Skip to content
กลับไปยังผลการค้นหา

การวัดหนี้ทางเทคนิค

ผู้เสนอ
Ward Cunningham
ปี
1992
ประเภท
quantitative assessment
กลุ่มวิธี
Cost estimation

ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ

ขนาดตัวอักษร

ใช้ทำอะไร?

หนี้ทางเทคนิค (Technical debt) หมายถึง การสะสมทางลัด การบำรุงรักษาที่ล่าช้า และการประนีประนอมในการออกแบบ ซึ่งก่อให้เกิดต้นทุนในอนาคตผ่านการพัฒนาที่ช้าลง อัตราข้อบกพร่องที่สูงขึ้น และความยากลำบากในการนำไปใช้งาน การวัดหนี้ทางเทคนิคซึ่งริเริ่มโดย Ward Cunningham (1992) เป็นการวัดปริมาณภาระเหล่านี้โดยใช้ตัวชี้วัด เช่น ความซับซ้อนของโค้ด การซ้ำซ้อน ช่องว่างของความครอบคลุมของการทดสอบ และดัชนีความสามารถในการบำรุงรักษา องค์กรต่างๆ ใช้การวัดหนี้เพื่อสร้างสมดุลระหว่างการส่งมอบทันทีกับความยั่งยืนในระยะยาว

แนวคิดเบื้องหลังวิธีการ

การสร้างซอฟต์แวร์อย่างรวดเร็วมักต้องอาศัยการลดขั้นตอน: การแก้ไขปัญหาเฉพาะหน้า การข้ามการทดสอบ เอกสารที่ไม่สมบูรณ์ และทางลัดด้านสถาปัตยกรรม การประหยัดเหล่านี้สร้างหนี้ที่ทบต้นเมื่อเวลาผ่านไป เช่นเดียวกับหนี้สินทางการเงิน หนี้ทางเทคนิคจะก่อให้เกิดดอกเบี้ย: การเปลี่ยนแปลงแต่ละครั้งจะช้าลงและมีความเสี่ยงมากขึ้น การวัดช่วยให้ทีมเข้าใจภาระหนี้และจัดลำดับความสำคัญในการชำระคืน (การปรับปรุงโค้ด (refactoring) ความครอบคลุมของการทดสอบ เอกสาร)

ประวัติศาสตร์

Ward Cunningham เป็นผู้บัญญัติศัพท์ 'หนี้ทางเทคนิค' ในปี 1992 เพื่อเป็นอุปมาสำหรับทางลัดโค้ดที่สะสมไว้ งานยุคแรกโดย Seaman และ Guo (2011) และ Tom, Aurum, และ Vidgen (2013) ได้เสนอโครงสร้างเชิงประจักษ์และแผนผังการจัดหมวดหมู่ เครื่องมือได้พัฒนาจากตัวชี้วัดอย่างง่าย (cyclomatic complexity) ไปสู่ดัชนีแบบผสม (SQALE, Code Health) แนวทางปฏิบัติ DevOps สมัยใหม่ได้รวมการวัดหนี้เข้ากับแดชบอร์ดและเกณฑ์คุณภาพ ยังคงมีการถกเถียงกันว่าหนี้เป็นสิ่งที่หลีกเลี่ยงไม่ได้ (โค้ดทั้งหมดสะสม) หรือป้องกันได้ (ผ่านระเบียบวินัย)

ควรใช้เมื่อใด

นำการวัดหนี้ทางเทคนิคไปใช้เพื่อสนับสนุนการลงทุนในการปรับปรุงโค้ด (refactoring) เพื่อเป็นแนวทางในการตัดสินใจด้านสถาปัตยกรรม และเพื่อสร้างสมดุลระหว่างความเร็วในการส่งมอบฟีเจอร์กับความยั่งยืน มีคุณค่าอย่างยิ่งในองค์กรที่เปลี่ยนผ่านจากโหมดสตาร์ทอัพไปสู่การขยายขนาด ซึ่งโค้ดเดิมเริ่มขัดขวางความคืบหน้า ใช้เมื่ออธิบายให้ผู้มีส่วนได้ส่วนเสียที่ไม่ใช่ฝ่ายเทคนิคเข้าใจว่าเหตุใดนักพัฒนาจึงขอ 'รอบการเขียนโค้ดใหม่' แทนที่จะเป็นการส่งมอบฟีเจอร์อย่างต่อเนื่อง

