cobol-java-v3/docs/detailed-design/00-overview.md

V3系统总体设计

版本: v2.0 | 日期: 2026-08-23 本文档描述COBOL迁移验证平台V3的总体架构和模块设计。

---

一、系统概述

1.1 系统定位

COBOL迁移验证平台V3是一个AI辅助的自动化测试工具，用于验证COBOL程序向Java/Spark迁移的正确性。

1.2 核心能力

能力	说明
COBOL源码解析	自动解析DATA DIVISION和PROCEDURE DIVISION（支持新旧双解析器）
测试数据生成	基于分支覆盖的测试数据自动生成（规则引擎 + LLM双模式）
双管道验证	支持非DB（flat file）和DB（SQLite）两种验证模式
全流程入口	run.py 一键执行白盒+黑盒全流程
黑盒LLM生成	black-box-data-create 基于设计书的LLM测试数据生成
覆盖率分析	静态分支覆盖 + 动态gcov覆盖，生成HTML报告
AI辅助	LLM驱动的程序分类、测试策略生成、诊断建议

1.3 技术栈

组件	技术
语言	Python 3.12+
解析器	Lark (Earley parser) + 新fast parser (line-based state machine)
COBOL编译	GnuCOBOL 3.2.0
DB管道	gixsql + SQLite
AI模型	DeepSeek (deepseek-v4-flash)
测试框架	pytest

---

二、系统架构

2.1 架构图

┌─────────────────────────────────────────────────────────────────────┐
│                         V3系统架构                                   │
├─────────────────────────────────────────────────────────────────────┤
│                                                                     │
│  ┌──────────────┐     ┌──────────────┐                              │
│  │  run.py      │     │  main.py     │                              │
│  │  全流程入口  │     │  CLI入口     │                              │
│  └──────┬───────┘     └──────┬───────┘                              │
│         │                    │                                      │
│         ▼                    ▼                                      │
│  ┌──────────────┐     ┌──────────────────────────────────────────┐  │
│  │  Step1:      │     │          编排层 (Orchestrator)            │  │
│  │  cobol_testgen│    │  orchestrator.py (非DB)                   │  │
│  │  (白盒)      │     │  orchestrator_db.py (DB, 6步)            │  │
│  │  Step2:      │     └──────────────────────────────────────────┘  │
│  │  black-box   │              │                                    │
│  │  (黑盒LLM)   │              │                                    │
│  └──────┬───────┘              │                                    │
│         │         ┌────────────┼────────────┐                       │
│         │         │            │            │                       │
│         ▼         ▼            ▼            ▼                       │
│  ┌──────────────┐  ┌──────────────┐  ┌──────────────┐              │
│  │  核心引擎    │  │  运行引擎    │  │  AI代理      │              │
│  │ cobol_testgen│  │  runners/    │  │  agents/     │              │
│  └──────────────┘  └──────────────┘  └──────────────┘              │
│         │                  │                 │                      │
│         ▼                  ▼                 ▼                      │
│  ┌──────────────┐  ┌──────────────┐  ┌──────────────┐              │
│  │  比对模块    │  │  报告模块    │  │  配置模块    │              │
│  │ comparator/  │  │  report/     │  │  config/     │              │
│  └──────────────┘  └──────────────┘  └──────────────┘              │
│                                                                     │
│  ┌──────────────────────────────────────────────────────────────┐  │
│  │              black-box-data-create/ (黑盒LLM模块)            │  │
│  │  InputParser → RuleLoader → PromptBuilder → APIClient → Writer│  │
│  └──────────────────────────────────────────────────────────────┘  │
│                                                                     │
└─────────────────────────────────────────────────────────────────────┘

2.2 分层架构

层级	模块	职责
L1 数据层	data/	共享数据模型
L2 核心层	cobol_testgen/, config/	COBOL解析、配置管理
L3 业务层	hina/, agents/, comparator/	分类、AI代理、比对
L4 编排层	orchestrator*, runners/	流程编排、执行
L5 接口层	run.py, main.py, black-box-data-create/	用户接口

---

三、模块清单

3.1 核心模块

模块	文件数	行数	职责
cobol_testgen/	22	~10000	COBOL解析、测试数据生成
black-box-data-create/	12	~1500	黑盒LLM测试数据生成
orchestrator_db.py	1	~1000	DB管道6步编排
orchestrator.py	1	~500	非DB管道编排
runners/	7	~600	编译运行引擎
hina/	12	~2600	HINA程序分类
agents/	7	~1100	LLM代理
comparator/	6	~400	字段比对
config/	4	~400	配置管理
report/	1	~200	报告生成

3.2 模块依赖关系

models.py (零依赖)
    │
    ├── read.py (lark)
    ├── cond.py (stdlib)
    ├── core.py (cond)
    ├── procedure_parser.py (re) [新]
    ├── pipeline_bridge.py (procedure_parser, core) [新]
    ├── design.py (models, cond, core)
    ├── design_mcdc.py (models, cond) [新]
    ├── coverage.py (models, cond)
    ├── output.py (file_io)
    ├── to_sql.py (stdlib)
    ├── flatfile.py (read, file_io) [新]
    ├── data_merger.py (generate_data, design_data) [新]
    ├── gcov.py [新]
    │
    └── __init__.py (所有上层模块)

