Software Engineering. Verwendung von Softwaremetriken

Transkript

1 Software Engineering Verwendung von Softwaremetriken Die Inhalte der Vorlesung wurden primär auf Basis der jeweils angegebenen Literatur erstellt. Darüber hinaus finden sich ausgewählte Beispiele zur Softwareentwicklung aus dem Bereich der Telekommunikation Prof. Dr. Andreas Schmietendorf 1

2 Inhaltsübersicht Ziele der Softwaremessung Ausgewählte Softwaremetriken Metriken im Bereich objektorientierter Systeme Werkzeugunterstützung Prof. Dr. Andreas Schmietendorf 2

3 Ziele der Softwaremessung Prof. Dr. Andreas Schmietendorf 3

4 Software-Measurement Berechtigung der Software-Messung: To measure is to know. (Clerk Maxwell) You cannot control what you cannot measure. (Tom DeMarco) Measurement is an excellent abstraction mechanism for learning what works and what doesn t. (Victor Basili) A science is as mature as ist measurement tools. (Louis Pasteur) Prof. Dr. Andreas Schmietendorf 4

5 Aspekte der Softwaremessung Numerisches Relativ Empirisches Relativ Prof. Dr. Andreas Schmietendorf 5

6 Definition der Softwaremessung Die Softwaremessung (software measurement) ist der Prozess der Quantifizierung von Attributen der Objekte bzw. Komponenten des Software Engineerings mit der Ausrichtung auf spezielle Messziele (measurement goals) und der ggf. notwendigen Einbeziehung von Messwerkzeugen (measurement tools). In Anlehnung an: Fenton, N. E.; Pleeger, S. L.: Software Metrics A rigorous and practical approach. Thomson-Verlag, Prof. Dr. Andreas Schmietendorf 6

7 Prozess zur Softwaremessung nach ISO Anforderungen zur Softwaremessung Informationsbedürfnisse Technische- und Managementprozesse Informationsprodukte Feedback zur Messung Bezugsbereich des eigentlichen Messprozesses Etablieren des Messansatzes Planung des Messprozesses Realisierung der Messungen Einverständnis Planungsinformationen Messergebnisse Bewertung der Messungen Erfahrungsdatenbank über durchgeführte Messungen Bewertungsergebnisse ISO Prozessstandard der Softwaremessung Verbessungsaktivitäten... Aktivität Quelle: ISO/IEC 15939:2002, Software engineering Software measurement process, JTC 1/SC 7), Prof. Dr. Andreas Schmietendorf 7... Datenspeicher Datenfluss

8 Ansätze für Metriken/Maße in der Softwareentwicklung Produktmetriken - Architekturmetriken (Modelle, Quellcode, Services, ) - Testmetriken (Testabdeckung, Style Guide, ) - Prozessmetriken - Organisationsmetriken (Reifegrade wie z.b. CMM(I), ) - Managementmetriken (Projektfortschritt, Fehlerraten, ) - Ressourcenmetriken - Hardwaremetriken (Verfügbarkeit, Performance, ) - Personenbezogene Metriken (Produktivität, Skill, ) Software- metriken ZD-MIS Prof. Dr. Andreas Schmietendorf 8

9 Aktuelle Situation - Etabliertes Reifegradbewertungen des SW-Entwicklungsprozesses z.b. CMMI Aufwandsbestimmung mit FSM (z.b. COSMIC FFP, IFPUG) Bedarf eines zielorientierten Softwaremessansatzes (vgl. GQM) Steuerung einer arbeitsteiligen Entwicklung (vgl. Offshoring) Erfahrungsdatenbanken zu Projekten der SW-Entwicklung Qualitätsbewertung von SW-Artefakten (z.b. beim Reengineering) Prof. Dr. Andreas Schmietendorf 9

10 Ausgewählte Softwaremetriken Prof. Dr. Andreas Schmietendorf 10

11 Komponenten-Metriken Unter Verwendung von: Balzert, H.: Lehrbuch der Softwaretechnik, S. 476, Spektrum Akademischer Verlag, Heidelberg Berlin, 1998 (bearbeitet durch Faustmann, G.: Vorlesung Software Engineering, FHW Berlin Fachbereich II) Prof. Dr. Andreas Schmietendorf 11

