軟件工程代碼

軟件工程中代碼異味檢測方法的研究

李炎武

【摘要】在軟件工程中,軟件重構具有重要意義,它可以提高軟件的可維護性、可擴

展性、可重用性,進而改善軟件質量.圖坦卡蒙法老 在軟件重構中,代碼異味檢測是其中的重要組成

部分.目前,代碼異味檢測的相關研究劃分為幾個類別.在對基于搜索的代碼異味檢測

方法進行研究后,選擇決策樹算法來對四個代碼異味進行檢測,并取得不錯的效果.

【期刊名稱】《現代計算機（專業版）》

【年(卷),期】2017(000)005

【總頁數】3頁(P31-33)

【關鍵詞】軟件工程;軟件重構;代碼異味;決策樹

【作者】李炎武

【作者單位】四川大學計算機學院,成都610065

【正文語種】中文

隨著計算機科學的進步和發展，越來越多的行業和領域中需要使用計算機技術，各

個行業的相關軟件也相繼被開發出來。蘋果商店的應用超過了百萬，桌面軟件和專

業軟件數量更多。在軟件開發中維護費用是開發成本的2-100倍[1]。因此，為了

降低軟件開發中維護費用，改善軟件的結構，提高軟件的可擴展性和可重用性，有

必要進行軟件重構[2]。在軟件工程中，軟件重構用于調整面向對象軟件的內部結

構，提高軟件的可維護性、可擴展性、可重用性，進而改善軟件質量，同時軟件的

外部行為保持不變[3-4]。軟件經過重構，可以提高代碼的可讀性，改善內部結構

并且延長代碼的生命周期。對于大型軟件項目的開發，軟件重構具有重要意義。在

軟件重構中，需要先進行代碼異味檢測，代碼異味會暴露出一些軟件中的問題，根

據這些問題，工程師會做進一步檢查和重構。在重構過程中，代碼異味檢測是重要

步驟。

代碼異味檢測的相關研究從1999年開始，至今有將近20年研究歷史。隨著計算

機學科的發展，對于代碼異味檢測的研究出現了不同的分支，主要分為以下幾個類

別。

基于手工的代碼異味檢測方法，這個方法在代碼異味研究早期使用。Travassos等

人創建了一個“閱讀技術”的集合，通過在紙上列舉清單，使用觀察方法幫助動漫性感美女 人們

找到相關信息，并識別軟件構件中的缺點，通過這種方式來改善軟件質量[5]。但

這類方法具有一定缺點，對于大型系統來說，手工進行代碼異味檢測的效率低下。

基于度量的代碼異味檢測方法，通過使用如代碼行數、參數個數、代碼字符數等數

據作為度量來檢測代碼異味。Marinescu等人開發了一個Eclip插件，插件將設

計問題量化，根據問題設置相應的度量值，并用于檢測4種代碼異味。通過使用

插件能夠持續評估系統質量，并幫助開發者進行軟件重構[6]。基于度量的方法，

準確性依賴于閾值的選擇，但對于標準閾值，現在沒有一致的定論。并且該方法受

限于檢測比較簡單的代碼異味，對于較復雜的代碼異味不能直接用度量檢測。

基于癥狀的代碼異味檢測方法，通過對代碼異味定義和描述進行分析，提取特征和

標記，利用檢測算法進行檢測，判斷是否具有代碼異味。Moha等人通過分析獲

取代碼異味關鍵詞列表，然后使用領域特殊語言形成規則卡片，最后根據建模生成

檢測算法，對15個代碼異味進行檢測[7]?；诎Y狀的方法和代碼異味癥狀有關，

但是目前對于異味癥狀沒有一致的標準定義，因此該方法受到一定的限制。

基于概率的代碼異味檢測方法，統計代碼中類之間的屬性和關系的數據，結合模糊

邏輯規則和數學分析來檢測代碼異味。Ananda等人提出一種量化方法，結合直接

關聯和間接關聯的數量關系，利用傳播概率矩陣來檢測2種重要代碼異味[8]。這

類方法使用概率統計來分析檢測代碼異味，對于不方便量化的代碼異味檢測效果有

限。

基于可視化的代碼異味檢測方法，結合自動檢測工具和人的手動檢測來識別代碼異

味。Emerson等人使用一個可交互的代碼異味檢測工具來快速觀察和認識代碼異

味，通過不同的角度來理解和可視化代碼異味[9]。由于在方法中結合人的手動檢

測，因此該類方法受限于人的效率，可擴展性不強。

基于搜索的代碼異味檢測方法，使用不同的算法直接從源代碼中識別和檢測代碼異

味，其中大部分檢測使用機器學習相關算法。對于機器學習方法，需要對輸入進行

處理，根據標準輸入來得到最后的分類輸出結果。Fontana等人使用機器學習技

術進行代碼異味檢測，利用機器學習方法對代碼異味進行分類，自動檢測代碼異味。

他們使用了16種機器學習算法，對4種代碼異味DataClass,Large

Class,FeatureEnvy,LongMethod進行檢測，并在軟件系統中進行實驗，并通過

人工確認來構造代碼異味樣本，把這些樣本作為機器學習的標準輸入，最后通過交

叉驗證對實驗結果進行評價[10]?；谒阉鞯姆椒ǖ乃惴ǔ晒σ蕾囉跀祿陀柧?/p>

集的質量，在處理未知和變化的代碼異味時受到一定限制。

基于協作的代碼異味檢測方法，以合作的方式執行不同的活動來改善方法效果，提

高檢測方法的準確性和性能。目前相關文獻較少，Abdelmoez等人使用兩個并行

算法加速搜索過程，減少搜索空間，使用風險評估來檢測代碼異味[11]。71年屬什么 但這個方

法用于檢測其他代碼異味時，存在一些泛化問題。

本文選擇基于搜索的代碼異味檢測方法，采用機器學習算法來對所選擇的幾種代碼

異味進行識別。在選擇代碼異味時，主要考慮幾個方面，代碼異味有較高出現頻率，

