當前位置：首頁 > 编程资源 > 编程问答 >内容正文

编程问答

案例：如何评价代码走查的效果？

發(fā)布時間：2023/12/10 编程问答 26 豆豆

生活随笔收集整理的這篇文章主要介紹了案例：如何评价代码走查的效果？小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

某嵌入式軟件開發(fā)公司在代碼提交系統測試之前，開發(fā)人員做了單元測試，項目組中的技術負責人對所有的代碼進行了評審，對代碼也通過工具做了靜態(tài)掃描，系統上線后仍然存在比較多的問題，因此提升質量是其過程改進的一個重要目標。開發(fā)人員對代碼進行單元測試時，對發(fā)現的缺陷直接進行了修改，沒有保留缺陷的度量數據。技術負責人代碼走查時，有代碼走查記錄，積累了代碼走查的缺陷數據。系統測試的數據記錄比較完備。32個歷史項目的數據如表1所示。如果要采取措施提升質量，首先應該從哪個作業(yè)環(huán)節(jié)入手呢？

表1?歷史項目的缺陷數

項目序號	代碼走查缺陷數	系統測試缺陷數	上線后缺陷數
1	8	15	1
2	69	134	10
3	53	87	5
4	95	149	13
5	17	8	1
6	32	49	6
7	69	110	5
8	30	23	4
9	154	278	27
10	55	71	6
11	16	18	3
12	36	58	3
13	61	72	7
14	72	134	6
15	43	59	6
16	65	91	4
17	82	154	17
18	45	96	6
19	39	42	3
20	15	11	1
21	77	145	9
22	60	105	9
23	69	52	3
24	135	206	18
25	9	8	1
26	129	216	13
27	21	33	2
28	19	18	2
29	26	29	2
30	34	36	3
31	34	48	3
32	12	11	1

由于單元測試沒有歷史數據積累，我們無從判斷單元測試的質量。那就先從代碼走查與系統測試開始分析。

我們可以計算：

代碼走查缺陷逃逸率=（系統測試缺陷數+上線后缺陷數）/（代碼走查缺陷數+系統測試缺陷數+上線后缺陷數）

系統測試缺陷逃逸率=?上線后缺陷數?/（系統測試缺陷數+上線后缺陷數）

于是得到表2：

表2?歷史項目的缺陷逃逸率

項目序號	代碼走查缺陷逃逸率	系統測試缺陷逃逸率
1	66.67%	6.25%
2	67.61%	6.94%
3	63.45%	5.43%
4	63.04%	8.02%
5	34.62%	11.11%
6	63.22%	10.91%
7	62.50%	4.35%
8	47.37%	14.81%
9	66.45%	8.85%
10	58.33%	7.79%
11	56.76%	14.29%
12	62.89%	4.92%
13	56.43%	8.86%
14	66.04%	4.29%
15	60.19%	9.23%
16	59.38%	4.21%
17	67.59%	9.94%
18	69.39%	5.88%
19	53.57%	6.67%
20	44.44%	8.33%
21	66.67%	5.84%
22	65.52%	7.89%
23	44.35%	5.45%
24	62.40%	8.04%
25	50.00%	11.11%
26	63.97%	5.68%
27	62.50%	5.71%
28	51.28%	10.00%
29	54.39%	6.45%
30	53.42%	7.69%
31	60.00%	5.88%
32	50.00%	8.33%

?對上述的缺陷逃逸率畫箱線圖分析如圖1所示：

圖1?缺陷逃逸率的箱線圖

通過箱線圖對比我們可以發(fā)現代碼走查的缺陷逃逸率中位數高達65.13%，系統測試的缺陷逃逸率中位數為9.18%，二者相比，應該先從提升代碼走查的質量開始抓起！

對三個缺陷數的度量數據我們也可以做相關性分析，結果如圖2所示：

圖2?缺陷數的相關性分析

???由上邊的分析可以發(fā)現，代碼走查時找到的缺陷越多、系統測試時找到的缺陷也越多、逃逸的缺陷也越多。是否這3個數都受到系統規(guī)模的影響呢？我們可以再去分析缺陷密度之間的關系。將系統規(guī)模納入此表1中，計算出缺陷密度如表3：

