प्रोग्राम कोड और इसकी मीट्रिक

प्रोग्रामिंग में एक विषय जिसके लिए समय-समय पर ब्याज दिखाई देता है या गायब हो जाता है, सॉफ्टवेयर कोड मैट्रिक्स का मुद्दा है। बड़े सॉफ्टवेयर वातावरण में, विभिन्न मैट्रिक्स के लिए समय-समय पर गिनती तंत्र दिखाई देते हैं। विषय में वेवेलिक रुचि इस तरह दिखती है क्योंकि अब तक मेट्रिक्स मुख्य चीज के साथ नहीं आए हैं - उनके साथ क्या करना है। यही है, भले ही किसी प्रकार का उपकरण आपको कुछ मैट्रिक्स की अच्छी तरह से गणना करने की अनुमति देता है, फिर आगे क्या करना है यह अक्सर स्पष्ट नहीं है। बेशक, मैट्रिक्स दोनों कोड गुणवत्ता नियंत्रण हैं (हम बड़े और जटिल कार्यों को नहीं लिखते हैं), और प्रोग्रामर के "उत्पादकता" (उद्धरण चिह्नों में), और परियोजना की गति। यह लेख सबसे प्रसिद्ध सॉफ्टवेयर कोड मेट्रिक्स का अवलोकन है।

परिचय

लेख में मेट्रिक्स के 7 वर्गों और उनके 50 से अधिक प्रतिनिधियों का अवलोकन प्रदान किया गया है।



सॉफ्टवेयर मेट्रिक्स की एक विस्तृत श्रृंखला प्रस्तुत की जाएगी। स्वाभाविक रूप से, सभी मौजूदा मैट्रिक्स को देने की सलाह नहीं दी जाती है, उनमें से अधिकांश को कभी भी अभ्यास में लागू नहीं किया जाता है क्योंकि परिणाम के आगे उपयोग की असंभवता के कारण, या स्वचालित माप की असंभवता के कारण, या इन मैट्रिक्स के संकीर्णकरण के कारण, हालांकि, ऐसे मैट्रिक्स हैं जो काफी उपयोग किए जाते हैं अक्सर, और उनकी समीक्षा नीचे दी जाएगी।



सामान्य स्थिति में, मैट्रिक्स का उपयोग परियोजना और उद्यम प्रबंधकों को एक विकसित या यहां तक ​​कि विकासशील परियोजना की जटिलता का अध्ययन करने, कार्य की मात्रा का मूल्यांकन करने, कार्यक्रम की शैली विकसित करने और प्रत्येक डेवलपर द्वारा किसी विशेष समाधान को लागू करने के लिए खर्च किए गए प्रयासों की अनुमति देता है। हालांकि, मैट्रिक्स केवल सलाहकार विशेषताओं के रूप में सेवा कर सकते हैं, उन्हें पूरी तरह से निर्देशित नहीं किया जा सकता है, जब सॉफ्टवेयर, प्रोग्रामर को विकसित करने, अपने कार्यक्रम के लिए एक उपाय या किसी अन्य को कम करने या अधिकतम करने की कोशिश कर रहा है, कार्यक्रम की दक्षता को कम करने के लिए ट्रिक का सहारा ले सकता है। इसके अलावा, यदि, उदाहरण के लिए, एक प्रोग्रामर ने कोड की एक छोटी संख्या को लिखा या संरचनात्मक परिवर्तनों की एक छोटी संख्या बनाई, इसका मतलब यह नहीं है कि उसने कुछ भी नहीं किया, लेकिन इसका मतलब यह हो सकता है कि एक प्रोग्राम दोष को खोजना बहुत मुश्किल था। हालाँकि, आखिरी समस्या, जटिलता मेट्रिक्स का उपयोग करके आंशिक रूप से हल की जा सकती है, जैसा कि एक अधिक जटिल कार्यक्रम में, एक त्रुटि ढूंढना अधिक कठिन है।

