[论文解读] A Study of Library Migration in Java Software

Cédric Teyton, Jean‐Rémy Falleri+2 more|arXiv (Cornell University)|Jun 26, 2013

Software Engineering Research参考文献 11被引用 4

一句话总结

本研究提出一种基于静态分析的方法，通过检查跨版本的源代码变更，自动检测Java开源软件中的库迁移。该研究分析了来自GitHub、Google Code和SourceForge的8,600个开源项目，识别出324次库迁移事件，揭示出：较老的项目更可能进行迁移，日志库被频繁替换（尤其是替换为slf4j），且迁移通常为快速、单次提交的变更。

ABSTRACT

Software intensively depends on external libraries whose relevance may change during its life cycle. As a consequence, software developers must periodically reconsider the libraries they depend on, and must think about \ extit{library migration}. To our knowledge, no existing study has been done to understand library migration although it is known to be an expensive maintenance task. Are library migrations frequent? For which software are they performed and when? For which libraries? For what reasons? The purpose of this paper is to answer these questions with the intent to help software developers that have to replace their libraries. To that extent, we have performed a statistical analysis of a large set of open source software to mine their library migration. To perform this analysis we have defined an approach that identifies library migrations in a pseudo-automatic fashion by analyzing the source code of the software. We have implemented this approach for the Java programming language and applied it on Java Open Source Software stored in large hosting services. The main result of our study is that library migration is not a frequent practice but depends a lot on the nature of the software as well as the nature of the libraries.

研究动机与目标

• 理解Java软件中库迁移的频率、时机和动因，这些迁移虽成本高昂但研究不足。
• 识别最易发生迁移的软件类型和库类型，并确定常见的原因和工作量水平。
• 通过挖掘开源项目中真实世界的迁移模式，为开发者考虑库替换提供数据驱动的建议。
• 扩展先前研究，支持所有Java开源项目，而不仅限于使用Maven的项目，从而提高研究发现的普适性。

提出的方法

• 依赖模型抽象了软件项目、其版本以及库依赖关系，将迁移事件表示为跨版本的库集合变化。
• 采用静态分析方法，通过检测源代码中库使用的变化来识别库迁移，而无需依赖Maven等构建工具。
• 该方法分析托管在GitHub、Google Code和SourceForge上的项目在多个版本间的源代码，以检测一个库被另一个库替换的情况。
• 迁移检测基于源文件中是否存在特定库的类和包，版本依赖关系则从代码级别的使用中推断得出。
• 该方法应用于8,600个开源Java项目，成功识别出324次实际的库迁移事件。
• 研究使用统计分析来回答关于迁移频率、目标库、时机、原因和工作量的研究问题。

实验结果

研究问题

• RQ1 哪些软件项目执行了库迁移，受影响项目的比例是多少？
• RQ2 哪些库被最频繁地迁移，是否存在源库或目标库的模式？
• RQ3 迁移通常在何时进行，是否存在时间上的规律性？
• RQ4 库迁移的主要原因是什么，这些原因如何被记录？
• RQ5 执行一次迁移通常需要多少工作量，以提交次数、时间跨度和开发人员数量衡量？

主要发现

• 在分析的8,600个开源项目中，仅有3.8%的项目至少执行了一次库迁移，表明总体上迁移并非频繁行为。
• 较老的项目比年轻的项目更可能进行迁移——10%的老项目执行了迁移，而年轻项目中不足1%进行了迁移。
• 仅有极少数项目（不足1%）在其生命周期中执行了两次或以上的迁移，表明迁移通常是一次性工作。
• 日志库类别是迁移最活跃的类别，其中slf4j成为主要目标，取代了log4j和commons-logging等库。
• 迁移通常快速完成：90%的迁移事件在单次提交中完成，且在一天内完成，由单一开发者执行。
• 仅有12次迁移日志明确记录了原因，表明迁移动因的文档化程度较低，限制了对驱动因素的理解。