abstract: The pay-as-you-go economic model of cloud computing increases the visibility, traceability, and verifiability of software costs. Application developers must understand how their software uses resources when running in the cloud in order to stay within budgeted costs and/or produce expected profits. Cloud computing's unique economic model also leads naturally to an earn-as-you-go profit model for many cloud based applications. These applications can benefit from low level analyses for cost optimization and verification. Testing cloud applications to ensure they meet monetary cost objectives has not been well explored in the current literature. When considering revenues and costs for cloud applications, the resource economic model can be scaled down to the transaction level in order to associate source code with costs incurred while running in the cloud. Both static and dynamic analysis techniques can be developed and applied to understand how and where cloud applications incur costs. Such analyses can help optimize (i.e. minimize) costs and verify that they stay within expected tolerances. An adaptation of Worst Case Execution Time (WCET) analysis is presented here to statically determine worst case monetary costs of cloud applications. This analysis is used to produce an algorithm for determining control flow paths within an application that can exceed a given cost threshold. The corresponding results are used to identify path sections that contribute most to cost excess. A hybrid approach for determining cost excesses is also presented that is comprised mostly of dynamic measurements but that also incorporates calculations that are based on the static analysis approach. This approach uses operational profiles to increase the precision and usefulness of the calculations. / Dissertation/Thesis / Ph.D. Computer Science 2012

Made available in DSpace on 2014-06-12T15:51:39Z (GMT). No. of bitstreams: 2 arquivo1682_1.pdf: 1782765 bytes, checksum: f72b8949fcd20828665cc0a45ca4034d (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2008 / Dentro da comunidade de desenvolvimento de software, o processo de reutilizar artefatos ao invés de construí-los do zero normalmente conhecido como reuso de software tem se mostrado uma maneira efetiva de evitar os problemas associados ao estouro de orçamentos e cronogramas de projeto. Apesar do imenso potencial, a adoção de reuso em larga escala ainda não prevalece dentro das organizações. Entre os fatores que contribuem para isso, estão os obstáculos econômicos enfrentados pelas empresas, com uma clara preocupação sobre os custos para desenvolver software para e com reuso. Atualmente, as decisões relacionadas com reuso são tratadas sob um ponto de vista econômico, devido ao fato do desenvolvimento de software reutilizável ser considerado pelas organizações como um investimento. Além disso, a adoção de linhas de produto de software dentro desse contexto traz à tona alguns inibidores de reuso, como por exemplo, a aplicação dos modelos de custo para reuso de forma restrita, a falta de uma estratégia para a análise de investimentos, e o fato que poucos modelos de custo possuem uma abordagem baseada na utilização de cenários de reuso. Nesse contexto, esse trabalho apresenta um modelo integrado de custo para engenharia de linhas de produto, com o objetivo de auxiliar as organizações em seus processos de tomada de decisões na avaliação de investimentos em reuso. Os fundamentos para o modelo foram baseados em uma vasta pesquisa sobre modelos de custo para reuso e sua especialização para linhas de produto de software. O modelo apresenta a definição de funções de custo e benefícios, cenários de reuso e uma estratégia de investimento para linhas de produto. Também é apresentado um modelo de simulação baseado na técnica de Monte Carlo. Por último, um estudo de caso discute os resultados de dentro do contexto de um projeto real de desenvolvimento de software, onde o modelo foi aplicado

Das Software Product Line Engineering (SPLE) ist ein ganzheitlicher Ansatz zur Entwicklung und Vermarktung von Software-Produktlinien auf Basis von Software-Systemfamilien. Eine in frühen Phasen des SPLE durchzuführende Aktivität ist das Scoping, bei dem die zu realisierenden Produkte mit den zwischen ihnen bestehenden Wiederverwendungspotentialen identifiziert werden. Bei der Durchführung des Scopings steht der Produkt-Manager vor dem Problem einen Ausgleich zwischen den Bedürfnissen der Kunden und dem Aufwand der Entwicklung zu finden. Durch die bestehenden Wiederverwendungspotentiale bei Software-Systemfamilien wird die Entscheidung zusätzlich erschwert. Aufgrund der bestehenden Komplexität der Entscheidung, wird in Literatur und Praxis eine Unterstützung in Form einer statistisch-mathematischen Optimierung gefordert. Dieser Forderung nimmt sich die vorliegende Arbeit an. In ihr werden mit der Konstruktion eines Modells gewinnbeeinflussender Faktoren, einer Methode zur wertbasierten Portfolio-Optimierung und eines Prototyps zur Unterstützung der wertbasierten Portfolio-Optimierung und der anschließenden Evaluation dieser Artefakte zwei Fragen adressiert. Erstens wird geprüft, ob die Optimierung von Produkt-Portfolios bei Software-Produktlinien mit statistisch-mathematischen Verfahren unterstützt werden kann. Zweitens wird geprüft, ob die statistisch-mathematische Optimierung von Produkt-Portfolios eine akzeptierte Unterstützung von Software-Anbietern sein kann. Die Arbeit ordnet sich mit ihren Fragen in die Forschung zum Produkt-Management bei Software-Produktlinien ein und trägt die vorgenannten Artefakte bei.

