Nesne Yönelimli Yazılım Tasarımının Testedilebilirliini Ölçmeye Yönelik Bir Model

Transkript

1 Nesne Yönelimli Yazılım Tasarımının Testedilebilirliini Ölçmeye Yönelik Bir Model A New Model To Measure Testability in Object Oriented Software Design Tolga YURGA METU Informatics Institute Information Systems Ph.D. Student e-posta: tyurga@tr.net ÖZET Bu aratırmanın amacı, nesne yönelimli yazılım tasarımının testedilebilirliini, belirli tasarım parametreleri cinsinden ifade etmeye yönelik bir yaklaım gelitirmektir. Mevcut proje verilerini kullanarak, testedilebilirlik ve tasarım parametreleri arasındaki korelasyon çıkarılmaktadır. Çoklu Dorusal Regresyon kullanılarak da, en çok ilintili tasarım parametreleri ile testedilebilirlik endeksi arasında bir model oluturulmaktadır. Gelitirilen model ve yaklaımın, organizasyon için anahtar yorumlama ve deerlendirme yol göstericisi olarak, yazılım gelitirme adımlarını, daha testedilebilir hale getirmek üzere gelitirmesi hedeflenmektedir. ABSTRACT This research work aims to identfiy a measure of testability of object-oriented software design in terms of certain design parameters. Using available project data, the correlation among the design parameters and testability is extracted. Multiple Linear Regression is then used to compose a model among the mostly correlated design parameters and testability index. Developed model is anticipated to improve development efforts through better testability that is considered as the key assessment aid for the organization. 1. Giri Bu yazıdaki aratırmada, yazılım tasarımı üzerine younlaıp, test etme ileminin kolaylatırılması sayesinde, yasarım aamasının nasıl gelitirilebilecei incelenecektir. Bir yazılım sisteminin ya da bileeninin, test etme aamasını kolaylatırma derecesine, testedilebilirlik denilir. Test aamasını dikkate alarak bir yazılım sistemini tasarlamaya ise testedilebilirlik için tasarım denilir. [10] IEEE, testedilebilirlii, Bir sistem ya da bileenin, test kriterlerinin belirlenmesini ve bu kriterlerin karılanma durumuna testlerin performansı sayesinde karar vermeyi kolaylatırma derecesi olarak tanımlamaktadır[6]. Dier bir deyimle, bir yazılım sisteminin testedilebilirlii, sistemi test etmek için gerekli emein miktarını veya test ederek program içerisinde bir hata ortaya çıkarma olasılıını iaret etmektedir. Projelerin testedilebilirlii, yazılım proje yönetiminin önemli bir nitelii olarak ortaya çıkmaktadır. Test aaması, yazılımcılar ve yöneticiler için gelitirilen ürünü izlemek ve deerlendirmekte büyük

2 önem taıyan bir faaliyettir. Endüstrinin bu konuya yapmı olduu vurgu neticesinde, testedilebilirlik, önemli bir aratırma sahası olarak benimsenmitir. Yazılım endüstrisi tarafından da önerildii üzere, testedilebilirlik, kurumun daha dikkatli olması gereken alanları belirlemesi çabasında, dier tasarım parametrelerine balantılı olacaktır[8]. Pratikte, test aaması, ortalama bir yazılım gelitirme projesinde, önemli bir zaman ve emek tüketmektedir. Bir yazılımın modül veya bileenlerini, en yeni teknolojilerle, en iyi tasarımcılarla tasarlamak, tasarımı ve sonuç olarak da tasarıma göre kodladıklarınızı test edemediimiz sürece hiçbir anlam ifade etmeyecektir[7]. Bu makalenin amacı, nesne yönelimli tasarımın testedilebilirliini ölçmeye ve dorulamaya yarar yeni bir yaklaım ve model ortaya koymaktır. Bu sayede, yazılım gelitirme yaamdöngüsünün sonraki aamalarında, testedilemeyen tasarım nedeniyle ortaya çıkabilecek sorunların giderilmesi için gerekli igücü ve maliyeti minimuma indirmektir. Modeli gelitirebilmek için, gerçek yaamda kullanılmakta olan projelere ait ölçüt verileri kullanılıp, matematiksel teknikler yardımıyla bu veriler analiz edilip, model için gerekli bilgi ortaya çıkarılacaktır. 