Αποσφαλμάτωση προγραμμάτων

Αποσφαλμάτωση σημαίνει έρευνα

Το σφάλμα και η αστοχία

Η αστοχία είναι αυτό που παρατηρείται: ένα λάθος αποτέλεσμα, ένα πρόγραμμα που δεν τερματίζει, μια αναφορά του ανιχνευτή. Το σφάλμα (ή ελάττωμα) είναι η αιτία: μια γραμμή, μια συνθήκη ή μια σχεδιαστική απόφαση που δεν αντιστοιχεί στην προδιαγραφή. Η αστοχία φαίνεται· το σφάλμα πρέπει να το βρούμε, και μπορεί να βρίσκεται μακριά της. Από αυτό έπεται ότι αν διορθώσουμε εκεί όπου φαίνεται η αστοχία, για παράδειγμα αφαιρώντας 2 από το αποτέλεσμα επειδή «βγαίνει πάντα 2 παραπάνω», διορθώνουμε το σύμπτωμα και αφήνουμε την αιτία, που θα επιστρέψει με άλλα δεδομένα.

Αν αυτό ισχύει, η αποσφαλμάτωση είναι έρευνα για την αιτία, και η μέθοδός της είναι η μέθοδος των πειραματικών επιστημών:

1. Παρατήρηση και αναπαραγωγή. Περιγράφουμε με ακρίβεια την αστοχία (με ποια είσοδο, τι αναμενόταν, τι προέκυψε) και πετυχαίνουμε να συμβαίνει όποτε θέλουμε. Ένα σφάλμα που δεν αναπαράγεται δεν μπορεί να ερευνηθεί, ούτε μπορούμε να βεβαιωθούμε ότι διορθώθηκε.
2. Διατύπωση υπόθεσης. Ένας ισχυρισμός για την αιτία που μπορεί να αποδειχθεί ψευδής: «η ταξινόμηση δεν ταξινομεί», «ο δείκτης του δεύτερου κεντρικού δεδομένου είναι κατά ένα μεγαλύτερος».
3. Σχεδιασμός πειράματος. Επιλέγουμε ένα σημείο του προγράμματος και προβλέπουμε ποια κατάσταση θα έπρεπε να φαίνεται εκεί αν η υπόθεση είναι αληθής και ποια αν είναι ψευδής.
4. Συμπέρασμα και περιορισμός. Απορρίπτουμε την υπόθεση ή την επιβεβαιώνουμε· και στις δύο περιπτώσεις, το ύποπτο κομμάτι μικραίνει. Επαναλαμβάνουμε ώσπου το κομμάτι να γίνει μία γραμμή.

Ωστόσο, η μέθοδος απαιτεί πειθαρχία: αλλάζουμε ένα μόνο πράγμα κάθε φορά, σημειώνουμε κάθε υπόθεση με το αποτέλεσμά της, και δεν αγγίζουμε τον κώδικα όσο δεν ξέρουμε τι ψάχνουμε. Αν αλλάζουμε γραμμές στην τύχη ώσπου η έξοδος να φαίνεται σωστή, μπορεί να κρύψουμε την αστοχία χωρίς να αφαιρέσουμε το σφάλμα.

#include <algorithm>#include <cstddef>#include <print>#include <vector>​// Διάμεσος μιας λίστας δεδομένων.// Προσυνθήκη: το values δεν είναι κενό.// Μετασυνθήκη: επιστρέφει το κεντρικό δεδομένο της ταξινομημένης λίστας ή τον μέσο όρο των δύο κεντρικών.double median(std::vector<double> values){    std::ranges::sort(values);    const std::size_t n{values.size()};    const std::size_t middle{n / 2};    if (n % 2 == 1) {        return values[middle];    }    return (values[middle] + values[middle + 1]) / 2.0;}​int main(){    const std::vector<double> odd{7.0, 1.0, 5.0, 3.0, 9.0};    const std::vector<double> even{7.0, 1.0, 5.0, 3.0};    std::println("Διάμεσος του {}: {}", odd, median(odd));    std::println("Διάμεσος του {}: {}", even, median(even));}

Διάμεσος του [7, 1, 5, 3, 9]: 5Διάμεσος του [7, 1, 5, 3]: 6

Η διχοτόμηση

Όταν δεν υπάρχει σαφής υπόθεση, μένει μια μέθοδος που δεν αποτυγχάνει: η διχοτόμηση. Υποθέτουμε ότι η κατάσταση του προγράμματος είναι σωστή στην αρχή και λάθος στο τέλος, και ότι σε κάθε ενδιάμεσο σημείο μπορούμε να αποφασίσουμε αν είναι σωστή (συγκρίνοντάς την με μια τιμή υπολογισμένη με το χέρι ή ελέγχοντας μια αναλλοίωτη). Εξετάζουμε την κατάσταση στη μέση του ύποπτου κομματιού: αν είναι σωστή, το σφάλμα βρίσκεται στο δεύτερο μισό· αν όχι, στο πρώτο. Είναι η δυαδική αναζήτηση του μαθήματος Αναζήτηση και ταξινόμηση, εφαρμοσμένη στις γραμμές ενός προγράμματος (ή στους γύρους ενός βρόχου, ή στις εκδόσεις ενός αρχείου).

Το σχήμα παρακολουθεί τη διχοτόμηση δεκαέξι γραμμών με το σφάλμα στην 11· κάθε σημάδι είναι ένα πείραμα πάνω στην κατάσταση μετά από εκείνη τη γραμμή: σωστή (✓) ή λάθος (✗).

Η μέτρηση είναι εκείνη της δυαδικής αναζήτησης: κάθε πείραμα διαιρεί το κομμάτι στα δύο, έτσι ώστε $k$ πειράματα αρκούν για $2^k$ γραμμές. Για ένα πρόγραμμα χιλίων γραμμών αρκούν δέκα, επειδή $2^{10} = 1024$. Από όπου το πλεονέκτημα της μεθόδου: το κόστος της αυξάνεται όπως ο λογάριθμος του μεγέθους, και δεν απαιτεί να κατανοήσουμε όλο το πρόγραμμα, αλλά να ξέρουμε να αποφασίζουμε, σε ένα σημείο, αν η κατάσταση είναι η οφειλόμενη. Ωστόσο, αυτή η απόφαση είναι το δύσκολο μέρος: οι προδιαγραφές και οι αναλλοίωτες είναι το κριτήριο με το οποίο κρίνεται κάθε ενδιάμεση κατάσταση.