Agradecer não é, de modo algum, uma tarefa trivial. São tantas pessoas a agradecer que sempre se corre o risco de, equivocadamente, não se fazer devida menção a alguém. Então, objetivamente, começarei por agradecer a todos que de alguma forma me ajudaram, direta ou indiretamente. Assim, ninguém estará completamente esquecido. De forma especial, inicialmente, agradeço ao CEFET-MG e ao Departamento de Computação por terem concedido liberação das minhas atividades docentes para que eu pudesse me dedicar integralmente ao doutoramento. Ao Programa de Pós-Graduação em Ciência da Computação e à CAPES/CNPq pelo apoio financeiro. Aos funcionários da Secretaria do PPGCC, sempre prestativos e competentes. Aos amigos do LLP pelo companheirismo e amizade. Sentirei falta das agradáveis divagações diárias sobre os mais variados assuntos durante o almoço no "bandeco". Aos meus familiares pelo apoio incondicional e por estarem sempre ao meu lado, especialmente aos meus irmãos Leandro e Patrícia, à minha filha Amanda, à minha namorada Letícia, à minha avó Terezinha e aos meus tios Ronaldo e Neide. À Professora Mariza, minha coorientadora, pelas incontáveis contribuições para realização desse trabalho. Finalmente, agradeço especialmente ao Professor Marco Túlio, pela paciência, comprometimento, disponibilidade e dedicação. Um profissional exemplar. Um amigo por quem tenho eterna gratidão.
Abstract-Software architecture conformance is a key software quality control activity that aims to reveal the progressive gap normally observed between concrete and planned software architectures. In this paper, we present ArchLint, a lightweight approach for architecture conformance based on a combination of static and historical source code analysis. For this purpose, ArchLint relies on four heuristics for detecting both absences and divergences in source code based architectures. We applied ArchLint in an industrial-strength system and as a result we detected 119 architectural violations, with an overall precision of 46.7% and a recall of 96.2%, for divergences. We also evaluated ArchLint with four open-source systems, used in an independent study on reflexion models. In this second study, ArchLint achieved precision results ranging from 57.1% to 89.4%.
This paper documents a time series dataset on the evolution of seventeen object-oriented metrics extracted from ten opensource systems. By making this dataset public our goal is to assist researchers with interest in software evolution analysis and modeling.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.