A Model-Driven Software Reuse Approach (in portuguese)

132
que pode ser inserido em outros artefatos. Também pode produzir hierarquias completas de
classes.
Esta abordagem pode ser utilizada em diferentes tipos de variabilidade, por ser mais
flexível, sendo particularmente útil para implementar or features, como ilustra a Figura 21.
Figura 21: Abordagem template sendo aplicada à geração de código baseada em features
O template principal é responsável por analisar os modelos de features e decidir quais
templates serão chamados, quando serão chamados, e em qual ordem. No exemplo da Figura 21,
a featureA é selecionada, e é implementada por uma única classe, enquanto as sub-features A1
e A3 (que estão selecionadas), são implementadas como os métodos A1() e A3().
Sub-atividade PD.3.2. Padrões arquiteturais para variabilidade baseada em DSLs
Este tipo de variabilidade é expresso em termos de uma DSL. O desenvolvedor especifica
um programa/modelo que segue a sintaxe de uma DSL, e um gerador produz código-fonte
automaticamente. A variabilidade em uma DSL pode ser virtualmente tudo que pode ser
definido em um metamodelo: atributos verdadeiro/falso ou strings, listas tipadas e coleções,
enumerações e outros conceitos da orientação a objetos podem ser utilizados para descrever o
espaço de variabilidade. Para consultar estas estruturas em um gerador, construções comuns à
maioria das linguagem de programação, como condições e laços, podem ser utilizadas.
Devido à grande variedade destes tipos de variabilidade, aqui não se propõe nenhum tipo
de padrão associado a um tipo particular de variação (como na seção anterior). Ao invés disso,
os padrões nesta categoria são focados em como as ferramentas baseadas em DSL e geradores
de código podem ser integrados à arquitetura e aos geradores de código baseados em features.
Apesar destes padrões não aparecerem na arquitetura da aplicação final, eles podem ter impacto
no sucesso do domínio. Afinal, no MDD estes artefatos também fazem parte da arquitetura do
domínio (VÖLTER; GROHER, 2007), e devem ser considerados durante o seu ciclo de vida.
Um primeiro padrão proposto denomina-se camada fina de dados, que facilita a