‫‪Smart Compilers And Smart Debugging‬‬

‫مقدمه‬
‫در دنیای امروز‪ ،‬برنامهنویسی به یکی از کلیدیترین مهارتها تبدیل شده است و این امر به گونهای است که نیاز به ابزارهای‬
‫بهینه و کارآمد برای تسهیل فرآیند توسعه نرمافزار احساس میشود‪ .‬در این راستا‪ ،‬کامپایلرها و دیباگرها به عنوان دو از عناصر‬
‫اصلی در چرخه زندگی نرمافزار نقش مهمی ایفا میکنند‪ .‬کامپایلرها با تبدیل کد منبع به کد اجرایی‪ ،‬زمینهساز موفقیت اجرای‬
‫‪.‬برنامههای کامپیوتری میشوند و دیباگرها به توسعهدهندگان امکان میدهند تا خطاها را شناسایی و اصالح کنند‬

‫با ظهور فناوریهای نوین مانند هوش مصنوعی و یادگیری ماشین‪ ،‬دیباگرهای هوشمند به عنوان ابزارهای پیشرفتهای ظهور‬
‫کردهاند که میتوانند فرآیند دیباگینگ را سادهتر و سریعتر کنند‪ .‬این دیباگرها نه تنها خطاها را شناسایی میکنند‪ ،‬بلکه با تحلیل‬
‫رفتار کد‪ ،‬راهکارهایی را برای اصالح آنها پیشنهاد میدهند‪ .‬این مقاله به بررسی تاریخچه‪ ،‬معماری‪ ،‬و چالشهای موجود در‬
‫زمینه کامپایلرها و دیباگرهای هوشمند میپردازد و همچنین به آینده این فناوریها نگاهی خواهد داشت‪ .‬در ادامه‪ ،‬به تأثیرات این‬
‫سیستمها بر روی بهبود کارایی برنامهنویسی و کیفیت نرمافزارها خواهیم پرداخت‪.‬‬
‫مهم ترین علت استفاده از کامپایلر و ایجاد برنامه اجرایی میباشد‪ .‬به برنمه ای که زبان برنامه نویسی سطح پایین را به باالتر‬
‫تبدیل میکند مترجم وارون گفته میشود‪.‬‬

‫کامپایلر‬
‫مجموعه ای از برنامه های رایانه ای است که متنی از زبان برنامه نویسی سطح باال (زبان مبدا) را به زبانی سطح پایین (زبان‬
‫مقصد) ‪ ،‬مانند زبان اسمبلی یا زبان ماشین تبدیل میکند‪ .‬خروجی این برنامه ممکن است برای پردازش شدن توسط برنامه ی‬
‫دیگری مانند پیوند دهنده مناسب باشد یا پرونده ی متنی باشد که انسان نیز بتواند آن را بخواند‪.‬‬
‫‪Linker :‬‬

‫پیوندده برنامهای کاربردی است که قطعهبرنامهها و پروندههای دادهای را برای ایجاد یک برنامهٔ اجرایی با یکدیگر پیوند میدهد‪.‬‬
‫این برنامه میتواند کارهای دیگری هم انجام دهد مثالً ایجاد کتابخانه ها‪.‬‬

‫مهم ترین علت استفاده از کامپایلر ‪ ،‬ایجاد برنامه ی اجرایی میباشد‪ .‬به برنامه ای که زبان برنامه نویسی سطح پایین را به باالتر‬
‫تبدیل میکند مترجم وارون میگویند‪.‬‬

‫مترجم وارون یا دی کامپایلر‪ :‬برنامه هایی هستند که کد های اجرایی را با عنوان ورودی دریافت میکنند و آن را به سورس کد‬
‫برنامه تبدیل میکنند‪ ،‬به طوری که این کد قابلیت کامپایل شدن را داشته باشد‪ .‬عملکرد دیکامپایلر ها دقیقا برعکس میباشد‪.‬‬
‫کامپایلرها سورس کد را به فایل اجرایی تبدیل میکنند ولی دیکامپایلرها برعکس‪.‬‬

