin cậy là một tham số quan trọng trong mô hình tính toán chi phí phát hành có xét đến yếu tố rủi ro. Nếu phát hành quá sớm, những rủi ro tiềm ẩn của phần mềm sẽ phát sinh những chi phí không mong muốn rất lớn. Nếu phát hành quá muộn, chi phí phát triển sản phẩm sẽ tăng lên quá cao. Việc sử dụng các tính toán toán học sẽ giúp định vị được thời gian hợp lý nhất để phát hành phần mềm. Các thực nghiệm trên các dữ liệu thực tại Hoa Kỳ và Việt Nam cho thấy tỉ lệ chi phí rủi ro trên chi phí kiểm thử tác động rất mạnh lên tổng chi phí phát hành.
Các kết quả thực nghiệm đã cho thấy việc áp dụng các luật trong quá trình lập trình và phát triển sản phẩm Java đem lại những lợi ích đáng kể. Hiệu quả hoạt động của hệ thống, trong đó bao gồm cả ước lượng về tính tin cậy, đã được cải thiện rõ rệt.
109
KẾT LUẬN VÀ KIẾN NGHỊ
Kết luận
Khi thực hiện các nghiên cứu trong luận án, chúng tôi tập trung vào mô hình hóa nhằm đánh giá độ tin cậy hệ thống phần mềm. Mô hình hóa độ tin cậy phần mềm là một lĩnh vực lý thuyết sử dụng các công cụ toán học nhằm mô hình hóa một sản phẩm phần mềm, từ đó đưa ra tính toán về các độ đo liên quan đến độ tin cậy. Các nghiên cứu của chúng tôi sử dụng các cách tiếp cận dựa trên tiến trình Markov và tiến trình Poisson không đồng nhất.
Tiến trình Markov với đặc tính phi kí ức hoàn toàn thích hợp để mô hình hóa các dạng trạng thái khác nhau của phần mềm. Xuất phát từ đó, chúng tôi đã đề xuất quy trình hoàn thiện để áp dụng tiến trình Markov trong mô hình quá trình hoạt động của hệ thống phần mềm. Từ các kết quả thực nghiệm, chúng tôi nhận thấy sự lệ thuộc rất lớn của cách thức mô hình các trạng thái và xác suất các phép chuyển trạng thái đến giá trị độ đo độ tin cậy của hệ thống. Ngoài ra, chúng tôi đã áp dụng tiến trình Markov trong xây dựng công thức toán học nhằm đánh giá các thuộc tính chất lượng của hệ thống phần mềm dưới hai điều khoản khác nhau. Các kết quả thực nghiệm trên hệ thống thực với kiến trúc đám mây đã chứng minh tính đúng đắn của các tính toán toán học đó.
Tiến trình Poisson không đồng nhất được sử dụng trong các nghiên cứu của luận án là một dạng đặc biệt của tiến trình Markov với các khoảng thời gian giữa các thất bại tuân theo phân phối Poisson. Xuất phát từ nhu cầu đánh giá, so sánh các mô hình trong nhóm sử dụng tiến trình Poisson không đồng nhất, chúng tôi đề xuất kịch bản tính toán độ đo tổng quát dựa trên các độ đo tiêu chuẩn đơn. Các kết quả thực nghiệm cho thấy sự khác biệt rõ ràng giữa so sánh các mô hình khi sử dụng độ đo tổng quát và khi quan tâm đến khả năng dự đoán thời điểm xảy ra lỗi tiếp theo. Bên cạnh đó, tuy đã có những ứng dụng nhất định trong nhóm mô hình dựa trên tiếp trình Poisson không đồng nhất nhưng hàm hình dạng S với 3 tham số vẫn đặt ra những giới hạn nhất định. Do đó, chúng tôi đề xuất hàm hình dạng S tổng quát hơn với 4 tham số và đánh giá khả năng xây dựng mới các mô hình dựa trên hàm này. Các kết quả thực nghiệm của chúng tôi cho thấy các mô hình được đề xuất có những giá trị nhất định khi tính toán với các bộ dữ liệu chuẩn.
