如何快速识别项目水平？

软件开发是一个非常有意思的复制 + 粘贴活动。开发业务代码的时候，大部分人都不会不加思索地添加代码。毕竟，聪明的产品经理/项目经理们，天才式地想出了用代码行数的方式来计算 KPI，又或者是通过提交次数来进行考核 —— 虽然小步提交是个好东西，但是吧，大部分人不经过练习还是掌握不会的。

最近，我还我的朋友们说到，她们公司的打算强制一天只能提交一次代码。这绝对是代码行数计算 KPI 之后的，又一个伟大地创举式的地发明。如果我有直接颁发诺贝尔奖的权力，我一定给送给他一奖杯。

好了，回到正题。

自上而下的代码分析

最近，刚好因为项目的关系，需要分析某一系统的代码行数。通过一系列的复制 + 粘贴和 Excel 操作，我大致有了一套 DIY 的自动化分析方案：自上而下的代码分析。当然了，这肯定不是我先发明的，在某处一定有论文和代码、工具。只是我依据自己的想法和需求，完善了一下现有的方案。要知道，已经有大量地代码分析工具了。

其实总体的思路非常简单：项目行数 -> 包行数 -> 修改历史 -> 引用分析。

具体来说，就是：

1. 通过代码行数(LOC)统计工具，统计总体的代码情况。

2. 结合代码行数(LOC)统计工具，统计各个包的代码情况

3. 获取 Git 提交历史，统计出经常修改的包或者是类。

4. 构建语法树、制品(如 jar)分析，统计出引用次数最多的包。

唯一麻烦的地方就是做一些自动化。所以，这些功能就被我完善到 Coca 里了，笑~。

好了，让我们来看个示例。这里以开源项目 intelli-community (即 IDEA 的社区版)为例。

项目级代码行数

市面上已经有大量的行数统计工具，大家可以自行寻找。这里我用的是 Coca (GitHub：https://github.com/phodal/coca )，集成了三方用 Go 实现的 CLOC 统计功能。

首先呢，我们要实现的是分析整个项目的行数情况 coca cloc . ：

Language Files Lines Blanks Comments Code Complexity 
─────────────────────────────────────────────────────────────────────────────── 
Java 66554 5172301 688054 512630 3971617 603221 
Python 10017 424614 31629 34876 358109 22329 
Kotlin 6383 602814 89130 35660 478024 51292 
Plain Text 4105 635689 5799 0 629890 0 
Groovy 3397 154817 23296 12364 119157 4683 
XML 2549 494074 10056 3008 481010 0 
HTML 2329 63331 2988 3623 56720 0 
SVG 2124 21078 23 87 20968 0 
JSON 1155 346795 352 0 346443 0 
Shell 535 8295 1138 734 6423 811 
Markdown 425 9660 1434 0 8226 0 
Properties File 384 42069 2545 1348 38176 0 
YAML 384 3264 202 55 3007 0 
XML Schema 345 196649 17963 0 178686 0 
JavaScript 169 30569 1562 5151 23856 3895 
... 
─────────────────────────────────────────────────────────────────────────────── 
Total 101908 8389984 898893 629497 6861594 703260 
─────────────────────────────────────────────────────────────────────────────── 
Estimated Cost to Develop $288,297,976 
Estimated Schedule Effort 132.017220 months 
Estimated People Required 258.681675

嗯，从规模上来看，这真的是一个超级大的项目，接近 700 万行的规模。所以，我第一次看到的时候，也不知道从哪里下手，于是我便想着是不是从包(目录)结构能解决这个问题。

PS：Coca 当前只支持单体分析，考虑有多模块和微服务系统的存在，我会在未来必要的时候，添加对应的实现。

按目录分析

简单来说就是，我们可以按目录执行 cloc，然后汇总结构即可。

所以，进一步地我们就可以执行 coca cloc . --by-directory，得到一个 CSV 数据，根据自己的需要进行编辑：

package	summary	Java	Python	Kotlin	Plain Text
platform	1800542	1460686	106	244586	4669
java	1479891	1059828	0	35224	267792
plugins	1765695	983860	70301	151816	150158
android	1865010	769437	52	325659	101848
python	664760	240080	287641	24626	17855
xml	866926	108794	0	207	174471
jps	66671	63437	0	1498	729