‫ترجمه ی کامل کد منبع برنامه ای از یک زبان سطح باال به کد شی‪ ،‬پیش از اجرای برنامه را هم گردانی یا کامپایل میگویند‪.‬‬
‫کامپایلرها به انواع تکگذره‪ ،‬چندگذره‪ ،‬باردهی و اجرا‪ ،‬بهینهساز‪ ،‬غلطیاب و … بسته با عمل انجامشده تقسیم میشوند‪ .‬علیرغم‬
‫این تنوع اعمال اساسی که هر کامپایلر بایستی انجام دهد‪ ،‬مشابه هم میباشند ‪.‬‬

‫کامپایلر تک گذره‪:‬‬
‫کامپایلری است که بخش های کامپایل شونده را فقط یک بار میخواند که در این خوانش فورا هر بخش از کد را به زبان ماشین‬
‫ترجمه میکند‪ .‬این نوع کامپایلر در مقابل کامپایلر های چندگذره قرار میگیرد‪ .‬کامپایر های چندگذره قبل از تبدیل نهایی کد به‬
‫زبان ماشین ‪ ،‬آن را به چند نمایش میانی تبدیل میکنند و در هر کدام از این تبدیل ها از همه بخش های کامپایل شونده استفاده‬
‫میکنند‪.‬‬

‫یک کامپایلر چند گذری یک نوع کامپایلر است که کد منبع یا درخت نحو انتزاعی از برنامه را چندین بار پردازش میکند‪ .‬این‬
‫نوع کامپایلر برخالف کامپایلر تک گذری است که فقط یک بار از روی برنامه گذر میکند (برنامه را پردازش میکند)‪ .‬هر گذر‬
‫نتیجهٔ گذر قبلی را به عنوان ورودی انتخاب میکند و یک خروجی میانی تولید میکند‪ .‬به این ترتیب کد میانی گذر به گذر بهبود‬
‫مییابد تا گذر نهایی‪ ،‬کد نهایی را منتشر کند‪.‬‬

‫تحلیل لغوی‬
‫این مرحله یک مرحله از یک کامپایلر چندگذری است که اطالعات بی ربطی از برنامه منبع را که تحلیل نحوی قادر به استفاده‬
‫یا تفسیر آن نخواهد بود را حذف میکند‪ .‬اطالعات بی ربط میتواند چیزهایی مانند نظرات و فضای سفید باشد‪ .‬تحلیل لغوی‬
‫عالوه بر از بین بردن اطالعات بی ربط‪ ،‬نشانههای واژگانی از زبان را مشخص میکند‪ .‬این بدان معنی است که اگر یک‬
‫‪.‬بهطور کلی الزم نیست ‪ Forward declaration‬کامپایلر چندگذری استفاده شود‬

‫تحلیل نحوی‬
‫تحلیل نحوی مسئول دنبال کردن قوانین نحوی (معموالً به صورت گرامرهای مستقل از متن)و ساخت یک ارائه از زبان (مثل‬
‫‪.‬یک درخت نحوی انتزاعی یا گراف جهتدار بدون دور)است‬

‫تحلیل معنایی‬
‫تحلیل معنایی قوانین معنایی را به ارائهای که توسط تحلیل نحوی ساختهشدهاست اعمال میکند تااز این که این برنامه از قوانین‬
‫معنایی زبان پیروی میکند اطمینان حاصل شود‬

‫غلطیاب یا اسپل چکر‬

‫در جهان واژه پردازی رایانهای‪ ،‬برنامهای کاربردی است که کلمات یک متن را که دارای غلط امالیی است‪ ،‬تشخیص میدهد‪.‬‬
‫غلطیابها میتوانند به تنهایی روی بلوکی از یک متن یا به عنوان بخشی از یک برنامه بزرگتر‪ ،‬مانند واژهپرداز‪ ،‬نرمافزار‬
‫ایمیل‪ ،‬لغتنامهٔ الکترونیک یا موتور جستجو به کار روند‪.‬‬

