It is well-known that maintenance a

It is well-known that maintenance and evolution efforts amount to as much as 90% of software development costs. According to statistics reported in the literature, the current size of the code base at Fortune 100 companies is 35 million lines of code, and this size is expected to double every seven years. SQA forms a large part of the code maintenance effort. Hence, there is a need for practical approaches to prioritize SQA efforts. Software Analytics dealing with mining of software repositories is an active area of research. The majority of ongoing research on prioritizing SQA efforts focus on “code-level quality” (predicting code locations that are error prone) and “change-level quality” (predicting software changes that are error prone). However, their penetration into practice is too low, considering the coarse granularity of these predictions (being made at the file level). The proposed research work by Emad Shihab [10] aims to resolve this situation by suggesting four principles for such predictions, viz., (i) focused finer levels of granularity; (ii) timely feedback, when changes are fresh in the minds of developers; (iii) provide an estimate of the SQA effort; and, (iv) evaluate general applicability of the predictions across different projects and domains. Research has progressed well already for the code-level quality, while similar progress is expected for the change-level quality in near future. The list of heuristics proposed for identifying code-level quality that identify specific function or method for which unit tests are to be carried out, is given below, viz., (i) “most frequently modified;” (ii) “most recently modified;” (iii) “most frequently fixed;” (iv) “most recently fixed;” (v) “largest modified;” (vi) “largest fixed;” (vii) “size risk” (functions with risk defined as the ratio of number of error fixes over the size of the function in lines of code); (viii) “change risk” (functions with risk defined as the ratio of number of error fixing changes over the total number of changes); and (ix) random selection of functions. The size (lines-of-code) of the function is suggested to estimate the effort needed to perform unit tests. A metric named usefulness is defined to indicate whether the predictions were really effective in finding new errors in the predicted functions.

ผลลัพธ์ (ไทย) 1:

เป็นที่รู้จักว่า ยอดบำรุงและวิวัฒนาการไปมากถึง 90% ของต้นทุนการพัฒนาซอฟต์แวร์ ตามสถิติที่รายงานในวรรณคดี ขนาดปัจจุบันของรหัสพื้นฐานที่บริษัทฟอร์จูน 100 เป็น 35 ล้านบรรทัดของรหัส และขนาดนี้คาดว่าคู่ทุกเจ็ดปี SQA ฟอร์มส่วนใหญ่ความพยายามบำรุงรักษารหัส ดังนั้น มีแนวทางปฏิบัติการจัดลำดับความสำคัญของความพยายามของ SQA ต้อง ซอฟต์แวร์วิเคราะห์จัดการกับซอฟต์แวร์ repositories ทำเหมืองเป็นพื้นที่ใช้งานวิจัย ส่วนใหญ่งานวิจัยอย่างต่อเนื่องในการจัดระดับความสำคัญ SQA พยายามเน้น "รหัสระดับคุณภาพ" (ตำแหน่งรหัสข้อผิดพลาดเสี่ยงที่คาดการณ์) และ "เปลี่ยนแปลงระดับคุณภาพ" (คาดการณ์การเปลี่ยนแปลงซอฟต์แวร์ที่มักผิดพลาด) อย่างไรก็ตาม การเจาะสู่การปฏิบัติได้ต่ำเกินไป การพิจารณาองค์ประกอบของการคาดการณ์เหล่านี้ (การทำแฟ้มระดับ) หยาบ งานวิจัยนำเสนอ โดย Emad Shihab [10] มีวัตถุประสงค์เพื่อแก้ไขสถานการณ์นี้ โดยการแนะนำหลัก 4 การคาดคะเนดังกล่าว viz. (i) เน้นระดับปลีกย่อยของส่วนประกอบ (ii) ความคิดเห็นทันเวลา เมื่อการเปลี่ยนแปลงในจิตใจของนักพัฒนา (iii) การประเมินความพยายาม SQA ให้ และ, (iv) ประเมินความเกี่ยวข้องของทั่วไปของการคาดการณ์โครงการที่แตกต่างกันและโดเมน วิจัยมีความก้าวหน้าดีแล้วคุณภาพระดับรหัส ในขณะที่ความคืบหน้าเหมือนคาดว่าคุณภาพระดับการเปลี่ยนแปลงในอนาคตอันใกล้นี้ รายการของการลองผิดลองถูกเสนอสำหรับการระบุรหัสระดับคุณภาพที่ระบุเฉพาะฟังก์ชันหรือวิธีการที่หน่วยทดสอบจะทำ ให้ด้านล่าง ได้แก่, (i) "บ่อยแก้ไข (ii) "สุดล่า (iii) บ่อยถาวร" (iv) ล่าสุดถาวร" (v) "ที่ใหญ่ที่สุดแก้ไข (vi) ที่ใหญ่ที่สุดถาวร" (vii) "ขนาดความเสี่ยง" (ทำงาน ด้วยความเสี่ยงที่กำหนดเป็นอัตราส่วนของจำนวนการแก้ไขข้อผิดพลาดมากกว่าขนาดของฟังก์ชันในบรรทัดของรหัส); (viii) "เปลี่ยนความเสี่ยง" (ทำงาน ด้วยความเสี่ยงที่กำหนดเป็นอัตราส่วนของจำนวนข้อผิดพลาดในการแก้ไขเปลี่ยนแปลงจำนวนแปลงทั้งหมด); และเลือกสุ่ม (ix) ของฟังก์ชัน ขนาด (บรรทัดของรหัส) ของฟังก์ชันมีการแนะนำในการประเมินความพยายามต้องทำการทดสอบหน่วย มีกำหนดชื่อประโยชน์การวัดเพื่อบ่งชี้ว่า การคาดคะเนมีประสิทธิภาพมากในการหาข้อผิดพลาดใหม่ในฟังก์ชันการคาดการณ์

