对DRY原则的补充

为了证明代码重复对软件质量的影响，我对一些真实软件中的代码进行了分析。

分析的工具为PMD。PMD是开源软件，主要功能是对Java进行静态分析以找出bug。它的一个功能是CPD（Copy/Paste Detector），也就是找出重复代码，也部分支持C语言。以下是我对一些C语言程序进行分析的结果。由于CPD工具本身的限制，不能很完美的找出C语言中的全部重复，例如对于常量的改动无法识别。因此代码中实际的重复应该比下表中的值要大一些。不过相信做为相对值还是有意义的。

Source Code	NLOC	LOCdup60	LOCduP30	RATE60	RATE30
SW1(Too many bugs found)	44325	9314	26504	21%	60%
SW2(Too many bugs found)	39164	7264	19010	19%	49%
SW3(Too many bugs found)	109807	18903	49264	17%	45%
SW4(Many bugs found)	20050	2881	6910	14%	34%
SW5(A few bugs found)	12471	270	2141	2%	17%
Python1.5(Core)	19418	1072	3023	6%	16%
Python2.5(Core)	35797	1656	6441	5%	18%
Python3.0(Core)	40737	3460	9076	8%	22%
Apache(server)	18693	1114	2553	6%	14%

其中：

NLOC：净代码行数。

LOCdup60/30：超过60/30个token重复的代码行数。

RATE60/30：重复代码占总代码的比例。

其中的SW1~SW5是来源于同一个产品的5个不同模块（其中SW5的bugs found数目还有待收集）。通过比较可以看出，无论是RATE60还是RATE30都和代码中BUG的数量有一定的相关性。代码重复得越多就越容易产生BUG。当然，BUG的产生可能有很多原因，代码重复只是众多的原因之一，但它显然是很重要的原因。代码的过度重复往往意味着缺少谨慎的设计和及时的重构，这种代码往往是在匆忙之中或压力之下产生的，也可能是写代码的人不够投入。维护过度重复的代码难度很高，而且再次引入新BUG的风险会高到超出100%（这是真的，平均每改一个错误，引入两个错误）。

我同时也对一些流行的开源软件进行了同样的统计。Python和Apache都是相当流行的开源软件，它们的成功必然依赖于其较高的可维护性。这里我只分析了他们的一部分核心代码，一方面是为了方便，另一方面也是为了和前面的软件模块的大小有可比性。可以很容易的看出，Python和Apache的代码重复是相对很低的。

其中Python1.5、Python2.5和我取的Apache源码都是久经考验的成熟版本，他们的RATE60都在6%左右，RATE30也只有16%左右。Python3.0最近才刚刚发布，代码是原来的114%，重复代码却是原来的209%!（这里忽略了Python的另一个主要版本2.6，因为2.6也是刚发布不久，而且主要目的是为了向3.0过渡）可见，Python3.0的质量让人有点小小的担心啊。