Change Impact Analysis for Object-Oriented Programs

1. 介绍

变更影响分析（change impact analysis）提供了对一系列程序变更的语义影响的反馈。

这篇文章针对面向对象编程语言进行分析，小的变更会有意想不到的结果：如，向现有类添加方法会影响整个程序虚拟方法的调用

本文的方法：

1. 将源代码的变更映射到一组原子变更（使用类、方法、域和它们的相互关系作为变更的原子单元）
2. 此外还确定了这些原子变更的偏序关系，这些变更间的偏序关系保证程序句法合法
3. 给定一系列原子变更 $\mathcal{A}$和给定的测试驱动集合 $\mathcal{T}$，执行程序的部分功能

静态分析来确定：

• 测试驱动 $\mathcal{T}$中挑选被变更 $\mathcal{A}$影响子集 $\mathcal{T'}$用于回归测试
• 变更集合 $\mathcal{A}$的子集 $\mathcal{A'}$可能影响 $\mathcal{T}$中的某些测试驱动 $\mathcal{t}$。这允许开发者忽略不被测试 $\mathcal{t}$失败影响的变更
• 变更 $\mathcal{A}$的子集可能不影响任何测试用例，这些变更可以立即纳入
• 覆盖率信息可以作为创建新测试用例的基础

2. 动机样例

贴了一页论文（-_-|||，太长不看）

该样例包含5个类：Course, Person, Professor, Student和University

然后有3个测试驱动：

• TestA：找到特定教授打印TA教授的课
• TestB：打印大学所有人员
• TestC：找到特定学生打印其学分

然后就是说了三个方面的对于代码的变更

3. 变更

规定源程序为 $P$，修改后的程序为 $\mathcal{P'}$，他们都语法正确且可编译。

3.1 原子变更

方法的一个关键是将源代码的编辑转换为一组原子变化

这些原子变更有两个重要特征：

1. 粒度与分析内容相符合，也就是说，如果用了更细粒度的原子变更概念，分析也不会产生更精确的结果
2. 任何源代码的编辑可以分解为唯一的原子变更集合

CM捕获对方法体的任意改变，包括：

1. 在之前的抽象方法中添加方法体
2. 从非抽象方法中删除方法体，让它抽象
3. 方法体中任何语句级别的变更

LC类别对影响动态dispatch行为的源代码变更进行抽象，它可能由添加或删除方法，添加或删除集成关系导致。

change impact analysis 会忽略某些类型的源代码级别的变更，这些变更除了控制可见性外没有语义影响，如修改类/方法/域的修饰符，增删注释和增删import语句。

3.2 影响方法dispatch的变更

方法dispatch可能受多种编辑影响，我们使用 $lookup$形式化方法dispatch过程。 $lookup$ 接受两个参数：运行时类型和静态方法调用，返回通过virtual dispatch机制调用的方法定义

3.3 对原子变更排序

变更可能收到语法和语义上的其他变化。本文仅考虑必须满足的语法依赖性以保证可编译。语法依赖的例子有不能扩展未定义的类，或调用为定义的方法。语义依赖的例子是新增方法 $m$仅在存在被调用的方法 $m'$的改编版本时才表现出正确的行为。

使用原子变更上的偏序关系 $\prec$表示语法依赖（同时也定义了传递闭包 $\preceq^*$）， $\prec$定义了 $\mathcal{A}$的consistent子集 $\mathcal{A'}$，使得 $\mathcal{A'}$应用到 $P$的结果是合法的程序 $P''$。

$\mathcal{A'}$是consistent满足的条件：
$\forall a'\in A\text{ such that }a'\preceq^*a, a\in A'\Rightarrow a'\in A'$
计算这些东西需要确定原子变更中引用的程序片段的语法要求

3.4 导出原子变更

将源代码编辑分解为原子变更是很简单直接的，文章由于篇幅原因只通过一个例子展示过程

4. 变更影响分析

程序 $P$有一些列测试驱动 $\mathcal{T}=t_1, \dots, t_n$， $Nodes(P, t_i)$表示程序 $P$执行测试驱动 $t_i$经过的方法结点， $Edges(P,t_i)$为调用关系。方法间的调用关系可以形式化地表示为： $A.m\rightarrow_CB.n$，表示 $A.m$通过类型 $C$对象的方法 $n$调用了方法 $B.m$

$\mathit{AffectedTests(\mathcal{T}, \mathcal{A})}$和 $\mathit{AffectedChanges(\mathcal{t}, \mathcal{A})}$可以用来回归测试和故障定位，具体方法如下：

• 任何不在 $\mathit{AffectedTests(\mathcal{T}, \mathcal{A})}$中的测试驱动在 $\mathcal{A}$前后必定产生相同执行结果，所以只需要重新运行 $\mathit{AffectedTests}$中受影响的测试驱动就行
• $\mathit{AffectedChanges(\mathcal{t}, \mathcal{A})}$可以识别没有影响任何测试驱动的改变，这些改变可以安全的包含（纳入）。有时候这样的改变也是暗示缺少了测试用例
• $\mathit{AffectedChanges(\mathcal{t}, \mathcal{A})}$可以在测试失败时提供有用的信息

7. 未来工作

1. 从源代码编辑中导出原子变化
2. 计算原子变更间的序