12 Komponenten-Metriken Unter Verwendung von: Balzert, H.: Lehrbuch der Softwaretechnik, S. 479, Spektrum Akademischer Verlag, Heidelberg Berlin, 1998 (bearbeitet durch Faustmann, G.: Vorlesung Software Engineering, FHW Berlin Fachbereich II) Prof. Dr. Andreas Schmietendorf 12

13 Beispiel der McCabe-Metrik Unter Verwendung von: Balzert, H.: Lehrbuch der Softwaretechnik, S. 481, Spektrum Akademischer Verlag, Heidelberg Berlin, 1998 (bearbeitet durch Faustmann, G.: Vorlesung Software Engineering, FHW Berlin Fachbereich II) Prof. Dr. Andreas Schmietendorf 13

14 Übung 10-1 Ermitteln Sie für den rechts stehenden Kontrollflussgraphen die McCabe-Metrik. Setzen Sie die zyklomatische Zahl in das Verhältnis zu den enthaltenen Bedingungen eines Programms, das nur aus einer Komponente besteht! Welches Programmierkonstrukt wird in seiner Komplexität nur schlecht durch diese Metrik erfasst? Unter Verwendung von: Balzert, H.: Lehrbuch der Softwaretechnik, S. 481, Spektrum Akademischer Verlag, Heidelberg Berlin, 1998 (bearbeitet durch Faustmann, G.: Vorlesung Software Engineering, FHW Berlin Fachbereich II) Prof. Dr. Andreas Schmietendorf 14

15 Bewertung der McCabe-Metrik Vorteile - Einfach zu berechnen - Identifikation der minimalen Anzahl von Testfällen Nachteile - Unterschiedliche Programmmerkmale werden zu stark vereinfacht - Quellprogramm wird als zentrales Messobjekt überbetont - Nur das Programmgerüst, nicht aber die Komplexität einzelner und verschachtelter Anweisungen werden berücksichtigt McCabe-Metrik diente bei zahlreichen Autoren als Ausgangsbasis zur Entwicklung neuer Metriken. Unter Verwendung von: Balzert, H.: Lehrbuch der Softwaretechnik, S. 481, Spektrum Akademischer Verlag, Heidelberg Berlin, 1998 (bearbeitet durch Faustmann, G.: Vorlesung Software Engineering, FHW Berlin Fachbereich II) Prof. Dr. Andreas Schmietendorf 15

16 Metriken im Bereich objektorientierter Systeme Prof. Dr. Andreas Schmietendorf 16

17 Metriken für OO-Komponenten DIT (Depth of Inheritance) - Je höher die Anzahl der Vorfahren einer Klasse desto größer die Fehlerwahrscheinlichkeit. NOC (Number of Children of a Class) - Je höher die Anzahl der direkten Nachfolger einer Klasse, desto geringer die Fehlerwahrscheinlichkeit. RFC (Response for a Class) - Je höher der RFC (Anzahl der eigenen Operationen der Klasse plus Anzahl der internen und externen Aufrufe), desto größer die Fehlerwahrscheinlichkeit. WMC (Weighted Methods per Class) - Je höher der WMC (Anzahl aller member-funktionen und Operatoren), desto größer die Fehlerwahrscheinlichkeit. CBO (Coupling between Object Classes) - Je höher der CBO (Anzahl der Klassen, mit der eine Klasse gekoppelt ist), desto größer die Fehlerwahrscheinlichkeit Prof. Dr. Andreas Schmietendorf 17

18 Bewertung Metriken für OO-Komponenten Vorteile - Ansätze zur Verbesserung objektorientierter Komponenten - Breite Palette an Vorschlägen - Empirische Untersuchungen zeigen Eignung als Qualitätsindikatoren Nachteile - Metriken haben keine direkte Verbindung zu Zielen - Keine Metriken für dynamische Aspekte - Keine Unterscheidung zwischen Standardoperationen und Fachoperationen bzw. eigenen, geerbten und fremden Operationen - Keine Metriken zur Prüfung der Güte der Vererbungsstruktur - Vermessung zu einfacher Sachverhalte Prof. Dr. Andreas Schmietendorf 18

