哈清華，姜瑞凱，劉 邏

(中國科學院 長春光學精密機械與物理研究所，吉林 長春 130033)

軟件缺陷的生成因素分析

哈清華，姜瑞凱，劉 邏

(中國科學院 長春光學精密機械與物理研究所，吉林 長春 130033)

軟件缺陷是軟件質量評價的重要依據，需要全面而深入的研究與分析，而同時導致軟件缺陷形成的因素卻多種多樣，難以確定軟件缺陷的生成原因。因此，為了分析軟件缺陷的生成原因以及發(fā)現缺陷的方法，文中研究了基于多元線性回歸的線性擬合方法，從被測對象、開發(fā)與測試人員、測試強度等方面研究對軟件缺陷的影響。首先對軟件缺陷的生成因素進行分析，并選定5個因素作為分析變量，建立分析模型。之后通過數據分析獲得了回歸方程，并依據方程確定各因素對軟件缺陷生成的影響程度。通過分析獲得的各因素的t檢驗值可知，測試時間對軟件缺陷的生成影響最大，而軟件復雜度和開發(fā)人員經驗也對軟件缺陷的生成具有較大的影響。

軟件缺陷；生成因素；軟件規(guī)模；軟件復雜度；多元線性回歸

0 引 言

隨著軟件的不斷發(fā)展，一方面，軟件的數量與日俱增，軟件的復雜性呈指數增長，其應用領域不斷拓展，重要性越發(fā)為大家所關注[1]。另一方面，軟件中隱藏的缺陷也越發(fā)地難以發(fā)現，一旦在使用中出現故障，其帶來的后果往往難以估計[2]。目前公認的提高軟件質量的重要手段是軟件測試，通過及時而有效的測試活動，可以及時發(fā)現軟件的缺陷，減少后期使用的隱患。因此，軟件測試已是軟件開發(fā)過程的重要一環(huán)[3]，越來越多的組織開始建立自己獨立的軟件測試團隊。然而，軟件測試的效果卻大相徑庭。由不同的人員對相同的被測件進行測試，其被測出的軟件缺陷數量和重要等級會有很大的不同，甚至同一名測試人員對同一個被測件做多次測試，其結果也會不盡相同[4-5]。另外，軟件測試還是一個費時、費力及成本高昂的活動。因此深入地分析軟件缺陷的生成因素，對預防缺陷以及發(fā)現缺陷都有重要的現實意義[6]。一方面，通過對各個生成因素的分析，可以在軟件的開發(fā)階段加以考慮，進而預防缺陷的出現[7-8]；另一方面，通過對各生成因素的數據分析，可以進一步進行定向數據分析和挖掘，如實現基于軟件缺陷的軟件測試性分析以及基于統(tǒng)計分析的軟件缺陷預測[9-10]等。文中研究的內容就是想運用線性擬合算法，對各項軟件缺陷的可能生成因素進行分析，從定量的角度來確定各要素對軟件缺陷的影響。

1 生成軟件缺陷的因素

生成軟件缺陷的因素有很多，文中從對軟件缺陷生成的重要性和數據量化的可行性考慮，主要選取軟件規(guī)模、軟件復雜度、開發(fā)人員的經驗水平、測試人員的經驗水平、軟件研制周期的長度共五個生成因素加以分析。

1.1 軟件規(guī)模

依據經驗,軟件的規(guī)模與其隱含的缺陷數量成正比例關系，即軟件越大，其中的缺陷越多[11]。同時隨著軟件缺陷數量的增加，其被遺漏的缺陷數量也會隨之增加。因此，測試難度和測試成本也會隨之增加。在此次分析中，將被測軟件的源代碼行數L作為軟件規(guī)模的度量變量加以分析。

