What Characterizes Pairwise Modular Smells?
本研究通过识别 19 个成对关系特征来表征成对模块异味，在来自 11 个 Java 项目的超过 600 万个实体对上训练机器学习模型，以显著提高准确率来预测不当分离和不当聚合的实体对，并解释结果以揭示驱动这些架构缺陷的具体影响因素，如依赖关系和语义相似性。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你是一位大型、繁忙图书馆的管理员。一个优秀的图书馆目标是将书籍组织进逻辑清晰的区域，例如“烹饪”、“历史”、“科学”等。这使得人们能够轻松找到所需之物，也让图书管理员能够保持整洁。
在软件世界中，这些“区域”被称为模块（modules）。一个“好”的模块会将紧密协作的文件组合在一起（高内聚），并将互不相关的文件隔离开来（低耦合）。
然而，随着时间的推移，图书馆会变得混乱。书会被乱放进错误的箱子。在软件中，这种混乱被称为**“异味”（Smell）**。它不是指一种难闻的气味，而是指某种结构性的错误，可能会在未来导致头疼。
问题所在：“成对模块异味”（PairSmell）
在之前的一项研究中，作者引入了一种寻找这类混乱的新方法，称为 PairSmell。与其一次性观察整个图书馆，不如观察成对的文件（书）。
他们提出了一个简单的问题：“这两个文件应该属于同一个区域，还是应该属于不同的区域？”
为了回答这个问题，他们使用了一组“专家图书管理员”（自动化软件工具）。如果所有的专家都一致认为文件 A 和文件 B 应该放在一起，但图书馆目前将它们分在了不同的区域，那就是个问题。这种情况被称为 InSep（不当分离）。
反之，如果专家认为它们应该在不同的区域，但图书馆却把它们挤在同一个箱子里，这也是个问题。这种情况被称为 InCol（不当聚合）。
差距在于： 前面的研究可以发现这些问题，但无法轻易解释为什么它们是问题。这就像医生说“你发烧了”，却没解释是因为流感、感染还是因为晒了太阳。开发者需要知道为什么一对文件存在“异味”，这样才能正确地修复它。
解决方案：调查这对文件的“性格”
这篇新论文提出了一个问题：什么样的特定特征会让一对文件极有可能被放在错误的地方？
作者将此过程视为一场侦探故事。他们收集了一份描述两个文件之间关系的19 种“性格特征”（特性）。这些特性包括：
- 依赖关系（Dependencies）： 这个文件与多少其他文件进行通信？
- 共享词汇（Shared Words）： 它们是否使用相同的技术术语？
- 大小（Size）： 这些文件有多大？
- 复杂度（Complexity）： 它们有多难理解？
随后，他们将这些特性输入到一个机器学习“大脑”（计算机模型）中，该模型是在来自 11 个开源软件项目（如 Kafka、Hadoop 和 Druid）的超过 600 万对文件中训练而成的。
研究结果：什么让一对文件产生“异味”？
计算机学会了高精度地识别这些“异味”。更重要的是，作者询问了计算机，哪些特性是最大的危险信号。
1. 对于本该在一起却被分开的文件（InSep）
模型发现，如果出现以下情况，分离的文件很可能具有“异味”（被错误地分离）：
- 它们有太多的“向外”连接： 想象两个身处不同房间的人，却不断地向走廊里的同一群人发出指令。如果他们过度依赖相同的外部资源，他们可能应该在同一个房间里，以便更好地协调。
- 它们与系统其余部分的共享词汇过多： 如果这两个文件都在不断地讨论与建筑中其他所有人相关的概念，那么它们很可能属于同一个“团队”，不应该被隔离。
- 它们非常简单（字段较少）： 如果两个文件既小又简单，但又互相依赖，那么把它们分开就像把左鞋和右鞋放在不同的盒子里一样。它们太简单了，不足以证明分离的合理性。
2. 对于在一起却本该分开的文件（InCol）
模型发现，如果出现以下情况，被挤在一起的文件很可能具有“异味”（被错误地分组）：
- 它们语言不通（语义相似度低）： 如果一个文件关于“烹饪”，另一个关于“历史”，但它们却在同一个箱子里，这就是个错误。模型会检查它们是否使用相似的技术术语；如果不是，它们就不应该在一起。
- 它们彼此之间没有多少共同词汇： 即使它们在同一个箱子里，如果它们从未提到过相同的事物，它们很可能是不相关的。
- 它们有太多的“向内”连接： 想象一个办公室，来自其他部门的 50 个人不断过来递交工作。如果两个处于同一模块中的文件正受到来自各处的请求轰炸，那么这个模块可能过于拥挤，需要拆分以处理负载。
为什么这很重要
作者提供了一份“用户手册”。现在，开发者不再只是看到一个标红的警告说“这不对”，而是可以看到为什么：
- “噢，这两个文件是分离的，但它们都依赖于其他 50 个文件。我应该把它们移动到一起。”
- “噢，这两个文件在一起，但一个是工具类文件，另一个是业务逻辑工具，而且它们没有共同的词汇。我应该把它们拆开。”
核心结论
这篇论文将一个复杂的软件问题——弄清楚为什么软件模块是混乱的——分解成了简单、易懂的特征。通过使用机器学习的“侦探”方法，他们识别出了哪些特定的“性格特征”（例如一个文件的连接数或它共享多少词汇）预示着设计错误。这有助于开发者不仅能发现混乱，还能理解根本原因，从而有效地进行清理。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。