2. Modelin Oluumu 2.1. Tasarım Parametreleri ve Ölçütleri Bu aratırmada, bir yazılım projesinin tasarımının testedilebilirliini ölçebilmek amacıyla, yazılım tasarımı ile dolaylı ya da dorudan balantılı çok sayıda yazılım ölçütünden faydalanılmıtır. Bu aamadaki amaç, modelin oluumunda kullanılacak tasarım parametrelerini temsil eden ölçütleri belirlemektir. Modelin güvenirlii ve doruluu açısından, parametre ve ölçüt alanımı mümkün olduunca geni tutmaya çalıılmıtır. Konuyla ilgili yapılan literatür taraması sonuçları, eldeki proje verileri, yazılım endüstrisi ve akademik dünyada genel olarak kaydı tutulan ölçütlerin kapsamı neticesinde, aaıda belirtilen tasarım parametreleri ve bunlara balı önemli ölçütlerin kullanımının model için uygun olduüu ortaya çıkmıtır[2,4,5,7,10]. Bu parametreler: Balaım (Coupling) Yapııklık (Cohesion) Kalıtım (Inheritance) Çok ekillilik (Polymorphism) Sarma (Encapsulation) Boyut (Size) Karmaıklık (Complexity) Balaım (Coupling) Nesne yönelimli bir tasarımda, balaım, haberleen modüller arasındaki iliki ve baımlılıkları göstermektedir. Nesneler Arası Balaım (NAB-CBO=Coupling Between Objects), balaım özellii için en belirleyici ölçüt olup, bir sınıfın balı olmu olduu dier sınıfların sayısını belirtmektedir. Yüksek ölçüt deeri, sınıflar arasında yüksek derecede iliki ve baımlılık olduunu göstermektedir[11].

3 Yapııklık (Cohesion) Yapııklık, bir tasarım parçasının, tek, iyi belirlenmi bir hedefi gerçekletirmek için bulunduklar katkı derecesini göstermektedir. Sınıf seviyesinde yüksek yapııklık deeri, sınıfın bütün elemanlarının kuvvetli olarak ilintili olduunu göstermektedir. Metotlardaki Yapııklık Eksiklii (MYE LCOM=Lack Of Cohesion in Methods), yapııklık özellii için en belirleyici ölçüt olup, bir sınıf içerisinde ortak deiken kullanan metot çiftleri sayısı ile ortak deiken kullanmayan metod çiftleri sayısı arasındaki farkı göstermektedir. Düük ölçüt deeri, sınıfın yapıık olduunu gösterirken, yüksek deerler ise sınıfın, daha yüksek yapııklık deerlerine sahip ayrı sınıflara bölünebileceini göstermektedir[13] Yapısal Karmaıklık (Structural Complexity) Bir sınıfın yapısal karmaasını ölçmek için, bütün metotlarının karmaa deerlerinin toplanması gerekir. Bu da, Sınıf Baına Aırlıklı Metod (SBAM-WMC=Weighted Methods Per Class) ölçütünün özünü oluturmaktadır[17]: SBAM n = i = 1 k i fade içerisindeki k i, sınıf içerisindeki n tane metodun ayrı karmaa deerini ifade etmektedir. Siklomatik Karmaa (SK-CC=Cyclomatic Complexity) ölçütü, bir modülün (sınıfın alt bileeni, örn. Metot) karar yapısının karmaasını ölçmeye yarar. Dorusal olarak baımsız karar patikalarının sayısını gösterir[16]. Çocuk Sayısı (ÇS-NOC=Number Of Children) ise, sınıf hiyerarisi içerisinde bir sınıfın alt sınıflarının sayısını göstermektedir. Kaç alt sınıfın, ebeveyn sınıfın metodlarını kalıtımsal olarak içereceinin bir ölçüsüdür Sarma (Encapsulation) Sarma, bir sınıfın dı arayüzü ve dahili implementasyonu arasında temiz bir ayrım olmasına çalıan bir tür soyutlama olarak tanımlanabilir. Yüzdesel Genel Veri Oranı (YGVO-PUB=Public Percent Data) ölçütü, bir sınıf içerisindeki genel ve korunumlu veri yüzdesini gösterir. Genel olarak, düük deerler yüksek sarmayı iaret eder[12] Çok ekillilik (Polymorphism) Çok ekillilik, tam yapısını bilmeden, ayrı sınıfların nesnelerini, sadece ortak özelliklerinin bilgisini kullanarak etkilemek, deitirmek ve kullanmak olarak tarif edilebilir. Sınıfa Yönelik Karılık (SYC-RFC=Response For Class) ölçütü ise, bir sınf içerisinde bulunan metot sayısı ile kalıtım sayesinde, bir nesne tarafından ulaılabilir durumdaki metotların sayılarının toplamından ibarettir.

