Medição e Métricas de
Software
2
Motivação
Um dos obj et ivos básicos da Engenharia de Soft ware é: a t r ansfor m ação da cr iação de sist em as soft w ar e de um a m aneir a ar t íst ica, indisciplinada e pouco
ent endível par a um a for m a devidam ent e con t r ola da , qu a n t ifica da e pr e visíve l
“ Mét ricas de Soft ware” é um assunt o discut ido há m ais de 20 anos na engenharia de soft ware ... e no ent ant o não é verificada sua ut ilização, na prát ica, pela grande m aioria
dos proj et os de const rução de soft ware
Pesquisas realizadas em em presas de soft ware indicam que m ais da m et ade de grandes proj et os de soft ware se deparam com algum t ipo de at raso,
excesso de cust o ou prazo ou algum fracasso na execução quando im plant ado
Motivação
“ Não se pode gerenciar o que não se pode
m edir” .
Tom De Marco
“ Se você não sabe para onde você quer ir,
qualquer cam inho você pode seguir. Se você não sabe onde você est á, um m apa não vai aj udar! ” .
44
Por que medir?
Se não é possível m edir, expressando em
núm eros, apenas um a análise qualit at iva ( e, port ant o, subj et iva) pode ser feit a ( o que, na m aioria das vezes, é insuficient e) .
Com m edições, as t endências ( boas ou m ás)
podem ser det ect adas, m elhores est im at ivas podem ser feit as e m elhorias reais podem ser conseguidas.
Núm eros perm it em análises, com parações e
com binações que são im possíveis de fazer com out ros t ipos de inform ação.
55
Conceitos Básicos - Qualidade
Caract eríst ica de Qualidade: um conj unt o de
at ribut osde um a ent idadepor m eio do qual a qualidade da m esm a pode ser avaliada.
At ribut o: um a propriedade m ensurável, física ou
abst rat a, de um a ent idade.
Ent idade: o que se desej a avaliar. No cont ext o
da Qualidade de Soft ware, um produt o, processo, recurso, proj et o et c.
Caract eríst icas de Qualidade
Sub- caract eríst icas
Exemplo 1
Ent idade a ser avaliada: ferram ent a CASE de
m odelagem UML ( p.ex., Jude)
Caract eríst icas de Qualidade:
Funcionalidade ( adequabilidade) Usabilidade
Facilidade para o aprendizado Facilidade para a operação Facilidade de com preender
Eficiência
Em term os de tem po
Em relação à utilização de recursos
Port abilidade
77
Conceitos Básicos - Medição
Medida
Medição
Mét rica
I ndicador
88
Medida e Medição
Medida: núm ero ou cat egoria at ribuído fornece um a indicação quant it at iva da ext ensão, quant idade, dim ensão, capacidade ou t am anho de um at ribut o de um a ent idade.
Medição: é o at o de m edir, ist o é, de det erm inar um a m edida.
Métrica e I ndicador
Mét rica: procura correlacionar m edidas
individuais com o obj et ivo de se t er um a idéia da eficácia da ent idade sendo m edida.
10
Em resumo - Métricas
Um a m ét rica é a m edição de um at ribut o ( propriedades ou caract eríst icas ) de um a det erm inada ent idade ( produt o, processo ou recursos) . Exem plos:
Tam anho do produt o de soft ware ( ex: Núm ero de Linhas de
código)
Núm ero de pessoas necessárias para im plem entar um caso
de uso
Núm ero de defeitos encontrados por fase de desenvolvim ento Esforço para a realização de um a t arefa
Tem po para a realização de um a t arefa Cust o para a realização de um a t arefa
Grau de sat isfação do client e ( ex: adequação do produto ao
propósito, conform idade do produto com a especificação)
11 11
Exemplo 2
Desej a- se saber se um a pessoa est á com seu
peso ideal ou não. Para t al, duas m edidassão
im port ant es: alt ura ( H) e peso ( P) .
Ao m edir essas dim ensões, est á- se efet uando
um a m edição.
A m ét rica“ índice de m assa corporal ( I MC) ” é
calculada segundo a seguint e fórm ula: I MC = P / H2.
A part ir dessa m ét rica, foram est abelecidos
indicadoresque apont am se um adult o est á acim a do peso, se est á obeso ou abaixo do peso ideal considerado saudável.