ข้อจำกัดและข้อควรพิจารณา

  • ไม่มีคำจำกัดความมาตรฐานหรือตัวชี้วัดสากลสำหรับหนี้ทางเทคนิค การวัดผลแตกต่างกันอย่างมากระหว่างเครื่องมือและองค์กร
  • มิติหนี้บางประการ (หนี้สถาปัตยกรรม หนี้กระบวนการ หนี้ความรู้) ต่อต้านการวัดปริมาณ ตัวชี้วัดจับได้เฉพาะหนี้ระดับโค้ดเท่านั้น
  • การแปลงตัวชี้วัดหนี้เป็นต้นทุนทางการเงินหรือการประมาณเวลาต้องมีการปรับเทียบและอาจไม่สามารถถ่ายทอดข้ามองค์กรได้
  • ตัวชี้วัดอาจไม่สามารถจับการแลกเปลี่ยนที่ตั้งใจไว้: บางครั้งหนี้เป็นทางเลือกที่ถูกต้องเมื่อความเร็วในการส่งมอบมีความสำคัญ

เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้

จุดแข็ง

  • วัดปริมาณภาระการบำรุงรักษา ทำให้ต้นทุนทางวิศวกรรมมองเห็นได้สำหรับผู้มีส่วนได้ส่วนเสียทางธุรกิจ
  • ช่วยในการตัดสินใจโดยใช้ข้อมูลเกี่ยวกับการลงทุนในการปรับปรุงโค้ด (refactoring) เทียบกับการส่งมอบฟีเจอร์
  • ระบุรูปแบบการสะสมหนี้ ซึ่งเผยให้เห็นจุดอ่อนของกระบวนการหรือสถาปัตยกรรม
  • สนับสนุนการวางแผนระยะยาว: ทีมสามารถคาดการณ์แนวโน้มหนี้และกำหนดเวลาการลดหนี้อย่างเป็นระบบ

การประยุกต์ใช้

  • การให้เหตุผลสำหรับการปรับปรุงโค้ด (refactoring) เป็นเวลา 3 เดือนในแพลตฟอร์มฟินเทค โดยแสดงให้เห็นว่าความซับซ้อนที่สะสมไว้ได้เพิ่มเวลาในการนำฟีเจอร์ใหม่เข้าสู่ตลาดจาก 1 สัปดาห์เป็น 4 สัปดาห์
  • การระบุโมดูลสามโมดูลในฐานโค้ดที่รับผิดชอบภาระการบำรุงรักษาสูงถึง 60% ทำให้สามารถมุ่งเน้นความพยายามในการแก้ไขและเพิ่มผลตอบแทนจากการลงทุน (ROI) ในเวลาปรับปรุงโค้ด (refactoring) ได้สูงสุด
  • การติดตามแนวโน้มหนี้ในโครงการโอเพนซอร์สในแต่ละเวอร์ชัน แสดงให้ผู้ร่วมพัฒนาและผู้สนับสนุนเห็นว่าแนวทางปฏิบัติที่ยั่งยืนได้รับการรักษาไว้ แม้จะมีการพัฒนาฟีเจอร์อย่างรวดเร็ว
  • การคาดการณ์ความเสี่ยงต่อภาวะหมดไฟ (burnout) ในทีมวิศวกรรม โดยการหาความสัมพันธ์ระหว่างหนี้ทางเทคนิคที่เพิ่มขึ้นกับคุณภาพการตรวจสอบโค้ดที่ลดลงและอัตราการหลุดรอดของข้อบกพร่องที่เพิ่มขึ้น

