بازگشت به جستجو

پشتیبانی تعمیر و نگهداری خودکار برای نرم افزارهای سطح داده

عنوان	پشتیبانی تعمیر و نگهداری خودکار برای نرم افزارهای سطح داده
نویسنده	ارسوی، ارسین
تاریخ انتشار:	2023-01-19T12:53:44Z
موضوع	نرم افزارهای کامپیوتری، نرم افزارهای کامپیوتری، نرم افزارهای کامپیوتری، نرم افزارهای کامپیوتری، هوش مصنوعی، هوش مصنوعی
نوع	سند
زبان	انگلیسی
دیجیتال	بله
نسخه خطی	خیر
کتابخانه:	دانشگاه اوزیغین
شماره ثبت	04950540-6874-462b-bcb5-f00b6984455b
محل کتابخانه	گروه علوم کامپیوتر
تاریخ	2023-01-19T12:53:44Z
متن نمونه	نرم افزار لایه داده شامل مدل داده و منطق تجاری سیستم های سازمانی است و مشمول نگهداری طولانی مدت است. حتی اگر رابط کاربری این سیستم ها را می توان به طور کامل جایگزین کرد، نرم افزارهای سطح داده معمولاً برای چندین دهه تکامل می یابند. تعداد متخصصان حوزه با دانش گسترده در مورد نرم افزار کلی به مرور زمان کاهش می یابد و اعمال برنامه های افزودنی یا تغییرات برای توسعه دهندگان جدید به طور فزاینده ای مستلزم خطا و تلاش می شود. در این پایان نامه، تکنیک ها و ابزارهایی را برای ارائه پشتیبانی تعمیر و نگهداری خودکار برای نرم افزارهای سطح داده معرفی می کنیم. هدف این تکنیک‌ها و ابزارها کاهش تلاش و تعداد خطاها به‌طور خاص برای سه کار تعمیر و نگهداری چالش‌برانگیز است: ۱) قرار دادن صحیح یک شی جدید مانند یک رویه ذخیره‌شده در نرم‌افزار سطح داده، ۲) ارزیابی تأثیر تغییر جداول پایگاه‌داده بر روی ماژول‌های نرم‌افزار، و ۳) ارزیابی تأثیر پسوند جدول بر دیگر جداول همان پایگاه داده. اولین وظیفه مهم است زیرا معرفی یک شی جدید به نرم افزار سطح داده نباید ساختار ماژولار آن را مختل کند. این ساختار با تخصیص اشیا در میان مجموعه ای از طرحواره ها تعریف می شود. بنابراین، ما یک رویکرد و ابزاری را برای پیش‌بینی خودکار قرارگیری صحیح اشیاء جدید معرفی می‌کنیم. ما وابستگی‌ها را در میان انواع مختلف اشیاء (انواع پایگاه داده، دنباله‌ها، جداول، رویه‌ها، توابع، بسته‌ها و نماها) که قبلاً در طرحواره‌ها قرار داده شده‌اند، استخراج می‌کنیم. این وابستگی ها برای آموزش یک مدل شبکه عصبی مصنوعی استفاده می شود که سپس برای پیش بینی استفاده می شود. مطالعات موردی صنعتی ما نشان می‌دهد که رویکرد ما می‌تواند به دقت 89٪ برسد، در حالی که رویکرد خط پایه با استفاده از معیارهای جفت و انسجام حداکثر می‌تواند به دقت 57.4٪ برسد. در حال حاضر چندین تکنیک و ابزار برای پشتیبانی از وظیفه دوم تجزیه و تحلیل تاثیر تغییرات در مدل داده بر روی کد منبع وجود دارد. با این حال، آنها برای تجزیه و تحلیل عبارات SQL ایجاد شده به صورت پویا، پرس و جوها در چندین جداول، و انواع دیگر عباراتی که امکان دستکاری داده ها را در PL/SQL، که یک زبان رایج برای توسعه نرم افزارهای لایه داده است، کوتاه می کنند. ما تکنیک‌ها و ابزاری را برای تجزیه مدل داده و کد منبع (یعنی توابع و رویه‌های PL/SQL) که در همه طرح‌واره‌های یک پایگاه داده معین شرکت می‌کنند، معرفی