基于演化特征的代码性能分析、预测与优化方案推荐

Nowadays, the performance of software product, which are rapidly evolving and increasingly complex, is one of the top concerns for users and developers. During the software development process, the performance changed with the evolution of the software product. However, software developers are often ignorant of the way their code modifications affect performance until it is too late or quite expensive to rectify the problem. To deal with the lack of performance evaluation analysis and improvement management, we applied empirical software engineering approach with standard data collection and analysis methods to analysis the change of performance, to provide suggestion support and technology support and improve its controllability and predictability. For doing this, we collect performance data from the open source projects. Firstly, build model to learn performance change related code feature and identify performance risk. Then, predict the necessity of performance improvement based on the evolution impact and process features. Finally, analysis the history improvement practice for the similar problem and provide suggestion for new ones. We plan to build related tool to implement the proposed method and verification.

随着软件系统越来越庞大复杂，软件更新迭代越来越快，软件的性能问题日益突出。在软件开发过程中，随着软件的演化其性能也不断发生变化。但是，软件性能的变更常常被忽视，对性能问题的处理存在滞后现象。针对目前软件过程中缺少性能演化分析与优化管理研究，本项目拟采用经验软件工程方法规范数据收集和分析过程，旨在进行性能分析、预测与优化方案推荐，为开发过程的代码性能优化提供决策支持和技术支持，以最终达到提高软件开发过程中代码性能演化的可预见性和可控性的目的。首先，采集性能相关数据，抽取软件开发过程中性能演化相关的代码语义特征以识别性能风险。然后，基于演化影及过程特征预测性能优化的必要性。最后，通过基于相似问题的优化历史自动地推荐性能优化的参考方案。本项目拟开发辅助工具支持所提出的理论方法及经验性验证。

本项目针对软件开发项目演化过程中代码性能问题，依次从性能问题的特征分析、预测和优化三方面入手展开研究，并构建了原形系统，以验证理论研究成果。针对性能问题的特征分析，本项目结合动态运行数据与静态代码信息，从代码运行时间和空间（内存）两个方面进行了特征分析，提出了性能感知的代码演化模型和内存泄漏的代码模式。针对性能风险的预测问题，本项目从代码语义特征及代码结构特征两个方面，提出了性能相关的代码特征的自动提取方法，并通过将两类特征的融合进行性能风险的预测。该方法可以在代码运行之前，预测其是否存在性能风险，以降低性能问题探测的成本。针对性能优化方案，本项目从软件开发的历史数据中，分析了程序员实际进行的性能优化相关的代码变更，提出了基于频繁模式的性能改进相关的代码模式挖掘方法。通过分析程序员备注的待优化代码的特征，基于代码注释的技术债务检测方法。最后，本研究设计并实现了一个性能数据采集与分析平台，并针对性能数据产生速度快，数据结构简单的特点，提出了一种快速的健值数据库。