Empirical foundation for memory usage analysis through software visualizations

Abstract

Los desarrolladores a menudo pasan mucho tiempo monitoreando manualmente el uso de memoria para localizar anomalías (p. ej., fugas, sobrecargas de memoria) que puedan generar fallas en las aplicaciones de software. Por esta razón, se han propuesto herramientas que proporcionan una amplia gama de información a través de informes de texto o visualizaciones. Sin embargo, todavía hay poca comprensión de las necesidades del programador al analizar el uso de la memoria, qué tan bien las herramientas y los enfoques actuales ayudan a los usuarios en este proceso y la percepción que los programadores tienen de las herramientas. En esta tesis, llevamos a cabo una revisión sistemática sobre visualizaciones de software enfocadas en el análisis del uso de la memoria con el objetivo de organizar e introducir una taxonomía basada en cinco dimensiones relevantes. Como resultado, este estudio destaca (i) las principales características de los enfoques visuales actuales, (ii) los desafíos del campo y (iii) una serie de áreas de investigación que vale la pena explorar. Con base en este estudio, proponemos Vismep, un prototipo de visualización interactiva para ayudar a los programadores a analizar el uso de memoria de las aplicaciones de Python. Basamos el diseño de Vismep en las características comunes utilizadas en las áreas más modernas y en algunos aspectos que valen la pena explorar. También presentamos un estudio exploratorio para comprender cómo los programadores emplean Vismep para analizar el uso de memoria de las aplicaciones de Python y su percepción de Vismep. Nuestros hallazgos ilustran que los programadores usan información dinámica y estática para satisfacer cinco necesidades. Además, reportamos el uso de Vismep para la obtención de la información requerida, los desafíos enfrentados durante el proceso y la percepción de esfuerzo de carga mental y usabilidad. Para entender con mayor precisión las necesidades de los programadores a la hora de analizar el consumo de memoria, realizamos un estudio más exhaustivo utilizando Vismep y Tracemalloc, el perfilador de memoria estándar en Python. Como resultado, proporcionamos un catálogo de 34 preguntas que los programadores se hacen al analizar el consumo de memoria. También presentamos un análisis detallado del uso de Vismep y Tracemalloc para responder a estas preguntas y las dificultades que enfrentan los profesionales durante el proceso.