論文の概要: Understanding the Energy Impact of Software Refactoring: A Workload-Aware Study of Controlled Examples and Real-World Commits
- arxiv url: http://arxiv.org/abs/2608.06620v1
- Date: Thu, 06 Aug 2026 22:12:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-10 16:21:25.299381
- Title: Understanding the Energy Impact of Software Refactoring: A Workload-Aware Study of Controlled Examples and Real-World Commits
- Title（参考訳）: ソフトウェアリファクタリングのエネルギー的影響を理解する:制御された例と実世界のコミットのワークロード対応研究
- Abstract要約: リファクタリングはソフトウェアの保守性を機能的に改善するが、振舞いの保存はエネルギー中立性を意味するものではない。
既存の研究では、ワークロードの変動、現実のプラクティス、説明的要因、回帰的識別の影響を十分に理解していないまま、固定的あるいは単純なワークロード下での分離を検証している。
430のGitHubプロジェクトから481の実際のコミットを含む、Micro-benchmarkとPractical-benchmarkという2つの補完的なJavaベンチマークにまたがるコミットのエネルギ影響に関する、最初の大規模な実証的研究を紹介する。
- 参考スコア（独自算出の注目度）: 8.804229564335083
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Refactoring improves software maintainability while preserving functional behavior, yet behavior preservation does not imply energy neutrality. Existing studies primarily examine isolated refactorings under fixed or simple workloads, leaving the effects of workload variation, real-world refactoring practices, explanatory factors, and energy regression identification insufficiently understood. We present the first large-scale empirical study of the energy impact of refactoring across two complementary Java benchmarks: a Micro-benchmark, comprising 68 refactoring types evaluated under diverse workloads, and a Practical-benchmark, containing 481 real-world refactoring commits from 430 GitHub projects. Using repeated paired energy measurements, we analyze workload sensitivity, refactoring patterns, explanatory factors, and the effectiveness of metric- and LLM-based regression identification. In the Micro-benchmark, 199 of 384 refactoring-workload pairs (51.8%) exhibit statistically significant energy differences, and 45.3% of refactoring instances change energy-impact classification across workloads. In the Practical-benchmark, only 36 commits (7.5%) show significant energy changes, although two-thirds differ by at least 10%. Refactoring type alone is insufficient to predict energy outcomes, while certain recurring refactoring combinations are associated with energy reductions. Changes in execution time consistently explain energy variation in the controlled benchmark but correlate weakly with energy changes in real-world commits. Our findings highlight the need for workload-diverse evaluation of the energy impact of refactoring; neither existing metric-based approaches nor LLM-based predictors can reliably identify refactoring-induced energy regressions, motivating the development of more accurate techniques for predicting the energy impact of refactoring.
- Abstract（参考訳）: リファクタリングは機能的振舞いを維持しながらソフトウェアの保守性を改善するが、振舞いの保存はエネルギー中立性を暗示しない。
既存の研究では、ワークロードのばらつき、現実のリファクタリングプラクティス、説明的要因、エネルギー回帰識別の影響を十分に理解していないまま、固定的あるいは単純なワークロード下での独立したリファクタリングを主に検討している。
さまざまなワークロードで評価された68のリファクタリングタイプで構成されるMicro-benchmarkと、430のGitHubプロジェクトから481の実際のリファクタリングコミットを含むPractical-benchmarkだ。
繰り返し対エネルギー測定を用いて、負荷感度、リファクタリングパターン、説明因子、およびメートル法およびLLMに基づく回帰同定の有効性を解析した。
Micro-benchmarkでは、384のリファクタリング-ワークロードペア(51.8%)のうち199が統計的に重要なエネルギー差を示しており、リファクタリングインスタンスの45.3%がワークロード間でエネルギー-インパクトの分類を変更している。
実用的なベンチマークでは、36のコミット(7.5%)しか大きなエネルギー変化を示していないが、2/3は少なくとも10%は異なる。
