新的研究發(fā)現(xiàn)，一個(gè)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(gè)軟件開發(fā)人員，有人問你，你寫的代碼中有多少是真正在實(shí)現(xiàn)實(shí)際功能的，有多少是填充物、無價(jià)值的或者只是因?yàn)閷?shí)際運(yùn)行編程語言所需要的？ 95％？ 75％？ 50％？都不是！新的研究發(fā)現(xiàn)，只有大約5％的代碼是真正在提供核心功能。

研究人員認(rèn)為，就像自然語言一樣，一些——甚至可能是絕大多數(shù)——寫下的代碼其實(shí)對于功能是不起作用的�！秙talks of wheat》一文的作者認(rèn)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(gè)功能的核心可以被封裝于一個(gè)小型的關(guān)鍵字集合中，這被稱為“minimum distinguishing subset” （“最小的區(qū)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(biāo)點(diǎn)符號分隔代碼），丟棄那些對函數(shù)行為不重要的內(nèi)容，同時(shí)把剩下的映射到關(guān)鍵字中。然后將那些關(guān)鍵字導(dǎo)入到MINSET。

為了檢驗(yàn)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(gè)來自Apache、Eclipse、GitHub和SourceForge最受歡迎的Java項(xiàng)目。在合計(jì)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(jī)抽取10,000條，確定它們的MINSET。研究中使用的代碼和數(shù)據(jù)可從Bitbucket下載。

以下為研究發(fā)現(xiàn)的主要結(jié)果：

• MINSETS出奇的小。方法的平均MINSET大小為1.55個(gè)關(guān)鍵字，最大值為6。
• MINSET的大小并不隨方法規(guī)模的增加而變大。事實(shí)上，如果只看最大的1000個(gè)方法，其平均和最大MINSET關(guān)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(xiàng)既獨(dú)特又靈活有效的指標(biāo)。”
• 大多數(shù)代碼幾乎盡是糟粕。平均來說，在一個(gè)方法中只有4.6％的獨(dú)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(guān)鍵的地方需要指出來。首先，MINSET本身是不可執(zhí)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?yàn)檫�需要它們來運(yùn)行程序。其次，盡管這項(xiàng)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(fā)現(xiàn)應(yīng)該也適用于其他語言，特別是C語言和C++。

關(guān)于此項(xiàng)工作的意義？研究人員指出了MINSETs的潛在應(yīng)用：

• 改進(jìn)代碼搜索——MINSETs可用于基于相似查詢的代碼搜索結(jié)果排名。
• 智能IDE——具備了MINSETs索引數(shù)據(jù)庫的IDE可用于提出類似的代碼，支持自動(dòng)代碼填充，加快調(diào)試過程。
• 備選的編程形式——MINSETs可用于支持基于關(guān)鍵字的編程，也就是說，我們可以通過一個(gè)小型的關(guān)鍵字組來創(chuàng)建可用的代碼。
•