4 Kalıtım (Inheritance) Bir sınıfın kalıtım hiyerarisindeki derinlii, Kalıtım Aacı Derinlii (KAD-DIT=Depth In Tree), sınıfın bulunduu noktanın, aacın kökünden olan maksimum uzaklıı olup, ata sınıfların sayısı ile ölçülür. Bir sınıfın hiyeraride daha derinlerde olması, davranılarını tahmin etmeyi daha karmaık hale getirecek ekilde daha çok metodu kalıtımsal olarak yapısı içerisine katmasını ifade etmektedir Boyut (Size) Sınıf Baına Toplam Satır Sayısı (SBTSS-TLOCC=Total Lines Of Code per Class), sınıf seviyesinde boyutu ölçmek için kullanılabilecek en basit, kolay hesaplanabilir bir boyut ölçüm olup, sınıf içindeki yorum ve çalıtırılabilir kod satırları dahil tüm satır sayısını belirtir Model Çalıması Deneysel olarak modelin oluturulabilmesi amacıyla, NASA Independent Verification & Validation (IV & V) Facility Ölçüts Data Program ına ait veriler kullanılmıtır. Bu verilerin içerisinde bulunan, farklı dillerle yazılmı iki adet nesne yönelimli yazılım projesine ait ölçüt ve proje izleme ve ölçüm verileri, aratırma ihtiyaçlarıyla büyük oranda örtümütür. Proje veri ambarı, aratırmada kullanılmaya karar verilen ölçütlerin ve tasarım parametrelerinin önemli bir kısmını içermekteydi. Bu veri ambarı, NASA nın kendi ihtiyaçları dorultusunda hazırlamı olduu çeitli amaçlara hizmet eden yazılımlarına ait, problem verileri, ürün verileri ve ölçüt verilerini içeren, önemli bir kaynak durumundadır.[19] Veri ambarında bulunan ölçütlerden yararlanarak, yeni bir testedilebilirlik endeksi oluturulmaya çalıılmıtır. Özellikle de, projenin gerçek hayatta aktif olarak kullanılması sırasında ortaya çıkan hata kayıt kütüüne ait veriler, testedilebilirlik kavramını ölçme konusunda çok yardımcı olmutur. Bu üç ölçüt verisi unlardır: 6 Ay çindeki Hata Kayıtları (HK6-ER6) 12 Ay çindeki Hata Kayıtları (HK12-ER12) 24 Ay çindeki Hata Kayıtları (HK24-ER24) Bu ölçütler, her bir tasarım nesnesin, projenin gerçek hayatta kullanımı sırasında ortaya çıkan, kodlama, test ve entegrasyon fazları içerisinde farkedilmemi ve kullanıcı kullanımı sırasında farkedilen hataları göstermektedirler. Eer bir nesne hakkında projenin yaamdöngüsü sırasında herhangi bir hata kaydı yoksa, bu o nesnenin mükemmel derecede test edilebilir olduunu gösterir. Hata olması ise, nesnenin yeteri kadar test edilebilir olmaması sonucunda gizli bazı hataların durmaya devam ettiini ve de test aamasında bu hataların ortaya çıkartılamadıını gösterir. Çeitlli deneme-yanılma çalımaları neticesinde, bu üç ölçüt verisi kullanılarak, aaıdaki ifadede belirtilen katılım oranları ile beraber bir Ortalama Hata Kayıt Deeri oluturmanın doru olduu gözlemlenmitir. Bir sınıfa ait Ortalama Hata Kayıt Deeri : SINIF _ ORTALAMA _ HATA = + +

