Phương Pháp Tự Động Sửa Lỗi Cho Các Chương Trình Java

Khám phá phương pháp tự động sửa lỗi cho chương trình Java trong luận văn thạc sĩ, nâng cao hiệu quả lập trình và giảm thiểu sai sót.

• Tác giả: Bùi Quang Cường
• Người hướng dẫn: PGS. Phạm Ngọc Hùng
• Trường học: Trường Đại học Công nghệ - ĐHQGHN
• Chuyên ngành: Khoa học máy tính
• Đề tài: Phương pháp tự động sửa lỗi cho các chương trình Java
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2020
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• TÓM TẮT
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: GIỚI THIỆU
• 1.1. Mở đầu
• 1.2. Đóng góp
• 1.3. Bố cục luận văn
• 2. CHƯƠNG 2: KIẾN THỨC NỀN TẢNG
• 2.1. Kiểm thử hồi quy và lỗi hồi quy
• 2.2. Sửa lỗi chương trình tự động
• 3. CHƯƠNG 3: PHƯƠNG PHÁP SỬA TỰ ĐỘNG LỖI HỒI QUY
• 4. CHƯƠNG 4: CÀI ĐẶT CÔNG CỤ VÀ THỰC NGHIỆM
• 5. CHƯƠNG 5: KẾT LUẬN
• A DANH SÁCH CÁC MẪU SỬA LỖI
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Giới thiệu về Phương Pháp Tự Động Sửa Lỗi Chương Trình Java Hiệu Quả

Phương pháp tự động sửa lỗi chương trình Java đang trở thành một trong những giải pháp quan trọng trong ngành công nghiệp phần mềm. Với sự phát triển không ngừng của công nghệ, việc phát hiện và sửa lỗi trở nên cần thiết hơn bao giờ hết. Các lỗi hồi quy thường xuất hiện khi có sự thay đổi trong mã nguồn, gây ra những vấn đề nghiêm trọng cho các ứng dụng. Do đó, việc áp dụng các phương pháp tự động để sửa lỗi không chỉ giúp tiết kiệm thời gian mà còn nâng cao hiệu quả làm việc.

1.1. Tổng quan về Lỗi Hồi Quy trong Lập Trình Java

Lỗi hồi quy là những lỗi phát sinh khi các tính năng mới được thêm vào mã nguồn. Những lỗi này có thể làm hỏng các chức năng đã hoạt động bình thường trước đó. Việc hiểu rõ về lỗi hồi quy là rất quan trọng để phát triển các phương pháp sửa lỗi hiệu quả.

1.2. Tại Sao Cần Phương Pháp Tự Động Sửa Lỗi

Phương pháp tự động sửa lỗi giúp giảm thiểu sự can thiệp của con người, từ đó tiết kiệm thời gian và giảm thiểu rủi ro. Các công cụ tự động có thể phát hiện và sửa lỗi nhanh chóng, giúp các lập trình viên tập trung vào các nhiệm vụ quan trọng hơn.

II. Thách Thức trong Việc Sửa Lỗi Chương Trình Java

Mặc dù có nhiều công cụ và phương pháp sửa lỗi hiện có, nhưng việc sửa lỗi chương trình Java vẫn gặp nhiều thách thức. Các lỗi hồi quy thường khó phát hiện và sửa chữa, đặc biệt là trong các hệ thống lớn và phức tạp. Việc thiếu thông tin về lịch sử phát triển phần mềm cũng là một yếu tố gây khó khăn trong việc xác định nguyên nhân gây lỗi.

2.1. Khó Khăn trong Việc Xác Định Nguyên Nhân Gây Lỗi

Xác định vị trí gây ra lỗi là một trong những bước khó khăn nhất trong quá trình sửa lỗi. Các lập trình viên thường phải phân tích mã nguồn để tìm ra nguyên nhân, điều này tốn nhiều thời gian và công sức.

2.2. Thiếu Thông Tin Lịch Sử Phát Triển

Nhiều công cụ sửa lỗi hiện tại không khai thác đầy đủ thông tin từ lịch sử phát triển phần mềm. Điều này dẫn đến việc không thể xác định chính xác các bản cập nhật gây ra lỗi, làm giảm hiệu quả của quá trình sửa lỗi.

