1. 导读

你们是否也有过下面的想法?

  • 重构一个项目还不如新开发一个项目...
  • 这代码是谁写的,我真想...

你们的项目中是否也存在下面的问题?

  • 单个项目也越来越庞大,团队成员代码风格不一致,无法对整体的代码质量做全面的掌控
  • 没有一个准确的标准去衡量代码结构复杂的程度,无法量化一个项目的代码质量
  • 重构代码后无法立即量化重构后代码质量是否提升

针对上面的问题,本文的主角 圈复杂度 重磅登场,本文将从圈复杂度原理出发,介绍圈复杂度的计算方法、如何降低代码的圈复杂度,如何获取圈复杂度,以及圈复杂度在公司项目的实践应用。

2. 圈复杂度

2.1 定义

圈复杂度 (Cyclomatic complexity) 是一种代码复杂度的衡量标准,也称为条件复杂度或循环复杂度,它可以用来衡量一个模块判定结构的复杂程度,数量上表现为独立现行路径条数,也可理解为覆盖所有的可能情况最少使用的测试用例数。简称 CC 。其符号为 VG 或是 M 。

圈复杂度 在 1976 年由 Thomas J. McCabe, Sr. 提出。

圈复杂度大说明程序代码的判断逻辑复杂,可能质量低且难于测试和维护。程序的可能错误和高的圈复杂度有着很大关系。

2.2 衡量标准

代码复杂度低,代码不一定好,但代码复杂度高,代码一定不好。

前端代码质量-圈复杂度原理和实践

 

3.1 控制流程图

控制流程图,是一个过程或程序的抽象表现,是用在编译器中的一个抽象数据结构,由编译器在内部维护,代表了一个程序执行过程中会遍历到的所有路径。它用图的形式表示一个过程内所有基本块执行的可能流向, 也能反映一个过程的实时执行过程。

下面是一些常见的控制流程:

前端代码质量-圈复杂度原理和实践

 

3.2 节点判定法

有一个简单的计算方法,圈复杂度实际上就是等于判定节点的数量再加上1。向上面提到的:if else 、switch case 、 for循环、三元运算符等等,都属于一个判定节点,例如下面的代码:

function testComplexity(*param*) { 
 let result = 1; 
 if (param > 0) { 
 result--; 
 } 
 for (let i = 0; i < 10; i++) { 
 result += Math.random(); 
 } 
 switch (parseInt(result)) { 
 case 1: 
 result += 20; 
 break; 
 case 2: 
 result += 30; 
 break; 
 default: 
 result += 10; 
 break; 
 } 
 return result > 20 ? result : result; 
}

上面的代码中一共有1个if语句,一个for循环,两个case语句,一个三元运算符,所以代码复杂度为 4+1+1=6。另外,需要注意的是 || 和 && 语句也会被算作一个判定节点,例如下面代码的代码复杂为3:

function testComplexity(*param*) { 
 let result = 1; 
 if (param > 0 && param < 10) { 
 result--; 
 } 
 return result; 
}

3.3 点边计算法

M = E − N + 2P
复制代码
  • E:控制流图中边的数量
  • N:控制流图中的节点数量
  • P:独立组件的数目

前两个,边和节点都是数据结构图中最基本的概念:

前端代码质量-圈复杂度原理和实践

 

P代表图中独立组件的数目,独立组件是什么意思呢?来看看下面两个图,左侧为连通图,右侧为非连通图:

  • 连通图:对于图中任意两个顶点都是连通的
前端代码质量-圈复杂度原理和实践

 

一个连通图即为图中的一个独立组件,所以左侧图中独立组件的数目为1,右侧则有两个独立组件。

对于我们的代码转化而来的控制流程图,正常情况下所有节点都应该是连通的,除非你在某些节点之前执行了 return,显然这样的代码是错误的。所以每个程序流程图的独立组件的数目都为1,所以上面的公式还可以简化为 M = E − N + 2 。

4. 降低代码的圈复杂度

我们可以通过一些代码重构手段来降低代码的圈复杂度。

重构需谨慎,示例代码仅仅代表一种思想,实际代码要远远比示例代码复杂的多。

4.1 抽象配置

通过抽象配置将复杂的逻辑判断进行简化。例如下面的代码,根据用户的选择项执行相应的操作,重构后降低了代码复杂度,并且如果之后有新的选项,直接加入配置即可,而不需要再去深入代码逻辑中进行改动:

前端代码质量-圈复杂度原理和实践

 

4.2 单一职责 - 提炼函数

单一职责原则(SRP):每个类都应该有一个单一的功能,一个类应该只有一个发生变化的原因。

在 JavaScript 中,需要用到的类的场景并不太多,单一职责原则则是更多地运用在对象或者方法级别上面。

函数应该做一件事,做好这件事,只做这一件事。 — 代码整洁之道

关键是如何定义这 “一件事” ,如何将代码中的逻辑进行抽象,有效的提炼函数有利于降低代码复杂度和降低维护成本。

前端代码质量-圈复杂度原理和实践

 