می‌کنیم. سپس یک مدل وابستگی بر اساس کوئری ها و دستکاری جداول پایگاه داده ایجاد می شود. برخلاف مطالعات قبلی، ابزار ما می تواند پرس و جوهایی را که به صورت پویا ایجاد می شوند و شامل چندین جدول و همچنین ویژگی های خاص PL/SQL هستند، تجزیه و تحلیل کند. ما از مدل وابستگی مشتق‌شده برای تخمین تلاش برای دو نوع متداول refactoring در سیستم‌های واقعی استفاده می‌کنیم. ما سازگاری بالایی بین تخمین های خودکار و تخمین های دستی مشاهده می کنیم. وظیفه سوم مربوط به تأثیر تغییر جداول بر سایر جداول همان پایگاه داده است. تنها چند مطالعه وجود دارد که بر این نگرانی تمرکز دارد. علاوه بر این، این مطالعات تنها تأثیر حذف و اصلاح ستون‌ها در جداول پایگاه داده را در نظر می‌گیرند. برای پرداختن به این محدودیت، یک رویکرد و ابزاری برای تشخیص خودکار تأثیر برنامه‌های افزودنی مدل داده بر روی خود مدل داده معرفی می‌کنیم. ما از شبکه‌های سیامی برای شناسایی شباهت‌ها بین جداول پایگاه داده و مانند آن استفاده می‌کنیم تا روابط ضمنی بین آنها را بیاموزیم. شباهت های جدول به عنوان مبنایی برای شناسایی تأثیر بالقوه استفاده می شود. ما ابزار دیگری را به عنوان خط مبنا توسعه می‌دهیم که از متریک شباهت کسینوس برای اندازه‌گیری شباهت بین جداول پایگاه داده استفاده می‌کند. نتایج به‌دست‌آمده با شبکه‌های سیامی بهتر از خط پایه بود و میانگین امتیاز F1 96.1 درصد را به دست آورد. سیستملرین کولانیجی آرایوزو تمامن دغیشتیریلسه ده، ویری کاتمانی یازیلیمی جنلیکله اوزون ییللار بویونجا ژلیشتیریلمیه دوام اتمکتیدیر. Yazılım hakkında kapsamlı bilgiye sahip olan alan uzmanlarının sayısı zamanla azalmaktadır. Bu durum yazılıma yeni özellikler eklemeyi veya mevcutta olan yazılımı değiştirmeyi özellikle yeterli tecrübeye sahip olmayan geliştiriciler için zorlaştırmakta ve daha fazla efor efor gerektiren bir çalışekma hagertirline. Bu durum aynı zamanda hata eğilimini de arttırmaktadır. Bu tezde, veri katmanı yazılımı için otomatik bakım desteği sağlamak üzere teknikler ve araçlar tanıtılmaktadır. Bu teknikler ve araçlar, özellikle üç zorlu bakım ihtiyacı için eforu ve hata sayısını azaltmayı amaçlamaktadır: i) veri katmanı yazılımında prosedür gibi yeni bir nesnenin doğru modül ile masılışkılıla) تبلولارینین دغیشتیریلمسینین یازیلیم مدولری وزریندکی اتکیسینین بیلیرلنمسی، و یئی) وریتابانی تبلولارینین جنیشلتیلمسینین آینی وریتابانینداکی دیغر تبلولار وزریندکی اتکیسینین بیلیرلنمسی. Yukarıda listenelenen ilk bakım ihtiyacı önemlidir، çünkü veri katmanı yazılımına yeni bir nesne eklemek moduler yapıyı bozmamalıdır. Bu yapı، nesnelerin veritabanı şemaları arasında doğru konumlandırılmasıyla sağlanmakta-dır. Bu bakım ihtiyacı ile ilgili olarak, yeni nesnelerin doğru yerleşimini otomatik olarak tahmin etmeyi amaçlayan bir yaklaşım ve araç