知识卡片
层次聚类为何适合架构恢复
为什么大项目更需要恢复:Hadoop 0.1 约 2.6 万行,0.15 约 17 万行,2.5 已近 120 万行;小项目程序员甚至能凭代码画出架构,百万行级项目则需要先按目录把文件依赖图模块化、缩小数据量,再优化识别算法。
聚类方法选择:划分方法(如 K-means)要事先指定簇数,不完全适合自底向上的恢复;层次聚类(凝聚式如 Cure、分裂式如 Birch)不需要预先知道聚类数目,从前期循环中可抽取系统的详细视图,从后期循环中抽取更高层视图——更适合架构恢复。
但层次聚类处理大量高维数据时效率低、不够精确,所以书中方法把两者结合: 1. 先用 K-means 生成适量的类簇(围绕“功能中心”,避免迭代次数过多),K 值按项目动态选取; 2. 再对这些类做层次聚类; 3. 最后剪枝得到合适结果。 实验显示两者结合优于单纯 K-means,并解决了层次聚类效率低的问题。Java 项目中主要用 single-linkage:每次合并最近的两个类,在距离矩阵中删除相应行列,新类与旧类的距离取两者中的最小值。
启示:架构本来就是多层次的,所以输出一棵聚类树、让人选择在哪一层“切”,比强行给出固定数量的组件更符合架构理解的需要。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
在调研中我们发现,与其他聚类方法相比,层次聚类算法不需要预先知道聚类的数目,便从前期的循环聚类过程中抽取出系统架构的详细视图,从后期的循环抽取出更高层次的视图,相对更适用于架构恢复。
参考来源
- 位置:《软件架构理论与实践》第10章《第10章 软件架构恢复》10.3.1 聚类理论基础(源文件:extracted/软件架构理论与实践/_epub-src/OEBPS/text00082.html,来源项目 book-sources)
- 结论依据:第10章比较聚类方法后指出层次聚类不需预设簇数,且早期和后期迭代分别给出详细和高层视图,适合架构恢复;但其处理大规模数据效率低,因此先用动态K值的K-means生成适量簇,再做single-linkage层次聚类并剪枝,以兼顾效率和精度。
- 原始内容:在调研中我们发现,与其他聚类方法相比,层次聚类算法不需要预先知道聚类的数目,便从前期的循环聚类过程中抽取出系统架构的详细视图,从后期的循环抽取出更高层次的视图,相对更适用于架构恢复。