静的解析違反の重要度を見極め、違反の修正にリソースを割く必要があるかどうかを判断することは、ソフトウェア開発ライフサイクルを停滞させる場合があります。機械学習機能は、修正すべき静的解析違反を認識する方法を DTP に学習させるためのインターフェイスです。新しいコード解析データが DTP にレポートされたときに、どの違反を誰が修正するべきか DTP が予測できるようになるため、違反の修正プロセスがスピードアップします。
修正する違反の予測機能は、[優先度] タブの [アクション] フィールドで [修正] および [抑制] として分類された違反を分析し (「違反にアクションを割り当てる」を参照)、検出したパターンに基づいて予測モデルを作成します。モデルが作成された後、DTP はビルド内のどの違反に修正アクションを割り当てるかを予測します。予測モデルを作成するには、少なくとも 20 件の違反を修正と抑制に分類する必要があります。違反のレビューとアクションの割り当てを続けることで、予測モデルは徐々に改善されます。
推奨される担当者機能は、過去のビルドで修正および抑制された違反を分析し、予測モデルを構築します。モデルが構築されると、DTP は、過去に違反に対応した人物を基に、そのビルドで違反に対応すべき人物を予測します。
予測はステートフル
ビルドに送られた新しい違反に対して予測アクションを実行する必要があります。さらに、フィルターを切り替える場合は、違反について確認して DTP に学習させる必要があります。
機械学習を有効にする
機械学習機能を使用するには、ライセンスが必要です。詳細については Parasoft 製品テクニカル サポート センターまでお問い合わせください。
機械学習インターフェイスは、管理者ユーザーまたはチーム リーダーが利用できます。チームおよびリーダー権限については「チーム メンバーシップ」を参照してください。
詳細なメタデータ
機械学習機能は、条件のセットを使ってコード解析レポートを解析し、取るべきアクションを判断します。詳細な解析を可能にする追加のメタデータを含めるよう、コード解析ツールを設定できます。追加のメタデータは、アクションの予測に使われるセット機能を拡張するため、予測がより正確になります。
詳細なメタデータは、テスト コンフィギュレーションで有効化します。DTP でテスト コンフィギュレーションを管理している場合、テスト コンフィギュレーション エディターでオプションを有効化できます (「テスト コンフィギュレーションの編集」を参照)。
- DTP の設定メニュー (歯車のアイコン) から [テスト コンフィギュレーション] を選択します。
- サイドバー メニューからテスト コンフィギュレーションを選択し、[静的解析の設定] タブをクリックします。
- [詳細なメタデータを機械学習用に DTP に送信する] をオンにして [保存] をクリックします。
ツールに付属のテスト コンフィギュレーション エディターを使用して、ローカル コード解析の詳細メタデータ オプションを有効化することもできます。詳細については、ご使用のツールのドキュメントを参照してください。