sunmaktayız. Şemalar üzerinde yer alan çeşitli nesne türleri (veri tipleri, sekans, tablolar, prosedürler, functionlar, paketler ve görünümler) arasındaki bağımlılıkları çıkarıp, bu bağımlı-lıkları tablolar, prosedürler, functionlar, paketler ve görünümler. یاپای سینیر آغی مدلینین ایغیتیمی ایچین کولانمکتایز. Endüstriyel örnek vaka çalışmalarımız, yaklaşımımızın 89% دوزیینه کادار بیر دوغرولوغا اولاشابیلهجینی، بونا کارشین بیرلهشتیرمه و اویووم متریکلرینی تمل آلان یاکلاشیمیمین 89% دوزیینه. ulaşabildiğini göstermektedir. Veri modelindeki değişikliklerin kaynak kodu üzerindeki etkisini analiz etmeye yönelik ikinci bakım ihtiyacını desteklemek için halihazırda birkaç teknik ve araç bulunmaktadır. Ancak, bu teknik ve araçlar dinamik olarak oluşturulmuş SQL deyimlerini, birden çok tablo ile bağlantılı sorguları ve veri katmanı yazılımı geliştirmek için yaygın olarak kullanılan بیر دیل آنالیزینی PL/SQL'R'inim etmekte yetersiz kalmaktadırlar. Bu nedenle belirli bir veritabanının tüm şemalarında yer alan hem veri modelini hem de kaynak kodunu (PL/SQL functionları ve prosedürleri vb.) elde edip, ardından sorgulara ve veritabanı tablolarını güncelleyen komutlara dayalı birşık model. sunmaktayız. Önceki çalışmalardan farklı olarak, aracımız dinamik olarak oluşturulan ve birden çok tablonun yanı sıra PL/SQL'e özgü özellikleri içeren sorgulı analiz edebilmektedir. Gerçek bir sistem üzerinde iki farklı yeniden yapılandırma çalışması ile ilgili gerekli olan eforu tahmin etmek için araç tarafından oluşturulan bağımlılık modelini kullanmaktayız. Bağımlılık modeli kullanılarak hesaplanan otomatik tahminler ile alan uzmanları tarafından yapılan manuel tahminler arasında yüksek tutarlılık gözlemlenmektedir. Üçüncü bakım ihtiyacı، genişletilen tabloların aynı veritabanındaki diğer tablolar üzerindeki etkisiyle ilgilidir. Bu ihtiyaca odaklanan sadece birkaç çalışma bulunmaktadır. آیریجا، بو چالیشمالار یالنیزکا وریتابانی تبلولارینداکی سوتونلارین سیلینمسی و دغیشتیریلمسینین اتکیسینی دیکته المکتادیر. Bu çalışmada, veri tabanı tablolarının genişletilmesinin veri modelinde hali hazırda mevcut olan diğer tablolar üzerindeki olası etkisini otomatik olarak tespit eden bir yaklaşım و araç sunulmaktadır. Veritabanı tablolarının benzerliklerini tespit etmek, aralarındaki örtük ilişkileri öğrenmek için Siyam ağlarını kullanmaktayız. تمل بیر یونتم اولارک، وریتابانی تابللاری آراسیندکی بنزرلیگی اولچمک ایچین کوسینوس بنزرلیک متریغینی کولانان خوبکا بیر آراچ داها ساغلی یوروز. Siyam ağlarıyla 96.1% F1 skoruna ulaşılarak, temel yönteme göre daha iyi sonuç elde edildiği görülmektedir.