5 Zamansal Periyottaki Hata Kayıtlarının balarındaki çarpanlar, Ortalama Deer içerisindeki aırlıklarını göstermektedir. Uzun sure zarfında ortaya çıkan hatalar, daha zor bulunur hatalar demek olduundan, aırlık olarak daha fazla deer ifade etmektedirler. Ortalama Hata Oranını, testedilebilirlik ölçümüne çevirebilmek için, çeitli deneme-yanılma çalımasından sonra, aaıdaki endeksin, en doru sonuçları verdiii gözlemlenmitir. Her bir sınıfın testedilebilirlik endeksi öyle hesaplanır: Testedilebilirlik Endeksi = { SINIF _ ORTALAMA _ HATA 3 * STD _ SAP( SINIF _ ORTALAMA _ HATA) 100 * MUT( ), 3 * STD _ SAP( SINIF _ ORTALAMA _ HATA) SINIF_ORTALAMA_HATA TUM_ORTALAMA_HATA + 3 * STD_SAP (SINIF_ORTALAMA_HATA) 0, dier koullarda} MUT mutlak deeri, TUM_ORTALAMA_HATA tüm sınıfların ortalama hata deerini, ve STD_SAP de sınıf bazında ortalama hata deerlerinden oluan örneklemenin standart sapma deerini göstermektedir. Hesaplamalarım ve varsayımlarıma gore, bütün sınfların ortalama hata deerinden 3 standart sapmasından büyük hata deerlerinin testedilebilirii 0 olarak kabul edilmekte, bu deerden büyük deerili hatalara sahip sınıfları testedilemez derecede bir yapıya sahip olduunu ifade etmektedir. Hata oranı 0 olan sınıflar ise, mükemmel testedilebilir olarak kabul edilmekte, %100 testedilebilir denilmektedir Matematiksel Sonuçlar PUB CBO DIT LCOM NOC RFC WMC CCOMP TLOCC ORT.HATA Testedilebilirlik YGVO - PUB 1,00 NAB - CBO 0,05 1,00 KAD - DIT -0,07 0,47 1,00 MYE - LCOM 0,27 0,26 0,26 1,00 ÇS - NOC 0,13-0,03-0,03-0,03 1,00 SYC - RFC 0,06 0,39 0,65 0,33-0,05 1,00 SBAM - WMC 0,15 0,25 0,14 0,32 0,04 0,63 1,00 SK - CCOMP 0,02 0,63 0,56 0,20 0,01 0,30 0,11 1,00 SBTSS - TLOCC 0,04 0,65 0,52 0,10-0,02 0,28 0,08 0,91 1,00 ORT.HATA 0,05 0,34 0,07 0,07-0,07 0,12 0,09 0,26 0,30 1,00 Testedilebilirlik 0,00-0,44-0,05-0,05 0,07-0,14-0,13-0,28-0,32-0,95 1,00 Figure 1: Ölçütler Ve Testedilebilirlik Arasındaki Korelasyon Katsayıları Yukarıdaki tabloda bulunan ölçütler ve testedilebilirlik arasındaki katsayıların incelenmesi sonucunda, Balaım, Boyut ve Karmaıklık parametrelerine ait ölçütlerin testedilebilirlik endeksi ile daha güçlü bir korelasyona sahip oldukları gözlemlenmitir. Sadece YGVO ölçütünün 0

6 seviyesinde bir korelasyonu olması ve dier ölçütlerin etkilerinin ihmal edilmemesi için, Matematiksel Dorusal Regresyon Modeli içerisinde, YGVO harici bütün ölçütlerin kullanılmasını uygun görülmütür. Testedilebilirlik endeksini etkileyen bireysel tasarım parametrelerinin nispi önemleri, korelasyon iliikisine balı olarak orantılı olarak bir aırlıa sahip olur. Bu aırlık katsayılarının hesaplanabilmesi amacıyla, Matematiksel Dorusal Regresyon Modeli uygulanmıtır. Böyle bir model, baımlı deikenler ve baımsız deikenler arasında, dorusal bir iliki kurmaya yarar. Regresyon denklemi, aaıdaki ekilde olur: y = x m x m x ler baımsız deikenleri, y baımlı deikeni, lar da regresyon katsayılarını belirtmektedir. Bu katsayılar, baımsız deikenler sabit tutulduundan, baımlı deiken üzerindeki ortalama baımlı artı miktarını göstermektedirler[9]. Sonuçlardan da görüldüü üzere, testedilebilirlik, birden çok tasarım parametresine balıdır. Bileen bazındaki etki tahmin edilebiliri ve bileen aırlıı, regresyon denklemi ile sabitlenebilir. Bu suretle, bireysel olarak tasarım parametrelerine ait bileen