1. मात्रात्मक मैट्रिक्स

सबसे पहले, किसी को कार्यक्रमों के स्रोत कोड की मात्रात्मक विशेषताओं (उनकी सादगी को देखते हुए) पर विचार करना चाहिए। सबसे बुनियादी मीट्रिक कोड (SLOC) की लाइनों की संख्या है। यह मीट्रिक मूल रूप से परियोजना श्रम लागत का मूल्यांकन करने के लिए विकसित किया गया था। हालांकि, इस तथ्य के कारण कि एक ही कार्यक्षमता को कई लाइनों में विभाजित किया जा सकता है या एक लाइन पर लिखा जा सकता है, मीट्रिक उन भाषाओं के आगमन के साथ व्यावहारिक रूप से अनुपयुक्त हो जाती है जिनमें एक लाइन पर एक से अधिक कमांड लिखे जा सकते हैं। इसलिए, कोड की तार्किक और भौतिक लाइनें हैं। कोड की तार्किक लाइनें प्रोग्राम कमांड की संख्या हैं। विवरण के इस संस्करण में इसकी कमियां भी हैं, क्योंकि यह उपयोग की जाने वाली प्रोग्रामिंग भाषा और प्रोग्रामिंग शैली [ 2 ] पर बहुत निर्भर करता है।



SLOC के अलावा, मात्रात्मक विशेषताओं में भी शामिल हैं:

• रिक्त लाइनों की संख्या
• टिप्पणियों की संख्या
• टिप्पणियों का प्रतिशत (कुल पंक्तियों की संख्या के अनुपात की संख्या, प्रतिशत के रूप में व्यक्त की गई),
• कार्यों के लिए लाइनों की औसत संख्या (कक्षाएं, फाइलें),
• कार्यों (कक्षाओं, फ़ाइलों) के लिए स्रोत कोड वाली लाइनों की औसत संख्या,
• मॉड्यूल के लिए पंक्तियों की औसत संख्या।

कभी-कभी कार्यक्रम की शैली (एफ) के मूल्यांकन के बीच एक अतिरिक्त अंतर किया जाता है। इसमें प्रोग्राम को n बराबर टुकड़ों में विभाजित करने और सूत्र F _i = SIGN (Ncom। _I / N _i - 0.1) के अनुसार प्रत्येक टुकड़े के लिए स्कोर की गणना करने में शामिल है, जहां Ncomm। _i -th के टुकड़े में टिप्पणियों की संख्या है, i i-th के टुकड़े में कोड की कुल संख्या है। फिर पूरे कार्यक्रम के लिए समग्र स्कोर निम्नानुसार निर्धारित किया जाएगा: F = AMOUNT F _i । [ २ ]



इसके अलावा, प्रोग्राम कोड में कुछ इकाइयों की गणना के आधार पर मेट्रिक्स के समूह में हाल्टेड मेट्रिक्स [ 3 ] शामिल हैं। ये मैट्रिक्स निम्नलिखित मैट्रिक्स पर आधारित हैं:



n1 - वर्णों सहित अद्वितीय कार्यक्रम संचालकों की संख्या-



सीमांकक, प्रक्रिया नाम और ऑपरेशन संकेत (ऑपरेटर शब्दकोश),



n2 कार्यक्रम के अद्वितीय संचालन की संख्या है (ऑपरेंड डिक्शनरी),



एन 1 - कार्यक्रम में ऑपरेटरों की कुल संख्या,



एन 2 - कार्यक्रम में कुल ऑपरेंड की संख्या,



n1 'अद्वितीय ऑपरेटरों की सैद्धांतिक संख्या है,



n2 'अद्वितीय ऑपरेंड की सैद्धांतिक संख्या है।



प्रस्तुत संकेतन को देखते हुए, आप यह निर्धारित कर सकते हैं:



n = n1 + n2 - कार्यक्रम शब्दकोश,



एन = एन 1 + एन 2 - कार्यक्रम की लंबाई,



n '= n1' + n2 '- कार्यक्रम का सैद्धांतिक शब्दकोश,



एन '= एन 1 * लॉग ₂ (एन 1) + एन 2 * लॉग ₂ (एन 2) - सैद्धांतिक कार्यक्रम की लंबाई (शैलीगत रूप से सही कार्यक्रमों के लिए, एन से एन का विचलन 10% से अधिक नहीं है)



वी = एन * लॉग ₂ एन - कार्यक्रम की मात्रा,



V '= N' * log ₂ n 'कार्यक्रम का सैद्धांतिक आयतन है, जहाँ n * कार्यक्रम का सैद्धांतिक शब्दकोष है।



L = V '/ V - एक आदर्श कार्यक्रम L = 1 के लिए प्रोग्रामिंग गुणवत्ता का स्तर



एल '= (2 एन 2) / (एन 1 * एन 2) - प्रोग्रामिंग गुणवत्ता का स्तर, केवल एक वास्तविक कार्यक्रम के मापदंडों के आधार पर सैद्धांतिक मापदंडों को ध्यान में रखे बिना,



