Ohjelmointirajapintojen siirtyminen

Ohjelmointirajapintojen siirtyminen (englanniksi: Application Programming Interface - API ) on tekniikka, jolla ohjelmointirajapinnan koodi muunnetaan toiseksi. Tähän on monia syitä: ohjelmointirajapinnan vanhentuminen, halu muuntaa koodi kielestä toiseen jne.

Viime aikoihin asti Kehittäjiä vaadittiin tekemään tämä tehtävä käsin. Kuitenkin äskettäin on luotu työkaluja Voit tehdä tämän automaattisesti.

Ohjelmointirajapintojen välisen vastaavuuden purkaminen

Yleinen käytäntö

Ohjelmointirajapintojen välisen vastaavuuden purkaminen (englanniksi: Mining API Mapping - MAM ) on tekniikka kahden eri kielen ohjelmointirajapintojen välisen vastaavuuden löytämiseksi ja suorittamiseksi.

Tämä tekniikka perustuu pikemminkin ohjelmointirajapinnan käyttöön kuin sen toteuttamiseen , ja tämä 3 syystä:

Ohjelmointirajapinnat toimitetaan usein ilman niiden lähdekoodia .
Toteutuksen perusteella löydetyt suhteet ovat usein vähemmän tarkkoja kuin ohjelmointirajapintojen käyttöön perustuvat suhteet.
Kartoitus on jelmointirajapinnan suhteista on usein monimutkainen ja voi tehdä mistä tiedoista saatavilla ohjelmointirajapinta toteuttamista.

Siten tämä tekniikka rakentaa suhteet kahden eri kielen ohjelmointirajapinnan välille. Nämä suhteet ovat API-muunnoskaavion ( API Transformation Graph - ATG ) muodossa, mikä mahdollistaa halutun muunnoksen.

Tämä tekniikka toimii Java-ohjelmointirajapinnasta C # -ohjelmointirajapintaan.

Tekniset yksityiskohdat

Parien luominen

Ensimmäinen vaihe muunnoksen suorittamisessa on löytää samanlaiset luokat nimen mukaan. Ohjelmointirajapintojen välisten vastaavuuksien purkaminen käyttää myös pakettien nimiä tarkentamaan hakua.

Kahden tekniikan avulla tämä tekniikka yrittää luoda parit seuraavan kaavan mukaisesti:

∀ c1 et c2 représentant des classes, ∃ un couple {c1, c2} si similarité{c1.nom, c2.nom} > SIM_THRESHOLD

SIM_THRESHOLD edustaa kynnystä, jonka algoritmi on taitavasti määrittänyt .

Tämän jälkeen algoritmi yrittää löytää jokaiselle löydetylle parille attribuutit ja toiminnot, jotka muodostavat pareja, seuraavien kaavojen mukaisesti:

∀ a1 et a2 représentant des attributs, ∃ un couple {a1, a2} si similarité{a1.nom, a2.nom} > SIM_THRESHOLD ∀ f1 et f2 représentant des fonctions, ∃ un couple {f1, f2} si similarité{f1.nom, f2.nom} > SIM_THRESHOLD

Lopuksi jokaiselle löydetylle toiminnolle algoritmi yrittää löytää paikallisia muuttujia ja parametreja muodostavia parametreja seuraavien kaavojen mukaisesti:

∀ v1 et v2 représentant des variables locales, ∃ un couple {v1, v2} si similarité{v1.nom, v2.nom} > SIM_THRESHOLD ∀ p1 et p2 représentant des paramètres, ∃ un couple {p1, p2} si similarité{p1.nom, p2.nom} > SIM_THRESHOLD

Esimerkiksi tämä tekniikka muodostaa parin välillä IndexFiles Java ja IndexFiles C #, koska niiden nimet ovat hyvin samanlaisia.

Ohjelmointirajapinnan muunnoskaavio

Sen jälkeen algoritmi rakentaa kullekin menetelmälle ohjelmointirajapinnan muunnoskaavion (englanniksi: API Transformation Graph - ATG ). Tämän tyyppinen kaavio kuvaa tulot, tuotokset, menetelmien nimet ja datariippuvuudet ohjelmointirajapinnoissa ja auttaa vertaamaan menetelmiä useilla tavoilla.