Exemplo 2
I ndicadores da Organização Mundial de Saúde
Con diçã o I M C e m a du lt os
abaixo do peso abaixo de 18,5
no peso norm al entre 18,5 e 25
acim a do peso ent re 25 e 30
13 13
Exemplo 2
I ndicadores da Nat ional Healt h and Nut rit ion Exam inat ion Survey
Con diçã o I M C e m M u lh e r e s I M C e m H om e n s
abaixo do peso < 19,1 < 20,7
no peso norm al 19,1 - 25,8 20,7 - 26,4
m arginalm ente acim a do peso 25,8 - 27,3 26,4 - 27,8
acim a do peso ideal 27,3 - 32,3 27,8 - 31,1
obeso > 32,3 > 31,1
14 14
Exemplo 1
Funcionalidade
Adequabilidade
Cobe r t u r a da fu n cion a lida de im ple m e n t a da - CFI
Quão correta está a im plem entação funcional?
CFI = 1 – NFNI / NFE
NFNI : núm ero de funções ausent es ( não
im plem entadas) ou incorretam ente im plem ent adas det ect ado na avaliação
NFE: núm ero de funções descritas na
especificação de requisitos
Quanto CFI m ais perto de 1.0, m elhor.
CFI < 0.8, descartar a possibilidade de adoção do
produto.
Por que medir software?
Ent ender e aperfeiçoar o processo de
desenvolvim ent o
Melhorar a gerência de proj et os e o relacionam ent o
com client es
Reduzir frust rações e pressões de cronogram a Gerenciar cont rat os de soft ware
I ndicar a qualidade de um produt o de soft ware Avaliar a produt ividade do processo
Avaliar os benefícios ( em t erm os de produt ividade e
qualidade) de novos m ét odos e ferram ent as de engenharia de soft ware
16
Por que medir software?
I dent ificar as m elhores prát icas de desenvolvim ent o de soft ware
Em basar solicit ações de novas ferram ent as e t reinam ent o
Avaliar o im pact o da variação de um ou m ais at ribut os do produt o ou do processo na qualidade e/ ou produt ividade
Form ar um a baselinepara est im at ivas Melhorar a exat idão das est im at ivas
Oferecer dados qualit at ivos e quant it at ivos ao gerenciam ent o de desenvolvim ent o de soft ware, de form a a realizar m elhorias em t odo o processo de desenvolvim ent o de soft ware
17 17
Medição e Estimativas
Base im port ant e para est im at ivas: dados
hist óricos.
Mas só é possível chegar a boas est im at ivas com
base em dados hist óricos se os dados forem colet ados crit eriosam ent e.
Port ant o, quando se pret ende ut ilizar dados de
proj et os ant eriores para est im ar, dados de m ét ricas são m uit o im port ant es.
Medição e Acompanhamento de Projetos
Para acom panhar o andam ent o do proj et o, é
preciso m edir o progresso e com parar com o est im ado.
Medidas colet adas dão visibilidade ao est ado do
proj et o, perm it indo verificar se o rum o est á corret o e fornecendo a base para a t om ada de ações corret ivas, quando necessário.
Mét ricas t êm um im port ant e papel na rápida
19 19
Medição e Qualidade
A única m aneira de avaliar e m elhorar a
qualidade de um a ent idade é m edir at ribut os específicos dessa ent idade, obt er um conj unt o de m ét ricas significat ivas baseadas nesses at ribut os e usar os valores das m ét ricas para fornecer indicadores que nort earão um processo de m elhoria.
20 20
Medição e Melhoria de Processos
Colet ar dados que m eçam o desem penho de
cada processo.
Analisar o desem penho de cada processo.
Ret er e ut ilizar os dados para:
Avaliar a est abilidade e a capacidade do processo; I nt erpret ar os result ados das observações e análises; Traçar t endências;
I dent ificar oport unidades de m elhorias
Ex.: Processo de Engenharia de Requisit os.
Possíveis problemas com métricas
Ex: Com parar a produt ividade de engenheiros em t erm os de linha de código
Está sendo utilizado a m esm a unidade de m edida?
O que é um a linha de código válida?
O contexto considerado é o m esm o?
Todos os engenheiros são fam iliarizados com a linguagem de program ação?
O que se quer realm ent e é o t am anho do código?
E a qualidade do código?
Com o o resultado será interpretado?
Produt ividade m édia de um engenheiro?
O que se quer com o resultado?