4.3 使用 break 和 return 代替控制标记

我们经常会使用一个控制标记来标示当前程序运行到某一状态,很多场景下,使用 break 和 return 可以代替这些标记并降低代码复杂度。

前端代码质量-圈复杂度原理和实践

 

4.4 用函数取代参数

setField 和 getField 函数就是典型的函数取代参数,如果么有 setField、getField 函数,我们可能需要一个很复杂的 setValue、getValue 来完成属性赋值操作:

前端代码质量-圈复杂度原理和实践

 

4.5 简化条件判断 - 逆向条件

某些复杂的条件判断可能逆向思考后会变的更简单。

前端代码质量-圈复杂度原理和实践

 

4.6 简化条件判断 -合并条件

将复杂冗余的条件判断进行合并。

前端代码质量-圈复杂度原理和实践

 

4.7 简化条件判断 - 提取条件

将复杂难懂的条件进行语义化提取。

前端代码质量-圈复杂度原理和实践

 

5. 圈复杂度检测方法

5.1 eslint规则

eslint提供了检测代码圈复杂度的rules:

我们将开启 rules 中的 complexity 规则,并将圈复杂度大于 0 的代码的 rule severity 设置为 warn 或 error 。

 rules: {
complexity: [
'warn',
{ max: 0 }
]
}

这样 eslint 就会自动检测出所有函数的代码复杂度,并输出一个类似下面的 message。

Method 'testFunc' has a complexity of 12. Maximum allowed is 0
Async function has a complexity of 6. Maximum allowed is 0.
...

5.2 CLIEngine

我们可以借助 eslint 的 CLIEngine ,在本地使用自定义的 eslint 规则扫描代码,并获取扫描结果输出。

初始化 CLIEngine :

const eslint = require('eslint'); 
const { CLIEngine } = eslint; 
const cli = new CLIEngine({ 
 parserOptions: { 
 ecmaVersion: 2018, 
 }, 
 rules: { 
 complexity: [ 
 'error', 
 { max: 0 } 
 ] 
 } 
});

使用 executeOnFiles 对指定文件进行扫描,并获取结果,过滤出所有 complexity 的 message 信息。

const reports = cli.executeOnFiles(['.']).results; 
for (let i = 0; i < reports.length; i++) { 
 const { messages } = reports[i]; 
 for (let j = 0; j < messages.length; j++) { 
 const { message, ruleId } = messages[j]; 
 if (ruleId === 'complexity') { 
 console.log(message); 
 } 
 } 
}

5.3 提取message

通过 eslint 的检测结果将有用的信息提取出来,先测试几个不同类型的函数,看看 eslint 的检测结果:

function func1() { 
 console.log(1); 
} 
const func2 = () => { 
 console.log(2); 
}; 
class TestClass { 
 func3() { 
 console.log(3); 
 } 
} 
async function func4() { 
 console.log(1); 
}

执行结果:

Function 'func1' has a complexity of 1. Maximum allowed is 0.
Arrow function has a complexity of 1. Maximum allowed is 0.
Method 'func3' has a complexity of 1. Maximum allowed is 0.
Async function 'func4' has a complexity of 1. Maximum allowed is 0.

可以发现,除了前面的函数类型,以及后面的复杂度,其他都是相同的。

函数类型:

  • Function :普通函数
  • Arrow function : 箭头函数
  • Method : 类方法
  • Async function : 异步函数

截取方法类型:

const REG_FUNC_TYPE = /^(Method |Async function |Arrow function |Function )/g; 
function getFunctionType(message) { 
 let hasFuncType = REG_FUNC_TYPE.test(message); 
 return hasFuncType && RegExp.$1; 
}

将有用的部分提取出来:

const MESSAGE_PREFIX = 'Maximum allowed is 1.'; 
const MESSAGE_SUFFIX = 'has a complexity of '; 
function getMain(message) { 
 return message.replace(MESSAGE_PREFIX, '').replace(MESSAGE_SUFFIX, ''); 
}

提取方法名称:

function getFunctionName(message) { 
 const main = getMain(message); 
 let test = /'([a-zA-Z0-9_$]+)'/g.test(main); 
 return test ? RegExp.$1 : '*'; 
}

截取代码复杂度:

function getComplexity(message) { 
 const main = getMain(message); 
 (/(\d+)\./g).test(main); 
 return +RegExp.$1; 
}

除了 message ,还有其他的有用信息:

  • 函数位置:获取 messages 中的 line 、column 即函数的行、列位置
  • 当前文件名称:reports 结果中可以获取当前扫描文件的绝对路径 filePath ,通过下面的操作获取真实文件名:
filePath.replace(process.cwd(), '').trim()
复制代码
  • 复杂度等级,根据函数的复杂度等级给出重构建议:
前端代码质量-圈复杂度原理和实践

 

前端代码质量-圈复杂度原理和实践

 

6.架构设计

将代码复杂度检测封装成基础包,根据自定义配置输出检测数据,供其他应用调用。

上面的展示了使用 eslint 获取代码复杂度的思路,下面我们要把它封装为一个通用的工具,考虑到工具可能在不同场景下使用,例如:网页版的分析报告、cli版的命令行工具,我们把通用的能力抽象出来以 npm包 的形式供其他应用使用。

在计算项目代码复杂度之前,我们首先要具备一项基础能力,代码扫描,即我们要知道我们要对项目里的哪些文件做分析,首先 eslint 是具备这样的能力的,我们也可以直接用 glob 来遍历文件。但是他们都有一个缺点,就是 ignore 规则是不同的,这对于用户来讲是有一定学习成本的,因此我这里把手动封装代码扫描,使用通用的 npm ignore 规则,这样代码扫描就可以直接使用 .gitignore这样的配置文件。另外,代码扫描作为代码分析的基础能力,其他代码分析也是可以公用的。

  • 基础能力
  • 代码扫描能力
  • 复杂度检测能力
  • ...
  • 应用
  • 命令行工具
  • 代码分析报告
  • ...
前端代码质量-圈复杂度原理和实践

 

7. 基础能力 - 代码扫描

本文涉及的 npm 包和 cli命令源码均可在我的开源项目 awesome-cli中查看。

awesome-cli 是我新建的一个开源项目:有趣又实用的命令行工具,后面会持续维护,敬请关注,欢迎 star。

代码扫描(c-scan)源码:github.com/ConardLi/aw…

代码扫描是代码分析的底层能力,它主要帮助我们拿到我们想要的文件路径,应该满足我们以下两个需求:

  • 我要得到什么类型的文件
  • 我不想要哪些文件

7.1 使用

npm i c-scan --save 
const scan = require('c-scan'); 
scan({ 
 extensions:'**/*.js', 
 rootPath:'src', 
 defalutIgnore:'true', 
 ignoreRules:[], 
 ignoreFileName:'.gitignore' 
});

7.2 返回值

符合规则的文件路径数组:

前端代码质量-圈复杂度原理和实践

 

7.3 参数

  • extensions
  • 扫描文件扩展名
  • 默认值:**/*.js
  • rootPath
  • 扫描文件路径
  • 默认值:.
  • defalutIgnore
  • 是否开启默认忽略(glob规则)
  • glob ignore规则为内部使用,为了统一ignore规则,自定义规则使用gitignore规则
  • 默认值:true
  • 默认开启的 glob ignore 规则:
const DEFAULT_IGNORE_PATTERNS = [
'node_modules/**',
'build/**',
'dist/**',
'output/**',
'common_build/**'
];
  • ignoreRules
  • 自定义忽略规则(gitignore规则)
  • 默认值:[]
  • ignoreFileName
  • 自定义忽略规则配置文件路径(gitignore规则)
  • 默认值:.gitignore
  • 指定为null则不启用ignore配置文件

7.4 核心实现

基于 glob ,自定义 ignore 规则进行二次封装。

/** 
 * 获取glob扫描的文件列表 
 * @param {*} rootPath 跟路径 
 * @param {*} extensions 扩展 
 * @param {*} defalutIgnore 是否开启默认忽略 
 */ 
function getGlobScan(rootPath, extensions, defalutIgnore) { 
 return new Promise(resolve => { 
 glob(`${rootPath}${extensions}`, 
 { dot: true, ignore: defalutIgnore ? DEFAULT_IGNORE_PATTERNS : [] }, 
 (err, files) => { 
 if (err) { 
 console.log(err); 
 process.exit(1); 
 } 
 resolve(files); 
 }); 
 }); 
} 
/** 
 * 加载ignore配置文件,并处理成数组 
 * @param {*} ignoreFileName  
 */ 
async function loadIgnorePatterns(ignoreFileName) { 
 const ignorePath = path.resolve(process.cwd(), ignoreFileName); 
 try { 
 const ignores = fs.readFileSync(ignorePath, 'utf8'); 
 return ignores.split(/[\n\r]|\n\r/).filter(pattern => Boolean(pattern)); 
 } catch (e) { 
 return []; 
 } 
} 
/** 
 * 根据ignore配置过滤文件列表 
 * @param {*} files  
 * @param {*} ignorePatterns  
 * @param {*} cwd  
 */ 
function filterFilesByIgnore(files, ignorePatterns, ignoreRules, cwd = process.cwd()) { 
 const ig = ignore().add([...ignorePatterns, ...ignoreRules]); 
 const filtered = files 
 .map(raw => (path.isAbsolute(raw) ? raw : path.resolve(cwd, raw))) 
 .map(raw => path.relative(cwd, raw)) 
 .filter(filePath => !ig.ignores(filePath)) 
 .map(raw => path.resolve(cwd, raw)); 
 return filtered; 
}

