Ingeniería de Software Avanzada

Transcripción

1 Universidad Técnica Federico Santa María Departamento de Informática Ingeniería de Software Avanzada Dr. Marcello Visconti Z. Métricas Clásicas de Software Métricas de tamaño: LOC, tokens, funciones Métricas de estructura de datos: cantidad, uso Métricas de estructura lógica: DE, v(g) Métricas de software science Métricas de esfuerzo, de defectos Page 1

2 Métricas de tamaño Todos los productos de software lo tienen Factor más considerado en modelos de estimación de esfuerzo y productividad Idea: mientras más grande más complejo Más de una forma de definir tamaño: líneas de código, tokens, funciones Líneas de código (LOC) Muy popular Fácil de calcular Concuerda con la intuición Tamaño es número de líneas de código Page 2

3 Líneas de código (LOC) Línea Nivel 1 SUBROUTINE SORT (X,N) 2 INTEGER X(100), N, I, J, SAVE, IM1 3 C THIS ROUTINE SORTS ARRAY X INTO ASCENDING 4 C ORDER. 5 IF (N.LT.2) GO TO DO 210 I=2,N 2 7 IM1=I DO 220 J=1,IM1 3 9 IF (X(I).GE.X(J)) GO TO SAVE=X(I) 5 11 X(I)=X(J) 5 12 X(J)=SAVE CONTINUE CONTINUE RETURN 1 16 END Una subrutina FORTRAN que ordena un arreglo en orden ascendente Líneas de código (LOC) No hay definición aceptada universalmente Definición aceptable (no standard): Toda línea de un programa que no es un comentario o línea en blanco, independientemente del número de instrucciones o fragmentos de instrucciones en ella; esto incluye específicamente las líneas de encabezamiento de un programa, declaraciones, e instrucciones ejecutables y no ejecutables Page 3

4 Líneas de código (LOC) Difícil comparar entre lenguajes tasas variables de instrucciones fuente a instrucciones ejecutables» assembler 1-1» cobol 1-3» apl 1-10» hoja de cálculo 1-50 Múltiples líneas por instrucción y múltiples instrucciones por línea Problema: no todas las LOC son equivalentes Código reusado? LOC penaliza lenguajes de alto nivel Número de tokens Token: unidad básica e indivisible reconocida por un compilador 4 métricas: η 1 = número de operadores únicos» símbolo o palabra reservada que especifica una acción η 2 = número de operandos únicos» símbolo usado para representar datos N 1 = número total de operadores N 2 = número total de operandos η = vocabulario N = largo (tamaño) Page 4

5 Número de Tokens Operadores y Operandos Operadores Ocurrencias Operandos Ocurrencias SUBROUTINE 1 SORT 1 ( ) 10 X 8, 8 N 4 INTEGER IF 2 I 6.LT. 1 J 5 GO TO 2 SAVE 3 DO 2 IM1 3 = GE CONTINUE RETURN end_of_line 13 η 1 = 14 N 1 = 51 η 2 = 13 N 2 = 42 Un análisis de tokens de la subrutina SORT Número de tokens Reglas de contabilización dependen del lenguaje Ambigüedades (ej: -2 v/s cuántos -?) Contabilización de ( ) como uno o dos? Qué ocurre con if... then...else? Algunos tokens son opcionales... rellenos? Presenta otros problemas muy similares a LOC Comparación entre lenguajes muy difícil Base de la familia de métricas conocidas como Software Science de Halstead Page 5

6 Número de funciones Idea: utilizar unidades más grandes Idea de chunking (sicología) Tamaño es el número de funciones Qué es una función? colección de sentencias o instrucciones ejecutables que realizan cierta tarea, y que se desarrollan en conjunto con declaraciones de parámetros formales y variables locales manipuladas por dichas sentencias Unidad lógica o física? Intenta definir tamaño como el número de tareas que se desarrollan Depende de cómo se descomponga el problema... ejemplo: swap en sort Métricas de estructura de datos Software procesa datos: entrada, salida, procesamiento de datos Supuesto razonable: mientras más datos entran, se procesan y salen de un sistema éste es probablemente más complejo, toma más tiempo en desarrollar y tiene más probabilidad de error Interesa medir la cantidad y el uso de los datos Page 6

7 Cantidad de datos (VARS) Corresponde a las variables (strings de caracteres alfanuméricos definidos por un programador, usado para representar algún valor durante compilación o ejecución) Puede obtenerse utilizando una lista de referencias cruzadas, excluyendo variables definidas pero nunca usadas Cantidad de datos (VARS) 1 program payday (input, output); 2 type check = record 3 gross : real; 4 tax : real; check net : real gross end; hours var pay : check; net pay hours, rate : real; begin rate while not eof (input) do begin tax readln (hours, rate); 12 pay.gross := hours * rate; 13 pay.tax := 0.25 * pay.gross; 14 pay.net := pay.gross - pay.tax; 15 writeln (pay.gross, pay.tax, pay.net) 16 end 17 end. Page 7

8 Cantidad de datos (VARS) El cálculo no es absolutamente objetivo - payday, input, output, eof... η 2 = VARS + constantes + labels Esta métrica refleja solo el número de variables únicas, sin indicar su grado de uso Variables vivas (LV) Hipótesis: a mayor número de ítemes de datos a considerar simultáneamente, mayor complejidad y por ende más difícil la construcción de software No se limita solo a los ítemes referenciados, sino a todas aquellas variables utilizadas en un grupo relacionado de sentencias Page 8