1.2 被測軟件的復雜度

除代碼數量外，被測軟件的復雜度對軟件缺陷也有很大的影響。軟件復雜度越高,其設計難度和測試難度均隨之增加[12]。因為隨著復雜度的提高，開發(fā)人員容易在設計時忽略一些特殊情況的出現而埋下隱患，同時測試人員也會難以分析軟件內部的代碼結構關系,進而導致測試的不充分。因此軟件越復雜，越容易導致軟件缺陷的出現，已有相關的實驗結論對這一觀點進行支撐[13]。在此次分析中，選取被測軟件的圈復雜度C作為度量變量加以分析。

1.3 開發(fā)人員的經驗水平

開發(fā)人員的工作經驗對軟件缺陷有著直接的影響。一個有經驗的開發(fā)人員其設計的軟件結構更加合理，代碼更加簡練，易于理解和分析。因此其開發(fā)的軟件的缺陷數量也會更少，一旦出現也更容易被改正。在此次分析中，開發(fā)人員經驗水平D通過開發(fā)人員的工作年限和級別系數的運算來獲得，作為經驗水平的度量變量。

1.4 測試人員的經驗水平

測試人員的工作經驗與軟件缺陷之間也有著重要的影響。有經驗的測試人員其對被測軟件的理解更加深入，設計的用例更加有效。因此其發(fā)現缺陷的效率也更高。在此次分析中，與開發(fā)人員的量化分析類似，測試人員經驗水平K通過測試人員的工作年限和級別系數的運算來獲得，作為經驗水平的度量變量。

1.5 研制周期系數

業(yè)內早已達成共識，即軟件研制時間的長短對軟件質量有著非常重要的影響。然而,由于軟件的研制往往受到硬件條件、總體研制周期等的制約，軟件研發(fā)周期總被人為的縮短也已是一個普遍現象。因此，研制周期的壓縮程度對軟件缺陷的影響也是一個需要重點考量的因素。在此次試驗中，使用變量T作為研制周期長度的度量。

除了上述各因素外,還有一些其他的軟件缺陷生成因素，如軟件研制隊伍的整體組織協調情況，一個高效的團隊其開發(fā)的產品也會有較高的質量；研制人員的心理活動情況也對軟件質量有影響，如一個已經連續(xù)進行高強度工作數周的人員其工作效率也將必定下降，對產品的質量也將產生影響。但由于以上生成因素尚未找到量化標準用以定量描述，同時這些生成因素往往屬于主觀條件不屬于軟件自身的客觀屬性，通過一定的數據分析應可以排除以上因素對結果的影響。因此以上生成因素不列入此次分析。

2 建立模型與選取數據

2.1 建立分析模型

經過以上內容的分析，確定使用軟件規(guī)模、軟件復雜度、開發(fā)人員經驗水平、測試人員經驗水平和研制周期五個變量來建立軟件缺陷分析的多元線性回歸方程[14]：

N(缺陷值)=a+bL+cC+dD+eK+fT

其中，a為常數項；b、c、d、e、f分別為對應變量的系數；

L—代碼行數:該數據統(tǒng)一使用代碼分析工具Testbed8.1.0進行分析獲得。

C—代碼圈復雜度:該數據統(tǒng)一使用代碼分析工具Testbed8.1.0進行分析獲得。

D—開發(fā)人員經驗水平:該數據用開發(fā)人員的工作年限乘以級別系數獲得，D=Y×S,其中，Y表示開發(fā)人員參加軟件開發(fā)工作的時間，S為級別系數(研究實習員1、助理研究員1.2、副研究員1.4、研究員1.6)。

K—測試人員經驗水平：該數據用測試人員的工作年限乘以職稱系數獲得，K=Y×S,其中，Y表示測試人員參加軟件測試工作的時間，S為級別系數(同上)。

T—研制周期系數：表示研制周期的利用情況。T=R/P，其中,R表示實際的軟件研制時間(通過項目歷史記錄獲得);P為理論上計劃使用的研制時間(計劃使用的研制時間是以項目規(guī)劃時由專家依據經驗估計的約定研制時間為準)。

