Steps TS 1 Analysis of the Current Process 1.1. Analysis of the Current Process F 1.2. Documenting the Current Process F 2 Construction of the i* Model 2.1. Actor Identification and Modelling F 2.2. Building the Operational i* Model A 2.3. Building the Intentional i* Model G 2.4. Checking the Resulting i* Model A 3 Generation of Alternatives 3.1. Reengineering the current System G 3.2. Adding/Removing System Actors F 3.3. Reallocating Responsibilities G/A 3.4. Checking Consistency between Alternatives A 4 Evaluation of Alternatives 4.1. Choosing Suitable Properties F 4.2. Defining Property Metrics F 4.3. Evaluating Alternative Models A 4.4. Evaluation Trade-off Analysis G 5 Specification of the New System N/S Table 1. PRiM phases and steps, showing how each step is supported by J-PRiM

No abstract

Resumen: El desempeño es un parámetro importante en los procesos de evaluación de software. Es usado como punto de diferenciación entre competidores. El aseguramiento del desempeño no es trivial, ya que requiere la ejecución de pruebas exhaustivas y el análisis de grandes volúmenes de datos. Normalmente, se usan soluciones comerciales para producir métricas de desempeño. Sin embargo, estas son de propósito general y requieren de esfuerzo para ser adaptadas a casos particulares. En este artículo presentamos DDP, una plataforma para analizar datos de pruebas de desempeño. DDP utiliza tecnología de Big Data para recolectar, almacenar, procesar y analizar resultados de desempeño de una manera integrada. Demostramos el uso exitoso de DDP en la evaluación de "Spectrum Scale", una solución de almacenamiento definido por software. Ilustramos el uso DDP en el análisis de pruebas de regresión para verificar y validar la calidad de las nuevas versiones creadas durante el proceso de desarrollo. Palabras-clave: calidad de software; desempeño; big data; ciencia de datos.

No abstract