你的代码糟粕比精华要多得多

英文原文：Your code is far more chaff than wheat

新的研究发现，一个程序的核心功能仅在于一小部分封装的代码。

如果你是一个软件开发人员，有人问你，你写的代码中有多少是真正在实现实际功能的，有多少是填充物、无价值的或者只是因为实际运行编程语言所需要的？ 95％？ 75％？ 50％？都不是！新的研究发现，只有大约5％ 的代码是真正在提供核心功能。

研究人员认为，就像自然语言一样，一些——甚至可能是绝大多数——写下的代码其实对于功能是不起作用的。《stalks of wheat》一文的作者认为，只有一部分代码代表了功能的语义核心，我们称之为精华，而其他的则是糟粕。

该作者表示，一个功能的核心可以被封装于一个小型的关键字集合中，这被称为“minimum distinguishing subset” （“最小的区别化子集”）或 MINSET。我们可以通过将方法分解为词素（即，通过空格或标点符号分隔代码），丢弃那些对函数行为不重要的内容，同时把剩下的映射到关键字中。然后将 那些关键字导入到 MINSET。

为了检验此理论，即 MINSET 中的代码只占全部代码的一小部分，研究人员下载了 1000 个来自 Apache、Eclipse、GitHub 和 SourceForge 最受欢迎的 Java 项目。在合计超过 10 亿行的 Java 代码中，先剔除简单的方法（ tokens 低于 50）。就只剩下不到 190 万的不同方法，然后从中随机抽取 10,000 条，确定它们的 MINSET。研究中使用的代码和数据可从 Bitbucket 下载。

以下为研究发现的主要结果：

• MINSETS 出奇的小。方法的平均 MINSET 大小为 1.55 个关键字，最大值为6。
• MINSET 的大小并不随方法规模的增加而变大。事实上，如果只看最大的 1000 个方法，其平均和最大 MINSET 关键字分别为降到 1.12 和4，这表明，正如作者所言：“即便是对于一些异常庞大的方法，MINSET 也是一项既独特又灵活有效的指标。”
• 大多数代码几乎尽是糟粕。平均来说，在一个方法中只有 4.6％ 的独特词素可以位列 MINSET。也就是说，95％ 以上的代码都是糟粕。

不过有几处关键的地方需要指出来。首先，MINSET 本身是不可执行的：它只是表征了核心功能的代码的最小集合。剩下 95％ 中的一些代码（前面称之为糟粕）也不是无用的，因为还需要它们来运行程序。其次，尽管这项研究仅着眼于 Java 代码，不过由于语言的相似性，作者表示这些发现应该也适用于其他语言，特别是C语言和C++。

关于此项工作的意义？研究人员指出了 MINSETs 的潜在应用：

• 改进代码搜索——MINSETs 可用于基于相似查询的代码搜索结果排名。
• 智能 IDE——具备了 MINSETs 索引数据库的 IDE 可用于提出类似的代码，支持自动代码填充，加快调试过程。
• 备选的编程形式——MINSETs 可用于支持基于关键字的编程，也就是说，我们可以通过一个小型的关键字组来创建可用的代码。

-

译文链接：http://原网站已经失效/article/your-code-is-far-more-chaff-than-wheat.html

翻译作者：码农网 – 小峰