aırlıkları, regresyon katsayıları ( lar) cinsinden hesaplanmı olur. Resgresyon dorusunu oluturmak için, NASA veri ambarında bulunan [19], biri C++, dieri ise JAVA ile yazılmı bulunan, yaklaık 200 sınıf içeren iki yazılım projesine ait veriler kullanılmıtır. Aaıda, testedilebilirlik endeksini, tasarım parametrelerine iliiklendiren denklem bulunmaktadır: Testedilebilirlik Endeksi (Tasarım Ölçütleri Cinsinden) = * NAB (CBO) * KAD (DIT) 0.13 * SYC (RFC) * MYE (LCOM) 1.95 * ÇS (NOC) * SBAM (WMC) * SK (CCOMP) 0.30 * SBTSS (TLOCC) Testedilebilirlik Endeksi (Tasarım Parametreleri Cinsinden) = * Balaım (Coupling) * Kalıtım (Inheritance) 0.10 * Çok ekillilik (Polymorphism) * Yapııklık (Cohesion) * Karmaıklık (Complexity) 0.32 * Boyut (Size) Karmaıklık katsayısı, üç farklı karmaılık ölçütü içerisinde en güçlü korelasyona Siklomatik Karmaa ölçütü sahip olduu için, sadece bu ölçütü içeren bir regresyon modeli ile yeniden hesaplanmıtır. Her bir tasarım parametresi, kendisini en güçlü ve yaygın ekilde ifade eden tasarım ölçütü tarafından temsil edilmektedir. Bu tablodaki katsayılar, dorusal denklemdeki katsayıları, kesiim ise, dorunun sabit deerini, yani y-ekseni ile kesitii noktayı göstermektedir.

7 %95 güven seviyesi ile hesaplanan regresyon modeline ait detaylar aaıdadır: Katsayılar Standart Sapma Alt %95 Üst %95 Kesiim 92,59 4,96 82,79 102,39 NAB - CBO -1,69 0,41-2,50-0,88 KAD - DIT 6,94 2,59 1,82 12,06 MYE - LCOM 0,03 0,06-0,08 0,14 ÇS - NOC 1,95 2,67-3,34 7,23 SYC - RFC -0,13 0,10-0,33 0,07 SBAM - WMC 0,07 0,16-0,25 0,39 SK - CCOMP 0,03 2,79-5,49 5,55 SBTSS - TLOCC -0,30 0,32-0,93 0,34 Figure 2: Regresyon Detayları 3. Sonuç Modeli oluturmakta kullanılan veriler, tek bir kaynaın verileri olduu ve bu kaynaın i akıları hakkında, u an için, herhangi bir veri içermediinden dolayı, modelin sadece bir kurum içerisinde farklı projelerin testedilebilirliinin karılatırılmasına, irket içerisinde bir veri ambarı oluturulmasına yararı hedeflenmektedir. Genele uygulanabilir bir model yaratmak için, çok ve farklı, birbirine baımlı ya da baımsız parametrelerin de iin içine katılması gerekir. Bu parametrelere ait detaylı ölçütlere sahip olunması, ya da kolayca bu ölçütlerin elde edilebilir olması gerekir. Firmanın i akıının, varsa, uygulamakta olduu kalite sürecinin, igücüne ait bilgi birikiminin, ve daha birçok önemli etkenin bu aratırma altında incelenmesi gerekmektedir. Mevcut çalıma, zaman ve hedef konusunda daha farklı bir çizgide olduundan, ve bu tür detay verilerin, u an itibariyle tümünün aynı anda elde edilemeyecek kadar zor olması nedeniyle, belirli bir alanda, belirli varsayım ve kısıtlamalar yapmak zorundadır. Nesne Yönelimli Yazılım Tasarımının Testedilebilirliine ölçmeye yönelik olarak önerilen model, çeitli deneme-yanılma ve varsayımlardan hareket etmektedir. Yakın zaman içerisinde, bu varsayım ve denemeler, daha güvenilir ve matematiksel sonuçlara dayandırılacaktır. Ayrıca süreçlere ilgin veriler ve testedilebilirlik ile projenin yaamdöngüsü içersindeki fazlarla