9 Variables vivas (LV) Una variable estará viva desde la primera a la última referencia dentro de un procedimiento Cálculo: sumar variables vivas de cada sentencia ejecutable y dividir por el número de sentencias ejecutables Métrica mide la utilización de datos dentro de un módulo Línea Nivel 1 SUBROUTINE SORT (X,N) 2 INTEGER X(100), N, I, J, SAVE, IM1 3 C THIS ROUTINE SORTS ARRAY X INTO ASCENDING 4 C ORDER. 5 IF (N.LT.2) GO TO DO 210 I=2,N 2 7 IM1=I DO 220 J=1,IM1 3 9 IF (X(I).GE.X(J)) GO TO SAVE=X(I) 5 11 X(I)=X(J) 5 12 X(J)=SAVE CONTINUE CONTINUE RETURN 1 16 END Variables vivas (LV) Línea Variables Vivas Cuenta 5 N 1 6 N, I 2 7 I, IM1 2 8 I, IM1, J 3 9 I, J, X 3 10 I, J, X, SAVE 4 11 I, J, X, SAVE 4 12 J, X, SAVE Page 9

10 Variables vivas (LV) En ejemplo anterior, LV = 22/11 = 2 Dos variables pueden estar vivas en el mismo número de sentencias pero su uso puede ser marcadamente diferente Spans de variables (SP) Esta métrica captura la frecuencia con la que una variable es usada dentro de un programa o procedimiento Una variable referenciada n veces tiene n-1 spans El tamaño de un span indica cuántas sentencias existen entre usos sucesivos de una variable Page 10

11 Spans de variables (SP) A / 4 = read (a, b); x := a; y := a-b; z := a; writeln (a, b);... B / 2 = 18.5 Spans de variables (SP) Un span grande puede requerir recordar variables que han sido usadas por última vez muy lejos en el programa Esta métrica refleja conceptos de cohesión y acoplamiento entre sentencias mediante la dispersión de la dependencia funcional Page 11

12 Métricas de estructura lógica Programas = Estructuras de Datos + Algoritmos Complejidad de los algoritmos -> decisiones y repeticiones (loops) Complejidad de los algoritmos determinan en gran medida la dificultad de hacer testing y mantención Métricas de estructura lógica Diagrama de flujo si start N < 2 no I = 1 (1) (4) (5a) (5b) I = I + 1 no I < = N (5c) si IM1 = I - 1 (6) J = 0 (7a) J = J + 1 (7b) (7c) J < = IM1 no si (14) return si X(I) > = X(J) (8) no SAVE = X(I) X(I) = X(J) X(J) = SAVE (9-11) Page 12

13 Número de decisiones DE test backward branch condicional verdadero test falso Un backward branch siguiendo un test condicional forward branch forward branch Un test condicional que guía una selección test backward branch incondicional Un backward branch incondicional usado para crear loop Número de decisiones (DE) DE se determina contando instrucciones del tipo IF, DO, WHILE, CASE, etc... pero, qué pasa con las condiciones compuestas?... contar predicados simple! Un predicado simple es aquella expresión booleana no descomponible (no and, or, etc) Page 13

14 Número de decisiones (DE) Condiciones Compuestas (a) (b) AND c1 Y/O c2? verdadero c1? verdadero falso s1 falso falso c2? verdadero s1 (c) OR falso c1? c2? verdadero verdadero falso s1 Representación de flujograma de una condición compuesta Complejidad ciclomática V(G) Métrica derivada de la Teoría de Grafos, propuesta por McCabe en 1976 Diseñada originalmente para determinar el número de caminos linealmente independientes a través de un programa Qué pasa cuándo hay ramificación hacia atrás (loop)? V(G) = e - n + 2p = DE + 1 Page 14

15 Complejidad ciclomática V(G) e = 16 n = 13 v(g) = = 5 Un flujograma con trece nodos y dieciséis aristas Complejidad Ciclomática Invocación de programas PROGRAMA 1 PROGRAMA 2 CALL SUBR SUBR e1, n1 v(g1) = e1 - n1 + 2 e2, n2 v(g2) = e2 - n2 + 2 v(g) = (e1 + e2 + 2) - (n1 + n2) + 2 = (e1 - n1 + 2) + (e2 - n2 + 2) = v(g1) + v(g2) PROGRAMA 1 llama a PROGRAMA 2 (sub-rutina SUBR) Page 15

16 Complejidad ciclomática V(G) Empíricamente, V(G) > 10 para un módulo sugiere dificultades en el testing y la mantención Métricas de Software Science Basadas en Operadores y Operandos Largo estimado de un programa N = η1 * log 2 η1 + η2 * log 2 η2 El volumen de un programa V = N * log 2 η Volumen potencial de un program a V * = ( 2 + η2 * ) log2 ( 2 + η2 * ) Nivel de un programa L = V * / V Dificultad de un programa D = 1 / L Esfuerzo de desarrollo de un programa E = η1 N2 N log2 η 2 η2 Tiempo de desarrollo de un programa T = E / β (β es el número de discriminaciones mentales por segundo) Nivel del lenguaje: λ = L 2 V Page 16

17 Otras métricas clásicas Métricas de esfuerzo de desarrollo: proyectos a nivel micro (típicamente HH o HD) y a nivel macro (HM o HA) Métricas de defectos: detección de defectos vía revisiones de diseño y código (d 0 ), testing (d 1 ) y mantención (d 2 ) ( Idealmente, d 0 >> d 1 >> d 2 ) Page 17