表3?缺陷密度的數據

項目序號	代碼走查缺陷數	系統測試缺陷數	上線后缺陷數	需求點數	代碼走查缺陷密度	系統測試缺陷密度	上線后缺陷密度
1	8	15	1	31	0.2581?	0.4839?	0.0323?
2	69	134	10	220	0.3136?	0.6091?	0.0455?
3	53	87	5	153	0.3464?	0.5686?	0.0327?
4	95	149	13	289	0.3287?	0.5156?	0.0450?
5	17	8	1	18	0.9444?	0.4444?	0.0556?
6	32	49	6	124	0.2581?	0.3952?	0.0484?
7	69	110	5	182	0.3791?	0.6044?	0.0275?
8	30	23	4	77	0.3896?	0.2987?	0.0519?
9	154	278	27	318	0.4843?	0.8742?	0.0849?
10	55	71	6	175	0.3143?	0.4057?	0.0343?
11	16	18	3	68	0.2353?	0.2647?	0.0441?
12	36	58	3	176	0.2045?	0.3295?	0.0170?
13	61	72	7	113	0.5398?	0.6372?	0.0619?
14	72	134	6	289	0.2491?	0.4637?	0.0208?
15	43	59	6	194	0.2216?	0.3041?	0.0309?
16	65	91	4	158	0.4114?	0.5759?	0.0253?
17	82	154	17	243	0.3374?	0.6337?	0.0700?
18	45	96	6	110	0.4091?	0.8727?	0.0545?
19	39	42	3	225	0.1733?	0.1867?	0.0133?
20	15	11	1	28	0.5357?	0.3929?	0.0357?
21	77	145	9	274	0.2810?	0.5292?	0.0328?
22	60	105	9	136	0.4412?	0.7721?	0.0662?
23	69	52	3	74	0.9324?	0.7027?	0.0405?
24	135	206	18	368	0.3668?	0.5598?	0.0489?
25	9	8	1	40	0.2250?	0.2000?	0.0250?
26	129	216	13	328	0.3933?	0.6585?	0.0396?
27	21	33	2	72	0.2917?	0.4583?	0.0278?
28	19	18	2	49	0.3878?	0.3673?	0.0408?
29	26	29	2	70	0.3714?	0.4143?	0.0286?
30	34	36	3	90	0.3778?	0.4000?	0.0333?
31	34	48	3	144	0.2361?	0.3333?	0.0208?
32	12	11	1	32	0.3750?	0.3438?	0.0313?

對缺陷密度的度量數據進行相關性分析表圖3所示：

圖3?缺陷密度的相關性分析

?通過圖3的分析可知，無論是否排除異常點，代碼走查的缺陷密度與系統測試的缺陷密度、上線后的缺陷密度都是線性正相關的，系統測試的缺陷密度與上線后的缺陷密度也是線性正相關的。為什么是線性正相關，而不是開口向下的拋物線相關呢？難道代碼走查與系統測試找到的缺陷越多，逃逸的缺陷就會一直增加下去嗎？肯定不應該如此！未發(fā)現的缺陷不會越來越多，只會越來越少，但是在我們的數據中卻沒有看到這個趨勢，說明什么呢？說明我們的代碼走查與系統測試找到的缺陷還是太少！還需要加大代碼走查與系統測試的力度!

綜上所述，我們可以得到結論：

1?先提升代碼走查的質量，減少代碼走查的缺陷逃逸率；

2?系統測試的質量也要提升。

如何提升代碼走查與系統測試的質量呢？我們可以再繼續(xù)分析影響代碼走查與系統測試缺陷密度的因子，找到定量的因果規(guī)律，從而采取改進措施，事實上，該公司也進行了這方面的定量分析，本文不再贅述了。

注：本文中所有的圖形均采用ZenDAS工具繪制。

總結

以上是生活随笔為你收集整理的案例：如何评价代码走查的效果？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。

上一篇：数据结构十——队列
下一篇：使用git如何批量对文件进行rm操作

3atv精品不卡视频,97人人超碰国产精品最新,中文字幕av一区二区三区人妻少妇,久久久精品波多野结衣,日韩一区二区三区精品

编程问答

案例：如何评价代码走查的效果？

總結