19 Metriken für Systeme Analog zu den Systemkomponenten versucht man ganze Systeme mit Hilfe von Metriken zu vermessen. Dabei spielt die Kopplung eine besondere Rolle. Die Kopplung wird hier in Form von Prozeduraufrufen oder durch den Botschaftenfluss ausgedrückt. Strukturelle Systemkomplexität gemessen durch Strukturelle Komplexitätsmetriken Komponentenmetriken Kopplungsmetriken Prof. Dr. Andreas Schmietendorf 19

20 fan-in/fan-out-metrik Quelle: Faustmann, G.: Vorlesung Software Engineering, FHW Berlin Fachbereich II) Prof. Dr. Andreas Schmietendorf 20

21 fan-in/fan-out-metrik Quelle: HOFFMANN, D. W.: Software-Qualität, Gabler Wissenschaftsverlage, Prof. Dr. Andreas Schmietendorf 21

22 Erweiterung der fan-in/fan-out-metrik Quelle: Faustmann, G.: Vorlesung Software Engineering, FHW Berlin Fachbereich II) Prof. Dr. Andreas Schmietendorf 22

23 Metriken für OO-Systeme CBO (Coupling Between Objects) - Anzahl der Klassen, mit der eine Klasse gekoppelt ist (Kopplung = Nutzung von Operationen oder Attributen einer anderen Klasse). DAC (Data Abstraction Coupling) - Anzahl der abstrakten Datentypen, die in einer Klasse definiert sind, d.h. der nichtelementaren Attribute. MPC (Message-Passing Coupling) - Anzahl der externen Aufrufe, die in einer Klasse enthalten sind. RFC (Response For a Class) - Anzahl der eigenen Operationen der Klasse plus Anzahl der internen und externen Aufrufe. PPM (Parameter Per Method) - Anzahl der Parameter pro Operation und im Klassendurchschnitt. NOT (Number Of Tramps) - Anzahl überflüssiger oder unbenutzter Parameter. Quelle: Faustmann, G.: Vorlesung Software Engineering, FHW Berlin Fachbereich II) Prof. Dr. Andreas Schmietendorf 23

24 Qualitative Erkenntnisse Geringer fan-out-wert ist positiv (Klasse erledigt Aufgabe selbständig) Hohe fan-in-werte zeigen gute Struktur und hohe Wiederverwendung Jedoch: Summe von fan-in und fan-out muss gleich bleiben! Wenige Objekte als Parameter in Operationen übergeben! Vererbung und Polymorphismus reduzieren Werte der traditionellen Standardmetriken. Vererbung erhöht Komplexität Zusätzliche Komplexität durch - tiefe Vererbungshierarchien - Redefinition von Operationen - Aufhebung des Geheimnisprinzips in Vererbungshierarchien Quelle: Faustmann, G.: Vorlesung Software Engineering, FHW Berlin Fachbereich II) Prof. Dr. Andreas Schmietendorf 24

25 Bewertung OO-Systemmetriken Vorteile - Vermittlung eines Gefühls für die vielfältigen Faktoren, die die Komplexität bestimmen - Deutlicher Unterschied zu traditionellen Metriken - Hilfestellung zur Qualitätssicherung von Systemen Nachteile - Gesamtkomplexität durch einen Wert nicht darstellbar - Berücksichtigung einfacher Sachverhalte. - Beziehung zur Qualität nicht nachgewiesen - Viele Metriken schlecht definiert und messtheoretisch unzureichend spezifiziert. - Metriken für Analyse und Entwurf fehlen noch. Quelle: Faustmann, G.: Vorlesung Software Engineering, FHW Berlin Fachbereich II) Prof. Dr. Andreas Schmietendorf 25

26 Übung 10-2 Quelle: Faustmann, G.: Vorlesung Software Engineering, FHW Berlin Fachbereich II) Prof. Dr. Andreas Schmietendorf 26

27 Werkzeugunterstützung Prof. Dr. Andreas Schmietendorf 27

28 stand alone Werkzeugunterstützung Quelle: RSM Resource Standard Metrics, M Squared Technologies LLC 2006 URL: Prof. Dr. Andreas Schmietendorf 28

29 Eingebettete Messwerkzeuge Quelle: Checkstyle Prof. Dr. Andreas Schmietendorf 29

30 ISBSG Projektdatenbank Functional Size Measurement based on ISBSG Prof. Dr. Andreas Schmietendorf 30