你的代碼糟粕比精華要多得多
英文原文：Your code is far more chaff than wheat
新的研究發現，一個程序的核心功能僅在于一小部分封裝的代碼。
如果你是一個軟件開發人員，有人問你，你寫的代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運行編程語言所需要的？ 95％？ 75％？ 50％？都不是！新的研究發現，只有大約5％ 的代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——寫下的代碼其實對于功能是不起作用的。《stalks of wheat》一文的作者認為，只有一部分代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于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代碼），丟棄那些對函數行為不重要的內容，同時把剩下的映射到關鍵字中。然后將 那些關鍵字導入到 MINSET。
為了檢驗此理論，即 MINSET 中的代碼只占全部代碼的一小部分，研究人員下載了 1000 個來自 Apache、Eclipse、GitHub 和 SourceForge 最受歡迎的 Java 項目。在合計超過 10 億行的 Java 代碼中，先剔除簡單的方法（ tokens 低于 50）。就只剩下不到 190 萬的不同方法，然后從中隨機抽取 10,000 條，確定它們的 MINSET。研究中使用的代碼和數據可從 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 的大小并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：“即便是對于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。”
- 大多數代碼幾乎盡是糟粕。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％ 以上的代碼都是糟粕。
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：它只是表征了核心功能的代碼的最小集合。剩下 95％ 中的一些代碼（前面稱之為糟粕）也不是無用的，因為還需要它們來運行程序。其次，盡管這項研究僅著眼于 Java 代碼，不過由于語言的相似性，作者表示這些發現應該也適用于其他語言，特別是C語言和C++。
關于此項工作的意義？研究人員指出了 MINSETs 的潛在應用：
- 改進代碼搜索——MINSETs 可用于基于相似查詢的代碼搜索結果排名。
- 智能 IDE——具備了 MINSETs 索引數據庫的 IDE 可用于提出類似的代碼，支持自動代碼填充，加快調試過程。
- 備選的編程形式——MINSETs 可用于支持基于關鍵字的編程，也就是說，我們可以通過一個小型的關鍵字組來創建可用的代碼。
-
譯文鏈接：http://www.codeceo.com/article/your-code-is-far-more-chaff-than-wheat.html
翻譯作者：碼農網 – 小峰