葉 林，姚國祥

（暨南大學 信息科學技術學院，廣東 廣州510632）

在軟件項目的開發(fā)過程中，由于能夠降低開發(fā)者的工作量，“復制粘貼”也許是最常使用的操作。但這也帶來了克隆代碼的問題。

克隆代碼的存在給軟件維護帶來了困難，當開發(fā)者試圖修改代碼時，他們很可能修改了克隆代碼中的一處而忘記了別的地方，這顯然會帶來代碼的不一致。為了避免這個難題，大量的克隆代碼檢測技術被提出。但問題在于克隆代碼的精確定義本身就不明確，現有的每一種方法都有其對于克隆代碼自己的定義。因此，同樣的源代碼，如果用不同的克隆代碼檢測方法檢測，可能會得到完全不同的結果。

基于程序依賴圖的方法能夠探測語義克隆代碼，而且它還具有一個其他方法所不具有的能力：能夠探測非連續(xù)性的克隆代碼[1]。非連續(xù)性的克隆代碼是被其他代碼或文件所分割開來的克隆代碼，克隆代碼中的代碼并不是連續(xù)的。而開發(fā)者往往會在粘貼克隆代碼后做一些修改，這樣，基于程序依賴圖的檢測方法就能夠檢測出這種克隆代碼。

但是基于程序依賴圖的方法有一個很大的缺點，即運行非常緩慢。程序依賴圖的同構檢測是著名的圖同構匹配問題，該問題為NP完全問題，需要指數級的時間復雜度，這導致了運行時間呈指數級增長。

本文提出了一種并行執(zhí)行程序依賴圖同構匹配的方法。通過使用這種方法，減少了這一特定問題的圖同構匹配算法所需要的時間。并使用MapReduce這一流行的并行框架來并行該方法。

1 背景知識

1.1 程序依賴圖

程序依賴圖是一個有向圖，該圖的頂點代表了源代碼中的代碼，而邊代表了兩個頂點之間的依賴。在程序依賴圖中只有兩種邊：代表控制依賴的邊和代表數據依賴的邊。以下展示了一個源代碼的例子，圖1為該源代碼所產生的程序依賴圖。

1.2 MapReduce

MapReduce[2]是一個流行的編程模型，該模型能夠通過一個運行在集群上的并行的、分布式的算法對大數據集進行處理。它提供了一個簡單易用的并行算法編程框架，使用該框架的開發(fā)者只需要定義兩個函數：Map和Reduce。原始數據被該框架轉換成鍵值對，每一個Map進程每一次處理一個鍵值對（key，value）：

Map函數在集群中并行執(zhí)行，MapReduce框架將所有相同的key的鍵值對傳遞給一個Reduce函數。Reduce函數產生最終的結果：

2 程序設計算法

圖1 由源代碼產生的程序依賴圖

首先把源代碼轉換成以靜態(tài)形式表示數據流和控制流的程序依賴圖，將其記為s-PDG。程序依賴圖的節(jié)點代表了源代碼中的語句(聲明、賦值、表達式、控制邏輯等)，同時記錄所有節(jié)點對應源代碼的類別以便在后面的比對中使用。然后選擇一段程序塊所對應的s-PDG的子圖，作為查找與圖同構的樣本，將這個子圖記為b-PDG。隨后對s-PDG和b-PDG進行比對，以檢測除了b-PDG本身以外是否還有別的s-PDG的子圖與b-PDG同構。如果有，則這個子圖所對應的代碼就與b-PDG對應的程序塊為克隆代碼。

經典的算法在檢測子圖同構時只能順序執(zhí)行，本文所要做的是將s-PDG切分成多個小圖，然后并行子圖同構檢測。在論述切分s-PDG的方法之前，先給出會在切分中使用的偽圓的定義。

在圖 G=（V，E）中，任給 A∈V，以 A 為圓心，以一個正數為半徑，對于任意節(jié)點B∈V，如果AB之間的最短路徑長度(對于邊無權值的圖，最短路徑長度為最短路徑所經過的節(jié)點的個數)小于半徑，則B位于該偽圓中。當計算最短路徑時忽略邊的方向。

