Skip to content
بازگشت به نتایج جست‌وجو

معیارهای پیچیدگی نرم‌افزار

معرفی‌شده توسط
Thomas J. McCabe
سال
1976
نوع
quantitative measurement
خانواده
Code quality assessment

این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید

اندازه قلم

چه کاری انجام می‌دهد؟

معیارهای پیچیدگی نرم‌افزار، دشواری ساختاری و عملیاتی کد را از طریق اندازه‌گیری‌های عددی کمی می‌کنند. پیچیدگی سیکلوماتیک که در سال ۱۹۷۶ توسط توماس مک‌کیب معرفی شد، رویکرد بنیادی شد. این معیارها قابلیت نگهداری، قابلیت تست و خطر نقص را ارزیابی می‌کنند و به تیم‌ها امکان می‌دهند تا نواحی مشکل‌ساز کد را شناسایی کرده و تلاش‌های بازسازی را هدایت کنند.

شهود پشت روش

پیچیدگی نرم‌افزار نشان می‌دهد که کد با رشد خود چقدر پیچیده، درهم‌تنیده و مبهم می‌شود. کد ساده‌تر، درک، تست و اصلاح آن آسان‌تر است. معیارها این شهود را با شمارش نقاط تصمیم‌گیری، وابستگی‌ها و ویژگی‌های ساختاری به صورت عددی ثبت می‌کنند. پیچیدگی بالا نشان‌دهنده خطر نگهداری و پیش‌بینی احتمال نقص است.

تاریخ

توماس مک‌کیب در سال ۱۹۷۶ پیچیدگی سیکلوماتیک را معرفی کرد که ساختار تصمیم‌گیری کد را از طریق نمودارهای جریان کنترل اندازه‌گیری می‌کرد. دهه‌های بعدی شاهد اصلاحاتی بود: معیارهای هالستد خصوصیات سطح توکن را کمی کردند، چیدامبر و کمرر معیارهای شیءگرا (WMC، DIT، CBO، RFC) را توسعه دادند، و ابزارهای مدرن (SonarQube، CAST، Understand) اندازه‌گیری در مقیاس صنعتی را خودکار کردند. این حوزه از نظریه دانشگاهی به عملکردهای ضروری DevOps و کیفیت تکامل یافت.

چه زمانی استفاده شود

اعمال معیارهای پیچیدگی در طول بازبینی کد، ارزیابی معماری و دروازه‌های کیفیت در خطوط لوله ادغام مداوم. هنگام شناسایی ماژول‌های پرخطر برای اولویت‌بندی تست یا برنامه‌ریزی بازسازی استفاده کنید. معیارها در ارزیابی سیستم‌های قدیمی و ورود اعضای جدید تیم برای درک دشواری کدبیس ارزشمند هستند. فرض کنید معیارهای ساده‌تر (مانند خطوط کد به تنهایی) کافی نیستند؛ از معیارهای ترکیبی برای بینش بهتر استفاده کنید.

محدودیت‌ها و ملاحظات

  • معیارهای مختلف اغلب جنبه‌های متفاوتی را اندازه‌گیری می‌کنند؛ توافق جهانی بر سر مجموعه معیارهای بهینه وجود ندارد
  • نیاز به زمینه و تخصص دامنه برای تفسیر معنادار مقادیر آستانه
  • ممکن است تمام ابعاد پیچیدگی مرتبط را در بر نگیرد (مانند پیچیدگی مفهومی، دشواری دامنه)
  • تغییرات زبان-خاص در ساختار کد بر کاربرد معیار در سیستم‌های چندزبانه تأثیر می‌گذارد

شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.

نقاط قوت

  • ارائه معیارهای عینی و قابل اندازه‌گیری مستقل از قضاوت ذهنی
  • امکان تشخیص خودکار نواحی مشکل‌ساز کد در مقیاس بزرگ
  • همبستگی قوی با هزینه نگهداری و احتمال نقص
  • پشتیبانی از اولویت‌بندی بازسازی مبتنی بر داده و تخصیص منابع

کاربردها

  • شناسایی ماژول‌های قدیمی غیرقابل نگهداری برای بازسازی در سیستم‌های مالی که هزینه‌های نگهداری بخش عمده بودجه پروژه را تشکیل می‌دهند
  • پیش‌بینی نقاط داغ نقص در نرم‌افزارهای حیاتی ایمنی (هوافضا، دستگاه‌های پزشکی) برای هدایت تولید موارد تست و تلاش بازبینی کد
  • اولویت‌بندی هشدارهای ابزار تجزیه و تحلیل ایستا در خطوط لوله ادغام مداوم که روزانه میلیون‌ها خط کد را پردازش می‌کنند
  • آموزش مدل‌های ریسک در خطوط لوله یادگیری ماشین که پیش‌بینی می‌کنند کدام درخواست‌های ادغام (pull requests) قبل از ادغام نیاز به بررسی بیشتری دارند

چگونه کار می‌کند

چگونه کار می‌کند

1

جمع‌آوری کد منبع و نمایش‌های درخت نحو انتزاعی (AST) از مخازن کنترل نسخه یا ارسال مستقیم کد.