วิธีการทำงาน

วิธีการทำงาน

1

รวบรวมตัวชี้วัดซอร์สโค้ดที่ครอบคลุม บันทึกการเปลี่ยนแปลงในอดีต ข้อมูลความครอบคลุมของการทดสอบ และบันทึกข้อบกพร่องจากระบบควบคุมเวอร์ชันและระบบจัดการโครงการ

2

ปรับตัวชี้วัดให้เป็นมาตรฐานเดียวกันในทุกภาษาและทุกโครงการ รวบรวมตัวชี้วัดในระดับโมดูลและระดับระบบ ระบุตัวบ่งชี้หนี้: ความซับซ้อนสูง ความครอบคลุมต่ำ ข้อบกพร่องบ่อยครั้ง การเปลี่ยนแปลงโค้ดบ่อย (churn)

3

หาความสัมพันธ์ระหว่างรูปแบบของตัวชี้วัดกับต้นทุนการบำรุงรักษาและประสิทธิภาพของนักพัฒนา ระบุจุดที่หนี้สะสมอยู่มาก ประเมินความพยายามในการแก้ไขเพื่อชำระหนี้

4

คำนวณดัชนีหนี้โดยการรวมสัญญาณหลายอย่าง (ความซับซ้อน การซ้ำซ้อน ความครอบคลุม ความสมบูรณ์ของเอกสาร) แปลความพยายามในการแก้ไขโดยประมาณให้อยู่ในรูปของตัวเงินหรือจำนวนวันทำงานของนักพัฒนา

5

จัดอันดับโมดูลตามภาระหนี้ จัดลำดับความสำคัญของหนี้ที่มีผลกระทบสูงเพื่อการชำระคืน สื่อสารแนวโน้มหนี้สินไปยังผู้มีส่วนได้ส่วนเสีย แสดงให้เห็นว่าการลดหนี้ช่วยเพิ่มความเร็วของทีมได้อย่างไร

ข้อผิดพลาดที่พบบ่อย

  • การพึ่งพาการคำนวณของเครื่องมืออัตโนมัติมากเกินไปโดยไม่เข้าใจสมมติฐานของเครื่องมือเหล่านั้น SonarQube และเครื่องมือที่คล้ายกันใช้การประมาณค่า (heuristics) ไม่ใช่การวัดค่าสัมบูรณ์
  • การมุ่งสู่เป้าหมายหนี้ทางเทคนิคเป็นศูนย์: หนี้บางส่วนมีความสมเหตุสมผลทางเศรษฐกิจและมีประโยชน์
  • การสับสนระหว่างหนี้ทางเทคนิคกับคุณภาพโค้ดที่ไม่ดี: ไม่ใช่โค้ดที่ไม่ดีทั้งหมดคือหนี้ (บางส่วนเป็นเพียงข้อผิดพลาด ไม่ใช่การแลกเปลี่ยนที่ตั้งใจไว้)
  • การละเลยบริบททางธุรกิจ: สตาร์ทอัพที่เร่งรีบเข้าสู่ตลาดอย่างเหมาะสมย่อมมีหนี้ การวิพากษ์วิจารณ์สตาร์ทอัพสำหรับหนี้ที่สูงนั้นพลาดประเด็นสำคัญ

คำถามที่พบบ่อย

ฉันจะแยกความแตกต่างระหว่างหนี้ทางเทคนิคกับคุณภาพโค้ดที่ไม่ดีได้อย่างไร?

