Dankwoord - martes

44 HOOFDSTUK 3. METHODOLOGIE
Wat wij met dit voorbeeld willen meten is de verhouding van de twee aanpakken ten opzichte
van elkaar. In de naïeve aanpak hebben we op iedere uitvoering van een publieke methode
alle gedenieerde klasse-invarianten getest. Bij de intelligente aanpak hebben we maar een
deelverzameling van alle klasse-invarianten gecontroleerd. Deze deelverzameling is afhankelijk
van de opgeroepen operatie.
Ons lopend voorbeeld bestaat uit vijf klassen met een totaal van 21 klasse-invarianten.
Om betrouwbare uitvoeringstijd te verkrijgen hebben we de testen 100000 keer in een lus laten
draaien. Op deze manier verkrijgen we een acceptabele meting voor onze testverzameling.
Het experiment wordt uitgevoerd op een PC 1.4 Ghz machine met 512 MB RAM geheugen
en Windows XP als besturingssysteem.
De resultaten wijken niet veel van onze veronderstellingen af. We hebben een verschil in
uitvoeringstijd van 1.6 keer meer bij de naïeve aanpak dan bij de intelligente aanpak gemeten
op voorwaarde dat onze methoden geen computationeel intensieve implementaties bevatten.
De gemeten factor van 1.6 kan sterk variëren. In ons experiment is het nagaan van de klasseinvarianten
de dominante operatie in een methode en vandaar komt deze versnelling tot 40
percent bij de intelligente aanpak. Indien onze methoden computationeel intensieve algoritmes
bevatten of grote bestanden aan lezen of wegschrijven zijn dan wordt het nagaan van
consistentie van klasse-invarianten niet meer de dominanten factor. Dan verwachten we bijna
gelijke metingen te krijgen zowel voor de intelligente aanpak als voor de naïeve aanpak.
aanpak gemetentijd met init gemetentijd zonder init
naïeve 8.6 sec 3.4 sec
intelligente 5.2 sec 0.4 sec
Tabel 3.7: De resultaten van de evaluatie van naïeve en de intelligente aanpak
Indien we de initialisatie van de objecten en de oproep van constructoren buiten de lus doen,
hebben we een factor van 7.9 gemeten. In dit geval is de naïeve aanpak tot bijna 8 keer
trager dan de intelligente aanpak. Dit is te wijten aan het feit dat in JAVA de initialisatie
van objecten en de oproep van constructoren veel tijd vraagt. Indien we de initialisatie buiten
de lus laten dan wordt duidelijk dat de dominante factor het nagaan van voldoening van
klasse-invarianten wordt en bijgevolg verkrijgen we deze factor van bijna 8.
Ons voorbeeld bestaat maar uit een model uit 5 klassen en 21 invarianten. In totaal zijn er 8
publieke operaties opgeroepen. We verwachten dat het toepassen van de intelligente aanpak
bij grootschalige systemen toch een voordeel over de naïeve aanpak zou hebben.
De code van ons experiment is terug te vinden op de CD horende bij deze thesis.