Analyse und Implementierung eines Algorithmus zur Identifizierung von Fehlermustern in Software-Applikationen

Walid El Sayed Aly

Jun 2012 · GRIN Verlag

About this ebook

Diplomarbeit aus dem Jahr 2010 im Fachbereich Informatik - Sonstiges, Note: 1.0, Fachhochschule Worms , Sprache: Deutsch, Abstract: Diese Diplomarbeit soll einen Beitrag leisten zu der Erforschung und Implementierung eines geeigneten Analyse-Algorithmus zur Ermittlung des Kerns von Problemen von Software -Applikationen. Bei der Entwicklung von Software oder, allgemeiner, von Systemen aus Hard- und Software, hat fast jede Organisation Schwierigkeiten im Budget und mit der zugesagten Qualität fertig zu werden. Dafür gibt es zahlreiche Gründe: Auftraggeber und Auftragnehmer stehen unter Zeitdruck, Anwendungen werden übereilt gefertigt, infolgedessen wird die Qualität der Applikationen vernachlässigt. Die meisten Anwendungen werden nicht fehlerfrei hergestellt, es gibt fast immer sogenannte Restfehler (engl. residual errors). So hat zum Beispiel eine Anwendung, deren Programmumfang 500.000 „Lines of Code“ enthält, zwischen 500 bis 1500 Restfehler. In den letzten 20 Jahren hat die Informationstechnologie nicht nur Einzug in die Produkte, sondern auch in deren Entwicklungsprozess und ihren gesamten Lebenszyklus PLM (Product Lifecycle Management) 3 erhalten. Im gesamten PLM, das heißt, von der Idee über Entwicklung und Konstruktion, Produktion sowie V ertrieb und Services eines Produkts entstehen große Mengen verschiedenste r Daten, Dokumente und Informationen. Das Ziel der vorliegenden Arbeit ist die Identifizierung von Fehlermustern einer Software-Applikation. Eine Vielzahl von Log Files einer abgestürzten Anwendung steht oft mit einer Vielzahl von vernetzen Computern in Verbindung. Um die Gesamt-Problematik zu identifizieren und die Fehlerquote von Anwendungsabstürzen zu minimieren, müssen eine geeignete Methode und ein zweckmäßiges System entwickelt werden. Gegenstand dieser Diplomarbeit soll sein, zu dieser Problemstellung einen Analyse-Algorithmus zu entwickeln, der relevante Fehlermuster aus Log Files entdecken, selektieren, aufwerten und statistisch darstellen kann.