虽然以代码行数来衡量项目或者程序员并不是一件靠谱的事,但是从统计角度看趋势对于技术管理人员还是很有帮助的!推荐一个比较好用的git仓库代码统计工具:git_stats,它用于按git提交人、提交次数、修改文件数、代码行数、注释量在时间维度上进行统计,亦可按各文件类型进行简单的统计,非常方便。实际上,这么多功能通常都是用WEB在多个页面上显示的,git_stats也是如此,它需要你先安装好ruby以生成基础的页面,再用gem安装好git_stats,最后用git_stats一条语句即可生成展示页面。这些静态页面如需共享,那么搭个nginx显示静态页面即可。废话不多说,演示下步骤:
GitLab Analyser[1] 是一个使用 Golang[2] 编写的跨平台命令行工具。
昨天腾讯发布了 2017 年度代码报告。整份报告对腾讯去年整个 2017 年度的研发数据进行了统计,涵盖代码、开发者、语言等基础数据。根据报告显示: 腾讯公司程序员总数是 15500+ ,同比增长了
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
在日常运维工作中,会碰到对一项项目下的代码行数进行统计的需求,下面对代码行数的统计方法进行梳理,以供参考。 1)最简单的是使用wc -l直接进行代码行数统计。(wc的几个参数的解释:-c 统计字节数;-l 统计行数;-w统计字数) 1)统计当前目录下的index.php文件的行数 [root@huanqiu_web1 ~]# cat index.php |wc -l 17 2)统计web目录下,js文件数量: [root@huanqiu_web1 ~]# find web/ -name "*.js" |
find /demo -name ".js" |xargs cat|grep -v ^$|wc -l
冒烟测试 活动时间:2017年7月27日 QQ群视频交流 活动介绍:TMQ在线沙龙第二十五期分享 本次分享的主题是:C++单元测试 共有217位测试小伙伴参加活动,在线观看视频人数 25人! 想知道活动分享了啥吗, 请往下看吧! 活动嘉宾 嘉宾简介 赵静,腾讯地图测试工程师,目前主要负责滴滴iOS SDK测试,诱导引擎的单元测试等。在iOS SDK、白盒测试等领域有比较丰富的经验。 分享主题 1、C++单元测试简介和意义 2、C++单元测试的常用技术 3、结合业务开展C++单元测试 问答环节 1
今天发现了一个好用的python代码覆盖率检查工具:coverage, 可以高亮显示代码中哪些语句未被执行,哪些执行了,方便单测。
2:统计指定目录下所有的*.jar 包中*.class 文件的代码行数,文件为 JarTotal.java(可单独运行)
导语 当一个新的产品想要复用一个旧的产品的逻辑的时候,是直接把全盘的代码copy过去就可以了吗?站在功能的角度当然没问题,但是这对于新产品是相当臃肿的,因为一些它根本不会使用的功能代码也包含在里面。同样对于旧产品而言,随着功能日积月累的变更,有些功能已经废弃,但是代码仍然在工程中,那我们应该怎样快速高效的给代码瘦身呢?半个小时,三个步骤,轻松搞定! 一、背景 根源 FT有需求,要把一个完整的功能(插件)作为一个sdk移植到其他项目。 实现方式 将插件A以及与插件A有依赖关系的所有插件一并合入。 带来的问题
在python代码进行单元测试的时候,我们总会遇到这样的问题,如何来统计我们的代码所有分支的测试?本文带你了解,如何快速的掌握代码的覆盖率。
我们将基于 RealWorld 示例应用对比前端框架。RealWorld 示例应用的特点:
StatSVN是一个Java写的开源代码统计程序,从statCVS移植而来,能够从Subversion版本库中取得信息,然后生成描述项目开发的各种表格和图表。比如:代码行数的时间线;针对每个开发者的代码行数;开发者的活跃程度;开发者最近所提交的;文件数量;平均文件大小;最大文件;哪个文件是修改最多次数的;目录大小;带有文件数量和代码行数的Repository tree。StatSVN当前版本能够生成一组包括表格与图表的静态HTML文档。
软件开发是一个非常有意思的复制 + 粘贴活动。开发业务代码的时候,大部分人都不会不加思索地添加代码。毕竟,聪明的产品经理/项目经理们,天才式地想出了用代码行数的方式来计算 KPI,又或者是通过提交次数来进行考核 —— 虽然小步提交是个好东西,但是吧,大部分人不经过练习还是掌握不会的。
Cloc是一款开源的代码统计工具,支持多平台使用,多语言识别,能够计算制定目标文件或者文件夹的文件数,空白行数, 注释行数和代码行数。
如图所示,在master分支提交了HelloController,然后从master拉了个新分支test;提交了第1次代码,增加了WorldController;提交了第2次代码,增加了DonController。增量的获取方式有两种:
申请软著或知识产权用的。主要统计代码行数和合并所有代码文件到一个文件,打印前后各30页这个需要自己打开合并后的文件去打印。
仓库代码统计工具之一,可以按git提交人、提交次数、修改文件数、代码行数、注释量在时间维度上进行统计,亦可按各文件类型进行简单的统计,非常方便.