مشاهده در منبع دانشگاه اوزیغین دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات

دانشگاه اوزیغین

پشتیبانی تعمیر و نگهداری خودکار برای نرم افزارهای سطح داده

نویسنده ارسوی، ارسین

تاریخ انتشار 2023-01-19T12:53:44Z

موضوع نرم افزارهای کامپیوتری، نرم افزارهای کامپیوتری، نرم افزارهای کامپیوتری، نرم افزارهای کامپیوتری، هوش مصنوعی، هوش مصنوعی

نوع سند

زبان انگلیسی

دیجیتال بله

نسخه خطی خیر

کتابخانه دانشگاه اوزیغین

شماره ثبت 04950540-6874-462b-bcb5-f00b6984455b

محل کتابخانه گروه علوم کامپیوتر

تاریخ 2023-01-19T12:53:44Z

متن نمونه نرم افزار لایه داده شامل مدل داده و منطق تجاری سیستم های سازمانی است و مشمول نگهداری طولانی مدت است. حتی اگر رابط کاربری این سیستم ها را می توان به طور کامل جایگزین کرد، نرم افزارهای سطح داده معمولاً برای چندین دهه تکامل می یابند. تعداد متخصصان حوزه با دانش گسترده در مورد نرم افزار کلی به مرور زمان کاهش می یابد و اعمال برنامه های افزودنی یا تغییرات برای توسعه دهندگان جدید به طور فزاینده ای مستلزم خطا و تلاش می شود. در این پایان نامه، تکنیک ها و ابزارهایی را برای ارائه پشتیبانی تعمیر و نگهداری خودکار برای نرم افزارهای سطح داده معرفی می کنیم. هدف این تکنیک‌ها و ابزارها کاهش تلاش و تعداد خطاها به‌طور خاص برای سه کار تعمیر و نگهداری چالش‌برانگیز است: ۱) قرار دادن صحیح یک شی جدید مانند یک رویه ذخیره‌شده در نرم‌افزار سطح داده، ۲) ارزیابی تأثیر تغییر جداول پایگاه‌داده بر روی ماژول‌های نرم‌افزار، و ۳) ارزیابی تأثیر پسوند جدول بر دیگر جداول همان پایگاه داده. اولین وظیفه مهم است زیرا معرفی یک شی جدید به نرم افزار سطح داده نباید ساختار ماژولار آن را مختل کند. این ساختار با تخصیص اشیا در میان مجموعه ای از طرحواره ها تعریف می شود. بنابراین، ما یک رویکرد و ابزاری را برای پیش‌بینی خودکار قرارگیری صحیح اشیاء جدید معرفی می‌کنیم. ما وابستگی‌ها را در میان انواع مختلف اشیاء (انواع پایگاه داده، دنباله‌ها، جداول، رویه‌ها، توابع، بسته‌ها و نماها) که قبلاً در طرحواره‌ها قرار داده شده‌اند، استخراج می‌کنیم. این وابستگی ها برای آموزش یک مدل شبکه عصبی مصنوعی استفاده می شود که سپس برای پیش بینی استفاده می شود. مطالعات موردی صنعتی ما نشان می‌دهد که رویکرد ما می‌تواند به دقت 89٪ برسد، در حالی که رویکرد خط پایه با استفاده از معیارهای جفت و انسجام حداکثر می‌تواند به دقت 57.4٪ برسد. در حال حاضر چندین تکنیک و ابزار برای پشتیبانی از وظیفه دوم تجزیه و تحلیل تاثیر تغییرات در مدل داده بر روی کد منبع وجود دارد. با این حال، آنها برای تجزیه و تحلیل عبارات SQL ایجاد شده به صورت پویا، پرس و جوها در چندین جداول، و انواع دیگر عباراتی که امکان دستکاری داده ها را در PL/SQL، که یک زبان رایج برای توسعه نرم افزارهای لایه داده است، کوتاه می کنند. ما تکنیک‌ها و ابزاری را برای تجزیه مدل داده و کد منبع (یعنی توابع و رویه‌های PL/SQL) که در همه طرح‌واره‌های یک پایگاه داده معین شرکت می‌کنند، معرفی می‌کنیم. سپس یک مدل وابستگی بر اساس کوئری ها و دستکاری جداول پایگاه داده ایجاد می شود. برخلاف مطالعات قبلی، ابزار ما می تواند پرس و جوهایی را که به صورت پویا ایجاد می شوند و شامل چندین جدول و همچنین ویژگی های خاص PL/SQL هستند، تجزیه و تحلیل کند. ما از مدل وابستگی مشتق‌شده برای تخمین تلاش برای دو نوع متداول refactoring در سیستم‌های واقعی استفاده می‌کنیم. ما سازگاری بالایی بین تخمین های خودکار و تخمین های دستی مشاهده می کنیم. وظیفه سوم مربوط به تأثیر تغییر جداول بر سایر جداول همان پایگاه داده است. تنها چند مطالعه وجود دارد که بر این نگرانی تمرکز دارد. علاوه بر این، این مطالعات تنها تأثیر حذف و اصلاح ستون‌ها در جداول پایگاه داده را در نظر می‌گیرند. برای پرداختن به این محدودیت، یک رویکرد و ابزاری برای تشخیص خودکار تأثیر برنامه‌های افزودنی مدل داده بر روی خود مدل داده معرفی می‌کنیم. ما از شبکه‌های سیامی برای شناسایی شباهت‌ها بین جداول پایگاه داده و مانند آن استفاده می‌کنیم تا روابط ضمنی بین آنها را بیاموزیم. شباهت های جدول به عنوان مبنایی برای شناسایی تأثیر بالقوه استفاده می شود. ما ابزار دیگری را به عنوان خط مبنا توسعه می‌دهیم که از متریک شباهت کسینوس برای اندازه‌گیری شباهت بین جداول پایگاه داده استفاده می‌کند. نتایج به‌دست‌آمده با شبکه‌های سیامی بهتر از خط پایه بود و میانگین امتیاز F1 96.1 درصد را به دست آورد. سیستملرین کولانیجی آرایوزو تمامن دغیشتیریلسه