A Case Study for Networks of Bidirectional Transformations

Die Entwicklung moderner Softwaresysteme basiert oft auf mehreren Artefakten. Diese Artefakte teilen sich oft redundante oder abhängige Informationen, welche während der Entwicklung des Softwaresystems konsistent gehalten werden müssen. Die manuelle Durchführung dieses Prozesses ist arbeitsaufwendig und fehleranfällig. Konsistenzerhaltungsmechanismen ermöglichen diese Artefakte automatisch konsistent zu halten. Konsistenzerhaltung basiert oftmals auf bidirektionalen Transformationen, welche ein Zielmodell aktualisieren, wenn ein Quellmodell modifiziert wird. Während das Gebiet der bidirektionale Transformationen stark erforscht ist, hat Konsistenzerhaltung von mehr als zwei Modellen bisher weniger Aufmerksamkeit erhalten. ... mehrAllerdings umfasst die Entwicklung von Softwaresystemen jedoch oft mehr als zwei Modelle. Folglich benötigt man Konsistenzerhaltung zwischen mehr als zwei Modellen, welche durch Netzwerke bidirektionaler Transformationen erreicht werden kann.

Solche Transformationsnetzwerke kombinieren mehrere Transformationen, wobei jede einzelne für die Konsistenzerhaltung zweier Modelle verantwortlich ist. Da die Entwicklung jeder Transformation individuelles Domänenwissen erfordert, werden sie in der Regel von mehreren Domänenexperten unabhängig voneinander entwickelt. Zusätzlich können einzelne Transformationen in anderen Netzwerken wiederverwendet werden. Dies wird jedoch in bisherigen Arbeiten nicht berücksichtigt, macht aber die Konsistenzerhaltung durch Netzwerke bidirektionaler Transformationen anfällig für Probleme. In einem Netzwerk von Transformationen kann es beispielsweise zwei oder mehr Verkettungen von Transformationen geben, die dieselben Metamodelle mit verschiedenen anderen Metamodellen in Beziehung setzen. Jedoch können sie die Elemente unterschiedlich miteinander in Beziehung setzen. Dies kann zum Beispiel zu einer doppelten Erstellung derselben Elemente über die verschiedenen Transformationsketten führen. Es gibt jedoch kein systematisches Wissen über die Problemarten, die in solchen Netzwerken auftreten können oder ob und wie derartige Probleme systematisch verhindert werden können.

Diese Thesis führt eine Fallstudie durch, die ermitteln soll, welche Arten von Problemen bei der Konsistenzerhaltung durch Netzwerke bidirektionaler Transformationen auftreten können. Für diese Probleme leiten wir eine Klassifizierung hinsichtlich des erforderlichen Wissens für ihre Vermeidung ab. Für Probleme, die Transformationsentwickler verhindern können, schlagen wir Strategien zur systematischen Vermeidung während ihrer Konstruktion vor. In unserer Fallstudie sind 90\% der gefundenen Probleme verhinderbar. Die übrigen Probleme lassen sich während der Entwicklung einer einzelnen Transformation nicht ohne das Wissen über weitere Transformationen im Netzwerk vermeiden. Folglich hilft diese Thesis Transformationsentwicklern Fehler bei der Erstellung von Transformationen systematisch zu vermeiden und ermöglicht es Netzwerkentwicklern Fehler zu erkennen, die bei der Konstruktion der Transformation nicht verhindert werden können.

The development of modern software systems often comprises multiple artifacts. However, these artifacts often share a particular overlap in redundant or dependent information, which needs to be kept consistent during the development of the software system. Doing this process manually is labor-intensive and prone to errors. Consistency preservation mechanisms allow keeping these artifacts consistent automatically. They are often based on bidirectional transformations, which update a target model if a source model is modified. While bidirectional transformations are a well-researched topic, consistency preservation of more than two models is yet to receive as much attention. ... mehrNevertheless, the development of software systems often involves more than two models. Consequentially, consistency preservation between more than two models is required, which can be achieved using networks of bidirectional transformations.

Such transformation networks combine multiple bidirectional transformations, each concerned with keeping two of the multiple models consistent. Since the development of each transformation requires individual domain knowledge, they are usually developed by several domain experts without each other in mind. Additionally, single transformations may be reused in other networks. However, this is not considered in previous work. This makes consistency preservation by means of networks of bidirectional transformations prone to compatibility errors. For example, in a network of transformations, there may be two or more concatenations of transformations that relate the same metamodels across different other metamodels. Yet, they may relate the elements in different ways, which we call an incompatibility. This can, for example, lead to a duplicate creation of the same elements across the different transformation concatenations. However, there is no systematic knowledge about the kinds of compatibility issues that may occur in networks of bidirectional transformations. Consequentially, it is also unclear how to systematically prevent the occurrence of such issues and how far this is possible in the first place.

This thesis conducts a case study to identify which types of issues can arise during consistency preservation through networks of bidirectional transformations. We derive a classification for these issues regarding the knowledge required to avoid them. We distinguish between the knowledge that the transformation may be used in a network and the knowledge about the contents of the other transformations. For issues that transformation developers can prevent, we propose strategies for their systematic prevention during the transformation construction. In our case study, 90% of the issues we found could have been prevented. The remaining issues cannot be avoided during the development of a single transformation, as this requires knowledge about the other transformations in the network. In consequence, this thesis helps transformation developers to systematically avoid faults during the creation of transformations and allows network developers to spot faults that can not be prevented when creating the transformation.