问题1:bug率有什么作用? my opion:用处有很多,需要具体情况具体分析,不过主要作用一般是来评价工作产品的质量。如果bug率较高,说明系统质量较差,需要大量的返工。项目经理就需要做好缺陷分析(缺陷的类型、分布、严重程度等),找出原因,以便做好下一阶段的缺陷预防工作。除此之外,还可以结合其它方面的信息,判断是否一些工作不充分。譬如,如果缺陷密度过低,有两个原因:可能工作产品质量确实高;也可能评审或测试不充分,更多的缺陷没有发现。在某些公司,bug率也作为项目度量考核的一项指标。 问题2:bug率的计
对单元测试的描述大家可自行百度,后期时间满足的情况下,我在对单元测试进行一个单独的专题进行说明,这一节主要就是介绍一下简单的用法。
哈哈,开玩笑的,这几天听朋友说他们公司要统计代码行数来评判工作量了。了不起心想,虽然代码行数确实是一个可以进行精确统计的维度,但是用行数来判断一个人工作量的多少真的合理吗?
统计项目的代码行数可以通过多种方法来实现,具体取决于你使用的操作系统和可用的工具。以下是一些常用的方法:
我们通常用代码量来评判一个程序员技术的高低或一个项目的大小,阅读新项目源码时,也需要了解其代码量,心里有个预期。
如果你是研发效能组的一员或者在从事 CI/CD 或 DevOps,除了提供基础设施,指标和数据是也是一个很重要的一环,比如需要分析下某个 Git 仓库代码提交情况:
在测试中,为了度量产品质量,代码覆盖率被作为一种测试结果的评判依据,在Python代码中用来分析代码覆盖率的工具当属Coverage。代码覆盖率是由特定的测试套件覆盖被测源代码的程度来度量,Coverage是一种用于统计Python代码覆盖率的工具,通过它可以检测测试代码的有效性,即测试case对被测代码的覆盖率几何。 Coverage支不仅持分支覆盖率统计,还可以生成HTML/XML报告。并且XML报告可以结合Jenkins和Sonar集成工具一起使用。 Coverage官方文档:http://coverage.readthedocs.org/en/latest/
Tokei是一个按语言统计代码行数等统计信息的工具。其实这些信息还是非常有用的,首先程序猿可以用它来估计别人的实力或者观察自己实力成长的速度(神马,行数论英雄么?)。其次,管理人员可以用它来估计工程的进度和预算(据说一个程序猿一天写不出100行代码?)。最后,其实在看新代码的时候先看下这些数据,也有助于对代码的理解(说不定最长的文件就是核心逻辑的所在处呢?)。所以,大家以后没事多tokei一下呀。
在我们申请软作专利或著作权时,经常需要提交源码行数。如果每页打开去统计工作量也太大了。还好,偷懒的想法也能激发创造力,我在网上真的找到了一个牛人使用的方法。下面分享给大家。
公司要对一个项目进行代码统计,这么多类,总不能让我一个一个数据,于是想到了Statistic插件。让我们一起看看Statistic插件怎么使用吧。
作为开发者,大家对Python并不陌生,而且Python提供了丰富的文件操作功能,使我们能够轻松读取和处理代码文件,我们可以使用open()函数打开代码文件,并使用readlines()方法读取文件中的所有行,具体示例代码如下所示:
然后,编译不过 —— 因为 Files.lines(Path) 会抛出 IOException,如果要编译通过,得这样写:
VS强大的查找功能,可以使用正则表达式来进行查找,这里统计代码行数的原理就是:在所有指定文件中进行搜索,统计匹配的文本行数。但是匹配的行需要满足:非注释、非空等特殊非代码行。
单元测试代码覆盖率作为一种度量方式,可以计算单元测试用例对于被测代码的覆盖程度,即:被执行的代码数量和代码总数量的比值
很多小伙伴在开发时想知道当前项目代码行数是多少,很多人会使用Git来进行查看,但是在开发中如果编辑器使用了VsCode我们可以使用VsCode的插件--VS Code Counter来进行代码行数查询。
我理解的工作量估算,就是估算软件项目所耗费的资源数,这个资源包含人力和时间,一般用人天、人月的形式来衡量。(而软件的成本=耗费的资源*资源的单价)。
1.Class Instrumentation: 把统计代码插入编译好的.class文件
当然,我没好意思跟他说的是,我不会Java啊。不过最主要的原因嘛,还是因为Python的语法简洁,可以采用很少的代码量实现丰富的功能。
