Un enfoque para evaluar y diseñar nuevas técnicas de refactoring de aplicaciones SOA

Autores
Hamer, Brian; Listorti, Luciano
Año de publicación
2019
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión aceptada
Colaborador/a o director/a de tesis
Guillermo, Rodríguez
Mateos, Cristian
Descripción
Durante los últimos años, en las empresas de la industria de software se ha convertido en tendencia el desarrollo de sistemas siguiendo el paradigma de la Computación Orientada a Servicios, que a su vez se construyen sobre la base de las Arquitecturas Orientadas a Servicios. Dadas las características y desafíos que plantean los sistemas actuales, se ha tornado imprescindible adoptar este tipo de soluciones que proveen un gran funcionamiento en ambientes distribuidos y heterogéneos. A su vez, la flexibilidad y gran capacidad de adaptación que otorgan este tipo de aplicaciones de software genera que se sometan a procesos de modificaciones y constante crecimiento. Una de las consecuencias lógicas de esto es que los desarrolladores o arquitectos puedan fácilmente incurrir en errores como duplicación de código o código innecesario, generando un impacto negativo en atributos de calidad como el rendimiento y la mantenibilidad. La refactorización es considerada una técnica que mejora ampliamente la calidad del software y que, en particular, provee una solución al problema que se planea. En este contexto, existen ciertos enfoques que proponen la utilización de técnicas de clustering para agrupar operaciones de servicios similares, lo que permite asistir a los desarrolladores en detectar oportunidades de refactoring. En particular, el enfoque del presente trabajo se basa en un proceso de comparación entre agrupamientos manuales y agrupamientos automáticos que permite analizar, evaluar y validar nuevas técnicas no supervisadas de agrupamiento basadas en heurísticas y algoritmos de IA. El objetivo es abordado en dos grandes etapas: la primera, elegir a través de un análisis comparativo utilizando las métricas V-Measure y sus sub-métricas homogeneity y completeness la refactorización manual que presenta un mejor agrupamiento; la segunda, perfeccionar las técnicas de clustering presentes en la herramienta VizSOC mediante un proceso comparativo análogo al de la primera etapa y utilizando la refactorización manual obtenida en ella. Finalmente, cabe destacar que se obtuvieron resultados muy positivos tanto en lo relacionado con las modificaciones de las técnicas, como también al enfoque que propone este trabajo. Desde el punto de vista del enfoque presentado, los cambios realizados a las técnicas automáticas lograron generar conjuntos de clusters que se asemejan más a las los clusters manuales. Estos resultados permiten considerar a estas modificaciones como mejoras que se podrán incorporar en la herramienta.
Fil: Listorti,Luciano. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Hamer, Brian. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Mateos, Cristian. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Rodríguez, Guillermo. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Materia
Software
Computación orientada a servicios
Refactorización
Arquitectura Orientada a Servicios
Técnicas de refactoring
Ingeniería de sistemas
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc/2.5/ar/
Repositorio
RIDAA (UNICEN)
Institución
Universidad Nacional del Centro de la Provincia de Buenos Aires
OAI Identificador
oai:ridaa.unicen.edu.ar:123456789/2044

id RIDUNICEN_7d90c1e3b7211ef7f9534434c764c137
oai_identifier_str oai:ridaa.unicen.edu.ar:123456789/2044
network_acronym_str RIDUNICEN
repository_id_str a
network_name_str RIDAA (UNICEN)
spelling Un enfoque para evaluar y diseñar nuevas técnicas de refactoring de aplicaciones SOAHamer, BrianListorti, LucianoSoftwareComputación orientada a serviciosRefactorizaciónArquitectura Orientada a ServiciosTécnicas de refactoringIngeniería de sistemasDurante los últimos años, en las empresas de la industria de software se ha convertido en tendencia el desarrollo de sistemas siguiendo el paradigma de la Computación Orientada a Servicios, que a su vez se construyen sobre la base de las Arquitecturas Orientadas a Servicios. Dadas las características y desafíos que plantean los sistemas actuales, se ha tornado imprescindible adoptar este tipo de soluciones que proveen un gran funcionamiento en ambientes distribuidos y heterogéneos. A su vez, la flexibilidad y gran capacidad de adaptación que otorgan este tipo de aplicaciones de software genera que se sometan a procesos de modificaciones y constante crecimiento. Una de las consecuencias lógicas de esto es que los desarrolladores o arquitectos puedan fácilmente incurrir en errores como duplicación de código o código innecesario, generando un impacto negativo en atributos de calidad como el rendimiento y la mantenibilidad. La refactorización es considerada una técnica que mejora ampliamente la calidad del software y que, en particular, provee una solución al problema que se planea. En este contexto, existen ciertos enfoques que proponen la utilización de técnicas de clustering para agrupar operaciones de servicios similares, lo que permite asistir a los desarrolladores en detectar oportunidades de refactoring. En particular, el enfoque del presente trabajo se basa en un proceso de comparación entre agrupamientos manuales y agrupamientos automáticos que permite analizar, evaluar y validar nuevas técnicas no supervisadas de agrupamiento basadas en heurísticas y algoritmos de IA. El objetivo es abordado en dos grandes etapas: la primera, elegir a través de un análisis comparativo utilizando las métricas V-Measure y sus sub-métricas homogeneity y completeness la refactorización manual que presenta un mejor agrupamiento; la segunda, perfeccionar las técnicas de clustering presentes en la herramienta VizSOC mediante un proceso comparativo análogo al de la primera etapa y utilizando la refactorización manual obtenida en ella. Finalmente, cabe destacar que se obtuvieron resultados muy positivos tanto en lo relacionado con las modificaciones de las técnicas, como también al enfoque que propone este trabajo. Desde el punto de vista del enfoque presentado, los cambios realizados a las técnicas automáticas lograron generar conjuntos de clusters que se asemejan más a las los clusters manuales. Estos resultados permiten considerar a estas modificaciones como mejoras que se podrán incorporar en la herramienta.Fil: Listorti,Luciano. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Fil: Hamer, Brian. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Fil: Mateos, Cristian. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Fil: Rodríguez, Guillermo. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias ExactasGuillermo, RodríguezMateos, Cristian2019-042019-07-16T13:21:31Z2019-07-16T13:21:31Zinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfapplication/pdfhttps://www.ridaa.unicen.edu.ar/handle/123456789/2044spahttp://creativecommons.org/licenses/by-nc/2.5/ar/info:eu-repo/semantics/openAccessreponame:RIDAA (UNICEN)instname:Universidad Nacional del Centro de la Provincia de Buenos Aires2025-09-04T09:44:25Zoai:ridaa.unicen.edu.ar:123456789/2044instacron:UNICENInstitucionalhttps://www.ridaa.unicen.edu.ar/Universidad públicaNo correspondehttps://www.ridaa.unicen.edu.ar/oailleiboff@rec.unicen.edu.ar;gimeroni@rec.unicen.edu.ar;lvarela@rec.unicen.edu.ar ;ArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2025-09-04 09:44:25.393RIDAA (UNICEN) - Universidad Nacional del Centro de la Provincia de Buenos Airesfalse
dc.title.none.fl_str_mv Un enfoque para evaluar y diseñar nuevas técnicas de refactoring de aplicaciones SOA
title Un enfoque para evaluar y diseñar nuevas técnicas de refactoring de aplicaciones SOA
spellingShingle Un enfoque para evaluar y diseñar nuevas técnicas de refactoring de aplicaciones SOA
Hamer, Brian
Software
Computación orientada a servicios
Refactorización
Arquitectura Orientada a Servicios
Técnicas de refactoring
Ingeniería de sistemas
title_short Un enfoque para evaluar y diseñar nuevas técnicas de refactoring de aplicaciones SOA
title_full Un enfoque para evaluar y diseñar nuevas técnicas de refactoring de aplicaciones SOA
title_fullStr Un enfoque para evaluar y diseñar nuevas técnicas de refactoring de aplicaciones SOA
title_full_unstemmed Un enfoque para evaluar y diseñar nuevas técnicas de refactoring de aplicaciones SOA
title_sort Un enfoque para evaluar y diseñar nuevas técnicas de refactoring de aplicaciones SOA
dc.creator.none.fl_str_mv Hamer, Brian
Listorti, Luciano
author Hamer, Brian
author_facet Hamer, Brian
Listorti, Luciano
author_role author
author2 Listorti, Luciano
author2_role author
dc.contributor.none.fl_str_mv Guillermo, Rodríguez
Mateos, Cristian
dc.subject.none.fl_str_mv Software
Computación orientada a servicios
Refactorización
Arquitectura Orientada a Servicios
Técnicas de refactoring
Ingeniería de sistemas
topic Software
Computación orientada a servicios
Refactorización
Arquitectura Orientada a Servicios
Técnicas de refactoring
Ingeniería de sistemas
dc.description.none.fl_txt_mv Durante los últimos años, en las empresas de la industria de software se ha convertido en tendencia el desarrollo de sistemas siguiendo el paradigma de la Computación Orientada a Servicios, que a su vez se construyen sobre la base de las Arquitecturas Orientadas a Servicios. Dadas las características y desafíos que plantean los sistemas actuales, se ha tornado imprescindible adoptar este tipo de soluciones que proveen un gran funcionamiento en ambientes distribuidos y heterogéneos. A su vez, la flexibilidad y gran capacidad de adaptación que otorgan este tipo de aplicaciones de software genera que se sometan a procesos de modificaciones y constante crecimiento. Una de las consecuencias lógicas de esto es que los desarrolladores o arquitectos puedan fácilmente incurrir en errores como duplicación de código o código innecesario, generando un impacto negativo en atributos de calidad como el rendimiento y la mantenibilidad. La refactorización es considerada una técnica que mejora ampliamente la calidad del software y que, en particular, provee una solución al problema que se planea. En este contexto, existen ciertos enfoques que proponen la utilización de técnicas de clustering para agrupar operaciones de servicios similares, lo que permite asistir a los desarrolladores en detectar oportunidades de refactoring. En particular, el enfoque del presente trabajo se basa en un proceso de comparación entre agrupamientos manuales y agrupamientos automáticos que permite analizar, evaluar y validar nuevas técnicas no supervisadas de agrupamiento basadas en heurísticas y algoritmos de IA. El objetivo es abordado en dos grandes etapas: la primera, elegir a través de un análisis comparativo utilizando las métricas V-Measure y sus sub-métricas homogeneity y completeness la refactorización manual que presenta un mejor agrupamiento; la segunda, perfeccionar las técnicas de clustering presentes en la herramienta VizSOC mediante un proceso comparativo análogo al de la primera etapa y utilizando la refactorización manual obtenida en ella. Finalmente, cabe destacar que se obtuvieron resultados muy positivos tanto en lo relacionado con las modificaciones de las técnicas, como también al enfoque que propone este trabajo. Desde el punto de vista del enfoque presentado, los cambios realizados a las técnicas automáticas lograron generar conjuntos de clusters que se asemejan más a las los clusters manuales. Estos resultados permiten considerar a estas modificaciones como mejoras que se podrán incorporar en la herramienta.
