Detecção de Code Smells em ambientes de nuvem
dc.contributor.advisor | Sousa, Erica Teixeira Gomes de | |
dc.contributor.advisorLattes | http://lattes.cnpq.br/9899077867723655 | |
dc.contributor.author | Amorim, João Victor Silva de | |
dc.contributor.authorLattes | http://lattes.cnpq.br/2962216276431331 | |
dc.date.accessioned | 2025-07-23T21:32:04Z | |
dc.date.issued | 2025-02-24 | |
dc.degree.departament | computacao | |
dc.degree.graduation | bacharelado em ciencia da Computacao | |
dc.degree.level | bachelor's degree | |
dc.degree.local | Recife | |
dc.description.abstract | Code smells são características do código que indicam possíveis problemas no design estrutural do software. Embora essas questões não causem falhas imediatas na funcionalidade do sistema, podem comprometer aspectos cruciais, como desempenho, escalabilidade, manutenibilidade e confiabilidade, especialmente em projetos de grande escala. Este trabalho apresenta uma ferramenta desenvolvida para detectar code smells em plataformas de computação em nuvem. A ferramenta foi projetada para identificar code smells relacionados a código repetitivo, código morto e funções contendo múltiplas instruções de retorno. A ferramenta proposta detectou nove tipos de code smells, analisando mais de 1.200 arquivos de código em Python e Java. No OpenStack, o código repetitivo foi o problema mais prevalente, representando 65,7% dos casos, enquanto no CloudStack, classes e métodos longos foram os mais recorrentes, totalizando 39,5% do total. Além disso, o code smell proposto, número mágico, se destacou ao representar 6,1% do total de code smells no CloudStack e 8,4% no OpenStack, evidenciando sua relevância para a legibilidade e manutenibilidade do código. A análise da detecção de code smells demonstra a importância da ferramenta NimbusScan, pois não apenas acelera o processo de revisão de código, mas também promove a modularidade e a clareza necessárias em sistemas complexos e dinâmicos. Essa análise conclui que soluções como a apresentada são essenciais para o desenvolvimento de software robusto e eficiente, capaz de atender às crescentes demandas do mercado de computação em nuvem, desempenhando um papel fundamental na melhoria contínua da qualidade do código e na longevidade dos sistemas. | |
dc.description.abstractx | Code smells are code characteristics that indicate potential problems in the structural design of software. Although these issues do not cause immediate failures in system functionality, they can compromise crucial aspects such as performance, scalability, maintainability, and reliability, especially in large-scale projects. This work presents a tool developed for detecting code smells in cloud computing platforms. The tool was designed to identify code smells related to repetitive code, dead code, and functions containing multiple return statements. The proposed tool detected nine types of code smells, analyzing more than 1,200 code files in Python and Java. In OpenStack, repetitive code was the most prevalent issue, accounting for 65.7% of cases, while in CloudStack, long classes and methods were the most recurrent, making up 39.5% of the total. Additionally, the proposed code smell, magic number, represented 6.1% of the total code smells in CloudStack and 8.4% in OpenStack, highlighting its relevance to code readability and maintainability. The code smell detection analysis demonstrates the relevance of the Nimbus Scan tool, as it not only speeds up the code review process but also promotes the modularity and clarity required in complex and dynamic systems. This analysis concludes that solutions like the one presented are essential for developing robust and efficient software capable of meeting the growing demands of the cloud computing market, playing a fundamental role in continuously improving code quality and system longevity. | |
dc.format.extent | 16 f. | |
dc.identifier.citation | AMORIM, João Victor Silva de. Detecção de Code Smells em ambientes de nuvem. 2025. 16 f. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) – Departamento de Computação, Universidade Federal Rural de Pernambuco, Recife, 2025. | |
dc.identifier.uri | https://arandu.ufrpe.br/handle/123456789/7427 | |
dc.language.iso | pt_BR | |
dc.publisher.country | Brazil | |
dc.publisher.initials | UFRPE | |
dc.rights | openAccess | |
dc.rights.license | Attribution 4.0 International | en |
dc.rights.uri | http://creativecommons.org/licenses/by/4.0/ | |
dc.subject | Computação em nuvem | |
dc.subject | Análise estatística | |
dc.subject | Software - Qualidade | |
dc.subject | Software - Refatoração | |
dc.title | Detecção de Code Smells em ambientes de nuvem | |
dc.title.alternative | Detection of code smells in cloud environments | |
dc.type | bachelorThesis |