III. Phương Pháp Tự Động Sửa Lỗi Chương Trình Java Hiệu Quả

Phương pháp tự động sửa lỗi chương trình Java bao gồm nhiều bước quan trọng, từ việc xác định vị trí gây ra lỗi đến việc đề xuất bản vá. Các công cụ hiện đại như LyFix đã được phát triển để cải thiện quy trình này, giúp người dùng dễ dàng sửa lỗi hơn.

3.1. Quy Trình Xác Định Vị Trí Gây Lỗi

Quy trình này bao gồm việc phân tích mã nguồn để xác định các phần có khả năng gây ra lỗi. Các công cụ tự động có thể giúp xác định vị trí này một cách nhanh chóng và chính xác.

3.2. Đề Xuất Bản Vá Tự Động

Sau khi xác định vị trí gây lỗi, công cụ sẽ tự động đề xuất các bản vá. Điều này giúp tiết kiệm thời gian và giảm thiểu sai sót do con người gây ra.

IV. Ứng Dụng Thực Tiễn của Phương Pháp Tự Động Sửa Lỗi

Phương pháp tự động sửa lỗi đã được áp dụng thành công trong nhiều dự án phần mềm lớn. Các nghiên cứu cho thấy rằng việc sử dụng công cụ tự động như LyFix có thể cải thiện đáng kể tỷ lệ sửa lỗi thành công và giảm thời gian phát triển phần mềm.

4.1. Kết Quả Nghiên Cứu và Thực Nghiệm

Nghiên cứu cho thấy LyFix có thể sinh ra bản vá thành công cho 56.8% lỗi trong tập dữ liệu thực tế. Tỷ lệ bản vá chính xác đạt 79.3%, cao hơn nhiều so với các công cụ khác.

4.2. Ứng Dụng Trong Các Dự Án Phần Mềm Lớn

Nhiều công ty công nghệ lớn đã áp dụng phương pháp tự động sửa lỗi để cải thiện quy trình phát triển phần mềm của họ. Điều này không chỉ giúp tiết kiệm thời gian mà còn nâng cao chất lượng sản phẩm.

V. Kết Luận và Tương Lai của Phương Pháp Tự Động Sửa Lỗi

Phương pháp tự động sửa lỗi chương trình Java đang mở ra nhiều cơ hội mới cho ngành công nghiệp phần mềm. Với sự phát triển không ngừng của công nghệ, các công cụ tự động sẽ ngày càng trở nên mạnh mẽ và hiệu quả hơn, giúp lập trình viên giải quyết các vấn đề phức tạp một cách nhanh chóng.

5.1. Tương Lai của Công Nghệ Sửa Lỗi Tự Động

Công nghệ sửa lỗi tự động sẽ tiếp tục phát triển, với nhiều cải tiến về thuật toán và khả năng xử lý. Điều này sẽ giúp nâng cao hiệu quả và độ chính xác trong việc sửa lỗi.

5.2. Khuyến Khích Nghiên Cứu và Phát Triển

Cần khuyến khích các nghiên cứu và phát triển thêm các công cụ sửa lỗi tự động, nhằm đáp ứng nhu cầu ngày càng cao của ngành công nghiệp phần mềm.

Nội dung chính

Tổng quan nghiên cứu

Trong quá trình tiến hóa phần mềm, việc tích hợp tính năng mới thường tiềm ẩn nguy cơ phá vỡ các chức năng đang hoạt động bình thường, dẫn tới lỗi hồi quy (regression bugs). Theo các khảo sát trong ngành công nghệ phần mềm, lập trình viên có thể tiêu tốn tới khoảng 8,5 năm thời gian tích lũy để phát hiện và khắc phục một lỗi hồi quy phức tạp, gây thiệt hại nghiêm trọng đến chi phí bảo trì hệ thống. Mặc dù các kỹ thuật sửa lỗi chương trình tự động (Automated Program Repair - APR) đã có bước phát triển nhảy vọt với số lượng công bố khoa học tăng từ dưới 5 bài báo mỗi năm trước năm 2009 lên xấp xỉ 50 công bố thường niên vào giai đoạn 2018-2019, phần lớn các công cụ hiện nay vẫn bỏ qua thông tin giá trị từ lịch sử phiên bản và chưa tối ưu hóa riêng cho ngôn ngữ Java.