หนี้ทางเทคนิคเป็นการตัดสินใจโดยเจตนา: การแลกเปลี่ยนที่ตั้งใจไว้เพื่อความเร็ว การส่งมอบมูลค่าอย่างรวดเร็วโดยต้องแลกมาด้วยภาระการบำรุงรักษาในอนาคต โค้ดที่ไม่ดีคือข้อผิดพลาดที่ไม่ได้ตั้งใจหรือขาดทักษะ หนี้สามารถปกป้องได้หากประโยชน์ด้านความเร็วคุ้มค่ากับต้นทุน โค้ดที่ไม่ดีไม่มีประโยชน์ ความตั้งใจเป็นตัวแยกความแตกต่างระหว่างทั้งสอง: หนี้จะถูกชำระคืน โค้ดที่ไม่ดีจะถูกแก้ไขเท่านั้น

ฉันควรติดตามตัวชี้วัดใดเพื่อวัดหนี้ทางเทคนิค?

ติดตามตัวชี้วัดเสริมหลายอย่าง: cyclomatic complexity, การซ้ำซ้อนของโค้ด, ช่องว่างความครอบคลุมของการทดสอบ, จำนวนปัญหาที่รายงานโดย static analysis, อัตราการหลุดรอดของข้อบกพร่อง และเวลาในการแก้ไขข้อบกพร่อง ดัชนีแบบผสม (SQALE, maintainability index) รวมสัญญาณต่างๆ เข้าด้วยกัน ไม่มีตัวชี้วัดใดเพียงพอ ให้รวบรวมหลายตัวเพื่อมุมมองแบบองค์รวม

ฉันจะประมาณต้นทุนในการชำระหนี้ทางเทคนิคได้อย่างไร?

ประมาณความพยายามในการปรับปรุงโค้ด (refactoring) สำหรับแต่ละโมดูลที่มีหนี้สูง: 1–3 วันสำหรับการปรับปรุงโค้ดอย่างง่าย, 1–4 สัปดาห์สำหรับการปรับโครงสร้างครั้งใหญ่ คูณความพยายามด้วยอัตราค่าจ้างนักพัฒนา ตรวจสอบการประมาณค่าโดยเปรียบเทียบกับโครงการปรับปรุงโค้ดที่คล้ายคลึงกันในอดีต คำนึงถึงการทดสอบการถดถอย (regression testing) และการนำไปใช้งาน แบ่งการชำระหนี้ก้อนใหญ่เป็นส่วนย่อยๆ ที่จัดการได้ กระจายไปตาม sprint

ฉันควรหยุดการพัฒนาฟีเจอร์เพื่อกำจัดหนี้ทางเทคนิคหรือไม่?

ความสมดุลเป็นสิ่งสำคัญ: หากละเลยหนี้สินต่อไปเรื่อยๆ ประสิทธิภาพจะลดลง หากกำจัดหนี้ทั้งหมด การส่งมอบจะหยุดชะงัก องค์กรที่มีสุขภาพดีโดยทั่วไปจะจัดสรร 20–30% ของกำลังการผลิตในการพัฒนาเพื่อลดหนี้ โดยปรับตามแนวโน้มหนี้และลำดับความสำคัญทางธุรกิจ เมื่อหนี้ส่งผลกระทบอย่างรุนแรงต่อฟีเจอร์ใหม่ ให้เพิ่มการจัดสรรชั่วคราว เมื่อหนี้ต่ำ ให้เปลี่ยนไปทำฟีเจอร์

วิธีการที่เกี่ยวข้อง

แหล่งอ้างอิง

  1. Cunningham, W. (1992). The WyCash Portfolio Management System. OOPSLA 92 Experience Report.

    เปิดเอกสารอ้างอิงสิ่งพิมพ์
    คัดลอกแล้ว
  2. Seaman, C. B., & Guo, Y. (2011). Measuring and monitoring technical debt. Advances in Computers, 82, 25–46.

    เปิดเอกสารอ้างอิง DOI
    คัดลอกแล้ว
  3. Tom, E., Aurum, A., & Vidgen, R. (2013). An exploration of technical debt. Journal of Systems and Software, 86(6), 1498–1516.

    เปิดเอกสารอ้างอิง DOI
    คัดลอกแล้ว