Aktueller Stand der Umstellung von JDBC auf JPA

Hintergrund

Technical Requirement AB311: „...um die Standardisierung hin zu JavaEE 8 vorzunehmen, soll die Datenbankzugriffstechnologie JPA statt JDBC genutzt werden.“

_{^{JPA: Java Persistence API (neuere Zugriffsmöglichkeit auf eine Datenbank)}}</sup>
_{^{JDBC: Java Database Connectivity (klassische Zugriffsmöglichkeit auf Datenbank)}}</sup>

Datenimport

Einlesen der Entwicklungshistorie mit Projektstand vom 15.01.2019 aus dem Git Versionskontrollsystem.



In [1]:

    
import pandas as pd

log = pd.read_csv("../dataset/git_log_refactoring.gz", parse_dates=[3])
log.head()









    Out[1]:







  
    
      
      additions
      deletions
      file
      timestamp
    
  
  
    
      0
      19
      0
      src/main/java/org/springframework/samples/petc...
      2017-12-31 19:41:29
    
    
      1
      55
      0
      src/main/java/org/springframework/samples/petc...
      2017-12-30 12:48:20
    
    
      2
      29
      0
      src/main/java/org/springframework/samples/petc...
      2017-12-30 12:48:20
    
    
      3
      0
      99
      src/main/java/org/springframework/samples/petc...
      2017-12-30 00:38:54
    
    
      4
      19
      0
      src/main/java/org/springframework/samples/petc...
      2017-12-30 00:38:54

Erkennung der technischen Komponenten

Anhand des Dateipfades an der 9. Stelle kann zwischen den beiden Technologien JPA und JDBC unterschieden werden.



In [2]:

    
log['file'][0]









    Out[2]:





'src/main/java/org/springframework/samples/petclinic/repository/jpa/JpaOwnerRepositoryImpl.java'

Mit Hilfe eines regulären Ausdrucks können die beiden Datenbankzugriffstechnologien bestimmt werden. Alle sonstigen Dateien werden mittels dropna() herausgefiltert.



In [3]:

    
log['tech'] = log['file'].str.extract("/(jpa|jdbc)/")
log = log.dropna()
log.head()









    Out[3]:







  
    
      
      additions
      deletions
      file
      timestamp
      tech
    
  
  
    
      0
      19
      0
      src/main/java/org/springframework/samples/petc...
      2017-12-31 19:41:29
      jpa
    
    
      1
      55
      0
      src/main/java/org/springframework/samples/petc...
      2017-12-30 12:48:20
      jpa
    
    
      2
      29
      0
      src/main/java/org/springframework/samples/petc...
      2017-12-30 12:48:20
      jpa
    
    
      32
      0
      47
      src/main/java/org/springframework/samples/petc...
      2017-12-29 15:28:42
      jpa
    
    
      123
      0
      26
      src/main/java/org/springframework/samples/petc...
      2017-12-25 01:27:16
      jpa

Arbeitsfortschritt

Um den Fortschritt nachvollziehen zu können, berechnen wir die geänderten Quellcodezeilen.



In [4]:

    
log['lines'] = log['additions'] - log['deletions']
log.head()









    Out[4]:







  
    
      
      additions
      deletions
      file
      timestamp
      tech
      lines
    
  
  
    
      0
      19
      0
      src/main/java/org/springframework/samples/petc...
      2017-12-31 19:41:29
      jpa
      19
    
    
      1
      55
      0
      src/main/java/org/springframework/samples/petc...
      2017-12-30 12:48:20
      jpa
      55
    
    
      2
      29
      0
      src/main/java/org/springframework/samples/petc...
      2017-12-30 12:48:20
      jpa
      29
    
    
      32
      0
      47
      src/main/java/org/springframework/samples/petc...
      2017-12-29 15:28:42
      jpa
      -47
    
    
      123
      0
      26
      src/main/java/org/springframework/samples/petc...
      2017-12-25 01:27:16
      jpa
      -26

Zeitliche Zusammenführung

Die jeweiligen Fortschritte werden nach ihren Zeitstempeln zusammengeführt.



In [5]:

    
log_timed = log.groupby(['timestamp', 'tech']).lines.sum()
log_timed.head()









    Out[5]:





timestamp            tech
2013-05-15 03:35:33  jdbc    250
2013-05-16 02:15:44  jdbc     50
2013-05-17 15:12:26  jdbc     78
2013-05-24 05:52:31  jdbc    142
2013-05-28 08:15:35  jdbc    123
Name: lines, dtype: int64

Darstellung

Für den Vergleich der Fortschritte werden beide Technologien nebeneinander aufgeführt.



In [6]:

    
log_progress = log_timed.unstack().fillna(0).cumsum()
log_progress.head()









    Out[6]:







  
    
      tech
      jdbc
      jpa
    
    
      timestamp
      
      
    
  
  
    
      2013-05-15 03:35:33
      250.0
      0.0
    
    
      2013-05-16 02:15:44
      300.0
      0.0
    
    
      2013-05-17 15:12:26
      378.0
      0.0
    
    
      2013-05-24 05:52:31
      520.0
      0.0
    
    
      2013-05-28 08:15:35
      643.0
      0.0

Fortschrittsübersicht über die Jahre

Es wird eine Tabelle erzeugt, welche den Fortschrittsverlauf pro Entwicklungsjahr darstellt.



In [7]:

    
progress_per_year = log_progress.groupby(log_progress.index.year).last()
progress_per_year.index.name = "year"
progress_per_year

Derzeitiger Stand der Technologieumstellung

Dargestellt nach den Zeilenänderungen je Technologie.



In [9]:

    
log_progress.plot(figsize=[15,8]);

tech	jdbc	jpa
year
2013	5940.0	0.0
2014	12997.0	0.0
2015	7424.0	2655.0
2016	3614.0	4769.0
2017	3320.0	6761.0

	additions	deletions	file	timestamp
0	19	0	src/main/java/org/springframework/samples/petc...	2017-12-31 19:41:29
1	55	0	src/main/java/org/springframework/samples/petc...	2017-12-30 12:48:20
2	29	0	src/main/java/org/springframework/samples/petc...	2017-12-30 12:48:20
3	0	99	src/main/java/org/springframework/samples/petc...	2017-12-30 00:38:54
4	19	0	src/main/java/org/springframework/samples/petc...	2017-12-30 00:38:54

tech	jdbc	jpa
timestamp
2013-05-15 03:35:33	250.0	0.0
2013-05-16 02:15:44	300.0	0.0
2013-05-17 15:12:26	378.0	0.0
2013-05-24 05:52:31	520.0	0.0
2013-05-28 08:15:35	643.0	0.0