‫دیباگر‬
‫دیباگر ابزاری کمکی جهت اجرای دستورهای زبان اسمبلی و برای ایجاد‪ ،‬آزمایش‪ ،‬اجرا‪ ،‬تغییر و اشکال یابی برنامه‪ ،‬به زبان‬
‫اسمبلی است‪.‬یکی از مزایای نوشتن برنامه در محیط نرمافزار دیباگ این است که برنامه بهطور مستقیم قابل اجرا بوده و نیازی‬
‫به ترجمه ندارد‪.‬‬
‫در دنیای رایانه‪ ،‬باگ یا اشکال به معنی اشتباه یا اشکال در برنامه است‪ .‬اما معنای اصلی آن در انگلیسی )‪: Bug‬به انگلیسی(‬
‫حشره میباشد‪ .‬روزی که رایانهٔ در هاروارد خراب شد پس از یک جستجوی طوالنی متخصصین علت مشکل را پیدا ‪Mark I‬‬
‫کردند‪ .‬یک حشره کوچک بین نقاط تماس یک رله قرار داشت‪ .‬به همین دلیل وجود اشکاالت رایانهای باگ (حشره) نام گرفت و‬
‫برطرف کردن این اشکاالت کامپیوتری را دیباگ نامیدند‪( .‬ر‪ .‬ج کتاب آموزشی اسمبلی برای کامپیوترهای شخصی نوشته شده‬
‫توسط پیتر نورتن و جان سوچا‪ ،‬فصل ‪)۱‬‬

‫اشکال زدایی‪:‬‬
‫اشکال زدایی فرآیند شناسایی و رفع خطاها یا اشکاالت در یک برنامه است‪ .‬اشکاالت می توانند به صورت رفتار غیرمنتظره‪،‬‬
‫خرابی یا خروجی نادرست ظاهر شوند‪ .‬اشکال زدایی شامل تکنیک ها و ابزارهای مختلفی برای یافتن منبع مشکل است‪ ،‬مانند‬
‫استفاده از نقاط شکست‪ ،‬گذر از کد‪ ،‬بررسی متغیرها و تجزیه و تحلیل پیام های خطا‪ .‬اشکال زدایی به عملکرد صحیح برنامه‬
‫کمک می کند‪.‬‬

‫و )‪ (AI‬دیباگرهای هوشمند در کامپایلر‪ ،‬نسل جدیدی از ابزارهای دیباگینگ هستند که از تکنیکهای پیشرفتهی هوش مصنوعی‬
‫برای کمک به برنامهنویسان در یافتن و رفع اشکاالت در کدشان استفاده میکنند‪ .‬این دیباگرها فراتر از )‪ (ML‬یادگیری ماشین‬
‫دیباگرهای سنتی عمل میکنند و به جای ارائه صرف اطالعات پایه‪ ،‬تالش میکنند تا درک کنند که برنامه چه میکند و چه‬
‫‪.‬خطاهایی ممکن است داشته باشد‬
‫ویژگیهای کلیدی دیباگرهای هوشمند عبارتند از‪:‬‬

‫‪ (Advanced Static Analysis):‬تجزیه و تحلیل ایستا پیشرفته‬

‫این دیباگرها از تکنیکهای تحلیل ایستا پیشرفتهتر از ابزارهای سنتی استفاده میکنند‪ .‬آنها میتوانند الگوهای کد مشکوک‪،‬‬
‫نقضهای احتمالی قوانین برنامهنویسی و مشکالت پنهان را شناسایی کنند‪ ،‬حتی قبل از اجرای برنامه‪ .‬این تحلیل میتواند شامل‬
‫‪.‬بررسی نوع‪ ،‬تشخیص خطاهای استفاده از حافظه‪ ،‬شناسایی کد مرده و موارد دیگر باشد‬

‫‪ (Intelligent Tracing):‬ردیابی هوشمند‬

‫‪ ،‬مهمترین بخشهای کد را که احتماالً حاوی ‪ ML‬در عوض ردیابی خط به خط ساده‪ ،‬دیباگرهای هوشمند میتوانند با استفاده از‬
‫اشکال هستند شناسایی و ردیابی کنند‪ .‬به جای اینکه برنامهنویس مجبور باشد تمام کد را گام به گام بررسی کند‪ ،‬دیباگر میتواند‬
‫‪.‬به طور خودکار به بخشهای مشکلدار برود‬