2

تجزیه کد به نمایش‌های یکنواخت؛ نرمال‌سازی قراردادهای نام‌گذاری و استانداردهای کدنویسی برای تجزیه و تحلیل سازگار.

3

محاسبه مقادیر معیار (پیچیدگی سیکلوماتیک، خطوط کد، عمق تودرتویی، کوپلینگ، انسجام) از طریق تجزیه و تحلیل ایستا.

4

همبستگی مقادیر معیارهای فردی با داده‌های نقص تاریخی و تلاش نگهداری برای ایجاد مدل‌های پیش‌بینی‌کننده.

5

نگاشت نتایج معیار به دسته‌های ریسک و تولید توصیه‌های عملی برای بازسازی یا بهبود معماری.

دام‌های رایج

  • رفتار با یک معیار واحد به عنوان قطعی؛ همیشه از چندین معیار مکمل استفاده کنید
  • تعیین آستانه‌های پیچیدگی دلخواه بدون اعتبارسنجی در برابر تاریخچه واقعی نقص یا نگهداری
  • نادیده گرفتن زمینه سازمانی؛ آستانه‌های مؤثر در یک تیم ممکن است در جای دیگر اعمال نشوند
  • فرض اینکه معیارهای پایین‌تر همیشه کد بهتری را نشان می‌دهند؛ گاهی اوقات پیچیدگی عمدی توسط منطق تجاری توجیه می‌شود

پرسش‌های متداول

پیچیدگی سیکلوماتیک چیست و چگونه آن را محاسبه کنم؟

پیچیدگی سیکلوماتیک تعداد مسیرهای مستقل خطی را از طریق کد با استفاده از فرمول: M = E - N + 2P، که در آن E یال‌ها در نمودار جریان کنترل، N گره‌ها و P مولفه‌های متصل هستند، می‌شمارد. برای توابع ساده، نقاط تصمیم‌گیری (if، while، for، case) را بشمارید و ۱ را اضافه کنید. مقادیر بالاتر نشان‌دهنده نیاز به موارد تست بیشتر است.

چه آستانه پیچیدگی را باید در کدبیس خود اعمال کنم؟

آستانه جهانی وجود ندارد؛ محدوده‌های معمول عبارتند از ۱-۱۰ (ساده)، ۱۰-۲۰ (متوسط)، بالاتر از ۲۰ (پیچیده). با اندازه‌گیری کدبیس فعلی خود شروع کنید، معیارها را با سابقه نقص شناخته شده همبسته کنید و آستانه‌ها را با تحمل ریسک سازمانی خود کالیبره کنید. ابزارهایی مانند SonarQube به طور پیش‌فرض از آستانه ۱۰ استفاده می‌کنند.

معیارهای پیچیدگی چگونه با نقص‌ها و هزینه نگهداری مرتبط هستند؟

مطالعات تجربی همبستگی متوسطی بین پیچیدگی بالا و افزایش نرخ نقص (r = ۰.۳–۰.۵) نشان می‌دهند. مهم‌تر از آن، کد پیچیده به تلاش شناختی بیشتری برای درک، اشکال‌زدایی و اصلاح نیاز دارد و بار نگهداری را افزایش می‌دهد. این رابطه غیرخطی است: پیچیدگی خطر نقص و زمان رفع را به صورت نمایی افزایش می‌دهد.

آیا می‌توانم از معیارهای پیچیدگی برای پیش‌بینی عملکرد استفاده کنم؟

معیارهای پیچیدگی، دشواری ساختاری را اندازه‌گیری می‌کنند، نه عملکرد زمان اجرا. پیچیدگی الگوریتمی (نماد Big O) و پیچیدگی ساختاری کد متمایز هستند. با این حال، کد پیچیده غیرضروری اغلب به دلیل از دست دادن کش CPU و تخلیه خط لوله دستورالعمل‌ها، عملکرد ضعیف‌تری دارد. از معیارها برای قابلیت نگهداری استفاده کنید؛ از تحلیل الگوریتمی برای عملکرد استفاده کنید.

روش‌های مرتبط

منابع

  1. McCabe, T. J. (1976). A complexity measure. IEEE Transactions on Software Engineering, 2(4), 308–320.

    باز کردن مرجع DOI
    کپی شد.
  2. Chidamber, S. R., & Kemerer, C. F. (1994). A metrics suite for object-oriented design. IEEE Transactions on Software Engineering, 20(6), 476–493.

    باز کردن مرجع DOI
    کپی شد.
  3. Halstead, M. H. (1977). Elements of Software Science. Elsevier.

    باز کردن مرجع انتشار
    کپی شد.