编程是一个很奇妙的事情,大部分的我们把大部分时间实际都花在了复制粘贴,而后修改代码上面。 很多时候,我们并不关注代码质量,只要功能能实现,我才不管一个类的代码有多长、一个方法的代码有多长。 因此,我们经常会碰到让自己想要骂街的项目,不过,说真的,你自己写的代码也有极大可能被后者 DISS。 为了快速分析项目情况,判断这个项目是不是一个“垃圾”项目,有一个方法挺简单的。 那就是对代码的总行数、单个文件的代码行数、注释行数等信息进行统计。 怎么统计呢? 首先想到的是 Excel 。不过,显然太麻烦了。 有没有专门用于代码统计的工具呢? 基于Perl语言开发的cloc(count lines of code)或许可以满足你的要求。 有没有什么更简单的办法呢? 如果你使用的是 IDEA 进行开发的话,推荐你可以使用一下 Statistic 这个插件。 我们直接在 IDEA 的插件市场即可找到这个插件。我这里已经安装好了。
命令需要在bash下运行,windows系统可使用git客户端附带的“git bash here”右键菜单进入bash命令行
所有这些问题,都会指向一件事————研发中的估点。估点是计划的基础,不论你关注还是不关注它,它都在那里。估点不是拍脑袋,是一种对事件的客观描述方式。通过统计学可以让我们知道,用两个数字就能够描述世界——期望和方差。然而,如果没有历史数据的话,统计学的技术方法就无法应用。因此,估点既是获取研发中经验数据的开始,也贯穿于研发过程的始终。
翻译:疯狂的技术宅 原文:https://medium.freecodecamp.org/a-realworld-comparison-of-front-end-frameworks-with-benchmarks-2019-update-4be0d3c78075
某一天过去SY那儿,突发奇想说要写一个统计代码行数的小程序。说干就干,约定了一个时间——周六,来把这个想法给实现了。当然这个项目人家做过的也未必,google一下,果然有非常优秀的win下面的代码统计工具sourceCounter。当然我们是用python来写,确定了数据结构和算法之后,我们就开始实现了。
从Cocos2d-js到Creator,一直以来都有模块裁剪的能力,可以将游戏中没有用到的功能代码,在编译输时移除,从而减少包体大小,这对H5游戏来说影响比较明显。Creator比Cocos2d-js做的更好,通过主菜单->项目设置->模块设置有一个图形化的界面,可以方便模块配置。
这是一款让你装逼的插件,使用它后,每次写代码时就会有炫酷的气泡冒出,让你的指尖在键盘上上边停不下来,指数型直接提升写代码的快感!!!
为什么千行代码Bug率是没有意义的? 某公司最近出了一个方案,用来量化程序员的工作绩效。叫做千行代码Bug率。在一个统计周期内,程序员每增加或者修改的代码行数与QA发现的Bug数,根据如下规则计算Bug率:
本系列文章从场景代码入手,通过代码review指出当前存在的问题,然后思考改进,最后进行提炼总结,即通过”代码-问题-改进-总结“的方式学习编程模式,感受思考的乐趣,To be a better coder.
年度汇报中需要统计代码的注释率、检视率、重复率.... 很多统计可以从git从通过命令统计 比如 #统计具体某员工的代码提交量 git log --author=xiao.changwei--since=2020-01-01 --until=2020-12-31 --format='%aN' | sort -u | while read name; do echo -en "$name\t"; git log --author="$name" --pretty=tformat: --numstat | gr
线上缺陷密度是软件质量管理中的一个重要指标,它反映了软件产品上线后实际存在的缺陷数量。
使用PrintStream进行打印并且输出到控制台以及文本上,每次的输出要带有一个格式为:yyyy-MM-dd HH:mm:ss 的时间。
总是看到有人说,动态一时爽,重构火葬场。 然而这世界上有的是著名的开源项目,也有像 Github、Instagram 这样流量巨大的知名网站是基于动态语言开发的,经过了这么多年重构,也未听说哪个作者进了火葬场的,不明白这些人是真的不知道还是装作看不见呢?不过他们说动态语言大到一定程度就无法维护,虽然这话也同样不值一驳,不过也提醒了我,我也很好奇用动态语言开发的项目规模能大到什么程度。 从我知道的信息看,用动态语言开发的最大规模的项目可能要算是 OpenStack,据说代码总量已经达到数百万行,并且还在持续
回顾2015,总体而言Flink在功能方面已经从一个引擎发展成为最完整的开源流处理框架之一。与此同时,Flink社区也从一个相对较小,并且地理上集中的团队,成长为一个真正的全球性的大型社区,并在Apache软件基金会成为最大的大数据社区之一。接下来看看一些有趣的统计数据,其中就包括Flink每周最繁忙的时间是星期一,肯定出乎很多人所料:) 社区发展 首先,我们从Flink的GitHub库中看一些简单的统计。在2015年,Flink社区规模扩大了一倍,人数从大约75名贡献者超过150名。从2015年2月至2
领取专属 10元无门槛券
手把手带您无忧上云