Онлайн тестирование динамических реконфигураций по отношению к политикам адаптации

Самоадаптация сложных систем является активной областью теоретических и прикладных исследований, имеющей чрезвычайно широкий спектр применения. Компонентно-ориентированные адаптивные системы разрабатываются на базе компонент, которые могут перенастроиться в соответствии с политиками адаптации, описывающими потребности в реконфигурировании. В этом контексте политика адаптации представляет собой набор правил, которые указывают для данного множества конфигураций, какие операции реконфигурирования могут быть инициированы, при этом их полезность представлена нечеткими значениями. Правила обычно разрабатываются для оптимизации некоторых нефункциональных свойств, например, минимизации потребления ресурсов, поэтому реализация системы с политиками адаптации должна быть точной, особенно по отношению к описанной в правилах полезности реконфигурирования. С целью валидации поведения адаптивных систем в этой статье представлен модельно-ориентированный подход к тестированию, который направлен на создание больших наборов тестов для оценки случаев реконфигурирования и сравнения частоты этих случаев со значениями полезности, описанными в правилах адаптации. Этот процесс основан на модели использования системы в ее среде, для стимулирования ее реконфигурирований. Поскольку система может динамически изменять свою архитектуру, этот генератор тестов наблюдает за откликами системы на события и ее изменениями в режиме онлайн, чтобы решить каким будет следующий подходящий шаг теста. В результате относительные частоты реконфигурирований могут быть измерены, чтобы определить, правильно ли реализована политика адаптации. Чтобы проиллюстрировать предложенный подход, статья описывает эксперименты по моделированию поведения колонн автономных машин.

1. J. Dormoy, O. Kouchnarenko, and A. Lanoix, “Using Temporal Logic for Dynamic Reconfigurations of Components”, in FACS, ser. LNCS, L. Barbosa and M. Lumpe, Eds., vol. 6921, Springer Berlin Heidelberg, 2012, pp. 200–217, isbn: 978-3-642-27268-4. doi: 10.1007/978-3-642-27269-1_12.

2. O. Kouchnarenko and J.-F. Weber, “Decentralised Evaluation of Temporal Patterns over Component-Based Systems at Runtime”, in Formal Aspects of Component Software, I. Lanese and E. Madelaine, Eds., ser. LNCS, vol. 8997, Bertinoro, Italy: Springer, Sep. 2015, pp. 108–126.

3. F. Dadeau, J.-P. Gros, and O. Kouchnarenko, “Testing Adaptation Policies for Software Components”, Software Quality Journal, no. 28, pp. 1347–1378, 2020. doi: 10.1007/s11219-019-09487-w.

4. O. Kouchnarenko and J.-F. Weber, “Adapting Component-Based Systems at Runtime via Policies with Temporal Patterns”, in FACS, 10th Int. Symp. on Formal Aspects of Component Software, ser. LNCS, J. L. Fiadeiro, Z. Liu, and J. Xue, Eds., vol. 8348, Springer, 2014, pp. 234–253, isbn: 978-3-319-07601-0. doi: 10.1007/978-3-319-07602-7_15.

5. M. Kim, I. Lee, U. Sammapun, J. Shin, and O. Sokolsky, “Monitoring, checking, and steering of real-time systems”, ENTCS, vol. 70, no. 4, pp. 95–111, 2002. doi: 10.1016/S1571-0661(04)80579-6.

6. R. A. Kowalski and M. J. Sergot, “A Logic-based Calculus of Events”, New Gener. Comput., vol. 4, no. 1, pp. 67–95, 1986. doi: 10.1007/BF03037383. [Online]. Available: https://doi.org/10.1007/BF03037383.

7. R. Miller and M. Shanahan, “‘e Event Calculus in Classical Logic - Alternative Axiomatisations”, Electron. Trans. Artif. Intell., vol. 3, no. A, pp. 77–105, 1999. [Online]. Available: http://www.ep.liu.se/ej/etai/1999/016/.

8. F. Chauvel, O. Barais, I. Borne, and J.-M. Jez´equel, “Composition of Qualitative Adaptation Policies”, ´ in 23rd IEEE/ACM Int. Conf. on Automated So‡ware Engineering (ASE 2008), IEEE Computer Society, 2008, pp. 455–458, isbn: 978-1-4244-2187-9.

9. A. Bauer and Y. Falcone, “Decentralised LTL monitoring”, in FM 2012: Formal Methods, ser. LNCS, vol. 7436, Springer, 2012, pp. 85–100.

10. K. Larsen and B. Thomsen, “A Modal Process Logic”, in LICS’88, 1988, IEEE Computer Society, 1988, pp. 203–210. doi: 10.1109/LICS.1988.5119.

11. R. Milner, Communication and concurrency, ser. PHI Series in computer science. Prentice Hall, 1989, isbn: 978-0-13-115007-2.

12. B. Jonsson and K. Larsen, “Specification and Refinement of Probabilistic Processes”, in Proc. LICS’91, IEEE Computer Society, 1991, pp. 266–277, isbn: 0-8186-2230-X. [Online]. Available: https://ieeexplore.ieee.org/xpl/conhome/360/proceeding.

13. J. A. Whi‹aker and M. G. Thomason, “A Markov chain model for statistical software testing”, IEEE Trans. on Software Engineering, vol. 20, no. 10, pp. 812–824, 1994, issn: 0098-5589.

14. G. H. Walton, J. H. Poore, and C. J. Trammell, “Statistical testing of software based on a usage model”, Software: Practice and Experience, vol. 25, no. 1, pp. 97–108, 1995.