2.2 使用的數據

此次分析使用的數據來自中科院長春光機所近幾年來實施的嵌入式C語言軟件項目。該組織的配置項測試由獨立的測評機構完成，具有客觀性和一致性的特征。但部件測試由開發(fā)人員獨立完成，缺乏客觀性特征。而系統(tǒng)測試則過于依賴硬件以及其他外部條件，不具有一致性特征。因此此次試驗只選取配置項級測試的缺陷數據，而不考慮部件測試和系統(tǒng)測試這兩個級別發(fā)現的軟件缺陷。此次分析的數據見表1。

表1 軟件缺陷分析樣本數據

3 多元線性回歸分析

使用IBM SPSS Statistics19進行變量關系分析，利用散點關系圖檢查L、C、D、K、T與N的線性關系，見圖1。

從圖可以看出，L、C、T和D四個因素對N的影響所呈現出來的線性關系比較顯著，K的線性關系則偏弱。整體上五個因素對N均具有線性相關性，因此可按照預先設計的模型，對數據進行線性回歸分析，分析各因素對N的影響程度。

進行線性回歸分析后，得到的各變量的標準化相關系數及參數估計誤差見表2～4所示。

表2 模型匯總表

注：a為預測變量:(常量),T,K,L,C,D。

圖1 變量N與變量L、C、D、K、T的線性關系 表3 Anovab

模型平方和df均方FSig.1回歸4316.6595863.33237.9000.000a殘差546.7082422.779總計4863.36729

注：a為預測變量：(常量)，T,K,L,C,D；b為因變量:N。

表4 回歸系數表

注：a為因變量:N。

通過表中的分析數據，可知：

R2為0.888，殘差平方和占總體平方和的11.2%，說明樣本對模型擬合的很好。F值為37.667，遠遠大于11，可以認為獲得的回歸方程具有可信性。L、C、D、K、T的t檢驗值的絕對值分別為：2.367、1.024、3.333、0.851、4.144。參數L、D、T的t檢驗值大于2，參數估計可信，因此這三個變量具有較好的解釋能力。獲得的最終的回歸方程為：

N=-0.210L-0.093C+0.386D-0.083K+ 0.496T

4 結束語

通過以上的數據分析，對于生成軟件缺陷的各要素，文中獲得以下幾點結論。

(1)在五個生成因素中，軟件規(guī)模、開發(fā)人員經驗和研制周期對軟件缺陷的影響較大，其中軟件規(guī)模與軟件缺陷成反比例關系，說明軟件規(guī)模越大，其缺陷值將越高。而軟件研制時間的充分程度和開發(fā)人員經驗與軟件缺陷成正比，即時間系數越小，時間越不充裕，開發(fā)人員經驗越少，軟件缺陷值越高。

(2)軟件復雜度和測試人員經驗水平的t值分別為1.024和0.851，通過數據分析說明這兩個因素對軟件缺陷的影響較小。其中測試人員水平影響因素較低可能與采用的數據為同一測試組織有關，測試人員的水平相對比較接近。

(3)軟件研制時間的t值為4.144，說明對軟件缺陷的影響具有重要作用，因此要想提高軟件質量，軟件的研制時間需要更加嚴格地得到保證。在今后的工作中應重點關注軟件研制周期的滿足情況，同時盡量提高軟件開發(fā)人員的工作能力。

(4)軟件開發(fā)人員經驗的t值為3.333，一方面說明開發(fā)人員的經驗對軟件缺陷的生成很重要；另一方面說明作為同一組織的開發(fā)人員，彼此之間的能力水平差距較大，相互溝通學習不足，應在今后的工作中加強不同項目組軟件開發(fā)人員的交流，使能力水平達到一致提高。

(5)通過殘差平方和R2不為1，可以獲知此次試驗分析中存在被遺漏的生成因素，可能包括了之前提到的團隊協調能力、人員心理因素等。由此影響了此次分析的結果。因此應在今后的軟件研制過程中仔細分析研究可能的未知生成要素，并對其進行量化分析。

[1] 王俊杰，沈湘衡，張 波,等．環(huán)境參數與狀態(tài)參數融合的測試用例集約簡方法[J]．光學精密工程,2009,17(7):1678-1685．

[2] 聶林波,劉孟仁.軟件缺陷分類的研究[J].計算機應用研究,2004,21(6):84-86.