‫‪ (Automatic Bug Detection):‬تشخیص خودکار اشکاالت‬

‫برخی از دیباگرهای هوشمند میتوانند بهطور خودکار انواع خاصی از اشکاالت رایج‪ ،‬مانند خطاهای فراخوانی تابع‪ ،‬مدیریت‬
‫‪.‬نادرست اشاره گرها‪ ،‬و خطاهای منطقی را تشخیص دهند‪ .‬آنها میتوانند حتی پیشنهادهایی برای رفع این خطاها ارائه دهند‬

‫‪ (Predictive Program Behavior):‬پیشبینی رفتار برنامه‬

‫‪ ،‬برخی دیباگرها میتوانند رفتار برنامه را در آینده پیشبینی کنند‪ .‬این به برنامهنویس کمک میکند تا بفهمد که ‪ ML‬با استفاده از‬
‫‪.‬تغییرات در کد چه تأثیری بر عملکرد برنامه خواهد داشت و از بروز مشکالت در آینده جلوگیری کند‬

‫‪ (Visualization and Explanation of Errors):‬تجسم و توضیح خطاها‬

‫دیباگرهای هوشمند اغلب خطاها را به صورت گرافیکی و به شیوهای قابل فهمتر نشان میدهند‪ .‬آنها میتوانند توضیحاتی در‬
‫‪.‬مورد علت خطا و چگونگی رفع آن ارائه دهند‬
 ‫پشتیبانی از زبانهای مختلف برنامهنویسی‪ :‬دیباگرهای هوشمند میتوانند از طیف وسیعی از زبانهای برنامهنویسی پشتیبانی‬
‫‪.‬کنند و میتوانند بر روی زبانهای سطح باال و سطح پایین کار کنند‬

‫‪:‬مثالها و چالشها‬

‫در حال حاضر‪ ،‬دیباگرهای کامالً هوشمند که میتوانند تمام انواع اشکاالت را به طور خودکار تشخیص و رفع کنند‪ ،‬وجود‬
‫‪:‬ندارند‪ .‬این حوزه هنوز در حال پیشرفت است و چالشهای بسیاری وجود دارد‬

‫‪.‬پیچیدگی برنامهها‪ :‬تجزیه و تحلیل برنامههای بسیار پیچیده میتواند بسیار زمانبر و پرهزینه باشد‬

‫ناقص بودن اطالعات‪ :‬دیباگرهای هوشمند به اطالعات کافی در مورد برنامه و هدف آن نیاز دارند‪ .‬این اطالعات همیشه به‬
‫‪.‬طور کامل در دسترس نیستند‬

‫‪ ،‬دیباگرهای هوشمند ممکن است گاهی اوقات خطاهای کاذب ‪ ML‬عدم قطعیت‪ :‬به دلیل ذات احتمالی در بسیاری از تکنیکهای‬
‫‪.‬را گزارش دهند یا خطاهای واقعی را نادیده بگیرند‬

‫با این حال‪ ،‬پیشرفتهای اخیر در زمینه هوش مصنوعی و یادگیری ماشین‪ ،‬به توسعه دیباگرهای هوشمند بسیار قدرتمندتر کمک‬
‫کرده است و انتظار میرود که در آینده شاهد پیشرفتهای بیشتری در این زمینه باشیم‪ .‬این ابزارها میتوانند به طور چشمگیری‬
‫در افزایش بهرهوری برنامهنویسان و بهبود کیفیت کد نقش مهمی ایفا کنند‬

‫دیباگینگ سنتی و دیباگینگ هوشمند در کامپایلرها‪ ،‬هر دو هدف یافتن و رفع خطاهای برنامه را دنبال میکنند‪ ،‬اما در رویکرد و‬
‫در دیباگینگ سنتی‪ ،‬برنامهنویس نقش فعالتری در فرایند دیباگینگ دارد‪ ،‬در حالی که ‪.‬قابلیتهایشان تفاوتهای اساسی دارند‬
‫‪.‬دیباگینگ هوشمند تالش میکند تا این فرایند را خودکار کند و یا حداقل آن را بسیار آسانتر کند‬