还可以绘制成图表。

除此，我还提供了一个 --top-file --top-size 10 的参数，以了解行数最多的几个文件。

| LENGTH | COMPLEXITY | LOCATION | 
|--------|------------|-----------------------------------| 
| 1642 | 236 | ConstraintLayoutHandler.java | 
| 1492 | 375 | ConstraintComponentUtilities.java | 
| 1189 | 166 | CommonActions.java | 
| 1184 | 325 | ConstraintWidget.java | 
| 1169 | 129 | SingleWidgetView.java | 
| 1115 | 213 | ScoutArrange.java | 
| 1097 | 281 | ScoutWidget.java | 
| 1081 | 224 | 3d/Rasterize.java | 
| 1016 | 159 | LayoutlibSceneManager.java | 
| 1014 | 220 | TimeLinePanel.java |

接着，只需要层层下推，我们就可以分析出哪个是系统最复杂的一部分。如下图中的复杂点，依次是：platforms、java、plugins、android。

变更频次

紧接着，我们就可以通过获取 Git 提交历史来知道，对应文件的修改变化。这里，我依旧使用的是 coca git -t。它源自于对于 git log --all --date=short --pretty="format:[%h] %aN %ad %s" --numstat --reverse --summary 命令的分析结果，有兴趣的读者可以参考 Coca 的源码，自行编写不同版本地对应实现。

可怕的是，我在 intellij-community 执行了 coca git -t 之后，生成了一个 241M 的文件，回去 GitHub 看了一眼：累计 290，459 次提交。

在我第一次没意识到应该记录下 log 之后，我又重新执行了一遍。最终，拿到了结果：

| ENTITYNAME | REVSCOUNT | AUTHORCOUNT | 
|----------------------------------------------------------------------------|-----------|-------------| 
| platform/util/resources/misc/registry.properties | 2473 | 224 | 
| platform/platform-impl/src/com/intellij/openapi/editor/impl/EditorImpl.java | 1211 | 149 | 
| platform/platform-api/resources/messages/IdeBundle.properties | 1209 | 181 | 
| platform/platform-resources/src/META-INF/LangExtensions.xml | 1206 | 192 | 
| plugins/InspectionGadgets/InspectionGadgetsAnalysis/resources/messages/InspectionGadgetsBundle.properties | 1113 | 159 | 
| platform/platform-resources-en/src/messages/ActionsBundle.properties | 1004 | 161 | 
| platform/platform-resources/src/META-INF/PlatformExtensions.xml | 937 | 162 | 
| platform/util//src/com/intellij/util/ui/UIUtil.java | 779 | 120 | 
| platform/platform-impl/src/com/intellij/openapi/application/impl/ApplicationImpl.java | 763 | 133 | 
| platform/platform-resources/src/META-INF/LangExtensionPoints.xml | 762 | 150 | 
| platform/lang-impl/src/com/intellij/util/indexing/FileBasedIndexImpl.java | 684 | 126 | 
| java/java-analysis-impl/src/com/intellij/codeInsight/daemon/impl/analysis/HighlightUtil.java | 675 | 117 | 
| platform/platform-resources/src/idea/PlatformActions.xml | 671 | 139 |

然后，看一眼 registry.properties 是一个有 1800+ 行的配置文件，EditorImpl.java 是一个有 5000+ 行的 Java 代码，UIUtil.java 也有 3600+ 行……。嗯，效果是不是也相当理想，再看看 UIUtil.java 这一个名字，一看就非常适合重构。

高引用

最后，可能会进入慢的一步，分析代码，生成 AST。考虑到 IDEA Community 的这个代码量。我就不重复演示了，以 GitHub 的示例为例 coca count：

+------------+--------------------------------------------------------------------------+
| REFS COUNT | METHOD |
+------------+--------------------------------------------------------------------------+
| 2 | com.phodal.pholedge.book.BookRepository.byId |
| 2 | com.phodal.pholedge.book.model.Book.toRepresentation |
| 2 | com.phodal.pholedge.book.BookRepository.save |
| 2 | com.phodal.coca.analysis.JavaCallApp.parse |
| 2 | com.phodal.pholedge.book.BookRepository.save |
| 2 | com.phodal.coca.analysis.JavaCallApp.parse |
| 1 | com.phodal.pholedge.book.model.Book.save |

最后，我们又回到了这个模型上。

高引用与高修改

考虑到 AST 的慢的程度，我已经有一个更好的实现方式。

结论

分析代码是一件很有意思的事情。一番操作下来，能学习到非常有意思的东西。