Siten menetelmän m ohjelmointirajapinnan muunnosgraafi on suunnattu graafi G {N- data , N m , E}:

N- data on joukko luokan m kenttiä, m: n muuttujia ja parametreja.
N m on joukko kaikkia m: n kutsamia menetelmiä.
E on kaarijoukko, joka edustaa riippuvuuksia tietojen, menetelmän kutsujen ja palautusarvojen välillä.

Näiden kaavioiden rakentaminen ja parantaminen muiden aiemmin rakennettujen kaavioiden tulosten avulla mahdollistaa kahden ohjelmointirajapinnan välisen vastaavuuden löytämisen.

Tulokset ja suorituskyky

Java2CSharp-nimisen työkalun käyttöönotto mahdollisti ensimmäisten arviointien suorittamisen uudelle tekniikalle.

Seuraavassa taulukossa esitetään arvioinnin tulokset. Se näyttää oikein muunnettujen luokkien ja menetelmien lukumäärän ja vastaavan osuuden.

API-muunnoksen tulokset

Projekti	Luokka		Menetelmä
Projekti	Määrä	Tarkkuus	Määrä	Tarkkuus
db4o	3155	83,3%	10787	90,0%
luseeni	718	90,0%	2725	90,0%
puunkorjuu	305	73,3%	56	90,0%

Nämä tulokset osoittavat erittäin suuren muunnostarkkuuden tämän työkalun ansiosta.

Ystävyyskuntatoiminta

Yleinen käytäntö

Twinning (englanniksi: twinning ) on siirtymämenetelmä rajapintojen ohjelmoimiseksi, joka vaatii ensin manuaalisesti kahden ohjelmointirajapinnan A ja B vastaavuuden.

[ Enumeration (Vector v) { return v.elements(); } Iterator (ArrayList a) { return a.iterator(); } ]

Tämän tekniikan avulla voit sitten tehdä 2 muunnosta:

Ensimmäistä muunnosta kutsutaan matalaksi sopeutumiseksi . Se ottaa syötteenä ohjelman P käyttäen ohjelmointiliitäntää A ja ohjelmointirajapintojen A ja B. välistä vastaavuutta. Se muodostaa siten muunnoksen ohjelmaksi, joka välitetään tulona nimeltä P ', joka nyt käyttää ohjelmointirajapintaa B.

Toista muutosta kutsutaan syväksi sopeutumiseksi . Se käyttää myös tulona ohjelmaa P ja kahden ohjelmointirajapinnan A ja B välistä vastaavuutta. Se muodostaa liitännän I ja uuden ohjelman P ', jonka avulla käyttöliittymän I kautta voidaan käyttää joko vanhaa ohjelmointirajapintaa A tai uutta B: tä. .

Pinnallinen sopeutuminen

Pinnan mukautus tuottaa ohjelman P 'ohjelmasta P ja vastaavuuden kahden ohjelmointirajapinnan välillä.

Tämä muunnos kulkee ohjelman abstraktin syntaksipuun läpi ja soveltaa määritettyjä muutoksia ohjelmointirajapintojen väliseen kartoitukseen. Esimerkiksi aiemmin esitetyillä vastaavuuksilla koodista Enumeration elements = objects.elements();tuleeIterator elements = objects.iterator();

Tämä tekniikka toimii peräkkäin, eli se suorittaa lohkonmuunnoksia. Lohkot voivat edustaa viivaa tai sarjaa viivoja, jotka on erotettu aaltosulkeilla

Syvä sopeutuminen

Syvä mukautus tuottaa ohjelmasta P ja vastaavuudesta M ohjelmointirajapinnasta A ohjelmointirajapintaan B seuraavat elementit:

T: ohjelmointirajapinta, joka sisältää joukon abstrakteja luokkia ja rajapintoja, joiden tarkoituksena on abstraktoida M-kirjeenvaihdon sisältämät erot.
P ': P: n muunnos, joka kutsuu ohjelmointirajapinnan T kaikkiin paikkoihin, joissa P sisältää koodia M: n toimialueelta.
I 1 , I 2 : ohjelmointirajapinnan T. toteutukset. I 1 edustaa P: n koodissa käytettyä ohjelmointirajapintaa A ja I 2 edustaa uutta liitäntää B, jota halutaan kirjeenvaihdon M ansiosta.

Tällä on se etu, että pystyt käyttämään mitä tahansa P ': n toteutuksia, koska käytettyä toteutustapaa voidaan vaihtaa erittäin helposti.