[3] 陳 媛,沈湘衡,王安邦,等.似然關系模型在航天軟件缺陷預測中的應用[J].光學精密工程,2013,21(7):1865-1872.

[4] 陸永忠,宋駿禮,谷希謙,等.基于行為的軟件測試過程模型及其應用研究[J].計算機應用,2007,27(5):1238-1240.

[5] 劉 邏，郭立紅，方艷超,等．系統(tǒng)級軟件可靠性屋在運行時間框架模塊上的應用[J].光學精密工程, 2014,22(3):787-796.

[6]M?ntyl?MV,ItkonenJ.Howaresoftwaredefectsfound?Theroleofimplicitdefectdetection,individualresponsibility,documents,andknowledge[J].InformationandSoftwareTechnology,2014,56:1597-1612.

[7]MaYing,ZhuShunzhi,QinKe,etal.Combiningtherequirementinformationforsoftwaredefectestimationindesigntime[J].InformationProcessingLetters,2014,114(9):469-474.

[8]QinLei,ZhangHe,HuangFuqun,etal.Classificationofairon-boardsoftwarecodedefectsandinvestigations[J].ProcediaEngineering,2011,15:3577-3583.

[9] 劉子宜,劉 暢,鄭 軍,等.基于缺陷的軟件測試性評估方法分析[J].計算機工程與設計,2011,32(5):1714-1717.

[10] 王 青,伍書劍,李明樹.軟件缺陷預測技術[J].軟件學報,2008,19(7):1565-1580.

[11]KoruAG,ZhangDongsong,EmamK,etal.Aninvestigationintothefunctionalformofthesize-defectrelationshipforsoftwaremodules[J].IEEETransactionsonSoftwareEngineering,2009,35(2):293-304.

[12] 王紅園,郭永飛,姬 琪．面向需求覆蓋的航天軟件測試用例優(yōu)化方法[J].光學精密工程,2014,22(1):228-234.

[13]MarceloC,AudrisM,JeffreyA,etal.Softwaredependencies,workdependencies,andtheirimpactonfailures[J].IEEETransactionsonSoftwareEngineering,2009,35(6):864-878.

[14] 王惠文,孟 潔.多元線性回歸的預測建模方法[J].北京航空航天大學學報,2007,33(4):500-504.

Analysis of Forming Factors in Software Defect

HA Qing-hua,JIANG Rui-kai,LIU Luo

(Changchun Institute of Optics,Fine Mechanics and Physics,Chinese Academy of Sciences,Changchun 130033,China)

Software defects is an important basis for software quality evaluation,so it is necessary to thoroughly and deeply research on it.However the reasons rising software defects are too complicated to identify.In this paper,for analyzing the reasons for the generation of software defects and the methods of finding defects,based on linear fitting method of multiple linear regression,study the effects of software defects from the tested object,developers and testers,testing strength and so on.First,5 factors were selected to build analysis model.Second,the regression equation was obtained by analyzing the data and the factors degree of influence on software defects generating were determined.Finally,by analyzing thetvalue,itisfoundthatthestrengthoftimeisthemostsignificantfactorsandthecomplexityofsoftwareanddevelopersexperiencealsohaveimportantinfluenceinsoftwaredefectgeneration.

software defect;forming factor;software size;software complexity;multiple linear regression

2015-01-04

2015-05-07

時間：2016-01-04

國家“863”高技術發(fā)展計劃項目(2011AA7031024G)

哈清華(1983-)，男(回族)，助理研究員，碩士，研究方向為嵌入式軟件、軟件測試。

http://www.cnki.net/kcms/detail/61.1450.TP.20160104.1607.062.html

TP

A

1673-629X(2016)01-0001-05

10.3969/j.issn.1673-629X.2016.01.001