Entendiendo la justificación en los mensajes de commit del kernel de Linux

En el mundo del desarrollo de software, los cambios de código ocurren con frecuencia. Los desarrolladores escriben lo que se llaman "Mensajes de Commit" para explicar estos cambios, a menudo proporcionando información sobre las razones detrás de ellos. Esto es especialmente cierto para proyectos grandes como el Núcleo de Linux. Sin embargo, no se ha estudiado mucho cómo estos mensajes realmente explican las razones de los cambios realizados en el código.

Este artículo se centra en el componente Out-of-Memory Killer (OOM-Killer) del núcleo de Linux, que es crucial para gestionar el uso de memoria en un sistema. Al analizar los mensajes de commit de este componente, podemos entender mejor cómo los desarrolladores comunican sus Decisiones y la lógica detrás de ellas.

#La importancia de la justificación en los mensajes de commit

La justificación en los mensajes de commit se refiere a las explicaciones o Justificaciones que los desarrolladores proporcionan para sus cambios de código. Estos mensajes pueden ser muy útiles para otros desarrolladores, especialmente aquellos que pueden no estar familiarizados con los detalles del código. Pueden ayudar a otros a entender por qué se hizo un cambio y qué impacto podría tener. Buenos mensajes de commit también pueden reducir la confusión y facilitar el seguimiento de los cambios a lo largo del tiempo.

En el desarrollo de software moderno, la justificación a menudo se incluye en los mensajes de commit que se envían a sistemas de control de versiones, como Git. Estos mensajes son valiosos no solo para los desarrolladores actuales, sino también para los futuros que puedan querer saber por qué se hizo algo de cierta manera.

#La situación con la investigación existente

Mientras que los investigadores han discutido la importancia de la justificación en los mensajes de commit, ha habido poca investigación sobre cómo aparece en aplicaciones del mundo real. La mayoría de los estudios se centran en unos pocos aspectos específicos o tipos de mensajes, dejando un vacío en la comprensión de la imagen general para proyectos más grandes y en software de código abierto.

La mayor parte del trabajo previo no ha indagado profundamente en los detalles de cómo se presenta la justificación en los mensajes de commit. Este documento busca llenar ese vacío estudiando los mensajes de commit del OOM-Killer, una parte del núcleo de Linux.

#Objetivos del estudio

El objetivo principal de este estudio es responder varias preguntas de investigación sobre las características de la justificación en los mensajes de commit. Específicamente, queremos saber con qué frecuencia se incluye la justificación, cómo cambia con el tiempo y cómo se estructura dentro de los mensajes. Creemos que entender estos aspectos podría ayudar a mejorar la calidad de los mensajes de commit y a potenciar la comunicación entre desarrolladores.

#Creación del conjunto de datos

Para estudiar este tema, creamos un conjunto de datos etiquetado de mensajes de commit del OOM-Killer del núcleo de Linux. Nos centramos en los cambios realizados en este componente para analizar cómo los desarrolladores expresan su justificación.

#Recolección de datos

Recolectamos mensajes de commit de la sección del OOM-Killer en la historia de control de versiones del núcleo de Linux. Esto incluyó todos los commits desde que el desarrollo de Linux comenzó a hacer la transición a Git en 2005. Excluimos ciertos tipos de commits que no proporcionaban información valiosa, como los commits de fusión.

#Preprocesamiento de los datos

Antes de analizar los mensajes, tuvimos que limpiar los datos. Esto incluyó quitar información irrelevante, como metadatos o URLs, y asegurarnos de que solo se mantuvieran oraciones válidas para el análisis. Después de limpiar, buscamos oraciones que proporcionaran información sobre la toma de decisiones, razones para los cambios y hechos de apoyo.

#Etiquetado de las oraciones

Luego, etiquetamos cada oración en los mensajes de commit de acuerdo a su función. Clasificamos las oraciones en tres tipos principales:

1. Decisiones: Qué cambio se realizó.
2. Justificación: Por qué fue necesario ese cambio.
3. Hechos de apoyo: Contexto o detalles sobre el estado del sistema antes del cambio.

Este sistema de etiquetado nos ayudó a entender mejor cómo los desarrolladores comunican su razonamiento en los mensajes de commit.

