توضیحات
چکیده
این مقاله مقایسه و بررسی در زمینه ی پیشرفت و همچنین یافته های پیشین مربوط به مطالعه تجربی ای معرفی میکند که اصطلاحاً بوی های بد کد نامیده میشوند؛ طبقه بندی ارائه شده بوی های بد مشابه را گروه بندی مینماید. ما معتقدیم که طبقه بندی، بوی ها را قابل فهم تر کرده و روابط بین بوی ها را به رسمیت میشناسد. یافته ها نشان میدهد که طبقه بندی بوی ها میتواند به تشریح ارتباطات شناسایی شده بین ارزیابی های درونی موجودیت بوی ها کمک کند. با طبقه بندی بوی های کد و شناخت روش های بازسازی، تولید نرم افزارهای تشخیص و اصلاح بوی های بد کد میسر شده که منجر به ایجاد برنامه هایی جامع در زمینه ی بوی ها گردیده و تقریباً تمامی زبانه ای برنامه نویسی را کمابیش تحت پوشش قرار دادهاند گرچه عمده تحقیقات به عمل آمده بر روی زبان جاوا بوده بااین حال نرم افزارهای گوناگونی در زمینه های مختلف ارائه گردیده است. مقایسه اکثر نرم افزارهای موجود در مقاله مذکور انجام پذیرفته که هرکدام دارای نقاط قوت و ضعف هایی میباشند و استفاده ترکیبی آنها میتواند مکمل یکدیگر در تشخیص انواع مختلف بوی کد مورد استفاده قرار گیرند و نیازهای مرتبط با این حوزه مرتفع گردد.
مقدمه
بوی های کد مشخصاتی از نرمافزاری هستند که ممکن است کد یا مشکل طراحیای را نشان دهند که میتواند نرمافزار را برای درک، تکامل و نگهداری دشوار سازد. شناسایی بوی های کد در کدنویسی و به تبع آن استفاده از گام های بازسازی مناسب، در صورت لزوم، برای بهبود کیفیت کد بسیار مهم میباشند. همچنین بوی های بد علائمی هستند که ممکن است به صورت اشتباهی در طراحی سیستم یا کد قرار گرفته باشند. بسیاری از بوی های بد در متن تعریف شده اند و شناسایی آنها دور از ذهن نیست؛ بنابراین، برای تشخیص خودکار بوی بد به منظور بهبود قابلیت نگهداری نرمافزار، چندین ابزار ارائه شده است. بااینحال، ما برای مطالعه و مقایسه طیف وسیعی از ابزارهای موجود، مطالعه ای دقیق نداریم. به عنوان نوعی ضد الگو ،آزمون بوی ها به عنوان آزمایش های ضعیف طراحی شده تعریف میگردد و حضور آنها ممکن است بر کیفیت مجموعه های تست و تولید کد تأثیر منفی داشته باشد. تست بوی ها موضوعی از مباحث پرکار در میان متخصصان و محققان بوده و همواره دستورالعمل های مختلفی برای رسیدگی به بوی ها برای جلوگیری از بوی ها، تشخیص بو و تصحیح بویایی ارائه میشود.
ABSTRACT
This article introduces a comparison and review of progress, as well as previous findings related to empirical studies, which are called bad bad smells; the proposed classifies the same bad smells. We believe classification makes smells more understandable and recognizes the relation between odors. The findings suggest that the classification of odors can help identify identified relationships between internal assessments of the presence of odors. By codifying the smells of the code and recognizing the methods of rebuilding, the production of malware smelter detection and correction software has led to the creation of comprehensive smells programs and covered almost all the programming language more or less. Although most of the research has been done on the Java language, various software has been provided in various fields. The comparison of most of the software in this article has been made that each has strengths and weaknesses, and their combined use can complement each other in identifying different types of smells of the code to be used and meet the needs of this area.
INTRODUCTION
Smells of the code are software attributes that may display a code or design problem that can make software difficult to understand, evolve, and maintain. Identifying the odor of the code in the code and, consequently, using the appropriate recovery steps is critical if necessary to improve the quality of the code. Also, bad odors are symptoms that may be mistaken in the design of the system or code. Many bad smells are defined in the text and their identification is not mind-boggling, so there are several tools for auto-detecting bad smell to improve software maintenance capability. However, we do not have a thorough study to study and compare a wide range of existing tools. As a type of anti-pattern, the odor test is defined as poorly designed experiments, and their presence may have a negative effect on the quality of test and code collections. Smell testing is a topic of intense discussion among experts and researchers, and there are always a number of guidelines to address smells to prevent smells, odor detection, and olfactory correction.
Year: 2018
Publisher : The third conference is the latest scientific achievements in the field of computer engineering, soft processing and advanced processing technologies
By : Hamid Shabani Sichani, Taqi Yavdani Gondmani, Behzad Soleimani Nisiani
File Information: English Language/ 19 Page / size: 536 KB
Only site members can download free of charge after registering and adding to the cart
سال : 1397
ناشر : سومین کنفرانس آخرین دستاوردهای علمی در حوزه مهندسی کامپیوتر، پردازش نرم و تکنولوژی های نوین پردازشی
کاری از : حمید شعبانی سیچانی , تقی جاودانی گندمانی , بهزاد سلیمانی نیسیانی
اطلاعات فایل : زبان فارسی / 19 صفحه / حجم : KB 536
نقد و بررسیها
هنوز بررسیای ثبت نشده است.