Artículo: Herramientas para el Cómputo del Backbone de un Modelo de Variabilidad
Archivos
Fecha
Editor
Publicado en
Licencia Creative Commons
Resumen
El backbone de un modelo de variabilidad es su conjunto de características obligatorias y muertas. El conocimiento de dicho conjunto facilita importantes operaciones de análisis, tales como (i) la detección de código muerto que nunca llegará a ejecutarse en una configuración válida, (ii) la propagación de decisiones de configuración (p.ej., ¿qué características deben activarse/desactivarse como resultado de la selección de esta otra característica?), y (iii) la simplificación de modelos de variabilidad para facilitar procesamientos posteriores que requieran un alto coste computacional (p.ej., el muestreo aleatorio uniforme de configuraciones, la búsqueda de configuraciones que optimicen parámetros de calidad, etc.). En el área de las líneas de productos software, se vienen empleando dos algoritmos básicos para el cálculo de backbones que no escalan para modelos de variabilidad grandes (p.ej., el Kernel de Linux). Sin embargo, en el ámbito de los SAT solvers se han propuesto otros algoritmos más complejos, que parecen escalar mejor en benchmarks que mayoritariamente se basan en fórmulas lógicas sintéticas y modelos de circuitos. En nuestro trabajo, nos proponemos evaluar, sobre un extenso y variado benchmark de modelos de variabilidad, la escalabilidad de dichos algoritmos avanzados para comprobar si efectivamente éstos deberían sustituir a los algoritmos básicos que se vienen utilizando en las herramientas de líneas de productos software.


