Bewertung der linguistischen Qualität von REST-APIs für IoT-Anwendungen

Das Internet der Dinge (IoT) ist eine wachsende Technologie, die auf verbundenen ‚Dingen‘ basiert, die Daten von Peer-Geräten sammeln und Daten über APIs (Application Programming Interfaces) an Server senden. Die Designqualität dieser APIs hat direkte Auswirkungen auf ihr Verständnis und ihre Wiederverwendbarkeit. Diese Studie konzentriert sich auf die linguistische Designqualität von REST-APIs für IoT-Anwendungen und bewertet deren linguistische Qualität durch die Erkennung von linguistischen Mustern und Antimustern in REST-APIs für IoT-Anwendungen. Linguistische Antimuster werden als schlechte Praktiken in der Benennung, Dokumentation und Auswahl von Identifikatoren betrachtet. Im Gegensatz dazu stellen linguistische Muster bewährte Praktiken für das API-Design dar. Die linguistischen Muster und ihre entsprechenden Antimuster sind daher entgegenstehende Paare. Wir schlagen den Ansatz SARAv2 (Semantic Analysis of REST APIs Version zwei) vor, um syntaktische und semantische Analysen von REST-APIs für IoT-Anwendungen durchzuführen. Basierend auf dem SARAv2-Ansatz entwickeln wir das REST-Ling-Tool und validieren empirisch die Erkennungsergebnisse von neun linguistischen Antimustern. Wir analysieren 19 REST-APIs für IoT-Anwendungen. Unsere Erkennungsergebnisse zeigen, dass die linguistischen Antimuster weit verbreitet sind und das REST-Ling-Tool linguistische Muster und Antimuster in REST-APIs für IoT-Anwendungen mit einer durchschnittlichen Genauigkeit von über 80 % erkennen kann. Darüber hinaus erfolgt die Erkennung von linguistischen Antimustern im Durchschnitt in der Reihenfolge von Sekunden, d.h. 8,396 s. Wir haben festgestellt, dass APIs im Allgemeinen gute linguistische Praktiken befolgen, obwohl die Verbreitung schlechter Praktiken vorhanden ist.