22 22
Problemas Relacionados à Medição
Procedim ent os de Colet a de Dados: t odo
t rabalho de avaliação é colocado em risco se não puder garant ir- se a obt enção de dados
confiáveis.
I nfluência de Usuários, hardware et c.
Que m ét ricas colet ar?
23 23
Tipos de Métricas de Software
Mét ricas de proj et o
Mét ricas de produt o
Mét ricas est át icas: Fan- in/ Fan- out , Com plexidade
ciclom át ica, Profundidade da árvore de herança et c
Mét ricas dinâm icas: t em po para realizar det erm inada
função
Mét ricas de processo: colet adas ao longo de
t odos os proj et os.
Mét ricas de qualidade: ex.: m ét ricas
relacionadas a defeit os
Categorização de Métricas
Mét ricas diret as ( fundam ent ais ou básicas)
Medida realizada em t erm os de at ribut os observados
( usualm ent e det erm inada pela cont agem )
Ex.: cust o, esforço, no. linhas de código, capacidade de
m em ória, no. páginas, no. diagram as, et c.
Mét ricas indiret as ( derivadas)
Medidas obt idas a part ir de out ras m ét ricas
Ex.: com plexidade, eficiência, confiabilidade, facilidade
25
Categorização de Métricas
Mét ricas orient adas a t am anho
São m edidas diret as do t am anho dos art efat os de
soft ware associados ao processo por m eio do qual o soft ware é desenvolvido.
Ex.: esforço, cust o, no. KLOC, no. páginas de
docum ent ação, no. erros
Mét ricas orient adas por função
Consist e em um m ét odo para m edição de soft ware do
pont o de vist a do usuário, det erm inando de form a consist ent e o t am anho e a com plexidade de um soft ware.
26
Categorização de Métricas
Mét ricas de produt ividade
Concent ram - se na saída do processo de engenharia de
software.
Ex.: no. de casos de uso/ iteração.
Mét ricas de qualidade
Oferecem um a indicação de quanto o software se adeqüa às
exigências im plícitas e explícitas do cliente.
Ex.: erros/ fase
Mét ricas t écnicas
Concentram - se nas características do software e não no
processo por m eio do qual o software foi desenvolvido.
Ex.: com plexidade lógica e grau de m anutenibilidade
O Paradigma Goal Question Metrics (GQM)
Usado para definir o conj unt o de m ét ricas a ser
colet ado
Propost o por:
Basili and Rom bach’s, Goal- Quest ion- Met rics Paradigm ,
I EEE Transact ions on Soft ware Engineering, 1988.
Baseia- se no fat o de que deve exist ir um a
28
O Paradigma Goal Question Metrics (GQM)
I nicia- se com a ident ificação dos int eressados na m edição.
Com base nos int eressados, est abelecem - se os principais obj et ivos da m edição para a organização, o proj et o ou um a t arefa específica. Ex: reduzir defeit os, aum ent ar produt ividade, et c.
A part ir dos obj et ivos, geram - se pergunt as cuj as respost as dirão se os obj et ivos foram ou não alcançados ( ex: Qual a t axa de defeit o at ual? Qual a t axa de defeit o após a im plant ação do novo processo?)
A part ir das pergunt as, definem - se m ét ricas: que dados serão necessários? Quais os form at os? Com o colet ar ( fórm ula e processo) ? Onde arm azenar e com o ut ilizar?
29
GQM – Exemplo 1
Obj et ivo: Assegurar que t odos os defeit os são
corrigidos ant es do soft ware ser liberado para uso.
Pergunt as:
Quant os defeit os t em os at ualm ent e? Qual o st at us de cada defeit o? Qual a cobert ura dos t est es?
Mét ricas:
Núm ero de defeit os
Núm ero de casos de t est es planej ados x execut ados Núm ero de requisit os t est ados
GQM – Exemplo 2
Obj et ivo: Melhorar a qualidade dos processos de
verificação e validação.
Quest ões:
Qual a quant idade de erros encont rados na revisão dos
art efat os?
Qual a quant idade de erros encont rados nos t est es? Qual a quant idade de erros det ect ados quando o
sist em a j á est á em operação?
Mét ricas:
31
Selecionando Objetivos
Devem est ar associados a um período de t em po
Aum ent ar a produt ividade em 20% no prazo de 12
m eses
Facilit a o acom panham ent o e a t om ada de ações para
viabilizar obj et ivo pois exist e um prazo! ! !