Nhằm ứng dụng mô hình độ tin cậy phần mềm trong thực tế, chúng tôi đã phát triển một số công cụ cài đặt các vấn đề lý thuyết liên quan đến mô hình độ tin cậy hệ thống phần mềm. Ứng dụng đầu tiên liên quan đến sự ảnh hưởng của thông số độ tin cậy đến chính sách và thời điểm phát hành phần mềm có quan tâm tới yếu tố rủi ro. Các kết quả thực nghiệm đã chỉ ra sự tương đồng giữa môi trường tại Hoa Kỳ và tại Việt Nam, đồng thời cho thấy sự ảnh hưởng rõ rệt của tham số chi phí rủi ro lên tổng chi phí phát hành phần mềm. Trong nhóm ứng dụng thứ hai, chúng tôi đã thực hiện việc cài đặt các mô hình toán học bằng những ngôn ngữ lập trình hiện đại như Java, Matlab nhằm hỗ trợ quá trình nghiên cứu của luận án cũng như người sử dụng độc lập khác. Ứng dụng thứ ba liên quan đến vấn đề lập trình an toàn và tối ưu hóa mã nguồn trong lập trình Java. Các kết quả thực nghiệm cho thấy hiệu quả
110
sử dụng tài nguyên, bao gồm cả các thông số liên quan tới độ tin cậy hệ thống phần mềm, đã được cải thiện một cách rõ rệt.
Đóng góp khoa học của luận án
Trong quá trình nghiên cứu và hoàn thành luận án, chúng tôi đã công bố 6 bài báo và kỷ yếu tại các tại chí và hội nghị chuyên ngành trong nước và quốc tế.
Kết quả nghiên cứu của luận án đã góp phần phát triển lĩnh vực mô hình độ tin cậy hệ thống phần mềm. Chúng tôi liệt kê những đóng góp khoa học chính của luận án như sau:
Đóng góp khoa học thứ nhất: Nghiên cứu các hướng tiếp cận sử dụng tiến trình Markov trong mô hình hóa độ tin cậy phần mềm để giải quyết hai bài toán:
(1) Xây dựng quy trình hoàn chỉnh đánh giá độ tin cậy phần mềm dựa trên tiến trình Markov khi mô hình quá trình hoạt động của phần mềm: tiến trình hoạt động của phần mềm, xác định được trạng thái hoạt động bình thường của phần mềm, sử dụng các tính toán toán học để xác định được xác suất phần mềm ở trạng thái hoạt động bình thường từ đó xây dựng mô hình: (i) Các trạng thái hoạt động của phần mềm, bao gồm các trạng thái trong quá trình hoạt động, trạng thái hoạt động bình thường và trạng thái thất bại; (ii) Các phép chuyển trạng thái; Từ đó thay vào các công thức đã có sẽ thu được giá trị độ đo độ tin cậy cần tính toán. Tiến hành thực nghiệm đánh giá trên các bộ dữ liệu cơ bản đã cung cấp những kết quả hoàn toàn phù hợp. (2) Xây dựng mô hình quá trình trẻ hóa phần mềm áp dụng tiến trình Markov, phân chia thành hai trường hợp và mô hình hóa toán học dưới hai điều khoản khác nhau. Khai triển cụ thể việc giải phương trình Chapman-Kolmogorov, từ đó tính toán được các công thức cho giá trị độ tin cậy phần mềm và các tính toán về lý thuyết cho các trường hợp tham số nhận các giá trị khác nhau. Tiến hành thực nghiệm trên hệ thống thực BKOJ để đánh giá phương pháp đề xuất.
Đóng góp khoa học thứ hai: Nghiên cứu các hướng tiếp cận sử dụng tiến trình Poisson không đồng nhất trong mô hình hóa độ tin cậy phần mềm:
(1) Xây dựng độ đo tổng hợp trong đánh giá và so sánh các mô hình độ tin cậy hệ thống phần mềm dựa trên tiến trình Poisson không đồng nhất: các mô hình trong nhóm mô hình độ tin cậy dựa trên phân phối Poisson không đồng nhất khác nhau ở các giả thiết khi xây dựng mô hình, phản ánh thông qua cặp hàm , và hàm đặc trưng . Xây dựng độ đo tổng quát dựa trên các hàm toán học. Tiến hành