Re-engineering Legacy Software through Language Conversion

Abstract

Ohjelmistoteollisuudessa on paljon vanhoja tietokoneohjelmia, jotka kaipaavat uudistamista. Nämä ohjelmat ovat tärkeitä yrityksen kannalta, koska huolimatta niiden pitkästä iästä, ne ovat edelleen tuotantokäytössä. Yksi tapa uudistaa tällaisia ohjelmia on kääntää ne uudelle ohjelmointikielelle. Tämä on joskus jopa välttämätöntä, koska ohjelmointikielet voivat vanheta niin, että niille ei ole enää saatavissa kääntäjätukea.

Ohjelmien kääntäminen toiselle korkean tason kielelle on vaikeampaa kuin niiden kääntäminen matalan tason kielelle. Korkean tason kohdekielestä ei useinkaan löydy suoraa vastinetta kaikille lähdekielen rakenteille. Jos kohdekieli on matalan tason kieli, lähdekielen rakennetta vastaava ilmaisu saadaan aikaan liittämällä yhteen useita matalan tason kielen rakenteita. Tämä ei ole mahdollista, jos kohdekieli on korkean tason kieli, vaan joudutaan käyttämään kohdekielen rakenteita usein kömpelöllä tavalla, joka ei muistuta näiden rakenteiden tavanomaista käyttöä. Tällöin tulosohjelmien ymmärrettävyys ja luettavuus kärsivät. Jos taas halutaan, että niin ei käy, ei aina voida tarjota toimivaa käännöstä kaikille lähdekielen rakenteille.

Kun ohjelmia käännetään toiselle korkean tason ohjelmointikielelle, ohjelmointiparadigma voidaan joko muuttaa tai säilyttää samana. Jos ohjelmointiparadigma muuttuu, esimerkiksi proseduraalisesta olioparadigmaan, kääntämisessä tarvitaan laajempaa näkemystä lähdeohjelmasta. Esimerkiksi jos kohdeohjelmista halutaan olioperustaisia, lähdeohjelmasta täytyy ensin etsiä oliopiirteitä kuten luokkia, olioita, olioiden välisiä suhteita, perimistä ja dynaamista sidontaa. Molemmissa tapauksissa, huolimatta siitä, vaihtuuko ohjelmointiparadigma vai ei, tarvitaan tietämystä kielikonversiosta kahden korkean tason kielen välillä.

Väitöskirjan konstruktiivisena osana on toteutettu kielikonvertteri, joka kääntää PL/M-ohjelmia C-kielisiksi. Tässä tapauksessa ohjelmointiparadigma säilyy samana. Konvertteria on kuitenkin lisäksi laajennettu niin, että se tunnistaa PL/M-ohjelmista oliopiirteitä. Tätä varten tutkimuksessa on kehitetty uusia menetelmiä olio-ominaisuuksien havaitsemiseksi. Näiden piirteiden tunnistaminen on ensimmäinen askel konvertterin toteuttamiseksi proseduraaliselta kieleltä oliokielelle. Toteutettu PL/M-C-konvertteri on todellisessa käytössä ohjelmistoteollisuudessa.

Kun ohjelmia käännetään toiselta ohjelmointikieleltä toiselle, ne täytyy esittää jotenkin. Tällainen esitysmuoto voi olla esimerkiksi ohjelman jäsennyksen tuloksena syntyvä jäsennyspuu. Vanhat ohjelmat voivat olla todella suuria, joten silloin myös jäsennyspuusta tulee suuri. Suuret jäsennyspuut vaativat paljon tilaa, mikä voi tuottaa ongelmia tietokoneen muistinhallinnalle. Kielestä toiseen kääntämisessä jäsennyspuu voidaan kuitenkin rakentaa paloittain, esimerkiksi aliohjelma kerrallaan, koska yhtä aliohjelmaa käännettäessä ohjelman muista aliohjelmista ei tarvitse tietää mitään. Tällaisessa paloittain kääntämisessä rakennetaan ensin yhtä aliohjelmaa vastaava jäsennyspuun osa, sitten aliohjelma käännetään kohdeohjelmointikielelle rakennetun osan mukaisesti, ja lopuksi rakennettu osa tuhotaan. Tämän jälkeen siirrytään käsittelemään seuraavaa aliohjelmaa samaan tapaan.

Jotkut ohjelmointikielet mahdollistavat ehdollisen kääntämisen. Tällaisia ohjelmointikieliä ovat esimerkiksi juuri PL/M ja C. Tällöin ohjelma tavallaan sisältää useita vaihtoehtoja lopulliseksi ohjelmaksi. Lähdeohjelma ei silloin olekaan jono kielen syntaksin mukaisia osia, vaan jotkut ohjelman osat voivat olla vaihtoehtoja toisilleen. Kun ohjelma käännetään matalan tason kielelle, esimerkiksi konekielelle, kääntämisen ehdollisuus ei aiheuta ongelmia, koska sopiva vaihtoehto määrätään kääntämisen yhteydessä. Kun ohjelma käännetään toiselle korkean tason kielelle, tarkoitus on saada kaikki vaihtoehdot mukaan myös kohdeohjelmaan. Silloin tavanomainen jäsentäminen ei ole mahdollista. Sen vuoksi tutkimuksessa on kehitetty uusi jäsennystapa, jossa kääntämisen ehdollisuus on otettu huomioon.

Väitöskirjatutkimuksessa on tuotu esiin uusia menetelmiä ohjelmien uudistamiseksi ja kääntämiseksi uudelle ohjelmointikielelle. Tällaisten menetelmien kehittäminen on tärkeää, koska ohjelmat vanhenevat koko ajan. Ohjelmat, jotka nyt ovat uusia, ovat jo muutaman vuoden kuluttua vanhoja ja saattavat tarvita uudistamista. Uudistamismenetelmiä voidaan aina kehittää eteenpäin. Myös PL/M-C-konvertteria voidaan kehittää, esimerkiksi niin että kohdekieleksi C:n sijasta tuleekin olioparadigman kieli C++.

Software industry has a huge amount of legacy programs needing modernization and re-engineering. We are especially interested in re-engineering legacy programs via language conversion. In language conversion, the source and target languages can be either from the same programming paradigm or from different ones. Thus, we consider program modernization from two aspects. If the source and target languages share the same programming paradigm, we can modernize programs via source-to-source translation. If the languages are from different paradigms, for example procedural and object-oriented, we need re-engineering means in modernization, particularly in identifying objects from procedural code. After finding objects and their operations, we need again source-to-source translation methods in the actual conversion.

As a constructive part of this thesis, we have implemented a converter translating PL/M programs into C. As an implementation tool of that converter, we have used TaLE (Tampere Language Editor). Because of the nature of the legacy software and PL/M language, we have been forced to extend TaLE. Since legacy systems are typically large, we have developed a technique to reduce the space requirements of the converter. In addition, conditional compilation of the source language may cause parsing problems in source-to-source translation. As a solution for this problem, we introduce multi-branch parsing. Both of these techniques are implemented in TaLE. We also show how to exploit the existing features of TaLE in information passing.

We have extended the PL/M-to-C converter with object identification methods as a first step to enable translation from a procedural language into an object-oriented one (for example, C++). We introduce new methods to identify object-oriented features, such as subclass relationships and polymorphism, from legacy programs.

The converter developed in this work is currently being used for modernizing PL/M systems in telecommunication industry. The experiences in using the converter are briefly summarized.