你的程式碼糟粕比精華要多得多

本文由碼農網 – 小峰原創翻譯，轉載請看清文末的轉載要求，歡迎參與我們的付費投稿計劃！

新的研究發現，一個程式的核心功能僅在於一小部分封裝的程式碼。

如果你是一個軟體開發人員，有人問你，你寫的程式碼中有多少是真正在實現實際功能的，有多少是填充物、無價值的或者只是因為實際執行程式語言所需要的？ 95％？ 75％？ 50％？都不是！新的研究發現，只有大約5％的程式碼是真正在提供核心功能。

研究人員認為，就像自然語言一樣，一些——甚至可能是絕大多數——寫下的程式碼其實對於功能是不起作用的。《stalks of wheat》一文的作者認為，只有一部分程式碼代表了功能的語義核心，我們稱之為精華，而其他的則是糟粕。

該作者表示，一個功能的核心可以被封裝於一個小型的關鍵字集合中，這被稱為“minimum distinguishing subset” （“最小的區別化子集”）或MINSET。我們可以通過將方法分解為詞素（即，通過空格或標點符號分隔程式碼），丟棄那些對函式行為不重要的內容，同時把剩下的對映到關鍵字中。然後將那些關鍵字匯入到MINSET。

為了檢驗此理論，即MINSET中的程式碼只佔全部程式碼的一小部分，研究人員下載了1000個來自Apache、Eclipse、GitHub和SourceForge最受歡迎的Java專案。在合計超過10億行的Java程式碼中，先剔除簡單的方法（ tokens低於50）。就只剩下不到190萬的不同方法，然後從中隨機抽取10,000條，確定它們的MINSET。研究中使用的程式碼和資料可從Bitbucket下載。

以下為研究發現的主要結果：

• MINSETS出奇的小。方法的平均MINSET大小為1.55個關鍵字，最大值為6。
• MINSET的大小並不隨方法規模的增加而變大。事實上，如果只看最大的1000個方法，其平均和最大MINSET關鍵字分別為降到1.12和4，這表明，正如作者所言：“即便是對於一些異常龐大的方法，MINSET也是一項既獨特又靈活有效的指標。”
• 大多數程式碼幾乎盡是糟粕。平均來說，在一個方法中只有4.6％的獨特詞素可以位列MINSET。也就是說，95％以上的程式碼都是糟粕。

不過有幾處關鍵的地方需要指出來。首先，MINSET本身是不可執行的：它只是表徵了核心功能的程式碼的最小集合。剩下95％中的一些程式碼（前面稱之為糟粕）也不是無用的，因為還需要它們來執行程式。其次，儘管這項研究僅著眼於Java程式碼，不過由於語言的相似性，作者表示這些發現應該也適用於其他語言，特別是C語言和C++。

關於此項工作的意義？研究人員指出了MINSETs的潛在應用：

• 改進程式碼搜尋——MINSETs可用於基於相似查詢的程式碼搜尋結果排名。
• 智慧IDE——具備了MINSETs索引資料庫的IDE可用於提出類似的程式碼，支援自動程式碼填充，加快除錯過程。
• 備選的程式設計形式——MINSETs可用於支援基於關鍵字的程式設計，也就是說，我們可以通過一個小型的關鍵字組來建立可用的程式碼。