15. G. Dupont, Y. A¨ıt Ameur, M. Pantel, and N. Singh, “Proof-Based Approach to Hybrid Systems Development: Dynamic Logic and Event-B”, in Int. Conf. Abstract State Machines, Alloy, B, TLA, VDM, and Z (ABZ 2018), M. Butler, A. Raschke, and K. Reichl, Eds., ser. LNCS, vol. 10817, Springer-Verlag, 2018, pp. 155–170.

16. A. Sinclair, Algorithms for Random Generation and Counting: A Markov Chain Approach. Basel, Switzerland, Switzerland: Birkhauser Verlag, 1993, isbn: 0-8176-3658-7.

17. D. Romero, C. Quinton, L. Duchien, L. Seinturier, and C. Valdez, “SmartyCo: Managing Cyber-Physical Systems for Smart Environments”, in Software Architecture – 9th European Conference, ECSA 2015, 2015, pp. 294–302. doi: 10.1007/978-3-319-23727-5_25.

18. R. De Lemos, H. Giese, H. A. Muller, M. Shaw, J. Andersson, M. Litoiu, B. Schmerl, G. Tamura, N. M. Villegas, and T. Vogel, “Software engineering for self-adaptive systems: A second research roadmap”, in Software Engineering for Self-Adaptive Systems II, Springer, 2013, pp. 1–32.

19. R. De Lemos, D. Garlan, C. Ghezzi, H. Giese, J. Andersson, M. Litoiu, B. Schmerl, D. Weyns, L. Baresi, and N. Bencomo, “Software engineering for self-adaptive systems: Research challenges in the provision of assurances”, in Software Engineering for Self-Adaptive Systems III. Assurances, Springer, 2017, pp. 3–30.

20. S. Gupta, A. Ansari, S. Feng, and S. A. Mahlke, “Adaptive online testing for effcient hard fault detection”, in 27th Int. Conf. on Computer Design, 2009, pp. 343–349. doi: 10.1109/ICCD.2009.5413132.

21. B. H. C. Cheng, K. I. Eder, M. Gogolla, L. Grunske, M. Litoiu, H. A. Muller, P. Pelliccione, A. Perini, ¨ N. A. Qureshi, B. Rumpe, D. Schneider, F. Trollmann, and N. M. Villegas, “Using Models at Runtime to Address Assurance for Self-Adaptive Systems”, in Models@run.time: Foundations, Applications, and Roadmaps, N. Bencomo, R. France, B. H. C. Cheng, and U. Aßmann, Eds. Cham: Springer International Publishing, 2014, pp. 101–136, isbn: 978-3-319-08915-7. doi: 10.1007/978-3-319-08915-7_4.

22. E. M. Fredericks, A. J. Ramirez, and B. H. C. Cheng, “Towards run-time testing of dynamic adaptive systems”, in Proc. Int. Symp. on Software Engineering for Adaptive and Self-Managing Systems (SEAMS), May 2013, pp. 169–174. doi: 10.1109/SEAMS.2013.6595504.

23. E. Mahe, C. Gaston, and P. L. Gall, “Revisiting Semantics of Interactions for Trace Validity Analysis”, in FASE 2020, Proceedings, ser. LNCS, vol. 12076, Springer, 2020, pp. 482–501. doi: 10.1007/978-3-030-45234-6_24.

24. F. Alvares, E. Rutten, and L. Seinturier, “Behavioural Model-Based Control for Autonomic Software Components”, in IEEE Int. Conf. on Autonomic Computing, ICAC’15, IEEE Computer Society, 2015, pp. 187–196. doi: 10.1109/ICAC.2015.31.

25. M. Greiler, H.-G. Gross, and A. van Deursen, “Evaluation of online testing for services: a case study”, in Proc. Int. Workshop on Principles of Engineering Service-Oriented Systems, PESOS 2010, 2010, pp. 36–42. doi: 10.1145/1808885.1808893.

26. M. Camilli, C. Bellettini, A. Gargantini, and P. Scandurra, “Online Model-Based Testing under Uncertainty”, in 29th IEEE International Symposium on Software Reliability Engineering, ISSRE 2018, 2018, pp. 36–46. doi: 10.1109/ISSRE.2018.00015.

27. M. Helvensteijn, “Dynamic delta modeling”, in 16th International Software Product Line Conference, SPLC’12, E. S. de Almeida, C. Schwanninger, and D. Benavides, Eds., ACM, 2012, pp. 127–134, isbn: 978-1-4503-1095-6. doi: 10.1145/2364412.2364434. [Online]. Available: http://dl.acm.org/citation.cfm?id=2364412.

28. F. Trollman, J. Fahndrich, and S. Albayrak, “Hybrid adaptation policies: towards a framework for ¨ classification and modelling of different combinations of adaptation policies”, in Proc. Int. Conf. SEAMS@ICSE 2018, Gothenburg, Sweden, May 28-29, 2018, 2018, pp. 76–86. doi: 10.1145/3194133.3194137.

29. J. O. Kephart and W. E. Walsh, “An Artificial Intelligence Perspective on Autonomic Computing Policies”, in 5th IEEE International Workshop on Policies for Distributed Systems and Networks (POLICY 2004), 7-9 June 2004, Yorktown Heights, NY, USA, 2004, pp. 3–12. doi: 10.1109/POLICY.2004.1309145.

30. V. Poladian, D. Garlan, M. Shaw, M. Satyanarayanan, B. R. Schmerl, and J. P. Sousa, “Leveraging Resource Prediction for Anticipatory Dynamic Configuration”, in Proc. Int. Conf. on Self-Adaptive and Self-Organizing Systems, SASO 2007, IEEE Computer Society, 2007, pp. 214–223, isbn: 0-7695-2906-2. doi: 10.1109/SASO.2007.35. [Online]. Available: https://ieeexplore.ieee.org/xpl/conhome/4274871/proceeding.