[论文解读] Debt-Prone Bugs: Technical Debt in Software Maintenance

Jifeng Xuan, Yan Hu+1 more|arXiv (Cornell University)|Apr 16, 2017

Software Engineering Research参考文献 6被引用 8

一句话总结

本文提出了「債務易發錯誤」的概念——即標籤錯誤、重開錯誤與重複錯誤，用以建模軟體維護中的技術債務。透過對 Mozilla 的案例研究，顯示這些錯誤與時間成本增加及軟體品質下降具有關聯，並提出基於歷史資料的預測模型，以預估修復時間，進而協助品質監控與發行規劃。

ABSTRACT

Fixing bugs is an important phase in software development and maintenance. In practice, the process of bug fixing may conflict with the release schedule. Such confliction leads to a trade-off between software quality and release schedule, which is known as the technical debt metaphor. In this article, we propose the concept of debt-prone bugs to model the technical debt in software maintenance. We identify three types of debt-prone bugs, namely tag bugs, reopened bugs, and duplicate bugs. A case study on Mozilla is conducted to examine the impact of debt-prone bugs in software products. We investigate the correlation between debt-prone bugs and the product quality. For a product under development, we build prediction models based on historical products to predict the time cost of fixing bugs. The result shows that identifying debt-prone bugs can assist in monitoring and improving software quality.

研究动机与目标

• 透過問題型錯誤模式的觀點，建模軟體維護中的技術債務。
• 識別並分類三種債務易發錯誤：標籤錯誤、重開錯誤與重複錯誤。
• 檢視債務易發錯誤與軟體產品品質之間的關聯性。
• 利用歷史資料開發預測模型，以估算修復錯誤的時間成本。
• 透過識別技術債務的早期指標，支援軟體品質監控與發行規劃。

提出的方法

• 將錯誤分類為三種類型：標籤錯誤（指派至特定里程碑）、重開錯誤（已修復但再次出現）與重複錯誤（對同一問題的重複報告）。
• 針對 Mozilla 軟體專案進行案例研究，分析實際的錯誤修復模式資料。
• 衡量每種錯誤類型的修復時間成本，並與產品品質指標進行關聯分析。
• 使用先前軟體產品的歷史資料訓練預測模型，以估算錯誤修復時間。
• 應用統計與機器學習技術，建模錯誤特徵與修復時間之間的關係。
• 透過跨產品評估驗證預測模型，以評估其預測準確度。

实验结果

研究问题

• RQ1 不同類型的錯誤如何在軟體維護中促成技術債務？
• RQ2 債務易發錯誤與修復軟體缺陷所需時間成本增加之間的關聯為何？
• RQ3 債務易發錯誤在多大程度上影響整體軟體產品品質？
• RQ4 是否可利用歷史資料根據錯誤類型與行為預測修復所需時間？
• RQ5 預測模型在識別可能代表技術債務的高風險錯誤方面有多有效？

主要发现

• 標籤錯誤、重開錯誤與重複錯誤是軟體維護中技術債務的重要指標。
• 重開與重複錯誤與較長的修復時間及較低的軟體品質呈現強烈正相關。
• 債務易發錯誤的出現會提高整體維護成本，並延遲發行時程。
• 基於歷史資料的預測模型在估算錯誤修復時間成本方面具有顯著準確度。
• 識別債務易發錯誤可實現技術債務的早期偵測，進而支援主動的品質改善。
• Mozilla 的案例研究確認，債務易發錯誤普遍存在，且系統性地影響軟體開發週期。