API-sukupolvi

Algoritmi laskee ensin joukon kutsuja rakentajille ja korvattavia menetelmiä. Tämä näin laskettu uusi joukko edustaa konstruktoreita ja menetelmiä, joiden on oltava uudessa T-ohjelmointirajapinnassa.

Toteutusten luominen

Toteutusten luomisen algoritmi EmitImpl(n, M)käyttää aiemmin laskettua joukkoa. Se käyttää lukijaa n, joka toimii valitsimena. Sen avulla voit suorittaa hoitoja kuten ja . Luo siis T: n toteutus A: lla ja luo toteutusjoukko B: llä. sel1(T, T') = Tsel2(T, T') = T'EmitImpl(1, M)EmitImpl(2, M)

Uuden ohjelman luominen

Seuraava tehtävä on tuottaa M ', joka määrittää vastaavuudet alun perin käytetyn A-ohjelmointirajapinnan ja ohjelmointirajapinnan T välillä, jolloin toinen toteutus voidaan käyttää.

Lopuksi riittää, että muodostetaan P 'sitomalla pinnan mukautusalgoritmi P: n ja M: n kanssa.

Kokeita ja tuloksia

Prototyypin luominen mahdollisti ystävyyskaupunkien testaamisen. Prototyyppi kirjoitettiin noin 2 500 rivillä koodia, ja se on Cornell Polygot -koodin käännöskehyksen jatke. Se mahdollisti 2 kokeen suorittamisen:

Mukauta joukko pieniä ohjelmia käyttämällä Crimson XML-jäsennintä saadaksesi ne käyttämään Dom4J-ohjelmointirajapintaa sen sijaan.
Muunna Twitter-asiakaskoodi käyttääksesi sen sijaan Facebook-ohjelmointirajapintaa.

Prototyyppi mahdollisti vuorovaikutteisen lähestymistavan määritellä ottelut:

Muunnettavan koodilohkon tunnistaminen.
Liittyvien kirjeenvaihtojen kirjoittaminen.
Vastaavuuksien soveltaminen ohjelmiin.
Yritä koota tuloksena oleva ohjelma.
Haetaan tyypin virheitä seuraavan muunnettavan koodilohkon tunnistamiseksi.

Tietoihin perustuva tilastollinen lähestymistapa

Yleinen käytäntö

Data-driven tilastollinen lähestymistapa , joka tilastollisesti oppii välisen vastaavuuden käytöt ohjelmointi rajapintoja. Tämä tehdään ohjelmointirajapintojen asiakaskoodissa olevien menetelmien rungosta.

Kullekin ohjelmointirajapinnan menetelmälle tilastollinen lähestymistapa rakentaa kaavion, jonka avulla voidaan poimia riippuvuudet tietojen ja ohjausrakenteiden välillä.

Tämän kaavion analyysi mahdollistaa menetelmien yhdenmukaistamisen ja siten vastaavuuksien löytämisen ohjelmointirajapinnan välillä.

Tekniset yksityiskohdat

Esitys kaaviona

Kutakin korvaavaa ohjelmointirajapinnan menetelmää varten algoritmi rakentaa esityksen kaaviona ohjelmointirajapinnan käytöstä.

Solmut edustavat toimintokutsuja, attribuuttien käyttöoikeuksia ja ohjausrakenteita. Kaaret edustavat solmujen välisiä data- ja ohjausriippuvuuksia.

Käyttösymboli ja lause

Datakeskeinen tilastollinen lähestymistapa, joka on saatu alikaaveria edeltävästä kaaviosta, joka edustaa ohjelmointirajapinnan vuorovaikutusta yhden tai useamman kohteen kanssa. Kullekin näistä aligrafeista algoritmi poimii solmujen nimet symbolisarjan muodostamiseksi. Jokaista näistä symboleista kutsutaan käyttösymboleiksi.

Sitten kaikkien aiemmin muodostettujen alaryhmien symbolisekvenssit kootaan yhteen muodostaen sekvenssin koko menetelmälle. Tällaista sekvenssiä kutsutaan lauseeksi.

Symbolien kohdistus

Jokainen Java- ja C # -vaihtomenetelmien virkepari kohdistetaan niiden symbolien mukaan odotus-maksimointialgoritmin ansiosta. Annettua kynnystä suurempaan pisteeseen kohdistetut sekvenssit edustavat ohjelmointirajapintojen välisiä vastaavuuksia.