Nghiên cứu của học viên Bùi Quang Cường dưới sự hướng dẫn của Phó Giáo sư Tiến sĩ Phạm Ngọc Hùng tại Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội năm 2020 đã giải quyết trực diện bài toán này. Luận văn đặt mục tiêu xây dựng phương pháp và phát triển hệ thống mã nguồn mở LyFix nhằm tự động sửa chữa các lỗi hồi quy trong chương trình Java. Phương pháp tiếp cận khai thác triệt để mối tương quan giữa bản cập nhật gây lỗi (Bug-inducing Commit - BIC) và bản cập nhật sửa lỗi (Bug-fixing Commit - BFC) cùng cây cú pháp trừu tượng (AST). Với phạm vi thực nghiệm trên 51 lỗi hồi quy thực tế trích xuất từ 3483 lỗi phần mềm của hai kho dữ liệu chuẩn quốc tế BugSwarm và Bears, công trình đem lại bước đột phá khi đạt tỷ lệ sinh bản vá thành công 56,8% và tỷ lệ bản vá chính xác lên tới 79,3%, vượt xa các kỹ thuật tiên tiến cùng thời kỳ.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu thiết lập nền tảng dựa trên hai trụ cột lý thuyết chính: kỹ thuật kiểm thử hồi quy (Regression Testing) và sửa lỗi chương trình tự động (APR) theo trường phái sinh và thẩm định (Generate-and-Validate). Về bản chất lỗi, luận văn phân loại lỗi hồi quy thành 3 nhóm cơ bản: lỗi cục bộ (Local), lỗi bộc lộ (Unmasking) và lỗi từ xa (Remote). Khung nghiên cứu tích hợp lý thuyết định vị lỗi dựa trên phổ chương trình (Spectrum-based Fault Localization - SBFL), kế thừa công thức Ochiai để đo lường độ nghi ngờ của từng dòng lệnh thông qua tỷ lệ thực thi giữa các ca kiểm thử thất bại và thành công. Đồng thời, mô hình nghiên cứu vận dụng 5 khái niệm cốt lõi: Ca kiểm thử phát hiện lỗi (Bug-witnessing Test Case - BWTC), Bản cập nhật gây lỗi (BIC), Bản cập nhật sửa lỗi (BFC), Mẫu sửa lỗi (Repair Templates - RT) và Nguyên liệu sửa lỗi (Fix Ingredients - FI).

Phương pháp nghiên cứu

Dữ liệu nghiên cứu được thu thập từ quy mô mẫu tổng thể gồm 3483 lỗi phần mềm, trong đó có 3232 lỗi trích xuất tự động từ hệ thống tích hợp liên tục TravisCI thuộc bộ dữ liệu BugSwarm và 251 lỗi thu thập bán tự động từ bộ dữ liệu Bears. Phương pháp chọn mẫu áp dụng quy trình lọc hai giai đoạn nghiêm ngặt: loại bỏ các ca kiểm thử chứa nhiều câu lệnh kiểm tra (assert) gây nhiễu và xử lý các ca kiểm thử thiếu lớp phụ thuộc lịch sử, từ đó chọn lọc ra 51 lỗi hồi quy Java thực tế có tính đại diện cao.

Phương pháp phân tích mã nguồn sử dụng công cụ Gumtree Spoon AST Diff nhằm phân tích cấu trúc cây cú pháp trừu tượng, trích xuất 4 dạng nguyên liệu sửa lỗi gồm biểu thức điều kiện, câu lệnh đơn, biến và lời gọi phương thức. Điểm mới trong phương pháp luận là công thức định vị lỗi hiệu chỉnh: gán độ nghi ngờ tuyệt đối 1,0 cho các câu lệnh thuộc bản cập nhật gây lỗi và giữ nguyên giá trị Ochiai cho các vị trí còn lại. Thuật toán sửa lỗi kết hợp danh sách cấm cục bộ (tabu list) theo từng vị trí và quy trình thẩm định 2 cấp độ: kiểm thử trên tập ca kiểm thử rút gọn trước khi thực thi toàn bộ bộ kiểm thử nhằm tiết kiệm 40% đến 60% thời gian xử lý. Toàn bộ quy trình nghiên cứu và thử nghiệm được hoàn thiện trong năm 2020 dưới sự tài trợ của chương trình Google Summer of Code và Đề tài Khoa học Công nghệ cấp Đại học Quốc gia Hà Nội mã số QG.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Thực nghiệm so sánh hiệu năng giữa hệ thống LyFix với phiên bản tái hiện jRelifix và ba công cụ sửa lỗi tự động hàng đầu gồm TBar, jGenProg và jMutRepair trên 51 lỗi hồi quy thực tế đã mang lại 4 phát hiện quan trọng:

Thứ nhất, LyFix dẫn đầu về năng lực sinh bản vá khả thi khi tạo ra bản vá vượt qua toàn bộ ca kiểm thử cho 29 trên tổng số 51 lỗi, tương ứng với tỷ lệ 56,8%. Con số này vượt trội hoàn toàn so với công cụ TBar đạt 33,3% (17 trên 51 lỗi), trong khi jGenProg và jMutRepair đạt hiệu suất rất thấp dưới 15%.

Thứ hai, về chất lượng bản vá, LyFix đạt độ chính xác ngữ nghĩa lên tới 79,3% (23 bản vá đúng tương đương với bản vá của lập trình viên trong số 29 bản vá sinh ra). Trong khi đó, tỷ lệ bản vá đúng của TBar chỉ dừng lại ở mức 41,2%, phản ánh hiện tượng bản vá phỏng đoán sai lệch mục tiêu phát triển.

Thứ ba, việc bổ sung 3 mẫu sửa lỗi mới cho Java gồm kiểm tra giá trị rỗng (NullChecker), bọc khối xử lý ngoại lệ (AddTryCatch) và biến đổi lời gọi phương thức (MutateMI) đã trực tiếp đóng góp vào việc sửa thành công thêm 6 trường hợp lỗi phức tạp mà các công cụ truyền thống không thể xử lý.

Thứ tư, cơ chế tính khoảng cách AST giữa câu lệnh nghi ngờ và nguyên liệu sửa lỗi đã tối ưu hóa thứ tự thử nghiệm, giúp giảm thiểu khoảng 50% số lần lặp sinh bản vá vô hiệu.

Thảo luận kết quả

Sự vượt trội của LyFix bắt nguồn từ việc khai thác triệt để thông tin thay đổi trong bản cập nhật gây lỗi (BIC). Các công cụ APR truyền thống chỉ tìm kiếm nguyên liệu trong phiên bản mã nguồn hiện tại, dẫn tới bế tắc khi nguyên liệu sửa lỗi đã bị xóa bỏ trong quá khứ. Ngược lại, LyFix trích xuất trực tiếp nguyên liệu từ BIC và sắp xếp theo độ tương đồng AST, vừa mở rộng không gian tìm kiếm hữu ích vừa triệt tiêu hiện tượng bùng nổ tổ hợp.

Toàn bộ dữ liệu thực nghiệm có thể được trực quan hóa sinh động qua biểu đồ cột kép so sánh tỷ lệ bản vá khả thi và bản vá chính xác giữa 5 công cụ, kết hợp bảng thống kê phân bổ 11 mẫu sửa lỗi trên từng lớp dự án phần mềm. So với thuật toán SZZ truyền thống vốn dễ nhận diện sai commit gây lỗi do các thay đổi xen kẽ, phương pháp duyệt nhị phân lịch sử kết hợp tái thực thi kiểm thử của luận văn đảm bảo tính xác thực 100% cho tập dữ liệu đầu vào. Kết quả này chứng minh rằng việc kết hợp lịch sử phiên bản với phân tích cú pháp sâu là hướng đi quyết định để nâng cao độ tin cậy của các hệ thống tự động sửa lỗi trong thực tiễn kỹ thuật phần mềm.

Đề xuất và khuyến nghị

Thứ nhất, tích hợp công cụ sửa lỗi tự động LyFix vào hệ thống đường ống CI/CD tại các doanh nghiệp phát triển phần mềm Java. Nhóm kỹ sư DevOps và phát triển phần mềm cần cấu hình công cụ tự động kích hoạt ngay khi xuất hiện lỗi kiểm thử hồi quy trên nhánh phát triển chính, hướng tới mục tiêu rút ngắn khoảng 60% đến 70% thời gian xử lý sự cố trong vòng 3 đến 6 tháng triển khai.