Fil: Listorti,Luciano. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Hamer, Brian. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Mateos, Cristian. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Rodríguez, Guillermo. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
description Durante los últimos años, en las empresas de la industria de software se ha convertido en tendencia el desarrollo de sistemas siguiendo el paradigma de la Computación Orientada a Servicios, que a su vez se construyen sobre la base de las Arquitecturas Orientadas a Servicios. Dadas las características y desafíos que plantean los sistemas actuales, se ha tornado imprescindible adoptar este tipo de soluciones que proveen un gran funcionamiento en ambientes distribuidos y heterogéneos. A su vez, la flexibilidad y gran capacidad de adaptación que otorgan este tipo de aplicaciones de software genera que se sometan a procesos de modificaciones y constante crecimiento. Una de las consecuencias lógicas de esto es que los desarrolladores o arquitectos puedan fácilmente incurrir en errores como duplicación de código o código innecesario, generando un impacto negativo en atributos de calidad como el rendimiento y la mantenibilidad. La refactorización es considerada una técnica que mejora ampliamente la calidad del software y que, en particular, provee una solución al problema que se planea. En este contexto, existen ciertos enfoques que proponen la utilización de técnicas de clustering para agrupar operaciones de servicios similares, lo que permite asistir a los desarrolladores en detectar oportunidades de refactoring. En particular, el enfoque del presente trabajo se basa en un proceso de comparación entre agrupamientos manuales y agrupamientos automáticos que permite analizar, evaluar y validar nuevas técnicas no supervisadas de agrupamiento basadas en heurísticas y algoritmos de IA. El objetivo es abordado en dos grandes etapas: la primera, elegir a través de un análisis comparativo utilizando las métricas V-Measure y sus sub-métricas homogeneity y completeness la refactorización manual que presenta un mejor agrupamiento; la segunda, perfeccionar las técnicas de clustering presentes en la herramienta VizSOC mediante un proceso comparativo análogo al de la primera etapa y utilizando la refactorización manual obtenida en ella. Finalmente, cabe destacar que se obtuvieron resultados muy positivos tanto en lo relacionado con las modificaciones de las técnicas, como también al enfoque que propone este trabajo. Desde el punto de vista del enfoque presentado, los cambios realizados a las técnicas automáticas lograron generar conjuntos de clusters que se asemejan más a las los clusters manuales. Estos resultados permiten considerar a estas modificaciones como mejoras que se podrán incorporar en la herramienta.
publishDate 2019
dc.date.none.fl_str_mv 2019-04
2019-07-16T13:21:31Z
2019-07-16T13:21:31Z
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv https://www.ridaa.unicen.edu.ar/handle/123456789/2044
url https://www.ridaa.unicen.edu.ar/handle/123456789/2044
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv http://creativecommons.org/licenses/by-nc/2.5/ar/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc/2.5/ar/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas
publisher.none.fl_str_mv Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas
dc.source.none.fl_str_mv reponame:RIDAA (UNICEN)
instname:Universidad Nacional del Centro de la Provincia de Buenos Aires
reponame_str RIDAA (UNICEN)
collection RIDAA (UNICEN)
instname_str Universidad Nacional del Centro de la Provincia de Buenos Aires
repository.name.fl_str_mv RIDAA (UNICEN) - Universidad Nacional del Centro de la Provincia de Buenos Aires
repository.mail.fl_str_mv lleiboff@rec.unicen.edu.ar;gimeroni@rec.unicen.edu.ar;lvarela@rec.unicen.edu.ar ;
_version_ 1842341522483183616
score 12.623145