Tulokset ja hyödyt

StaMiner-nimisen työkalun kehittäminen, joka perustuu tietoihin suuntautuneeseen tilastollisen lähestymistavan algoritmiin, mahdollisti kokeiden suorittamisen ja tämän työkalun vertaamisen muihin. Kaikki testatut kirjastot ovat samanlaisia kuin ensimmäisessä osassa testatut (Ohjelmointirajapintojen välisen vastaavuuden purkaminen).

Näin suoritettu arviointi osoitti, että StaMiner suoritti muunnokset oikein 87,1 prosentissa tapauksista. Java2CSharpiin verrattuna StaMiner muutti koodin 4,2% vähemmän kääntövirheitä ja 6% vähemmän huonoja koodeja.

Tämän algoritmin tärkein etu ohjelmointirajapintojen välisten vastaavuuksien purkamiseen verrattuna perustuu asiakasmenetelmien sisällön analyysiin. Vastaavuuksien poiminta mahdollistaa nimien samankaltaisuuden havaitsemisen. Päinvastoin, datakeskeinen tilastollinen lähestymistapa mahdollistaa havaita datan riippuvuussekvenssin, menetelmäkutsut. Tämä johtaa asiakaskoodin parempaan ymmärtämiseen ja siten parempaan muunnokseen.

Veden muunnokset

Veden muuntaminen on tekniikka ohjelmistokehyksen (englanniksi: framework ) siirtämiseksi verkkoon. Verkko-ohjelmistojen johtajien erityispiirteet sekoittavat useita kieliä, mukaan lukien HTML- koodi ja palvelimen tulkitsema koodi. Tämä tekniikka ei ole hyödyllinen siirrettäessä tekniikoita, jotka käyttävät vain palvelinkoodia (kuten JavaEE-palvelinsovelluksen siirtäminen), jotka voidaan siirtää tekniikoilla, jotka eivät ole ominaisia verkkokielille.

Yleinen käytäntö

Tämä siirtotekniikka täyttää kaksi rajoitusta:

säilytä HTML-koodin tarkka sijainti, jotta se ei heikennä käyttöliittymää;
säilytä kommentteja samassa paikassa varmistaaksesi, että tuotekoodi on ylläpidettävä.

Tämä tekniikka on jatkoa saaren kielioppeille, jotka koostuvat mielenkiintoiseksi määritellyn koodin - saaret - poimimisesta muusta koodista - vedestä.
Verkkokehyksen siirtyminen veden muuntamisen avulla voidaan jakaa neljään päävaiheeseen:

HTML-tunnisteiden ja kommenttien poistaminen;
käännös lähdekielestä kohdekielelle;
ohjelmointirajapintojen korvaaminen lähdekielestä vastaaviin kohdekielen rajapintoihin;
ensimmäisessä vaiheessa poistettujen HTML-koodien ja kommenttien lisääminen uudelleen.

Vaiheet kaksi ja kolme suoritetaan yhdellä monista tieteellisessä kirjallisuudessa esiintyvistä menetelmistä.

Tekniset yksityiskohdat

Saarten kieliopit

Saarten kielioppi on kielioppi, joka sisältää kahden tyyppistä tuotantoa:

Tuotteet, jotka kuvaavat kiinnostavia rakenteita: saaret.
Avoin tuotanto, joka voi sisältää kaikki jäljellä olevat mielenkiintoiset osiot.

Muodollisesti voimme määritellä ne seuraavasti:
Joko ei-kontekstuaalinen kieli, ei-kontekstuaalinen kielioppi siten, että ja missä: ${\ displaystyle L_ {G}}$ $G$ ${\ displaystyle L (G) = L_ {G}}$ ${\ displaystyle G = (V, \ Sigma, S, P)}$

$V$ ja ovat äärellisiä sarjoja ; on joukko muuttujia tai ei-päätemerkkejä ja päätelaitesymbolien aakkoset, $Sigma$ ${\ displaystyle V \ cap \ Sigma = \ emptyyset}$ $V$ $Sigma$
${\ displaystyle S \ in V}$ aloitusmerkki,
$P$ on rajallinen joukko tuotoksia tai kielioppisääntöjä muodossa missä ja . ${\ displaystyle A \ oikeanpuoleinen \ alfa}$ ${\ displaystyle A \ sisään V}$ ${\ displaystyle \ alfa \ sisään (V \ cup \ Sigma) *}$

