【译】做好这几件事，代码质量可以提升一个档次

这篇文章又是关于代码质量的，有些同学可能觉得我比较啰嗦。不过我就是想用这种方式让大家重视起来。其实说来说去就那么几种方法，但是实际执行起来真是难于登天。

Photo by Clem Onojeghuo on Unsplash

低质量的代码真的是一种灾难。当你的代码变得越来越混乱，维护起来就会花费大量的时间。在最坏的情况下，代码将变得不可维护，并且项目会慢慢终止。

为了避免这种情况，你需要注意你的代码质量。尝试在代码质量上花费一些时间，长久来看，这将对你有很大的好处。

无论你是管理者，测试人员或者是开发者都应该去自觉维护代码质量，因为在整个开发流程中，大家的目标都是交付可用的、高质量的代码。

要想提高代码质量，需要做到以下六件事，其中一些是一个人可以完成的，而有些则必须要团队配合。

GoodCode&BadCode

四眼原则是易于理解和执行的。它的意思是必须要有至少两个人（包括作者）检查过代码，目前最流行的方法是Pull request。

Pull request是让你告诉别人你已经在GitHub上向分支push了一些代码改动。在开启Pull request之后，你就可以和协作者讨论潜在的问题，并且可以在你的代码被merge之前继续对它进行修改。

——Github.com

在代码审查期间，有几件事需要考虑。其中之一是检查代码是否违反了约定的代码规则。这一过程可以通过在管道中使用linter来实现自动化，但有时也需要手动执行。

另外一个需要检查的是代码的可维护性和错误处理。这件事还没办法自动化。最后，需要检查的是代码的完整性。这一修改是否完成了需要完成的全部功能？

“开发环境是好的。”这是某些开发人员常说的，还有就是：“在我电脑上没问题”。

如果希望避免这种问题的争论。持续集成可以给你提供很大的帮助。

持续集成是一种软件开发实践，团队的开发人员经常集成他们的工作，通常每人至少每天集成一次——这使得每天需要集成很多次。每次集成都应该由自动构建（包括测试）尽快确认是否存在集成错误。

—— Martin Fowler

持续集成的意义在于，它可以快速的向开发者提供结果反馈。

持续集成的两个基本作用是：

持续集成通过快速向开发者提供反馈来帮助提高代码质量。如果测试不通过，那么构建就会失败，此时开发者就会注意到。此外，最好在构建脚本中添加linter来检查是否符合编码规范。毫无疑问，这也是用于提高代码质量的。

拥有一系列的代码规约是非常重要的。但是在你开始制定代码规约之前，团队的每个人都应该参与。因为这期间可能存在大量的关于最优约定的讨论。

编码规范中应该包括怎样声明和命名一个变量等等。规则的数量是没有限制的，并且以后可以继续调整，前提是这些规则对你和你的团队有帮助。

当编码规范制定好以后，请务必遵守。就像我前面提到的，最好的检查办法是在管道中增加linter，这样就不需要人工干预了。如果不这样做，也可以选择在本地安装linter。但要保证在每次提交之前规范使用linter。这样你的团队的代码风格将非常统一，有利于提升代码的可读性和可维护性。

高质量的代码可以加快软件开发的速度，因为它可以被复用，并且开发人员不必花费大量时间修改bug和完善代码。同时新人加入项目也会更快适应。

代码质量越高，bug就越少。我们通常通过测试过滤出严重的bug，确保代码按照预期执行。

制定清晰的测试策略对于提高代码质量至关重要。至少要保证你的代码可以通过单元测试。如果你以其他方式进行测试就更好了，例如集成测试或回归测试。

根据测试金字塔，项目中数量最多的测试应该是单元测试，因为它们既简单又快速。有很多工具可以帮助你创建单元测试并生成代码覆盖率报告。

Test pyramid

跑单元测试和生成代码覆盖率报告可以通过持续集成自动进行。当代码覆盖率达不到要求时，持续集成也会构建失败。

代码中有bug是必然的事情，如何处理这些bug才是关键。如果你想要提升自己，学会从错误中学习至关重要。这也是为什么你要分析bug。

发现bug后，先分析bug的影响。是一个低优先级的还是高优先级的？如果是高优先级的，就需要尽快解决。

分析bug时，你需要问自己一些问题。是什么导致了错误？为什么没有测出来？其他地方也有可能发生吗？以及我们应该怎样避免类似的bug产生？

当然，我们也要学会使用工具追踪bug。目前市面上有许多可用的bug追踪工具，你可以根据需要选择适合自己的工具。

在开始量化时，可以用几个指标来衡量代码的质量。

缺陷的数量和缺陷的严重程度是衡量代码质量的重要指标。如果你想追踪bug，可以使用bug燃尽图。bug燃尽图和软件敏捷开发中的正常燃尽图一样。唯一不同的是bug燃尽图包含未修复的bug，而不是事故点。

复杂度通常由圈复杂度衡量，它是程序的源代码线性独立路径数量的一个衡量。

圈复杂度数和缺陷频率之间存在一定的相关性：

许多研究调查了函数或方法中圈复杂度数和缺陷频率数之间的相关性。有些研究发现了圈复杂度和缺陷数的正相关性：函数和方法越复杂，缺陷也就会越多。然而，圈复杂度和程序大小之间的相关性已被多次证明。

从理论上来讲，降低代码的复杂度会使缺陷更少。