本文選題：開源社區(qū)　切入點：群體化開發(fā)方法　出處：《國防科學(xué)技術(shù)大學(xué)》2016年博士論文

【摘要】：開源軟件經(jīng)過數(shù)十年的蓬勃發(fā)展,已經(jīng)在全球軟件工程領(lǐng)域占據(jù)了主導(dǎo)地位。與傳統(tǒng)的軟件開發(fā)方法相比,開源模式體現(xiàn)了一種互聯(lián)網(wǎng)環(huán)境下基于大眾參與的軟件開發(fā)新方法,即群體化方法。在如今流行的開源社區(qū)中,所有的用戶都能實時關(guān)注社區(qū)內(nèi)任何一個開源項目的發(fā)展動態(tài),無限制地向其感興趣的軟件項目提交代碼合并請求,自由地評論其他開發(fā)者的貢獻。軟件開發(fā)活動變得前所未有的開放,大規(guī)模群體的積極參與已成為軟件發(fā)展的重要生產(chǎn)力。然而,持續(xù)涌入的大眾貢獻規(guī)模巨大、類型多樣且質(zhì)量參差不齊,導(dǎo)致了傳統(tǒng)的貢獻管理方式運轉(zhuǎn)低效,進而嚴重影響了群體間的協(xié)同效率和軟件質(zhì)量。因此,探求高效能的貢獻匯聚機制,成為了當前軟件開發(fā)群體化方法亟待解決的問題。本文圍繞大眾化貢獻匯聚過程中的效率和質(zhì)量問題,立足于開源社區(qū)積累的軟件工程大數(shù)據(jù),系統(tǒng)地展開數(shù)據(jù)驅(qū)動下的實證研究。論文揭示了群體化協(xié)同開發(fā)的多項重要機理與最佳實踐,主要工作與貢獻總結(jié)如下:第一,在基于Pull-Request模式的貢獻匯聚核心機理方面,提出了一種涵蓋項目構(gòu)建、代碼特點、社交協(xié)同、項目管理、持續(xù)集成等多維度的貢獻匯聚量化建模方法,定量地分析了上述因素在貢獻匯聚過程中的影響效應(yīng),為大眾群體更好地貢獻高質(zhì)量代碼、核心管理者更高效地組織協(xié)同開發(fā)活動,提供了最佳實踐指導(dǎo)。我們首先對Pull-Request模式下的協(xié)同開發(fā)因素進行了量化度量,然后將貢獻匯聚機理細化為合并機理和延遲機理,并利用多層混合效應(yīng)回歸建模技術(shù)分別構(gòu)建量化模型,最后通過回歸分析發(fā)現(xiàn)并總結(jié)了各個維度上的最佳實踐。第二,在持續(xù)集成條件下的貢獻匯聚機理方面,首次基于大規(guī)模數(shù)據(jù)集量化評估了持續(xù)集成對于協(xié)同效率和軟件質(zhì)量的收益,為該技術(shù)的推廣和發(fā)展提供了理論和實證依據(jù)。我們首先根據(jù)核心開發(fā)者和外圍貢獻者的特點提出了持續(xù)集成機制定量分析方法,然后利用零膨脹負二項回歸建模技術(shù),構(gòu)建了協(xié)同效率模型和軟件質(zhì)量模型,定量地發(fā)現(xiàn)了持續(xù)集成能夠在確保軟件質(zhì)量的前提下有效提高群體貢獻的匯聚效率。第三,在持續(xù)集成條件下的質(zhì)量變化機理方面,定量研究并發(fā)現(xiàn)了與大眾貢獻的初始質(zhì)量和發(fā)布質(zhì)量密切相關(guān)的影響因素,以及兩類質(zhì)量之間的內(nèi)在聯(lián)系,為軟件演化過程中的快速迭代和質(zhì)量保障,提供了有價值的理論指導(dǎo)和實踐建議。首先,我們系統(tǒng)地總結(jié)了持續(xù)集成驅(qū)動下的質(zhì)量控制機制,并通過對大量實際樣本的統(tǒng)計分析發(fā)現(xiàn),持續(xù)集成階段所檢測到的代碼缺陷是高度集中的,即少部分文件覆蓋了大部分的異常錯誤,因此項目管理者應(yīng)該重點監(jiān)控該部分文件的變動情況,及時提高相關(guān)測試的質(zhì)量、完善相應(yīng)的幫助文檔,從而避免代碼集成與測試資源的浪費。接著,我們追蹤了每個貢獻合并后的缺陷情況,采用混合效應(yīng)邏輯回歸建模技術(shù)與初始質(zhì)量進行關(guān)聯(lián)建模,定量地發(fā)現(xiàn)了初始質(zhì)量較差的代碼變更,即使貢獻者修復(fù)了持續(xù)集成提示的異常錯誤,合并后引發(fā)真正缺陷的概率仍然較高。此項發(fā)現(xiàn)警示了開發(fā)者不能只將注意力局限在修復(fù)初始異常之上,還應(yīng)該對初始質(zhì)量較差的大眾貢獻開展更細粒度的代碼審查。最后,我們對影響初始質(zhì)量的多維因素進行了多元回歸分析,為軟件項目進一步提升持續(xù)集成階段的運行效率提供了指導(dǎo)。第四,在人工審查條件下的貢獻匯聚機理方面,提出了一種將專家知識和社交興趣有機結(jié)合的審閱人混合推薦方法,能夠有效地降低眾包模式下審閱人響應(yīng)延遲對協(xié)同效率所造成的巨大影響,從而提高大眾貢獻的匯聚效率。首先,我們將基于專家知識的任務(wù)指派方法擴展至基于眾包模式的審閱人推薦場景中來,并在大規(guī)模數(shù)據(jù)集上驗證了擴展方法的有效性。然后,我們基于貢獻者與審閱人之間的社交評論關(guān)系,提出了一種有效度量開發(fā)者之間共同興趣的建模方法,并將審閱人的專家知識與社交興趣有機結(jié)合,提出了一種新穎的混合推薦方法,顯著提高了審閱人推薦的效果。
[Abstract]:......
【學(xué)位授予單位】：國防科學(xué)技術(shù)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：TP311.52
，

本文編號：1653531