ผลลัพธ์ (ไทย) 2:

มันเป็นที่รู้จักกันดีว่าการบำรุงรักษาและความพยายามในการวิวัฒนาการเป็นจำนวนเงินมากที่สุดเท่าที่ 90% ของค่าใช้จ่ายในการพัฒนาซอฟต์แวร์ ตามสถิติรายงานในวรรณคดีที่มีขนาดปัจจุบันของฐานรหัสที่ฟอร์จูน 100 บริษัท เป็น 35 ล้านบรรทัดของรหัสและขนาดนี้คาดว่าจะเป็นสองเท่าทุกเจ็ดปี SQA รูปแบบส่วนใหญ่ของความพยายามในการบำรุงรักษารหัส จึงมีความจำเป็นสำหรับแนวทางปฏิบัติในการจัดลำดับความสำคัญความพยายาม SQA Analytics ซอฟแวร์ที่เกี่ยวข้องกับการทำเหมืองแร่ที่เก็บซอฟแวร์เป็นพื้นที่ที่ใช้งานของการวิจัย ส่วนใหญ่ของการวิจัยอย่างต่อเนื่องในการจัดลำดับความสำคัญความพยายาม SQA มุ่งเน้นไปที่คุณภาพ "รหัสระดับ" (รหัสทำนายสถานที่ที่มีข้อผิดพลาดง่าย) และ "เปลี่ยนคุณภาพระดับ" (ทำนายการเปลี่ยนแปลงซอฟแวร์ที่มีข้อผิดพลาดง่าย) อย่างไรก็ตามการรุกของพวกเขาในการปฏิบัติอยู่ในระดับต่ำเกินไปเมื่อพิจารณาจากเมล็ดหยาบของการคาดการณ์เหล่านี้ (การทำในระดับไฟล์) . งานวิจัยที่เสนอโดย Emad ฮับ [10] มีจุดมุ่งหมายที่จะแก้ไขสถานการณ์นี้ด้วยการแนะนำสี่หลักการสำหรับการคาดการณ์ดังกล่าว ได้แก่ (i) การมุ่งเน้นไปที่ระดับปลีกย่อยของเมล็ด; (ii) ข้อเสนอแนะทันเวลาเมื่อมีการเปลี่ยนแปลงมีความสดในจิตใจของนักพัฒนา; (iii) ให้ประมาณการของความพยายาม SQA ส; และ (iv) การประเมินผลการบังคับใช้โดยทั่วไปของการคาดการณ์ในโครงการที่แตกต่างกันและโดเมน มีงานวิจัยที่ก้าวหน้าดีอยู่แล้วให้มีคุณภาพรหัสระดับในขณะที่ความคืบหน้าคล้าย ๆ กันคือที่คาดไว้สำหรับการเปลี่ยนแปลงที่มีคุณภาพระดับในอนาคตอันใกล้ รายชื่อของการวิเคราะห์พฤติกรรมที่นำเสนอสำหรับการระบุคุณภาพรหัสระดับที่สามารถระบุฟังก์ชั่นที่เฉพาะเจาะจงหรือวิธีการที่การทดสอบหน่วยจะได้รับการดำเนินการจะได้รับดังต่อไปนี้ ได้แก่ (i) "การปรับเปลี่ยนบ่อยที่สุด". (ii) "การแก้ไขมากที่สุดเมื่อเร็ว ๆ นี้ "(iii)" คงที่บ่อยที่สุด "(iv)" เมื่อเร็ว ๆ นี้คงที่ "(V)" ที่ใหญ่ที่สุดในการแก้ไข "(vi)" ที่ใหญ่ที่สุดคงที่ "(vii)" ความเสี่ยงขนาด "(ฟังก์ชั่นที่มีความเสี่ยงกำหนดให้เป็น อัตราส่วนของจำนวนของการแก้ไขข้อผิดพลาดมากกว่าขนาดของฟังก์ชั่นในบรรทัดของรหัส); (viii) "ความเสี่ยงการเปลี่ยนแปลง" (ฟังก์ชั่นที่มีความเสี่ยงกำหนดเป็นอัตราส่วนของจำนวนของการเปลี่ยนแปลงการแก้ไขข้อผิดพลาดที่ผ่านมาจำนวนของการเปลี่ยนแปลง); และ (ix) สุ่มเลือกฟังก์ชั่น ขนาด (เส้นของรหัส) ของการทำงานเป็นข้อเสนอแนะที่จะประเมินความพยายามที่จำเป็นในการดำเนินการทดสอบหน่วย ประโยชน์ชื่อตัวชี้วัดที่กำหนดไว้เพื่อบ่งชี้ว่าการคาดการณ์ที่มีประสิทธิภาพจริงๆในการหาข้อผิดพลาดในการทำงานใหม่ที่คาดการณ์ไว้