Thứ hai, chuẩn hóa kiến trúc ca kiểm thử đơn vị và phân tách các câu lệnh kiểm tra đa mục tiêu. Đội ngũ kỹ sư kiểm thử (QA/QC) cần rà soát lại toàn bộ bộ kiểm thử, đảm bảo mỗi ca kiểm thử chỉ thẩm định duy nhất một hành vi chức năng nhằm cung cấp tín hiệu định vị lỗi chính xác trên 95% cho các công cụ APR, thực hiện liên tục trong lộ trình 6 tháng.

Thứ ba, nâng cấp và mở rộng kho mẫu sửa lỗi (Repair Templates) thích ứng với các tính năng mới của Java hiện đại như biểu thức Lambda, Stream API và lập trình bất đồng bộ. Các nhóm nghiên cứu và phát triển phần mềm (R&D) cần phối hợp với cộng đồng mã nguồn mở để bổ sung thêm từ 5 đến 8 mẫu sửa lỗi chuyên biệt, đặt mục tiêu nâng tỷ lệ sửa lỗi thành công lên mức trên 65% trong giai đoạn 12 tháng tới.

Thứ tư, áp dụng kỹ thuật học máy và trí tuệ nhân tạo để tự động hóa hoàn toàn quy trình xác định bản cập nhật gây lỗi và xếp hạng nguyên liệu sửa lỗi. Các chuyên gia nghiên cứu AI trong kỹ thuật phần mềm cần huấn luyện mô hình dự đoán commit gây lỗi trên quy mô hơn 10000 dự án mã nguồn mở, hướng đến loại bỏ hoàn toàn các can thiệp thủ công trong vòng 12 đến 24 tháng.

Đối tượng nên tham khảo luận văn

Thứ nhất, các nhà nghiên cứu, giảng viên và học viên cao học chuyên ngành Khoa học máy tính và Kỹ thuật phần mềm. Tài liệu cung cấp bức tranh toàn cảnh về lĩnh vực sửa lỗi tự động (APR), phương pháp trích xuất AST từ công cụ Gumtree Spoon và kho dữ liệu thực nghiệm chuẩn hóa gồm 51 lỗi hồi quy Java để phát triển các đề tài nghiên cứu chuyên sâu.

Thứ hai, các kỹ sư phát triển phần mềm Java (Java Developers) tại các doanh nghiệp công nghệ. Người đọc sẽ hiểu rõ cơ chế phát sinh lỗi hồi quy, các dạng sai sót phổ biến như NullPointerException hoặc sai lệch tham số phương thức, từ đó nâng cao kỹ năng tái cấu trúc mã nguồn và ứng dụng trực tiếp công cụ LyFix để tự động sinh bản vá lỗi cục bộ.

Thứ ba, chuyên viên kiểm thử tự động và đảm bảo chất lượng (QA/QC Engineers). Luận văn cung cấp phương pháp xây dựng bộ ca kiểm thử phát hiện lỗi độc lập (BWTC), kỹ thuật giảm thiểu bộ kiểm thử (Test Suite Minimization) và chiến lược ưu tiên kiểm thử nhằm tối ưu hóa 30% đến 50% chi phí thực thi kiểm thử hồi quy trong các dự án lớn.

Thứ tư, các kiến trúc sư phần mềm và quản lý kỹ thuật (Tech Leads và Solution Architects). Nghiên cứu mang đến góc nhìn chiến lược về việc tự động hóa khâu bảo trì phần mềm, giúp đánh giá khả năng đưa các công cụ APR vào quy trình quản lý chất lượng mã nguồn nhằm cắt giảm chi phí bảo trì dự án dài hạn.

Câu hỏi thường gặp

Lỗi hồi quy là gì và tại sao chúng gây tổn thất lớn trong bảo trì phần mềm? Lỗi hồi quy là lỗi phát sinh khi một thay đổi mã nguồn mới làm hỏng các chức năng đang hoạt động đúng trước đó. Trong thực tế, các lỗi này rất khó phát hiện và có thể khiến đội ngũ phát triển mất trung bình từ vài tháng đến 8,5 năm tích lũy để khắc phục hoàn toàn, gây lãng phí nghiêm trọng nguồn lực doanh nghiệp.

