面向開源社區(qū)的群體化協(xié)同開發(fā)機理實證研究.pdf

1、開源軟件經(jīng)過數(shù)十年的蓬勃發(fā)展，已經(jīng)在全球軟件工程領域占據(jù)了主導地位。與傳統(tǒng)的軟件開發(fā)方法相比，開源模式體現(xiàn)了一種互聯(lián)網(wǎng)環(huán)境下基于大眾參與的軟件開發(fā)新方法，即群體化方法。在如今流行的開源社區(qū)中，所有的用戶都能實時關注社區(qū)內任何一個開源項目的發(fā)展動態(tài)，無限制地向其感興趣的軟件項目提交代碼合并請求，自由地評論其他開發(fā)者的貢獻。軟件開發(fā)活動變得前所未有的開放，大規(guī)模群體的積極參與已成為軟件發(fā)展的重要生產(chǎn)力。然而，持續(xù)涌入的大眾貢獻規(guī)模巨大、類型

2、多樣且質量參差不齊，導致了傳統(tǒng)的貢獻管理方式運轉低效，進而嚴重影響了群體間的協(xié)同效率和軟件質量。因此，探求高效能的貢獻匯聚機制，成為了當前軟件開發(fā)群體化方法亟待解決的問題。
　　本文圍繞大眾化貢獻匯聚過程中的效率和質量問題，立足于開源社區(qū)積累的軟件工程大數(shù)據(jù)，系統(tǒng)地展開數(shù)據(jù)驅動下的實證研究。論文揭示了群體化協(xié)同開發(fā)的多項重要機理與最佳實踐，主要工作與貢獻總結如下：
　　第一，在基于Pull-Request模式的貢獻匯聚核心機

3、理方面，提出了一種涵蓋項目構建、代碼特點、社交協(xié)同、項目管理、持續(xù)集成等多維度的貢獻匯聚量化建模方法，定量地分析了上述因素在貢獻匯聚過程中的影響效應，為大眾群體更好地貢獻高質量代碼、核心管理者更高效地組織協(xié)同開發(fā)活動，提供了最佳實踐指導。我們首先對Pull-Request模式下的協(xié)同開發(fā)因素進行了量化度量，然后將貢獻匯聚機理細化為合并機理和延遲機理，并利用多層混合效應回歸建模技術分別構建量化模型，最后通過回歸分析發(fā)現(xiàn)并總結了各個維度上的

4、最佳實踐。
　　第二，在持續(xù)集成條件下的貢獻匯聚機理方面，首次基于大規(guī)模數(shù)據(jù)集量化評估了持續(xù)集成對于協(xié)同效率和軟件質量的收益，為該技術的推廣和發(fā)展提供了理論和實證依據(jù)。我們首先根據(jù)核心開發(fā)者和外圍貢獻者的特點提出了持續(xù)集成機制定量分析方法，然后利用零膨脹負二項回歸建模技術，構建了協(xié)同效率模型和軟件質量模型，定量地發(fā)現(xiàn)了持續(xù)集成能夠在確保軟件質量的前提下有效提高群體貢獻的匯聚效率。
　　第三，在持續(xù)集成條件下的質量變化機理方面

5、，定量研究并發(fā)現(xiàn)了與大眾貢獻的初始質量和發(fā)布質量密切相關的影響因素，以及兩類質量之間的內在聯(lián)系，為軟件演化過程中的快速迭代和質量保障，提供了有價值的理論指導和實踐建議。首先，我們系統(tǒng)地總結了持續(xù)集成驅動下的質量控制機制，并通過對大量實際樣本的統(tǒng)計分析發(fā)現(xiàn)，持續(xù)集成階段所檢測到的代碼缺陷是高度集中的，即少部分文件覆蓋了大部分的異常錯誤，因此項目管理者應該重點監(jiān)控該部分文件的變動情況，及時提高相關測試的質量、完善相應的幫助文檔，從而避免代碼

6、集成與測試資源的浪費。接著，我們追蹤了每個貢獻合并后的缺陷情況，采用混合效應邏輯回歸建模技術與初始質量進行關聯(lián)建模，定量地發(fā)現(xiàn)了初始質量較差的代碼變更，即使貢獻者修復了持續(xù)集成提示的異常錯誤，合并后引發(fā)真正缺陷的概率仍然較高。此項發(fā)現(xiàn)警示了開發(fā)者不能只將注意力局限在修復初始異常之上，還應該對初始質量較差的大眾貢獻開展更細粒度的代碼審查。最后，我們對影響初始質量的多維因素進行了多元回歸分析，為軟件項目進一步提升持續(xù)集成階段的運行效率提供了

7、指導。
　　第四，在人工審查條件下的貢獻匯聚機理方面，提出了一種將專家知識和社交興趣有機結合的審閱人混合推薦方法，能夠有效地降低眾包模式下審閱人響應延遲對協(xié)同效率所造成的巨大影響，從而提高大眾貢獻的匯聚效率。首先，我們將基于專家知識的任務指派方法擴展至基于眾包模式的審閱人推薦場景中來，并在大規(guī)模數(shù)據(jù)集上驗證了擴展方法的有效性。然后，我們基于貢獻者與審閱人之間的社交評論關系，提出了一種有效度量開發(fā)者之間共同興趣的建模方法，并將審閱人