‫‪:‬دیباگینگ سنتی‬

‫رویکرد‪:‬‬
‫بر اساس آزمون و خطا و بررسی دستی کد است‪.‬‬
‫برنامه نویس از ابزارهایی مانند دیباگرها را استفاده میکند تا کد را گام به گام اجرا کند‪ ،‬مقدار متغیرها را بررسی کند‪،‬‬
‫)‪ ، ...‬و‪ (GDB ،LLDB‬نقاط شکست را تحلسل کند‪ .‬او باید خودش ریشه مشکل را بایبد و راه حل را پیاده سازی کند‪.‬‬

‫‪:‬ابزارها‬
‫دیباگرها‪،‬‬
‫(‪ (print statements‬پرینت استیتمنتها‬

‫(‪ ، (logs‬الگها‬

‫‪.‬ساده )‪ ، (static analysis‬و ابزارهای تحلیل ایستا‬

‫مزایا‪:‬‬
‫درک عمیقتری از کد ایجاد میکند‬
 ‫‪.‬برای انواع مختلف خطاها‪ ،‬انعطاف پذیر است‬

‫‪.‬نیازی به زیرساختهای پیچیده ندارد‬

‫‪:‬معایب‬

‫‪.‬زمانبر و خستهکننده است‪ ،‬به ویژه برای برنامههای بزرگ و پیچیده‬

‫‪.‬مستعد خطاهای انسانی است‬

‫‪.‬پیدا کردن خطاهای پنهان و ظریف دشوار است‬

‫‪.‬نیازمند دانش و مهارت باالیی از برنامهنویس دارد‬

‫‪:‬دیباگینگ هوشمند‬

‫‪:‬رویکرد‬
‫برای خودکار سازی بخشی از دیباگینگ و یادگیری ماشین از تکنیک های هوش مصنوعی استفاده میکند‪ .‬این سیستم ها میتوانند‬
‫الگوهای کد را شناسایی کنند ‪ ،‬خطاهای احتمالی را پیش بینی کنند و حتی راه حل هایی برای رفع خطا ارائه دهند‪.‬‬
‫‪:‬ابزارها‬

‫‪.‬دیباگرهای مبتنی بر هوش مصنوعی‪ ،‬سیستمهای تحلیل ایستا پیشرفته‪ ،‬موتورهای استنتاج‪ ،‬و مدلهای یادگیری ماشین‬

‫‪:‬مزایا‬

‫‪.‬می تواند خطاهای پنهان و ظریف را شناسایی کند که به روش سنتی به راحتی قابل تشخیص نیستند‬
‫‪.‬سرعت دیباگینگ را افزایش میدهد‬
‫‪.‬به برنامهنویسان کمتجربه کمک میکند تا با سرعت بیشتری خطاهای کد را رفع کنند‬

‫‪.‬میتواند در ارائه راه حلهای هوشمندانه برای رفع مشکالت کمک کند‬

‫‪:‬معایب‬

‫‪.‬نیازمند زیرساختهای سختافزاری و نرمافزاری قدرتمند است‬

‫‪.‬ممکن است خطاهای کاذب را گزارش کند یا خطاهای واقعی را از قلم بیندازد‬

‫‪.‬قابلیتهای آن به نوع و پیچیدگی برنامه بستگی دارد‬

‫‪.‬ممکن است درک عمیق برنامهنویس از کد را کاهش دهد (اگر به طور کامل به سیستم اعتماد کند)‬

‫‪.‬هنوز در مراحل توسعه و تکامل است و قابلیتهای آن به طور مداوم در حال بهبود است‬