Voimme määritellä saari kielioppi joukolle rakenteita kiinnostuksen sellainen, että . ${\ displaystyle G1 = (V_ {1}, \ Sigma _ {1}, S_ {1}, P_ {1})}$ ${\ displaystyle I \ alijoukko \ Sigma *}$ ${\ displaystyle i \ in I, S \ Rightarrow * s_ {1} is_ {2} \ in L_ {G}}$

Tämä määritelmä varmistaa, että saaren kielioppi on joustavampi kuin alkuperäinen kielioppi eli . Joten voi jäsentää oikein tekstin, joka ei ole kelvollinen . ${\ displaystyle L (G) \ osajoukko L (G1)}$ ${\ displaystyle G1}$ $G$

Veden muunnokset

Verkko-ohjelmistokehyksen siirtyminen vesimuunnoksella sisältää 4 vaihetta.

Saaren kielen määritelmä palvelimen tulkitsemana kielenä
Veden muunnosten soveltaminen, joka muuntaa veden saariksi, eli vahvistaa koodi, joka ei ole palvelinkoodi palvelinkoodin syntaksissa. Tulos on kelvollinen tiedosto, joka on kirjoitettu palvelimen kielellä.
Koodin muuntaminen kohdekieleksi minkä tahansa ohjelmointirajapinnan siirtoalgoritmin avulla.
Saarten uudelleen käynnistäminen, toisin sanoen veden muutoksen käänteinen toiminta.

Muodollisesti voimme määritellä vesimuunnoksen seuraavasti:
Joko muunnos, joka kartoittaa jokaisen peräkkäisen tunnussarjan syötetiedostosta saaren kielelle, jossa: ${\ displaystyle T_ {W}}$ ${\ displaystyle (s_ {i}) *}$ $A_ {j}$

${\ displaystyle \ kaikki i, (s_ {i}) * \ nsubseteq L (G_ {1})}$
${\ displaystyle \ kaikki j, A_ {j} \ osajoukko L (G_ {1})}$ ja missä on peräkkäisten riippumattomien merkkivirtojen määrä syötetiedostosta. ${\ displaystyle j \ {1, ..., n}}$ $ei$ ${\ displaystyle (s_ {i}) *}$

Yksinkertaisemmin, jokainen osatekijä, joka ei kelpaa kielellä saarten muunnetaan , joka on voimassa kielellä saaren. ${\ displaystyle (s_ {i}) * \ nsubseteq L (G_ {1})}$ $A_ {j}$

Bibliografia

Huomautuksia ja viitteitä

Hao Zhong , Suresh Thummalapenta , Tao Xie ja Lu Zhang , “ Mining API Mapping for Language Migration ”, Proceedings of the 32Nd ACM / IEEE International Conference on Software Engineering - Volume 1 , ACM, iCSE '10,1. st tammikuu 2010, s. 195–204 ( ISBN 9781605587196 , DOI 10.1145 / 1806799.1806831 , luettu verkossa , käytetty 29. marraskuuta 2016 )
Marius Nita ja David Notkin , " Twinningin käyttö ohjelmien mukauttamiseksi vaihtoehtoisiin sovellusliittymiin ", 32Nd ACM / IEEE International Conference on Software Engineering - Volume 1 , ACM, iCSE '10,1. st tammikuu 2010, s. 205-214 ( ISBN 9781605587196 , DOI 10,1145 / +1.806.799,1806832 , lukea verkossa , pääsee 11 joulukuu 2016 )
Anh Tuan Nguyen , Hoan Anh Nguyen , Tung Thanh Nguyen ja Tien N. Nguyen , " Statistical Learning Approach for Mining API Usage Mappings for Code Migration ", ACM / IEEE: n 29. automatisoidun ohjelmistotekniikan konferenssi , ACM, aSE ' 14,1. st tammikuu 2014, s. 457–468 ( ISBN 9781450330138 , DOI 10.1145 / 2642937.2643010 , luettu verkossa , käytetty 11. joulukuuta 2016 )
(in) P.Koehn, " Statistical Machine Translation " , The Cambridge Press ,2010
Ahmed E. Hassan ja Richard C. Holt , " Kevyt lähestymistapa verkkokehysten siirtämiseen ", Inf. Ohjelmisto. Technol. , voi. 47, n o 8,1. st kesäkuu 2005, s. 521-532 ( ISSN 0950-5849 , DOI 10.1016 / j.infsof.2004.10.002 , luettu verkossa , käytetty 12. joulukuuta 2016 )