ده، ویری کاتمانی یازیلیمی جنلیکله اوزون ییللار بویونجا ژلیشتیریلمیه دوام اتمکتیدیر. Yazılım hakkında kapsamlı bilgiye sahip olan alan uzmanlarının sayısı zamanla azalmaktadır. Bu durum yazılıma yeni özellikler eklemeyi veya mevcutta olan yazılımı değiştirmeyi özellikle yeterli tecrübeye sahip olmayan geliştiriciler için zorlaştırmakta ve daha fazla efor efor gerektiren bir çalışekma hagertirline. Bu durum aynı zamanda hata eğilimini de arttırmaktadır. Bu tezde, veri katmanı yazılımı için otomatik bakım desteği sağlamak üzere teknikler ve araçlar tanıtılmaktadır. Bu teknikler ve araçlar, özellikle üç zorlu bakım ihtiyacı için eforu ve hata sayısını azaltmayı amaçlamaktadır: i) veri katmanı yazılımında prosedür gibi yeni bir nesnenin doğru modül ile masılışkılıla) تبلولارینین دغیشتیریلمسینین یازیلیم مدولری وزریندکی اتکیسینین بیلیرلنمسی، و یئی) وریتابانی تبلولارینین جنیشلتیلمسینین آینی وریتابانینداکی دیغر تبلولار وزریندکی اتکیسینین بیلیرلنمسی. Yukarıda listenelenen ilk bakım ihtiyacı önemlidir، çünkü veri katmanı yazılımına yeni bir nesne eklemek moduler yapıyı bozmamalıdır. Bu yapı، nesnelerin veritabanı şemaları arasında doğru konumlandırılmasıyla sağlanmakta-dır. Bu bakım ihtiyacı ile ilgili olarak, yeni nesnelerin doğru yerleşimini otomatik olarak tahmin etmeyi amaçlayan bir yaklaşım ve araç sunmaktayız. Şemalar üzerinde yer alan çeşitli nesne türleri (veri tipleri, sekans, tablolar, prosedürler, functionlar, paketler ve görünümler) arasındaki bağımlılıkları çıkarıp, bu bağımlı-lıkları tablolar, prosedürler, functionlar, paketler ve görünümler. یاپای سینیر آغی مدلینین ایغیتیمی ایچین کولانمکتایز. Endüstriyel örnek vaka çalışmalarımız, yaklaşımımızın 89% دوزیینه کادار بیر دوغرولوغا اولاشابیلهجینی، بونا کارشین بیرلهشتیرمه و اویووم متریکلرینی تمل آلان یاکلاشیمیمین 89% دوزیینه. ulaşabildiğini göstermektedir. Veri modelindeki değişikliklerin kaynak kodu üzerindeki etkisini analiz etmeye yönelik ikinci bakım ihtiyacını desteklemek için halihazırda birkaç teknik ve araç bulunmaktadır. Ancak, bu teknik ve araçlar dinamik olarak oluşturulmuş SQL deyimlerini, birden çok tablo ile bağlantılı sorguları ve veri katmanı yazılımı geliştirmek için yaygın olarak kullanılan بیر دیل آنالیزینی PL/SQL'R'inim etmekte yetersiz kalmaktadırlar. Bu nedenle belirli bir veritabanının tüm şemalarında yer alan hem veri modelini hem de kaynak kodunu (PL/SQL functionları ve prosedürleri vb.) elde edip, ardından sorgulara ve veritabanı tablolarını güncelleyen komutlara dayalı birşık model. sunmaktayız. Önceki çalışmalardan farklı olarak, aracımız dinamik olarak oluşturulan ve birden çok tablonun yanı sıra PL/SQL'e özgü özellikleri içeren sorgulı analiz edebilmektedir. Gerçek bir sistem üzerinde iki farklı yeniden yapılandırma çalışması ile ilgili gerekli olan eforu tahmin etmek için araç tarafından oluşturulan bağımlılık modelini kullanmaktayız. Bağımlılık modeli kullanılarak hesaplanan otomatik tahminler ile alan uzmanları tarafından yapılan manuel tahminler arasında yüksek tutarlılık gözlemlenmektedir. Üçüncü bakım ihtiyacı، genişletilen tabloların aynı veritabanındaki diğer tablolar üzerindeki etkisiyle ilgilidir. Bu ihtiyaca odaklanan sadece birkaç çalışma bulunmaktadır. آیریجا، بو چالیشمالار یالنیزکا وریتابانی تبلولارینداکی سوتونلارین سیلینمسی و دغیشتیریلمسینین اتکیسینی دیکته المکتادیر. Bu çalışmada, veri tabanı tablolarının genişletilmesinin veri modelinde hali hazırda mevcut olan diğer tablolar üzerindeki olası etkisini otomatik olarak tespit eden bir yaklaşım و araç sunulmaktadır. Veritabanı tablolarının benzerliklerini tespit etmek, aralarındaki örtük ilişkileri öğrenmek için Siyam ağlarını kullanmaktayız. تمل بیر یونتم اولارک، وریتابانی تابللاری آراسیندکی بنزرلیگی اولچمک ایچین کوسینوس بنزرلیک متریغینی کولانان خوبکا بیر آراچ داها ساغلی یوروز. Siyam ağlarıyla 96.1% F1 skoruna ulaşılarak, temel yönteme göre daha iyi sonuç elde edildiği görülmektedir.