Das Software Product Line Engineering (SPLE) ist ein ganzheitlicher Ansatz zur Entwicklung und Vermarktung von Software-Produktlinien auf Basis von Software-Systemfamilien. Eine in frühen Phasen des SPLE durchzuführende Aktivität ist das Scoping, bei dem die zu realisierenden Produkte mit den zwischen ihnen bestehenden Wiederverwendungspotentialen identifiziert werden. Bei der Durchführung des Scopings steht der Produkt-Manager vor dem Problem einen Ausgleich zwischen den Bedürfnissen der Kunden und dem Aufwand der Entwicklung zu finden. Durch die bestehenden Wiederverwendungspotentiale bei Software-Systemfamilien wird die Entscheidung zusätzlich erschwert. Aufgrund der bestehenden Komplexität der Entscheidung, wird in Literatur und Praxis eine Unterstützung in Form einer statistisch-mathematischen Optimierung gefordert. Dieser Forderung nimmt sich die vorliegende Arbeit an. In ihr werden mit der Konstruktion eines Modells gewinnbeeinflussender Faktoren, einer Methode zur wertbasierten Portfolio-Optimierung und eines Prototyps zur Unterstützung der wertbasierten Portfolio-Optimierung und der anschließenden Evaluation dieser Artefakte zwei Fragen adressiert. Erstens wird geprüft, ob die Optimierung von Produkt-Portfolios bei Software-Produktlinien mit statistisch-mathematischen Verfahren unterstützt werden kann. Zweitens wird geprüft, ob die statistisch-mathematische Optimierung von Produkt-Portfolios eine akzeptierte Unterstützung von Software-Anbietern sein kann. Die Arbeit ordnet sich mit ihren Fragen in die Forschung zum Produkt-Management bei Software-Produktlinien ein und trägt die vorgenannten Artefakte bei.:Abbildungsverzeichnis ix Tabellenverzeichnis xi Abkürzungsverzeichnis xii Symbolverzeichnis xiv 1 Einleitung 1 1.1 Stand der Forschung 3 1.2 Forschungsbedarf 5 1.3 Forschungskonzept 7 1.4 Verwendete Methoden und Notationen 9 1.4.1 Method Engineering 10 1.4.2 Software & Systems Process Engineering Meta-Model 12 1.4.3 Merkmaldiagramme 14 1.5 Aufbau der Arbeit 16 I Modell 17 2 Software-Ökonomie 18 2.1 Unternehmen und ihre Produkte 20 2.1.1 Eigenschaften von Software-Produkten 23 2.1.2 Vom Software-System zum Geschäftsmodell 24 2.1.3 Kosten 28 2.1.4 Erlös 31 2.2 Kunden 35 2.2.1 Nutzen und Wertvorstellung 35 2.2.2 Zahlungsbereitschaft 35 2.2.3 Kundenmodell 37 2.3 Konkurrenz und Markt 38 2.3.1 Konkurrenzmodell 38 2.3.2 Ökonomische Besonderheiten von Software-Produkten 39 2.3.3 Struktur von Software-Märkten 40 2.4 Preis 41 2.4.1 Preisbeeinflussende Faktoren 42 2.4.2 Verfahren der Preisbildung 42 2.4.3 Preismodell 44 2.5 Produkt- und Preisdifferenzierung 44 2.5.1 Typen der Preisdifferenzierung 46 2.5.2 Preisdifferenzierung mit Selbstselektion 47 2.5.3 Gewinnoptimalität 48 2.6 Zusammenfassung 49 3 Software-Produktlinien 50 3.1 Prozesse des Software Product