ई _सी = वी / (एल ') 2 - कार्यक्रम को समझने की जटिलता,



डी = 1 / एल '- कोडिंग कार्यक्रम की जटिलता,



y '= V / D2 - अभिव्यक्ति भाषा स्तर



I = V / D - कार्यक्रम की सूचनात्मक सामग्री, यह विशेषता आपको प्रोग्राम बनाने की मानसिक लागतों को निर्धारित करने की अनुमति देती है



ई = एन '* लॉग ₂ (एन / एल) - कार्यक्रम के विकास में आवश्यक बौद्धिक प्रयासों का आकलन, कार्यक्रम लिखते समय आवश्यक प्राथमिक निर्णयों की संख्या को चिह्नित करना



Halstead मेट्रिक्स को लागू करते समय, विभिन्न प्रकार की लाइनों और ऑपरेटरों के साथ समान कार्यक्षमता को रिकॉर्ड करने की क्षमता से जुड़े नुकसान की आंशिक क्षतिपूर्ति की जाती है।



एक अन्य प्रकार का मात्रात्मक सॉफ्टवेयर मीट्रिक Jilb मीट्रिक है। वे सशर्त बयानों या लूप स्टेटमेंट्स के साथ कार्यक्रम की संतृप्ति के आधार पर सॉफ्टवेयर की जटिलता दिखाते हैं। यह मीट्रिक अपनी सादगी के बावजूद, कार्यक्रम को लिखने और समझने की जटिलता को अच्छी तरह से दर्शाता है, और जब आप सशर्त और चक्रीय ऑपरेटरों के अधिकतम घोंसले के स्तर जैसे एक संकेतक को जोड़ते हैं, तो इस मीट्रिक की प्रभावशीलता काफी बढ़ जाती है।

2. कार्यक्रम नियंत्रण प्रवाह की जटिलता के मेट्रिक्स

मीट्रिक के अगले बड़े वर्ग, मात्रात्मक संकेतकों के आधार पर नहीं, बल्कि एक कार्यक्रम के नियंत्रण ग्राफ के विश्लेषण पर, कार्यक्रम नियंत्रण प्रवाह की जटिलता की मीट्रिक कहा जाता है।



खुद को सीधे मैट्रिक्स का वर्णन करने से पहले, एक बेहतर समझ के लिए, कार्यक्रम का नियंत्रण ग्राफ और इसका निर्माण कैसे करना है, इसका वर्णन किया जाएगा।



कुछ कार्यक्रम प्रस्तुत करें। इस कार्यक्रम के लिए, एक निर्देशित ग्राफ का निर्माण केवल एक इनपुट और एक आउटपुट के साथ किया जाता है, जबकि ग्राफ के कोने प्रोग्राम कोड के उन अनुभागों से जुड़े होते हैं जिनमें केवल अनुक्रमिक गणना होती है, और कोई शाखा और लूप ऑपरेटर नहीं होते हैं, और आर्क ब्लॉक से ब्लॉक और संक्रमण से संबंधित होते हैं। कार्यक्रम निष्पादन की शाखाएँ। इस ग्राफ को बनाने की शर्त यह है कि प्रत्येक शीर्ष प्रारंभिक से एक पहुंच योग्य है, और अंतिम शीर्ष किसी अन्य शीर्ष [4] से उपलब्ध है।



परिणामी ग्राफ के विश्लेषण के आधार पर सबसे आम अनुमान कार्यक्रम का चक्रीय जटिलता (साइक्लोमैटिक मैककेब संख्या) [4] है। इसे वी (जी) = ई - एन + 2 पी के रूप में परिभाषित किया गया है, जहां ई आर्क्स की संख्या है, एन वर्टिस की संख्या है, पी जुड़े घटकों की संख्या है। ग्राफ के जुड़े घटकों की संख्या को आर्क्स की संख्या के रूप में माना जा सकता है जो ग्राफ को दृढ़ता से जुड़े एक में बदलने के लिए जोड़ा जाना चाहिए। एक दृढ़ता से जुड़ा हुआ ग्राफ एक ग्राफ है जिसका दो कोने परस्पर प्राप्य हैं। सही कार्यक्रमों के ग्राफ़ के लिए, वह ग्राफ़, जिसमें एंट्री पॉइंट और "हैंगिंग" एंट्री और एग्ज़िट पॉइंट्स से अप्राप्य वाले सेक्शन नहीं होते हैं, एक दृढ़ता से जुड़ा ग्राफ आमतौर पर वर्टेक्स को बंद करके प्राप्त किया जाता है, जो प्रोग्राम के अंत को आर्क से वर्टेक्स में एंट्री पॉइंट को दर्शाता है। इस कार्यक्रम में। संक्षेप में, वी (जी) एक दृढ़ता से जुड़े ग्राफ में रैखिक रूप से स्वतंत्र आकृति की संख्या निर्धारित करता है। इसलिए सही ढंग से लिखे गए प्रोग्रामों में p = 1, और इसलिए साइक्लोमैटिक जटिलता की गणना करने का सूत्र बनता है:



वी (जी) = ई - एन + 2।



दुर्भाग्य से, यह अनुमान चक्रीय और सशर्त निर्माणों के बीच अंतर करने में सक्षम नहीं है। इस दृष्टिकोण का एक और महत्वपूर्ण दोष यह है कि एक ही ग्राफ द्वारा दर्शाए गए कार्यक्रमों में जटिलता में पूरी तरह से अलग विधेय हो सकते हैं (एक विधेय एक तार्किक अभिव्यक्ति है जिसमें कम से कम एक चर होता है)।



इस कमी को ठीक करने के लिए, जी मायर्स ने एक नई तकनीक विकसित की। एक अनुमान के रूप में, उन्होंने अंतराल लेने का सुझाव दिया (इस अनुमान को अंतराल भी कहा जाता है) [वी (जी), वी (जी) + एच], जहां साधारण विधेय के लिए एच शून्य है, और एन-स्थानीय लोगों के लिए एच = एन -1। यह विधि हमें विभिन्न जटिलता के विधेय को भेद करने की अनुमति देती है, लेकिन व्यवहार में इसका उपयोग कभी नहीं किया जाता है।



मैककेबे विधि का एक और संशोधन हैनसन विधि है। इस मामले में कार्यक्रम की जटिलता का माप एक जोड़ी (साइक्लोमैटिक जटिलता, ऑपरेटरों की संख्या) के रूप में दर्शाया गया है। इस उपाय का लाभ संरचित सॉफ्टवेयर के प्रति इसकी संवेदनशीलता है।



चेन का टोपोलॉजिकल माप कार्यक्रम ग्राफ द्वारा गठित क्षेत्रों के बीच सीमा पार की संख्या के माध्यम से कार्यक्रम की जटिलता को व्यक्त करता है। यह दृष्टिकोण केवल संरचित कार्यक्रमों पर लागू होता है जो केवल नियंत्रण संरचनाओं के अनुक्रमिक कनेक्शन की अनुमति देता है। असंरचित कार्यक्रमों के लिए, चेन माप काफी हद तक सशर्त और बिना शर्त संक्रमण पर निर्भर करता है। इस मामले में, आप माप के ऊपरी और निचले सीमा को निर्दिष्ट कर सकते हैं। शीर्ष एक m + 1 है, जहाँ m तार्किक संचालकों की संख्या है जब वे पारस्परिक रूप से नेस्टेड होते हैं। सबसे नीचे एक है 2. जब किसी प्रोग्राम के नियंत्रण ग्राफ में केवल एक जुड़ा हुआ घटक होता है, तो चेन माप मैककेबी चक्रवाती माप से मेल खाता है।



कार्यक्रम के नियंत्रण ग्राफ के विश्लेषण के विषय को जारी रखते हुए, हम मैट्रिक्स के एक और उपसमूह को भेद कर सकते हैं - हैरिसन, मजल मैट्रिक्स।



ये उपाय घोंसले के शिकार के स्तर और कार्यक्रम की लंबाई को ध्यान में रखते हैं।



प्रत्येक शीर्ष को ऑपरेटर के अनुसार अपनी स्वयं की जटिलता सौंपी जाती है जो इसे दर्शाती है। इस शुरुआती शीर्ष जटिलता की गणना किसी भी तरह से की जा सकती है, जिसमें हैल्स्टेड उपायों का उपयोग करना शामिल है। प्रत्येक विधेय शीर्ष के लिए, हम उन उप-रेखाओं से उत्पन्न एक सबग्राफ का चयन करते हैं, जो इससे निकलने वाले चापों के सिरे होते हैं, साथ ही प्रत्येक ऐसे शीर्ष (उप-सीमा की निचली सीमा) से आने वाले कोने, और वर्टेक्स से कुछ निचली सीमा तक के रास्तों पर पड़े हुए कोने होते हैं। इस उपसमूह को विधेय शीर्ष के प्रभाव का क्षेत्र कहा जाता है।



एक विधेय शीर्ष की कम जटिलता उसके प्रभाव क्षेत्र में शामिल कोने की प्रारंभिक या घटी हुई जटिलता का योग है, साथ ही विधेय की प्राथमिक जटिलता।