---

四、数据流

4.1 全流程入口 (run.py)

run.py
  │
  ├── Step1: python -m cobol_testgen --gcov <source> <output>
  │     │
  │     ├── read.py: preprocess() + parse_data_division()
  │     ├── core.py / procedure_parser.py: build_branch_tree()
  │     ├── design.py / design_mcdc.py: enum_paths() + generate_records()
  │     ├── output.py: output_json() + output_input_files()
  │     └── coverage.py: HTML覆盖率报告
  │
  └── Step2: black-box-data-create/main.py
        │
        ├── InputParser: 解析设计书 + COPYBOOK + DB定义
        ├── RuleLoader: PGM模式匹配 → 规则文件
        ├── PromptBuilder: 组装LLM提示词
        ├── APIClient: DeepSeek API调用
        └── OutputWriter: JSON/SQL输出

4.2 非DB管道数据流

COBOL源码 → read.py → core.py → design.py → output.py → cobol_runner.py → comparator/ → report/

4.3 DB管道数据流

COBOL源码 → gixsql_runner.py → orchestrator_db.py (6步)
  Step1: gixpp + cobc编译
  Step2: generate_data → flatfile.write_all_files + DB初始化 + JSON输出
  Step3: gixsql_runner.run (COBOL + SQLite)
  Step4: SQLite → JSON中间数据
  Step5: Java执行 (可选)
  Step6: 结果比对

---

五、接口设计

5.1 公开API

# cobol_testgen/__init__.py

def extract_structure(
    cobol_source: str,
    copybook_dirs: list[str] = None
) -> dict:
    """解析COBOL源码，返回结构信息（段落、决策点、分支树、文件信息等）"""
    pass

def generate_data(
    cobol_source: str,
    structure: dict,
    copybook_dirs: list[str] = None
) -> list[dict]:
    """基于分支覆盖生成测试数据"""
    pass

def incremental_supplement(
    branch_tree: list,
    gaps: list,
    data_fields: list
) -> list[dict]:
    """增量补充未覆盖分支的测试数据"""
    pass

def main():
    """CLI入口"""
    pass

5.2 黑盒LLM API

# black-box-data-create/agent/__init__.py

def generate(
    design_md: str,        # 詳細設計書パス
    source_cbl: str,       # COBOLソースパス
    file_db_md: str,       # COPY句定義書パス
    cpy_dir: str,          # COPYBOOKディレクトリ
    db_md: str,            # DB定義書パス
    output_dir: str,       # 出力ディレクトリ
    api_key: str,          # DeepSeek API Key
    api_model: str,        # モデル名 (default: deepseek-v4-flash)
    rules_dir: str,        # ルールディレクトリ
    max_tokens: int,       # トークン上限 (default: 32768)
) -> dict:
    """黑盒LLM测试数据生成主入口"""
    pass

5.3 配置接口

# config/__init__.py

@dataclass
class Config:
    """全局配置（从TOML加载）"""
    project_name: str
    copybook_paths: list[str]
    dialect: str
    llm_model: str
    gcov_enabled: bool
    # ... 更多字段

---

六、错误处理

6.1 错误分类

类别	示例	处理策略
解析错误	COBOL语法不合法	抛出异常，返回错误信息
编译错误	cobc编译失败	记录日志，跳过该程序
运行错误	程序执行异常	捕获异常，标记失败
超时错误	执行超时	强制终止，记录超时
API错误	DeepSeek调用失败	3次重试后回退到规则引擎

6.2 容错机制

• 解析器超时：pipeline_bridge 3秒超时回退（新parser → 旧parser）
• LLM失败：black-box-data-create 回退到空结果
• gcov失败：跳过覆盖率收集
• DB连接失败：重试或跳过
• API重试：3次指数退避重试

---

七、性能设计

7.1 性能指标

指标	目标
单程序解析	< 5秒
测试数据生成	< 30秒
编译运行	< 60秒
覆盖率报告	< 10秒
全流程 (run.py)	< 120秒

7.2 优化策略

• 路径枚举：O(N)线性算法（procedure_parser）替代O(2^N)
• 新解析器：line-based state machine，10-50ms完成解析
• 并行执行：多场景gcov并行收集
• 缓存机制：LLM结果SHA256缓存
• 增量补充：质量门循环最多4次

---

八、安全设计

8.1 输入验证

• COBOL源码：长度限制、编码检查
• 配置文件：YAML schema验证
• 文件路径：路径遍历防护

8.2 资源限制

• LLM调用：最大成本限制
• 执行时间：超时强制终止
• 内存使用：大文件分块处理

---

九、测试策略

9.1 测试层次

层次	覆盖率目标	工具
单元测试	≥ 90%	pytest
集成测试	≥ 80%	pytest
端到端测试	100%通过	自定义脚本

9.2 测试数据

• 43个COBOL基准程序
• 33+2种程序类型
• 14个程序YAML schema

---

十、部署设计

10.1 运行环境

组件	要求
OS	Windows 10/11
Python	3.12+
GnuCOBOL	3.2.0
磁盘	≥ 500MB

10.2 安装步骤

# 1. 安装Python依赖
pip install lark pathlib pyyaml requests

# 2. 安装GnuCOBOL
# 下载GC32-BDB-SP1，添加到PATH

# 3. 验证安装
python -c "from cobol_testgen import extract_structure; print('OK')"