Line Engineerings 53 3.1.1 Domain Engineering 54 3.1.2 Anwendungsentwicklung 56 3.1.3 Management 57 3.1.4 Scoping 58 3.2 Methoden des Software Product Line Engineerings 60 3.3 Szenarios des Einsatzes von Software-Systemfamilien 62 3.4 Angereicherte Software-Produktlinien 64 3.5 Kostenmodell bei Software-Systemfamilien 65 3.6 Modell gewinnbeeinflussender Faktoren 68 3.6.1 Interne Einflüsse 68 3.6.2 Externe Einflüsse 70 3.7 Zusammenfassung 71 I I Vorgehen 72 4 Methode zur wertbasierten Portfolio-Optimierung 73 4.1 Die Methode im Überblick 74 4.2 Kundenanalyse 76 4.2.1 Techniken 77 4.2.2 Einsatz 83 4.2.3 Zusammenfassung 88 4.3 Kostenanalyse 89 4.3.1 Techniken 91 4.3.2 Einsatz 94 4.3.3 Zusammenfassung 97 4.4 Konkurrenzanalyse 98 4.5 Optimierung und weitere Schritte 100 4.6 Zusammenfassung 101 5 Merkmalbasierte Generierung adaptiver Conjoint-Studien 102 5.1 Meta-Modelle 103 5.1.1 Merkmalmodelle 103 5.1.2 ACA-PE-Konfigurationen 105 5.2 Abbildung von Merkmalmodellen auf ACA-PE 106 5.2.1 Erste Überlegungen 106 5.2.2 Stufen 107 5.3 Illustrierendes Beispiel 111 5.4 Zusammenfassung 113 6 Wertbasierte Portfolio-Optimierung 114 6.1 Technische Vorbemerkungen 115 6.2 Verwandte Arbeiten 117 6.2.1 Analytische Arbeiten 117 6.2.2 Praktische Arbeiten 118 6.2.3 Besondere Ansätze 121 6.2.4 Schlussfolgerung 122 6.3 Entwurfsproblem bei Software-Produkt-Portfolios 123 6.3.1 Notationsmittel 123 6.3.2 Mathematisches Programm 125 6.4 Lösungsprozedur 126 6.4.1 Finden des optimalen Software-Produkt-Portfolios 127 6.4.2 Identifikation wichtiger Systeme 129 6.5 Illustrierendes Beispiel 129 6.6 Erweiterung 132 6.7 Zusammenfassung 133 I I I Umsetzung 134 7 Software-Prototyp zur wertbasierten Portfolio-Optimierung 135 7.1 Anforderungen 136 7.1.1 Funktional 136 7.1.2 Nicht-funktional 140 7.2 Technologiestudie 140 7.3 Entwurf 143 7.4 Implementierung 146 7.4.1 Spezifikationseditor 146 7.4.2 ACA-PE-Editor 151 7.4.3 Anwendungskern 152 7.5 Test 157 7.6 Zusammenfassung 157 8 Evaluation 158 8.1 Demonstration 158 8.2 Ergebnisgüte und Skalierbarkeit 162 8.2.1 Theoretisches Testdaten-Modell 163 8.2.2 Testtreiber und Testdatengenerator 166 8.2.3 Auswertung 167 8.3 Akzeptanz 174 8.3.1 Untersuchungsdesign 174 8.3.2 Auswertung 175 8.4 Zusammenfassung 176 9 Zusammenfassung und Ausblick 177 IV Anhang 181 Glossar 182 Literaturverzeichnis 184 A Befragungen 206 A.1 Befragung zur praktischen Relevanz der Portfolio-Optimierung 206 A.2 Experteninterview zur Akzeptanz 208 B Herleitungen 214 B.1 Struktur von Software-Märkten 214 B.2 Gewinnoptimalität der Preisdifferenzierung mit Selbstselektion 219 B.3 Preis-Subproblem für den Simplex-Algorithmus 227 B.4 Beispiel analytisch bestimmter Testdaten 228 C Modelle und Ausgaben des Prototyps 229 Wissenschaftlicher und persönlicher Werdegang 232 Selbstständigkeitserklärung 233