Sự khác biệt cốt lõi giữa công cụ LyFix và phương pháp Relifix nguyên bản là gì? Relifix được thiết kế ban đầu cho ngôn ngữ C và chỉ giữ lại một nguyên liệu sửa lỗi ngẫu nhiên. Ngược lại, LyFix được thiết kế chuyên biệt cho Java, bổ sung thêm 3 mẫu sửa lỗi mới, mở rộng nguyên liệu đa dạng và xếp hạng toàn bộ nguyên liệu theo khoảng cách cây AST, giúp tăng tỷ lệ sinh bản vá đúng lên tới 79,3%.

Tại sao luận văn lại gán độ nghi ngờ 1,0 cho các câu lệnh thuộc bản cập nhật gây lỗi? Phân tích thực nghiệm trên 51 lỗi hồi quy cho thấy phần lớn lỗi cục bộ và lỗi bộc lộ đều có vị trí sửa lỗi trùng khớp với các câu lệnh bị thay đổi ở bản cập nhật gây lỗi. Việc gán trọng số tuyệt đối 1,0 giúp thuật toán định vị lỗi ưu tiên khoanh vùng chính xác vị trí lỗi mà không loại bỏ các câu lệnh lân cận.

Công cụ LyFix kiểm soát nguy cơ bùng nổ không gian tìm kiếm bản vá bằng cách nào? LyFix sử dụng danh sách cấm cục bộ (tabu list) cho từng vị trí lỗi để loại bỏ ngay các nguyên liệu gây lỗi biên dịch. Đồng thời, công cụ áp dụng cơ chế thẩm định hai vòng với bộ kiểm thử rút gọn trước khi chạy toàn bộ ca kiểm thử, giúp tiết kiệm hơn 50% thời gian đánh giá bản vá.

Doanh nghiệp có thể ứng dụng công cụ LyFix vào các dự án phần mềm thương mại không? Hoàn toàn có thể. LyFix được công bố dưới dạng phần mềm mã nguồn mở độc lập, cho phép các nhóm phát triển tích hợp trực tiếp vào quy trình kiểm thử tự động. Khi phát hiện ca kiểm thử thất bại sau một commit, LyFix sẽ phân tích lịch sử Git và tự động gợi ý bản vá chính xác cho lập trình viên.

Kết luận

Nghiên cứu về phương pháp tự động sửa lỗi cho các chương trình Java của học viên Bùi Quang Cường đã tạo nên một bước tiến quan trọng trong lĩnh vực kỹ thuật phần mềm với 5 dấu ấn trọng tâm:

• Tiên phong giải quyết toàn diện bài toán sửa lỗi hồi quy chuyên biệt cho hệ sinh thái Java dựa trên lịch sử phát triển phần mềm.
• Xây dựng thành công bộ dữ liệu chuẩn gồm 51 lỗi hồi quy thực tế từ 3483 lỗi của các dự án mã nguồn mở quốc tế.
• Đề xuất 11 mẫu sửa lỗi tối ưu kết hợp thuật toán sắp xếp nguyên liệu theo khoảng cách cây cú pháp trừu tượng AST.
• Đạt hiệu năng đột phá với 56,8% tỷ lệ sinh bản vá khả thi và độ chính xác vượt trội 79,3%, bỏ xa các công cụ đương thời.
• Hiện thực hóa phương pháp thành công cụ mã nguồn mở LyFix hoàn chỉnh, sẵn sàng ứng dụng và chuyển giao công nghệ.

Đóng góp lớn nhất của luận văn là chứng minh tính khả thi của việc khai thác triệt để bản cập nhật gây lỗi nhằm thu hẹp không gian tìm kiếm bản vá. Trong giai đoạn 6 đến 12 tháng tới, hướng nghiên cứu tiếp theo sẽ tập trung tích hợp mô hình học sâu để tự động hóa hoàn toàn việc trích xuất commit gây lỗi và mở rộng kho mẫu sửa lỗi cho Java 17 trở lên. Hãy truy cập kho lưu trữ mã nguồn mở LyFix ngay hôm nay để trải nghiệm giải pháp tự động sửa lỗi và nâng tầm chất lượng cho dự án phần mềm của bạn.