代碼異味對于軟件質量有較大負面影響，代碼異味已經有相電腦音箱沒聲音 關研究文獻和應用實現

[10]。根據要求，最后本文選擇了DataClass，DuplicatedCode，

InappropriateIntimacy，LongMethod四個代碼異味進行檢測。通過對相關機

器學習算法的研究和比較，發現在代碼異味檢測中，決策樹算法具有較好的分類效

果[10]。在本文中，使用J48決策樹算法作為檢測算法，對所選擇的四個代碼異味

進行識別。

本文使用k重交叉驗證來對實驗結果進行驗證，通過算法的精確率，召回率以及

定義的到目標精確率平均距離來比較算法效果[12]，公式如下：

其中，P表示精確率，R表示召回率，TP表示正確正類，FP表示錯誤正類，FN

表示錯誤負類，D表示到目標精確率平均距離，TAPi表示某個實驗中精確率，

TAP表示目標精確率。

通過比較實驗，可以知道，本文使用的異味檢測方法，在選擇的四種代碼異味上具

有較好的識別效果。

現有的代碼異味檢測方法劃分為幾個類別，在對基于搜索的代碼異味檢測方法進行

研究后，本文選擇決策樹算法來對代碼異味進行檢測，并在選擇的四種代碼異味上

取得了不錯的識別效果。

李炎武（1992-），男，四川宜賓人，碩士研究生，研究方向為數字娛樂與人機交

互

【相關文獻】

[1]PalombaF,BavotaG,DiPentaM,ingBadSmellsinSourceCodeUsing

ChangeHistoryInformation[C].AutomatedSoftwareEngineering（ASE），2013IEEE/ACM

,2013:268-278.

[2]RasoolG,wofCodeSmellMiningTechniques[J].Journalof

Software:EvolutionandProcess,2015,27（11）:867-895.

[3]MensT,TourwyofSoftwareRefactoring[J].IEEETransactionsonSoftware

Engineering,2004,30（2）:126-139.

[4]oringObject-OrientedFrameworks[D].UniversityofIllinoisat

Urbana-Champaign,1992.

[5]TravassosG,ShullF,FredericksM,ingDefectsinObject-Oriented

Designs:UsingReadingTechniquestoIncreaSoftwareQuality[C].ACMSigplan

,1999,34（10）:47-56.

[6]MarinescuR,GaneaG,:ContinuousQualityAsssmentand

Improvement[C].SoftwareMaintenanceandReengineering（CSMR）新鮮芡實 ,201014thEuropean

,2010:274-275.

[7]MohaN,GueheneucYG,DuchienL,:AMethodfortheSpecificationand

DetectionofCodeandDesignSmells[J].IEEETransactionsonSoftware

Engineering,2010,36（1）:20-36.

[8]RaoAA,ingBadSmellsinObjectOrientedDesignUsingDesign

ChangePropagationProbabilityMatrix[J].Lectur魏晉南北朝服飾 eNotesinEngineering&Computer

Science,2008,2168（1）.

[9]Murphy-HillE,ractiveAmbientVisualizationforCode

Smells[C].Proceedingsofthe5thInternationalSymposiumonSoftware

,2010:5-14.

[10]FontanaFA,MantylaMV,ZanoniM,ingandExperimentingMachine

LearningTechniquesforCodeSmellDetection[J].EmpiricalSoftwareEngineering,2016,21

（3）:1143-1191.

[11]AbdelmoezW,KosbaE,-BadCodeSmellsDetectionTool[C].The

InternationalConferenceonComputingTechnologyandInformationManagement

（ICCTIM）.SocietyofDigitalInformationandWirelessCommunication,2014:148.

[12]LiuH,LiuQ,NiuZ,candAutomaticFeedback-BadThresholdAdaptation

forCodeSmellDetection[J].IEEETransactionsonSoftwareEngineering,2016,42（6）:1-1.