‫دیباگینگ هوشمند‬ ‫دیباگینگ سنتی‬ ‫ویژگی‬

‫خودکار یا نیمه خودکار مبتنی بر‬ ‫دستی و مبتنی بر آزمون و خطا‬
‫‪ML‬و ‪AI‬رویکرد‬
‫پیچیده‬ ‫ساده‬ ‫پیچیدگی‬
‫تند‬ ‫کند‬ ‫سرعت‬
 ‫میتواند خطا داشته باشد‬ ‫وابسته به مهارت برنامه نویس‬ ‫دقت‬
‫زیاد‬ ‫کم‬ ‫هزینه‬
‫کم(اما درک اصول برنامه نویسی‬ ‫زیاد‬ ‫نیاز به تخصص‬
‫ضروری است)‬

‫در نهایت‪ ،‬انتخاب بین دیباگینگ سنتی و هوشمند به عوامل مختلفی مانند پیچیدگی برنامه‪ ،‬منابع در دسترس‪ ،‬و سطح مهارت‬
‫برنامهنویس بستگی دارد‪.‬‬
‫دیباگینگ هوشمند میتواند به ‪.‬در بسیاری از موارد‪ ،‬ترکیبی از هر دو رویکرد برای رسیدن به بهترین نتیجه موثرتر است ‪.‬‬
‫عنوان یک ابزار کمکی برای سرعت بخشیدن به فرایند دیباگینگ سنتی مورد استفاده قرار گیرد‪ ،‬و برنامهنویس همچنان نقش‬
‫‪.‬اساسی در تصمیمگیری و ارزیابی خروجی سیستم هوشمند خواهد داشت‬

‫تحقیقات بیشتر در زمینه ی دیباگینگ هوشمند از اهمیت باالیی برخوردار است‪ ،‬زیرا این حوزه پتانسیل باالیی برای متحول کردن‬
‫‪:‬اهمیت این تحقیقات را میتوان از چندین جنبه بررسی کرد ‪.‬فرایند توسعهی نرمافزار دارد‬
‫افزایش بهرهوری و کاهش هزینه‪:‬‬
‫دیباگینگ ‪ ،‬بخش قبال توجهی از زمان و منابع توسعه ی نرم افزار را به خود‬
‫اختصاص میدهد‪ .‬دیباگینگ هوشمند با خودکارسازی و تسریع فرآبند دیباگینگ ‪،‬‬
‫میتولند به طور چشمگیری بهره وری بنرنامه نویسان را افزایش دهد و در نتیجه‬
‫هزینه های توسعه را کاهش دهد‪.‬‬

‫بهبود کیفیت نرم افزار‪:‬‬

‫دیباگینگ هوشمند میتواند به شناسایی و رفع خطاهای ظریف و پنهانی کمک کند که‬
‫به روشهای سنتی به سختی قابل تشخیص هستند ‪ .‬این امر به تولید نرمافزار با کیفیت‬
‫باالتر و قابلیت اطمینان بیشتر منجر میشود‬
‫کاهش خطاهای انسانی‪:‬‬
‫دیباگینگ سنتی مستعد خطاهای سنتی است مستعد خطاهای انسانی است‪ .‬دیباگینگ هوشمند با کاهش نیاز به دخالت دستی برنامه‬
‫نویس در فرایند دیباگینگ‪ ،‬میتواند تعداد خطاهای ناشی از اشتباه انسان را کاهش دهد‪.‬‬
‫ارائه راه حل های هوشمندانه‪:‬‬
‫دیباگر های هوشمند میتوانند فراتر از شناسایی خطاها بروند و پیشنهادهای اصالحی هوشمندتنه نیز ارائه دهند‪ .‬این امر میتواند به‬
‫برنامه نویسان‪ ،‬بخصوص برنامه نویسان کم تجربه در خطاها کمک قابل توجهی بکنند‪.‬‬
‫به طور خالصه‪ ،‬تحقیقات بیشتر در دیباگینگ هوشمند میتواند به طور قابلتوجهی فرایند توسعه نرمافزار را بهبود دهد و منجر‬
‫به تولید نرمافزار با کیفیت باالتر‪ ،‬هزینه کمتر‪ ،‬و خطاهای کمتر شود‪ .‬این حوزه نیازمند تالش های مداوم و گسترده در زمینه‬
‫های هوش مصنوعی ‪،‬یادگیری ماشین و مهندسی نرم افزار است‪.‬‬