一種基于KAOS和XML的橫切關注點識別方法

涂成茂，何成萬

(武漢工程大學 計算機科學與工程學院，湖北 武漢 430074)

0 引 言

橫切關注點會造成交織和分散的問題，降低了軟件的可讀性、可維護性和可復用性.關注點分離作為軟件開發(fā)中重要準則之一,軟件系統(tǒng)一般由多個關注點組成，其中包括核心級關注點和系統(tǒng)級關注點.核心級關注點指與業(yè)務邏輯相關的主過程，系統(tǒng)級關注點是指業(yè)務邏輯之外的過程，如日志，安全，性能等.而某些系統(tǒng)級關注點會表現(xiàn)出橫切行為，即一些核心級關注點需要使用若干個系統(tǒng)級關注點提供的服務，同時某些系統(tǒng)級關注點也影響多個核心級關注點的狀態(tài)[1].具有橫切行為的關注點稱為橫切關注點,橫切關注點有兩個重要特點：

(1)交織(Tangling)：橫切關注點參與某關注點的實現(xiàn)

(2)分散(Scattering)：橫切關注點分散在多個關注點之中

橫切關注點妨礙了計算機軟件設計中的低耦合[2]，面向方面需求工程(Aspect Oriented Requirement Engineering，AORE)[3]的主要目標是需求階段橫切關注點的分離.在目前AORE提出的各種方法中，有的只能識別非功能性需求而具有局限性[4],基于Petri網(wǎng)的方法尚不能表明運用于大中型系統(tǒng)中[5].

本文提出一種基于KAOS(knowledge acquisition in automated specification)和XML(extensible markup language)的橫切關注點識別方法.首先利用KAOS中的目標模型(Goal Model)在不同層次上對待開發(fā)系統(tǒng)進行需求建模.高層次上將待開發(fā)系統(tǒng)分解為各個子系統(tǒng)，以保證對橫切關注點進行系統(tǒng)的識別；低層次上將高層次目標精細化，然后將需求模型存儲于XML文件，最后利用XQuery實現(xiàn)的橫切關注點識別算法完成對橫切關注點的識別.

1 橫切關注點的識別方法及應用

橫切關注點的識別分3步：建立目標模型、存儲目標模型、橫切關注點識別.本文將以某酒店管理系統(tǒng)中住宿管理子系統(tǒng)[5]來詳細描述橫切關注點的識別過程.該子管理系統(tǒng)的需求如下所述：

(1)顧客請求預定房間：在接受預定前，首先檢查是否有空的房間，若有空房間則分配房間并創(chuàng)建預定記錄，接受顧客預定請求，否則拒絕顧客請求.

(2)顧客請求入住酒店：顧客在請求入住時，檢查顧客是否有預定房間，若有則消除預定記錄；若沒有則檢查是否有空房間，若有則為顧客分配房間，接受顧客入住請求并為顧客創(chuàng)建賬單，否則拒絕顧客入住請求.

(3)顧客請求離開酒店：顧客在請求離開前，首先檢查顧客是否有入住記錄和未付費的賬單，若有則計算賬單、為顧客結(jié)賬、消除入住記錄，同時接受顧客離開請求.

(4)系統(tǒng)需提供日志功能：系統(tǒng)中任何操作需要被記錄并保存.

1.1 建立需求目標模型

根據(jù)待開發(fā)系統(tǒng)的需求描述運用KAOS建立目標模型(Goal Model).

目標是KAOS中的重要概念，KAOS是需求工程中建立需求模型的方法學[6].在KAOS建立的層次化目標模型中，除了最頂層的戰(zhàn)略目標外每個層次中的目標都能被上層目標證明其存在的合理性，也就是為什么該目標存在于模型中；同時除最底層的葉子目標外每個層次中的目標都能被一組子目標精細化，也就是應該怎樣實現(xiàn)此目標.通過將待開發(fā)系統(tǒng)的戰(zhàn)略目標精細化為各層次子目標，當子目標精細化到其責任能夠被分配到主體(Agent)時，就得到了目標模型，此時最底層的葉子目標也稱為不可精細化的子目標.

