基于演化切片的软件故障定位技术研究

During software development and maintenance stages, software evolution can be caused by iterative development, requirement change, performance optimization, fault correction and so on. To efficiently locate faults introduced by evolution changes, we plan to carry out researches from three aspects. Firstly, we want to research evolving slice modeling techniques and test cases preprocessing techniques. Secondly, because the number of faults introduced by real software changes is uncertain, we want to present multidimensional clustering algorithms for multiple faults localization. Especially, we want to further propose a multiple faults localization technique in the case of test oracle failure. In addition, we plan to research multiple faults localization based on a new concurrent evolution slicing technique. Thirdly, we want to put forward some ensuring techniques to make fault localization theories not lose touch with reality. We will construct evolution slices to model evolution programs, and then give research methods of the above key techniques based on the reality. Finally, we will develop a set of Eclipse plug-ins to support the application of research achievements.

在软件产品开发和维护过程中，迭代开发、需求变更、性能优化、故障纠正等会引起软件持续不断的演化。针对演化修改引入的故障，首先，研究支持高效故障定位的演化切片建模技术及软件演化后的测试用例预处理技术；其次，由于实际软件演化引入的故障数目具有不确定性，研究基于多维度聚类算法的多故障定位技术，其中重点研究演化引起的测试预言失效下的多故障定位技术和当前软件并行化趋势下的基于新型并发演化切片的多故障定位技术；最后，从故障上下文、技术可行性和成本效益方面研究基于演化切片的故障定位理论与实际结合的保障技术。通过构造演化切片对演化程序进行建模并结合实际对上述软件演化过程中的故障定位关键技术进行研究，最终开发出一系列Eclipse 插件以支持研究成果的实际应用。

在软件产品开发和维护过程中，迭代开发、需求变更、性能优化、故障纠正等会引起软件持续不断的演化。软件演化过程中会不可避免的引入故障，因此，课题着重研究演化软件中的故障定位问题。.首先，鉴于常用的代码比较工具无法识别修改代码影响集，提出一种基于演化切片建模方法。这种方法通过识别演化元素、生成演化切片准则、构建演化数据依赖图、构建演化控制依赖图等步骤生成演化切片，并以此构建演化影响集，缩小了由于修改引入错误的搜索范围。.其次，基于演化切片进行故障定位时，无法精确识别演化切片中的故障元素，提出一种演化故障分析方法。这种方法通过构建演化程序的抽象语法树、确立关键修改节点集、构建修改影响节点和路径生成故障分析图，再通过计算图结点静态影响因子和动态影响因子确定故障可疑度进行故障定位。.再次，当前流行的缺陷预测技术通过不同演化版本或跨项目版本的特征和标签预测演化版本中的模块缺陷。因此，课题从缺陷预测角度进一步研究了演化软件中的故障定位。在项目的执行期间，课题组成员首先提出了基于主动学习的无监督故障模块识别方法，随后由于基于代码修改的缺陷预测技术具有代码审查量少、故障定位和修复快的优点，提出了最小化审查代码量和最大化缺陷代码修改数的多目标缺陷预测技术，最后研究了特征选择、源项目选择以及跨项目中数据分布差异等对缺陷预测有效性的影响，提出了一种基于源项目选择和迁移学习的跨项目缺陷预测技术。研究中，我们基于开源数据集验证了这些技术的有效性。.课题组通过上述问题的深入研究获得了阶段研究成果，有助于及时定位演化软件中的故障，提高软件开发和维护效率，具有一定的理论意义和实践价值。