ผลลัพธ์ (ไทย) 3:

มันเป็นที่รู้จักกันดีว่า การบำรุงรักษาและวิวัฒนาการความจํานวนมากเท่าที่ 90 % ของค่าใช้จ่ายในการพัฒนาซอฟต์แวร์ ตามสถิติรายงานในวรรณคดี ขนาดปัจจุบันของฐานรหัสที่ Fortune 100 บริษัท เป็น 35 ล้านบรรทัดของรหัสและขนาดนี้คาดว่าจะเป็นสองเท่าทุกๆเจ็ดปี SQA ฟอร์มส่วนใหญ่ของรหัสรักษาความพยายาม ดังนั้นต้องมีแนวทางในการปฏิบัติ เพื่อจัดลำดับความสำคัญในความพยายาม SQA . ซอฟต์แวร์การวิเคราะห์ที่เกี่ยวข้องกับเหมืองแร่ที่เก็บซอฟต์แวร์ที่เป็น พื้นที่ งาน วิจัย ส่วนใหญ่ของการวิจัยต่อเนื่องในการมุ่งเน้นความพยายาม SQA " คุณภาพระดับรหัส " ( ใช้รหัสที่ตั้งที่มีแนวโน้มข้อผิดพลาด ) และ " คุณภาพระดับเปลี่ยน " ( ทำนายการเปลี่ยนแปลงซอฟต์แวร์ที่มีข้อผิดพลาดได้ง่าย ) อย่างไรก็ตามของตนสอดใส่เข้าไปในการปฏิบัติต่ำเกินไปพิจารณา granularity หยาบของการคาดการณ์เหล่านี้ถูกสร้างขึ้น ในระดับไฟล์ ) งานวิจัยที่เสนอโดย emad shihab [ 10 ] มีวัตถุประสงค์เพื่อแก้ปัญหานี้ โดยบอกว่า สี่หลักเช่นคำทำนาย คือ ผมเน้นละเอียดระดับ granularity ; ( 2 ) ข้อเสนอแนะทันเวลา เมื่อมีการเปลี่ยนแปลงสดในจิตใจของนักพัฒนา ;( 3 ) ให้ประมาณการของ SQA ความพยายาม ; และ ( 4 ) การประเมินผลการใช้ทั่วไปของการทำนายในโครงการต่างๆและโดเมน งานวิจัยมีความก้าวหน้าดีแล้วคุณภาพระดับรหัส ในขณะที่ความคืบหน้าเหมือนกันคาดว่าการเปลี่ยนแปลงระดับคุณภาพในใกล้อนาคตรายชื่อประธานาธิบดีเยอรมนีเสนอให้ระบุรหัสที่ระบุระดับคุณภาพการทำงานที่เฉพาะเจาะจงหรือวิธีการซึ่งการทดสอบหน่วยจะต้องดำเนินการ คือ ให้ด้านล่าง คือ ( i ) " บ่อยที่สุดแก้ไข " ( 2 ) " มากที่สุดเมื่อเร็ว ๆนี้ดัดแปลง " ( 3 ) " บ่อยที่สุดคงที่ ; " ( 4 ) เมื่อเร็ว ๆ นี้คง " ( 5 ) " ใหญ่ดัดแปลง " ( 6 ) " อันดับคงที่" ( 7 ) " ความเสี่ยง " ขนาด ( ฟังก์ชั่นที่มีความเสี่ยง หมายถึง อัตราส่วนของจำนวนของการแก้ไขข้อผิดพลาดมากกว่าขนาดของฟังก์ชันในบรรทัดของรหัส ) ; ( 8 ) ความเสี่ยง " เปลี่ยน " ( ฟังก์ชั่นที่มีความเสี่ยง หมายถึง อัตราส่วนของจำนวนของข้อผิดพลาดการแก้ไขเปลี่ยนแปลงไปตามจำนวนของการเปลี่ยนแปลง ) ; และ 9 ) การเลือกแบบสุ่มฟังก์ชันขนาด ( โค๊ด ) ของฟังก์ชันควรประเมินความพยายามต้องดำเนินการทดสอบหน่วย ตัวชี้วัดที่ชื่อว่า ประโยชน์คือไว้ระบุว่า การคาดการณ์มีประสิทธิภาพมากในการหาข้อผิดพลาดใหม่ในการทำนายฟังก์ชัน