根據(jù)住宿管理子系統(tǒng)需求描述而建立的基于KAOS的目標模型(Goal Model)如圖1所示.

圖1 酒店管理系統(tǒng)的目標模型

1.2 存儲目標模型

在此步中需將目標模型映射至XML文件中.XML是一種元標記語言，是一套可以自定義特定領域語義標記的規(guī)范，這些標記將文檔分成許多部件并對這些部件加以標識,利用XML可以方便描述對象及其關系[7].

首先將Goal Model層次結(jié)構(gòu)映射至XML模式文件中，然后根據(jù)XML模式文件將Goal Model模型完整映射至XML文件中.在將Goal Model層次結(jié)構(gòu)映射至XML模式文件時，須依據(jù)關注點流、關注點、元關注點的語義創(chuàng)建XML元標記,其中包括標記名稱和類型，其映射關系如表1所示，根據(jù)表中的自定義元標記而生成的HotelManager.xml文件如圖2所示，其中存儲了酒店管理系統(tǒng)需求模型.

1.3 橫切關注點識別

在此步中，將依據(jù)橫切關注點的定義給出橫切關注點識別算法.

1.3.1 橫切關注點定義 依據(jù)目標模型中各層次目標語義，現(xiàn)給出關注點及橫切關注點等概念定義：

(1)關注點：目標模型中任一層次中一個特定的目標.

(2)元關注點：目標模型中自上而下精細化過程中不可精細化的子目標.

(3)關注點流：目標模型中某目標被精細化后的子目標集合，規(guī)定元關注點的關注點流為其自身.

(4)橫切關注點：在目標模型同層次中，任意兩兩關注點的關注點流交集中的子目標.

(5)關注點擴散度：關注點在目標模型中出現(xiàn)的次數(shù).

表1 目標模型與XML元標記映射關系

1.3.2 橫切關注點識別算法 根據(jù)橫切關注點定義，則顯然有如下結(jié)論：關注點是橫切關注點與關注點的擴散度至少大于1互為充要條件，推導如下：

(1)充要性：若關注點Concern為橫切關注點，則根據(jù)橫切關注點定義，C1必然出現(xiàn)于至少2個關注點的關注點流中，由此可以推出C1的關注點擴散度必然大于1.

(2)必要性：若關注點Concern的擴散度至少大于1，則根據(jù)擴散度的定義，該關注點必然出現(xiàn)于至少2個不同的關注點流aConcernFlow與bConcernFlow中,令與aConcernFlow與bConcernFlow相對應的關注點分別為aConcern和bConcern,因此aConcern與bConcern的關注點流交集中至少包含Concern，因此Concern為橫切關注點.

根據(jù)以上結(jié)論，有如下橫切關注點識別算法：

(1)取3個目標集合C1,C2,C3并置為空，C3用于置入橫切關注點；

(2)將需求模型中的目標逐一劃入集合C1；同時將其逐一劃入集合C2,但對于重復元素只放入一次；

(3)計算C2中各個元素的擴散度.遍歷C2集合中的元素，并計算該元素在C1集合中出現(xiàn)的次數(shù)；

(4)將擴散度大于1的目標劃入橫切關注點集合C3；

算法所識別的橫切關注點存在于C3中.

圖2 XML中的目標模型

1.4 方法應用及比較

此節(jié)給出算法實現(xiàn)、案例應用以表明方法的可行性和穩(wěn)定性.

1.4.1 算法實現(xiàn) 運用1.3節(jié)中算法思想并基于XQuery的算法實現(xiàn)如圖3所示，其中行5定義了元關注點層次上去除重復元素后的關注點集合C2，行7統(tǒng)計了C2中各元素在文檔中出現(xiàn)的次數(shù)，行8設定了選入C3集合的條件，行10至行13定義了C3集合中的元素及其擴散度.