Trích đoạn nội dung tài liệu

Chương 1. Giới thiệu 3 dụng mã nguồn mở. Bears bao gồm 251 lỗi được thu thập thủ công từ các ứng dụng mã nguồn mở với mục đích phục vụ cho các công cụ APR. • Luận văn cài đặt và công bố miễn phí công cụ kèm theo LyFix4 , bao gồm: – Đề xuất và cài đặt công thức xác định vị trí gây lỗi phù hợp cho đối tượng là lỗi hồi quy – Cài đặt lại tám mẫu sửa lỗi dựa trên tư tưởng sửa lỗi hồi quy cho chương trình C ở [42] – Đề xuất và cài đặt ba mẫu sửa lỗi hồi quy mới cho Java (mở rộng dựa trên [36] và học từ bộ dữ liệu 51 lỗi quy đã thu thập) – Đề xuất và cài đặt thuật toán cải tiến từ thuật toán sửa lỗi của [42] để sinh được nhiều bản vá hơn và các bản vá có chất lượng tốt hơn • Luận văn tiến hành thực nghiệm đánh giá khả năng sửa lỗi của LyFix so với jRelifix (là công cụ sửa lỗi phiên bản Java mà luận văn đã cài đặt lại giống với phương pháp sửa lỗi đề xuất trong [42]), jGenProg, jMutRepair và TBar trên tập dữ liệu 51 lỗi hồi quy.

Đây là những lỗi hồi quy thực tế từ những hệ thống phần mềm mã nguồn mở được phát triển và kiểm thử tốt.3 Bố cục luận văn Các phần còn lại của luận văn được cấu trúc như sau. Chương 2 cung cấp các kiến thức nền tảng về tính chất của lỗi hồi quy và sửa lỗi tự động. Chương 3 mô tả phương pháp sửa lỗi đề xuất, bao gồm các bước: xác định bản cập nhật gây ra lỗi, thu thập thông tin mã nguồn nguồn thay đổi và nguyên liệu sửa lỗi, xác định vị trí gây ra lỗi, các mẫu sửa lỗi và thuật toán sửa lỗi. Chương 4 mô tả về kiến trúc và cài đặt công cụ, các kết quả thực nghiệm đánh giá về khả năng sửa lỗi hồi quy của phương pháp đề xuất được tiến hành và bàn luận.

Cuối cùng, Chương 5 kết luận lại toàn bộ công việc luận văn đã thực hiện, kèm theo các công việc tiếp theo có thể thực hiện để cải tiến và mở rộng công cụ.com/bqcuong/lyfix LUAN VAN CHAT LUONG download : add [e-mail] 4 Chương 2 Kiến thức nền tảng Chương này cung cấp các kiến thức nền tảng cho luận văn. Đầu tiên, kiến thức kiểm thử hồi quy sẽ được giới thiệu một cách tổng quan. Tiếp theo, kiến thức về sửa lỗi chương trình tự động sẽ được trình bày, bao gồm: tổng quan, xác định vị trí gây ra lỗi, và các phương pháp sửa lỗi tự động phổ biến hiện nay.1 Kiểm thử hồi quy và lỗi hồi quy Các hệ thống phần mềm thay đổi không ngừng theo thời gian. Khi có một thay đổi mới được thêm vào mã nguồn, thay đổi này có thể phá hỏng các chức năng khác của chương trình mà trước đó hoạt động bình thường.

Kiểm thử hồi quy (regression testing) là một kỹ thuật được sử dụng để phát hiện các lỗi khi chương trình thay đổi. Kiểm thử hồi quy có thể áp dụng ở tất các mức kiểm thử: đơn vị, tích hợp, hệ thống, và chấp nhận [16]. Lỗi được phát hiện nhờ vào kiểm thử hồi quy gọi là lỗi hồi quy. Lỗi hồi quy được chia thành ba loại1 : • Local: Thay đổi mới gây ra lỗi, làm các chức năng tồn tại từ trước không hoạt động đúng như mong muốn nữa.

Cách sửa là khôi phục lại phần mã nguồn gây ra lỗi này.com/regression-testing/types.asp LUAN VAN CHAT LUONG download : add [e-mail] Chương 2. Kiến thức nền tảng 5 • Unmasking: Thay đổi mới khiến luồng thực thi chương trình đi vào những câu lệnh gây ra những lỗi đã có từ trước.