#Análisis del conjunto de datos

Una vez que tuvimos un conjunto de datos etiquetado, lo analizamos para responder nuestras preguntas de investigación. Esto implicó examinar con qué frecuencia estaba presente la justificación en los mensajes, cómo evolucionó con el tiempo y la estructura de los mensajes mismos.

#Presencia de justificación

En nuestro estudio, encontramos que un impresionante 98.9% de los commits analizados incluían al menos una oración que transmitía justificación. Esto sugiere que los desarrolladores generalmente hacen un buen trabajo al explicar sus razones al hacer cambios.

También miramos la cantidad promedio de justificación incluida en cada mensaje de commit. En promedio, alrededor del 60% de las oraciones dentro de un mensaje proporcionaban razones para el cambio. Esto indica que los desarrolladores a menudo respaldan sus decisiones con explicaciones detalladas.

#Factores que afectan la justificación

Examinamos si la cantidad de justificación dependía de ciertos factores, como el tamaño del mensaje de commit o la experiencia del desarrollador. Curiosamente, no encontramos ningún vínculo significativo entre la longitud del mensaje y la cantidad de justificación presentada.

De manera similar, la experiencia del desarrollador, medida por el número de commits que había realizado, no parecía tener un efecto fuerte en la densidad de justificación.

#Evolución de la justificación a lo largo del tiempo

A continuación, exploramos cómo la presencia de justificación cambió con el tiempo. Nuestro análisis mostró que el nivel de justificación se mantuvo relativamente constante a lo largo de los años. Esto indica una cultura estable de explicación dentro de la comunidad de desarrollo del núcleo de Linux.

También miramos a los cinco principales contribuyentes al OOM-Killer y descubrimos que su densidad de justificación también se mantuvo estable a lo largo de los años. Esto sugiere que los desarrolladores experimentados pueden preferir mantener su justificación consistente al comunicar cambios.

#Estructura de los mensajes de commit

Otro aspecto importante que analizamos fue la estructura de los mensajes de commit. Buscamos averiguar cómo suelen ordenar los desarrolladores las secciones de sus mensajes.

Nuestros hallazgos revelaron que la mayoría de los mensajes tienden a comenzar y terminar con una decisión. Los hechos de apoyo y la justificación generalmente aparecen en el medio del mensaje. Este patrón común puede proporcionar una guía útil para que los desarrolladores sigan al escribir mensajes de commit.

#Resumen de hallazgos

Nuestro análisis arrojó varios puntos clave sobre la presencia y estructura de la justificación en los mensajes de commit del núcleo de Linux:

1. Alta prevalencia de justificación: Casi todos los mensajes de commit incluían alguna forma de justificación.
2. Densidad promedio de justificación: Alrededor del 60% de cada mensaje de commit contenía razones para los cambios.
3. Sin factores significativos: La cantidad de justificación no dependía significativamente del tamaño del mensaje o del nivel de experiencia del desarrollador.
4. Estable a lo largo del tiempo: El nivel de justificación se mantuvo constante a lo largo de los años, lo que indica una fuerte cultura de comunicación clara entre los desarrolladores.
5. Mensajes de commit estructurados: Los desarrolladores comúnmente ordenan sus mensajes con decisiones al inicio y al final, mientras que la justificación y los hechos de apoyo llenan el medio.

#Conclusión y direcciones futuras

Este estudio arroja luz sobre cómo los desarrolladores transmiten justificación en los mensajes de commit para el núcleo de Linux, específicamente el componente OOM-Killer. Entender la estructura y prevalencia de la justificación puede impactar significativamente cómo los desarrolladores se comunican y colaboran en proyectos grandes.

En el futuro, esperamos expandir nuestra investigación mirando diferentes componentes dentro del núcleo de Linux, así como otros proyectos de código abierto. Además, queremos explorar métodos para automatizar la extracción de justificación de los mensajes de commit, lo que podría mejorar aún más la calidad de la comunicación en el desarrollo de software.

Al proporcionar información clara sobre la justificación detrás de los cambios de código, podemos fomentar un mejor entendimiento, reducir la confusión y, en última instancia, mejorar la colaboración en la comunidad de desarrollo de software.