圖3 基于XQuery算法實現(xiàn)

1.4.2 方法可行性實驗 此小節(jié)將識別算法運用于酒店管理系統(tǒng)中表明方法的可行性.圖4顯示了在對住宿管理子系統(tǒng)運用算法后元關注點(MetaConcern)層次的橫切關注點識別結(jié)果.

圖4 元關注點層次橫切關注點

由圖4可以看出，住宿管理子系統(tǒng)中有檢查剩余房間和保存日志2個橫切關注點，它們的擴散度分別為2和3，與各個橫切關注點相關聯(lián)的連接點如表2所示.其中保存日志是典型的系統(tǒng)級橫切關注點，而檢查剩余房間作為核心級關注點，但它降低了預定房間與入住登記兩關注點的內(nèi)聚度，因此是橫切關注點.為了與圖4進行比較，圖5顯示了系統(tǒng)中的其它關注點及其擴散度.

表2 橫切關注點的連接點

圖5 其它關注點及其擴散度

1.4.3 方法穩(wěn)定性實驗 通過實驗表明在系統(tǒng)需求發(fā)生變更后方法所具有的穩(wěn)定性.

在酒店管理系統(tǒng)中增加如下需求：系統(tǒng)中任何操作之前需要做權限檢查.本文方法對此需求變更所做的處理：首先在需求模型中變更對應的需求，然后重新映射于XML文件中，算法實現(xiàn)不需要做任何的變更.其處理結(jié)果如圖6所示.

圖6 需求變更后的橫切關注點

1.4.4 方法比較 此小節(jié)通過與國外的研究方法的比較進一步表明本文方法的優(yōu)越性.

A.Sampaio等人的研究方法[4]只能識別保存日志橫切關注點，其局限性是顯而易見的；而基于Petri網(wǎng)的方法[5]識別出的橫切關注點包括了需求模型中所有的關注點，因此該方法因識別結(jié)果過于寬泛而缺乏實際意義.

2 結(jié) 語

以上敘述的需求階段橫切關注點識別方法，首先利用Goal Model對系統(tǒng)進行建模，然后結(jié)合橫切關注點及擴散度的定義給出了橫切關注點識別算法.

盡管實驗結(jié)果顯示此方法能識別橫切關注點，但卻不能識別橫切關注點的類型，即不能確定橫切關注點是屬于before型，還是after型，甚至around型，導致此方法不能對需求階段橫切關注點的封裝提供支持，因此未來仍需對本文方法進行更多的研究.

參考文獻：

[1] 徐寶文,周超洪,周天琳，等.面向方面的程序設計：概念、實現(xiàn)與未來[J].計算機與數(shù)字工程,2005，33(8):1-10.

[2] 何成萬, 李健,焦素廷. 基于MVC 模式的科研成果管理系統(tǒng)開發(fā)[J].武漢工程大學學報，2009,31(1):79-82.

[3] He Chengwan,Tu Chengmao.GPRN:A Hierarchical Framework for Aspect-oriented Requirement Modeling[J]. presented in International Journal of Digital Content Technology and its Applications，F(xiàn)ebruary 2011，5(2):165-172.

[4] Sampaio A,Anais Rashid.Mining Early Aspects from Requirements with EA-Miner [C].lCSE’ 08，2008:911-912.

[5] Vahdat Abdelzad,Fereidoon Shams Aliee. A method based on Petri Nets for identification of aspects[J].presented in information science and technologies Bulletin of the ACM Slovakia,2010,2(1)：43-49.

[6] KAOS [EB/OL].http://www.objectiver.com/fileadmin/download/documents/KaosTutorial.pdf，2011-4-10.

[7] 何成萬,焦素廷,李健.支持協(xié)同工作的加解密系統(tǒng)設計與實現(xiàn)[J].武漢工程大學學報，2009，31(3):74-75.