[論文レビュー] The Distribution of Program Sizes and Its Implications: An Eclipse Case Study

Hongyu Zhang, Hee Beng Kuan Tan+1 more|ArXiv.org|May 14, 2009

Software Engineering Research参考文献 18被引用数 5

ひとこと要約

本研究では、Eclipseオープンソースエコシステムを分析し、プログラムサイズが対数正規分布に従うのを特定した。一方、サイズ順に並べたプログラムにおける欠陥数は、ワイブル分布に従う。これらの結果は、大規模なJavaシステムのサイズ推定を改善するものであり、少数の大きなプログラムが欠陥の大部分を占めていることから、ソフトウェア品質予測においてサイズ分布が重要な要因であることが明らかになった。

ABSTRACT

A large software system is often composed of many inter-related programs of different sizes. Using the public Eclipse dataset, we replicate our previous study on the distribution of program sizes. Our results confirm that the program sizes follow the lognormal distribution. We also investigate the implications of the program size distribution on size estimation and quality predication. We find that the nature of size distribution can be used to estimate the size of a large Java system. We also find that a small percentage of largest programs account for a large percentage of defects, and the number of defects across programs follows the Weibull distribution when the programs are ranked by their sizes. Our results show that the distribution of program sizes is an important property for understanding large and complex software systems.

研究の動機と目的

• 大規模なソフトウェアシステムにおけるプログラムサイズの統計的分布を調査し、Eclipseプラットフォームを事例として用いる。
• プログラムサイズの分布がソフトウェア品質予測および欠陥分布に与える影響を検討する。
• 実世界のソフトウェアシステムに、対数正規分布およびワイブル分布が適用可能かどうかを検証する。
• サイズ分布の意味を、作業量推定や欠陥予測などのソフトウェア工学的実践に考察する。
• 大規模ソフトウェア開発におけるサイズベースのモデルの使用を支持する実証的証拠を提供する。

提案手法

• 著者は、個々のプログラムのサイズ（例：行数）を抽出するために、公開済みのEclipseソフトウェアデータセットを分析する。
• 統計的フィッティング手法を用いて、プログラムサイズが対数正規分布に従うかどうかを検証する。
• プログラムはサイズ順に並べ替えられ、欠陥数の分布パターンを評価する。ワイブル分布への適合を検証する。
• Eclipseリリースからの実証データを用いて、サイズ推定および欠陥予測モデルの妥当性を検証する。
• 統計的仮説検定および適合度測定（例：コルモゴロフ＝スミルノフ検定）を用いて、分布仮定の妥当性を確認する。
• 確率プロットの視覚的検査および分布適合の定量的比較を含む分析を行う。

実験結果

リサーチクエスチョン

• RQ1 Eclipseのような大規模なソフトウェアシステムにおけるプログラムサイズは、対数正規分布に従うか？
• RQ2 プログラムをサイズ順に並べた場合、欠陥の分布はプログラムサイズとどのように関係するか？
• RQ3 プログラムサイズの対数正規分布を活用して、大規模なJavaシステムのサイズ推定が可能か？
• RQ4 少数の大きなプログラムが、欠陥の大部分を占める程度はどの程度か？
• RQ5 サイズ順に並べたプログラムにおける欠陥数は、ワイブル分布で適切にモデル化できるか？

主な発見

• Eclipseエコシステムにおけるプログラムサイズは、より大規模で多様なデータセットを用いて、対数正規分布に従うことが確認された。
• 最大のプログラムのわずか少数が、欠陥の大部分を占めている。これは、大きなコンponentsに欠陥が集中していることを示している。
• サイズ順に並べたプログラムにおける欠陥数は、ワイブル分布に従う。これは、サイズに伴い非線形に欠陜が増加する傾向があることを示唆している。
• 対数正規分布によるサイズ分布は、大規模なJavaシステムのより正確なサイズ推定を可能にし、ソフトウェア工学における予測モデリングを支援する。
• 本研究では、サイズ分布が欠陥ダイナミクスとシステムの複雑さを理解する上で重要な要因であることが示された。
• 結果から、大きなプログラムに注目することで、ソフトウェア保守における欠陥予測およびリソース配分を著しく改善できる可能性がある。