etkileimini ortaya çıkarmaya çalıacak veriler elde edilmeye çalıılacak, bu sayede, ürün bakı açısının yanına süreç bakı açısı da katılmı olacaktır. Modelin son eklini almasıyla beraber, gerçek yaamda kullanılan aynı irkete ait projeler üzerinde uygulanması ve dorulanması hedeflenmektedir. Çalıma, daha farklı ilikiler ortaya çıkarmak üzerine de younlaacaı için, bulunan iliki ve korelasyonlar, çeitli farklı boyutlara göre geniletilecek ve irdelenecektir. Bütün bu çalımalar ve planlar neticesinde ortaya çıkması hedeflenen model, kesin, yaygın bir testedilebilirlik endeksi olmaktan çok, yazılım firmalarına, tasarım konusunda yaamı oldukları sıkıntıları azaltmakta yardımcı olmaya çalıacak, belirli öüt ve yönlendirici ipuçları ile projeye ait zaman, igücü ve maliyet kalemlerini, daha düzgün ve yerinde kullanılmasını salamak amaçlamaktadır.

8 4. Referanslar 1) A. Arifolu and A. Doru, Yazılım Mühendislii, SAS Biliim Yayınları, ) L. Briand, J. Wüst and H. Lounis, Investigating Quality Factors in Object-Oriented Designs:An Industrial Case Study, ISERN Version 2, ) B. Baudry, Towards a 'Safe'Use of Design Patterns to Improve OO Software Testability, Beaulieu Üniversitesi, ) J.M. Voas, Factors that Affect Software Testability, IS Bölümü, NASA LRC, ) R. Marinescu, Measurement and Quality in Object-Oriented Design, Timisoara Politeknik Üniversitesi, ) IEEE Std IEEE Standard Glossary of Software Engineering Terminology ) M. Bruntink, Testability of Object-Oriented Systems: a Ölçüts-based Approach, Amsterdam Üniversitesi, ) R.S. Freedman, Testability of Software Components, IEEE Transactions on Software Engineering, Vol. 17, No. 6, Haziran, 1991, syf ) R. A. Khan and K. Mustafa, A Model For Object Oriented Design Quality Assessment, SPDS Kuadası Konferansı, ) S. Chidamber and C. Kemerer, A Ölçüts Suite for Object-Oriented Design, IEEE Transactions on Software Engineering, Haziran, 1994, syf ) V.R. Basili and W.L. Melo, A Validation of OO Design Ölçüts as Quality Indicators, IEEE Tran. on Software Engineering, Vol.22, No. 10, Ekim ) Nancy S. Eickelmqn and Debra J. Richardson, What Makes One Software Architecture More Testable Than Another?, SIGSOFI 96 Workshop, San Francisco CA USA 13) B. Pettichord, Design for Testability, Pacific Northwest Software Quality Conference, Portland, Oregon, Ekim ) J.M. Voas and K.W. Miller, Improving the Software Development Process Using Testability Research, Proc. International Conference Software Reliability (ISSRE 2002), ) L. Tahvildari and K. Kontogiannis, A Ölçüt-Based Approach to Enhance Design Quality Through Meta-Pattern Transformations, Elektrik ve Bilgisayar Müh. Dep., Waterloo Üniversitesi, ) M. Lorenz and J. Kidd. Object-Oriented Software Ölçüts. Prentice-Hall Object-Oriented Series, Englewood Cliffs, NY, ) S. Jungmayr, Testability During Design, Teknik Rapor, Hagen Üniversitesi, ) S. Jungmayr, Testability Measurement and Software Dependencies, Teknik Rapor, Hagen Üniversitesi, ) NASA IV&V Facility Ölçüts Data Program