8. 基础能力 - 代码复杂度检测

代码复杂度检测(c-complexity)源码:github.com/ConardLi/aw…

代码检测基础包应该具备以下几个能力:

  • 自定义扫描文件夹和类型
  • 支持忽略文件
  • 定义最小提醒代码复杂度

8.1 使用

npm i c-complexity --save
const cc = require('c-complexity');
cc({},10);

8.2 返回值

  • fileCount:文件数量
  • funcCount:函数数量
  • result:详细结果
  • funcType:函数类型
  • funcName;函数名称
  • position:详细位置(行列号)
  • fileName:文件相对路径
  • complexity:代码复杂度
  • advice:重构建议
前端代码质量-圈复杂度原理和实践

 

8.3 参数

  • scanParam继承自上面代码扫描的参数
  • min最小提醒代码复杂度,默认为1

9. 应用 - 代码复杂度检测工具

代码复杂度检测(conard cc)源码:github.com/ConardLi/aw…

前端代码质量-圈复杂度原理和实践

 

9.1 指定最小提醒复杂度

可以触发提醒的最小复杂度。

  • 默认为 10
  • 通过命令 conard cc --min=5 自定义

9.2 指定扫描参数

自定义扫描规则

  • 扫描参数继承自上面的 scan param
  • 例如: conard cc --defalutIgnore=false

10. 应用 - 代码复杂度报告

部分截图来源于我们内部的项目质量监控平台,圈复杂度作为一项重要的指标,对于衡量项目代码质量起着至关重要的作用。

代码复杂复杂度变化趋势

定时任务爬取代码每日的代码复杂度、代码行数、函数个数,通过每日数据绘制代码复杂度和代码行数变化趋势折线图。

前端代码质量-圈复杂度原理和实践

 

前端代码质量-圈复杂度原理和实践

 

通过 [ 复杂度 / 代码行数 ] 或 [ 复杂度 / 函数个数 ] 的变化趋势,判断项目发展是否健康。

  • 比值若一直在上涨,说明你的代码在变得越来越难以理解。这不仅使我们面临意外的功能交互和缺陷的风险,由于我们在具有或多或少相关功能的模块中所面临的过多认知负担,也很难重用代码并进行修改和测试。(下图1)
  • 若比值在某个阶段发生突变,说明这段期间迭代质量很差。(下图2)
前端代码质量-圈复杂度原理和实践

 

  • 复杂度曲线图可以很快的帮你更早的发现上面这两个问题,发现它们后,你可能需要重构代码。复杂性趋势对于跟踪你的代码重构也很有用。复杂性趋势的下降趋势是一个好兆头。这要么意味着您的代码变得更简单(例如,把 if-else 被重构为多态解决方案),要么代码更少(将不相关的部分提取到了其他模块中)。(下图3)
  • 代码重构后,你还需要继续探索复杂度变化趋势。经常发生的事情是,我们花费大量的时间和精力来重构,无法解决根本原因,很快复杂度又滑回了原处。(下图4)你可能觉得这是个例,但是有研究标明,在分析了数百个代码库后,发现出现这种情况的频率很高。因此,时刻观察代码复杂度变化趋势是有必要的。
前端代码质量-圈复杂度原理和实践

 

代码复杂度文件分布

统计各复杂度分布的函数数量。

前端代码质量-圈复杂度原理和实践

 

代码复杂度文件详情

计算每个函数的代码复杂度,从高到低依次列出高复杂度的文件分布,并给出重构建议。

前端代码质量-圈复杂度原理和实践

 

实际开发中并不一定所有的代码都需要被分析,例如打包产物、静态资源文件等等,这些文件往往会误导我们的分析结果,现在分析工具会默认忽略一些规则,例如:.gitignore文件、static目录等等,实际这些规则还需要根据实际项目的情况去不断完善,使分析结果变得更准确。

小结

希望看完本篇文章能对你有如下帮助:

  • 理解圈复杂度的意义和计算方法
  • 在项目中能实际应用圈复杂度提升项目质量

文中如有错误,欢迎在评论区指正,如果这篇文章帮助到了你,欢迎点赞和关注。

作者:ConardLi

链接:https://juejin.im/post/5da34216e51d4578502c24c5

来源:掘金


评论关闭
IT序号网

微信公众号号:IT虾米 (左侧二维码扫一扫)欢迎添加!