リファクタリングタイプだけではエネルギー効果を予測するには不十分であり、繰り返しリファクタリングの組み合わせはエネルギー削減に結びついている。
実行時間の変化は、制御されたベンチマークのエネルギー変動を一貫して説明しますが、実際のコミットのエネルギー変化と相関します。
既存のメトリックベースアプローチもLCMベースの予測器も、リファクタリングによるエネルギーレグレッションを確実に識別することができず、リファクタリングのエネルギー影響を予測するためのより正確な手法の開発を動機付けている。
関連論文リスト
- On the Influence of Refactoring Types on Merge Effort [70.15634443127651]
我々は64のオープンソースJavaプロジェクトを分析し、特定のタイプとマージ作業の関連性の強さを測定するために関連ルールマイニングを適用した。
以上の結果から, 各種強度とマージ作業が関係していることが示唆された。
並列ブランチ間の共起は、マージの労力の増大と関連している。
論文 参考訳（メタデータ） (2026-08-15T19:28:01Z) - From Human to Machine Refactoring: Assessing GPT-4's Impact on Python Class Quality and Readability [46.83143241367452]
リファクタリングは、プログラムの振る舞いを変えることなく、コード品質を改善することを目的としている。
LLM(Large Language Models)の最近の進歩は、コードの自動保存に新たな機会をもたらしている。
GPT-4o を用いて,クラスEval ベンチマークから 100 個の Python クラスに適用した LLM 型クラスに関する実証的研究を行った。
以上の結果から, GPT-4oは, 可読性の低下を犠牲にしながら, コードの臭いを低減し, 品質指標を改善する行動保存剤を一般的に生産していることが示唆された。
論文 参考訳（メタデータ） (2026-01-19T15:22:37Z) - Agentic Refactoring: An Empirical Study of AI Coding Agents [9.698067623031909]
OpenAI Codex、Claude Code、Cursorといったエージェントコーディングツールは、ソフトウェアエンジニアリングの展望を変えつつある。
これらのAI駆動システムは、複雑な開発タスクの計画と実行が可能な自律的なチームメイトとして機能する。
エージェントが実際にどのように利用されるのか、どのように人間駆動型なのか、そしてそれがコード品質に与える影響について、実証的な理解が欠如している。
論文 参考訳（メタデータ） (2025-11-06T21:24:38Z) - An Empirical Study on Method-Level Performance Evolution in Open-Source Java Projects [14.908341749591594]
我々は15の成熟したオープンソースのJavaプロジェクトで、パフォーマンスの進化を分析する大規模な実証的研究を行った。
その結果,メソッドレベルの変化の32.7%が測定可能なパフォーマンスに影響を及ぼすことが判明した。
アルゴリズムの変更は、最高の改善可能性を示すが、かなりのレグレッションリスクを持つ。
論文 参考訳（メタデータ） (2025-08-09T19:39:01Z) - Refactoring $\neq$ Bug-Inducing: Improving Defect Prediction with Code Change Tactics Analysis [54.361900378970134]
Just-in-time defect prediction (JIT-DP) は、早期にソフトウェア欠陥を引き起こすコード変更の可能性を予測することを目的としている。
これまでの研究は、その頻度にもかかわらず、評価フェーズと方法論フェーズの両方でコードを無視してきた。
JIT-Defects4Jデータセットのラベリング精度を13.7%向上させるコードと伝播を分類するためのCode chAnge Tactics (CAT)解析を提案する。
論文 参考訳（メタデータ） (2025-07-25T23:29:25Z) - Relating Complexity, Explicitness, Effectiveness of Refactorings and Non-Functional Requirements: A Replication Study [39.82126443893643]
自己確認(Self-affirmed、SAR)とは、開発者が要求を単純化する意図を明確に述べる場所である。
本研究は、プロジェクト数と検証済みインスタンスのセットを2倍にすることで、Soaresらの研究の範囲を広げた。
開発者が明示的に意図を述べると、結果として得られる変更は一般的に異なる型の組み合わせを伴い、より複雑なものになります。
論文 参考訳（メタデータ） (2025-05-12T19:26:33Z) - Automated Refactoring of Non-Idiomatic Python Code: A Differentiated Replication with LLMs [54.309127753635366]
本研究は, GPT-4の有効性について検討し, 慣用行動の推奨と示唆について検討した。
この結果から,従来は複雑なコード解析に基づくレコメンデータの実装が求められていた,LCMの課題達成の可能性が浮き彫りになった。
論文 参考訳（メタデータ） (2025-01-28T15:41:54Z) - On Feature Diversity in Energy-based Models [98.78384185493624]
エネルギーベースモデル(EBM)は通常、異なる特徴の組み合わせを学習し、入力構成ごとにエネルギーマッピングを生成する内部モデルによって構成される。
EBMのほぼ正しい(PAC)理論を拡張し,EBMの性能に及ぼす冗長性低減の影響を解析した。
論文 参考訳（メタデータ） (2023-06-02T12:30:42Z) - Do code refactorings influence the merge effort? [80.1936417993664]
複数のコントリビュータがソースコードを並行して変更して,新機能の実装やバグの修正,既存のコードの変更などを行っている。
これらの同時変更は、ソースコードの同じバージョンにマージする必要がある。
研究によると、すべてのマージの試みの10～20%が衝突を起こしており、これはプロセスを完了するために手動開発者の介入を必要とする。
論文 参考訳（メタデータ） (2023-05-10T13:24:59Z) - ReMP: Rectified Metric Propagation for Few-Shot Learning [67.96021109377809]
修正されたメートル法空間は、トレーニングからテストまでのメートル法一貫性を維持するために学習される。
多くの分析結果から、目的の単純な修正がかなりの性能向上をもたらすことが示唆された。
提案したReMPは効率的で効率的であり、様々な標準的な数発の学習データセットで芸術の状態を上回ります。
論文 参考訳（メタデータ） (2020-12-02T00:07:53Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。