按照參考文獻[3]中提出的方法切割s-PDG：

(1)根據s-PDG節(jié)點的種類分別計數。

(2)取出s-PDG中數量最少的節(jié)點的種類，將其記為種類l。然后選取出b-PDG中屬于種類l的節(jié)點。如果b-PDG中沒有種類l的節(jié)點，則變更種類l為s-PDG中第二少種類的節(jié)點。如果種類l仍然在b-PDG中沒有節(jié)點，則繼續(xù)變更種類l為s-PDG中第三少種類的節(jié)點，直到b-PDG中存在種類l的節(jié)點。

(3)計算s-PDG中所有這些種類l的節(jié)點與其他節(jié)點的距離，將最大值定為偽半徑。

(4)以上面計算出的偽半徑，以s-PDG中種類為l的節(jié)點為圓心，可以得到一些偽圓。這些偽圓就是切割s-PDG的最終結果。將它們記為c-PDG的集合。

在查找同構子圖的過程中必須檢查節(jié)點的種類，對應的節(jié)點必須有同樣的種類。所以同構子圖必須有種類為l的節(jié)點?？紤]到b-PDG的尺寸大小，在s-PDG中的節(jié)點如果距步驟(4)中選取的圓心距離過大，則這些節(jié)點不可能處于同構子圖中，因此可以把這些節(jié)點切除不再考慮。

該算法的基本流程如圖2所示。

圖2 基本流程圖

3 算法的實現

使用JavaPDG[4]生成整個項目的程序依賴圖。JavaPDG是一個靜態(tài)的Java字節(jié)碼分析器。這個工具能夠產生各種不同的對源代碼的圖形展示，例如系統(tǒng)依賴圖、程序依賴圖、控制流圖和函數調用圖。

使用Hadoop[5](一個MapReduce框架的開源實現)來并行這個子圖集的同構匹配。

使用Igraph[6]來檢測子圖同構匹配。Igraph是一個針對圖的操作的開源軟件包，由于Igraph是用C語言寫成的，必須通過Hadoop流來將這個軟件包用于并行同構檢測。

4 實驗與評價

通過對兩個開源項目的檢測來評價本文的算法，結果如表1所示。通過代碼行數和對應程序依賴圖的節(jié)點和邊的個數來對比項目的大小。將經典PDG匹配算法與以3臺機器組成的集群上并行為例的本文算法所消耗的時間進行了比較。

表1 實驗結果

結果顯示，本文算法極大地提高了同構匹配的性能，經典的程序依賴圖同構匹配算法需要花費幾個小時，而本文并行算法僅僅花費幾分鐘。這是因為并行算法移除了程序依賴圖中的部分節(jié)點，而且并行了同構匹配的過程。

本文提出了一種提高基于程序依賴圖的克隆代碼檢測性能的方法。把程序依賴圖分割成若干個小圖并使用Hadoop并行執(zhí)行子圖同構檢測，使得算法的性能得到了提高。使用兩個得到廣泛使用的開源項目來測試本文算法，測試結果顯示該算法顯著地提高了克隆代碼檢測的性能。

[1]BELLON S，KOSCHKE R，ANTONIOL G，et al.Comparison and evaluation of clone detection tools[J].IEEE Transactions on Software Engineering，2007，33(9)：577-591.

[2]DEAN J，GHEMAWAT S.MapReduce：simplified data processing on large clusters[J].Communications of the ACM，2008，51(1)：107-113.

[3]LI J，ERNST M D.CBCD：cloned buggy code detector[C].ICSE 34th International Conference on Software Engineering，2012：310-320.

[4]SHU G，SUN B，HENDERSON T A，et al.JavaPDG：a new platform for program dependence analysis[C].In Proceedingsof the 6th IEEE International Conference on Software Testing，Verification and Validation，Testing Tools Track，Luxembourg，2013：18-22.

[5]Hadoop.The apache software foundation[EB/OL].[2013-09-10].http：//hadoop.apache.org/.

[6]CSARDI G，NEPUSZ T.The igraph software package forcomplex network research[C].InterJournal，Complex Systems，1695.2006.