Est udos indicam que obj et ivos m uit o com plexos
e de longo prazo podem causar im pact o na m ot ivação
Obj et ivos m enores, a curt o prazo, perm it em que as
pessoas visualizem o progresso e alcancem sucessos
Com o t em po e com a m at uridade da organização, os
obj et ivos devem se t ornar m ais com plexos e m ais desafiadores
32
Selecionando Métricas
Sej a realist a e prát ico
Considere o processo e o am bient e de desenvolvim ent o at ual
Não selecione m étricas em que os dados sej am difíceis de
serem coletados na sua realidade
Com ece com o que for possível
A equipe não deve ser m uit o im pact ada
Ut ilize a abordagem increm ent al
Com o tem po, com os benefícios, m ais dados estarão
disponíveis...
Selecionando Métricas
Obj et ivo: Aum ent ar sat isfação do client e
Que atributos dos nossos produtos e serviços são m ais
im portantes para os nossos clientes?
Aspectos Relev ante s de Produto e Serviço para Clientes
0 5 10 15 20
Qualidade Custo Prazo Visibilidade do Progresso
Flexbilidade p/ mudanças
Aspectos Relevantes Para os Clientes
34
Métricas - Manutenibilidade
Tipos de m anut enção
Corretiva: m odificações para corrigir defeitos ou
não- conform idades
Adaptativa: utilizada em resposta a m odificações nos
requisitos ( algum as partes do produto j á foram testadas e im plem entadas)
I ncrem ental: acréscim os às especificações do produto ( ex.:
funções que não foram previstas anteriorm ente)
Prevent iva ( Pressm an) : produt o é m odificado de form a a
facilitar a realização dos outros tipos de m anutenção
Mét ricas de m anut enibilidade são aplicadas em dois casos
Prever o esforço necessário para m odificar o software Criar um a base de dados hist órica que acom panha o
desenvolvim ent o
35
Métricas – Medidas de tamanho
Tam anho pode ser indicador de várias
caract eríst icas:
Program as m aiores dem oram m ais t em po para serem
desenvolvidos
Program as m aiores envolvem t rabalho m ais com plexo
Vant agens:
Aplicação sim ples
Fácil int erpret ação quando não se precisa de m uit a
precisão
Baixo cust o de aplicação
Desvant agens:
I nt erpret ação: para program ar o dobro de linhas de
código, em geral, é preciso m ais do que duplicar o t em po
Medidas de tamanho - Linhas de código
Medidas básicas
LOC (Lines of Code) – NÃO se dist ingue linhas de
código de linhas em branco ou de com ent ários
SLOC ( Source Lines of Code) físico – linhas em branco
e com ent ários não são considerados
SLOC lógico – cada com ando cont a com o um a linha
Exem plo
3 LOCS, 2 SLOCS, 3 LOCS lógicos ( pois há t rês
com andos)
// uma comparação
37
Medidas de tamanho – Complexidade
estrutural
Avalia a const rução int erna do soft ware:
núm ero de com ponent es, a quant idade e a nat ureza da relação ent re eles
Mot ivo: um soft ware cuj a est rut ura é m ais
com plexa oferece dificuldades para ser analisado e com preendido
São baseadas, em geral, no código font e
38
Complexidade ciclomática
Propost o por McCabe ( 1976)
Avalia o núm ero de cam inhos de execução
diferent es de um dado program a
Prem issa básica: nível de aninham ent o de laços
e com andos de decisão t em relação com a com plexidade de execução e com plexidade psicológica
Complexidade ciclomática
Baseada na Teoria dos grafos
A com plexidade ciclom át ica, V( G) , para um fluxo de grafo G é definida por:
V( G) = E – N + 2, onde E corresponde ao núm ero de ram os e N o núm ero de nós do grafo de fluxo. A com plexidade ciclom át ica, V( G) , para um fluxo de grafo
G é:
40
Complexidade ciclomática – Exemplo
int fib (int n) { int a = 1;
1 int b = 1; int c = 2;
2 if (0 == n) return 0; 8 3 if (3 > n) return 1; 9
4 while (n-- > 2) { c = a+b;
5 a = b;
b = c; }
6 return c;
} 7
Número de ramos ( E = 11 ) Número de nós ( N = 9) Número de nós predicativos ( P = 3 )