एक प्रोग्राम का एक कार्यात्मक माप (SCOPE) नियंत्रण ग्राफ के सभी कोने की कम जटिलता का योग है।



एक कार्यात्मक संबंध (SCORT) एक नियंत्रण ग्राफ में कोने की संख्या का अनुपात इसकी कार्यात्मक जटिलता के लिए है, और टर्मिनल वालों को कोने की संख्या से बाहर रखा गया है।



SCORT एक ही चक्रवाती संख्या के साथ रेखांकन के लिए अलग-अलग मान ले सकता है।



Pivovarsky मीट्रिक साइक्लोमैटिक जटिलता के माप का एक और संशोधन है। यह आपको न केवल अनुक्रमिक और नेस्टेड नियंत्रण संरचनाओं के बीच के अंतर को ट्रैक करने की अनुमति देता है, बल्कि संरचित और असंरचित कार्यक्रमों के बीच भी। इसे संबंध N (G) = v * (G) + SUMMA Pi द्वारा व्यक्त किया जाता है, जहां v * (G) संशोधित साइक्लोमैटिक जटिलता है, जिसकी गणना V (G) के समान की जाती है, लेकिन एक अंतर के साथ: CAS ऑपरेटर को n आउटपुट के रूप में माना जाता है। एक तार्किक ऑपरेटर, और n - 1 ऑपरेटर के रूप में नहीं।



Pi i-th विधेय शीर्ष की नेस्टिंग गहराई है। विधेय कोने की घोंसले की गहराई की गणना करने के लिए, "प्रभाव के गोले" का उपयोग किया जाता है। नेस्टिंग की गहराई को उन सभी विधेयकों के "प्रभाव के क्षेत्रों" की संख्या के रूप में समझा जाता है जो या तो पूरी तरह से विचाराधीन क्षेत्र के क्षेत्र में निहित हैं या इसके साथ प्रतिच्छेद करते हैं। घोंसले के शिकार की गहराई खुद को समर्पित नहीं बल्कि "प्रभाव के क्षेत्रों" के घोंसले के कारण बढ़ जाती है। पिवोवार्स्की माप अनुक्रमिक से एम्बेडेड कार्यक्रमों तक और फिर असंरचित लोगों के लिए संक्रमण के साथ बढ़ता है, जो इस समूह के कई अन्य उपायों पर इसका बहुत बड़ा लाभ है।



वुडवर्ड माप - नियंत्रण ग्राफ के चाप के चौराहों की संख्या। चूंकि एक अच्छी तरह से संरचित कार्यक्रम में ऐसी स्थितियां पैदा नहीं होनी चाहिए, इसलिए यह मीट्रिक मुख्य रूप से खराब संरचित भाषाओं (असेंबलर, फोरट्रान) में उपयोग की जाती है। चौराहे बिंदु तब होता है जब नियंत्रण दो ऊर्ध्वाधर छोड़ता है जो अनुक्रमिक ऑपरेटर होते हैं।



सीमा मूल्य विधि भी कार्यक्रम के नियंत्रण ग्राफ के विश्लेषण पर आधारित है। इस पद्धति को परिभाषित करने के लिए, कई अतिरिक्त अवधारणाओं को पेश करना आवश्यक है।



बता दें कि G एक प्रोग्राम का कंट्रोल ग्राफ है जिसमें एक ही प्रारंभिक और केवल अंतिम कोने होते हैं।



इस ग्राफ में, आर्क्स के आने वाले वर्टिकल की संख्या को वर्टेक्स की नकारात्मक डिग्री कहा जाता है, और वर्टेक्स से निकलने वाले आर्क्स की संख्या को वर्टेक्स की पॉजिटिव डिग्री कहा जाता है। फिर ग्राफ कोने का सेट दो समूहों में विभाजित किया जा सकता है: कोने जिसके लिए सकारात्मक डिग्री <= 1; सकारात्मक डिग्री के साथ कोने> = 2।



पहले समूह के शीर्षों को वर्सेटिंग कहा जाता है, और दूसरे समूह के शीर्षों को चयन कोने कहा जाता है।



प्रत्येक प्राप्त करने वाले शीर्ष पर 1 के बराबर एक कम जटिलता है, एक परिमित शीर्ष के अलावा, जिसकी कम जटिलता 0. है। ग्राफ जी के सभी कोने की कम कठिनाइयों को संक्षेपित किया जाता है, जिससे कार्यक्रम की पूर्ण सीमा जटिलता बनती है। उसके बाद, कार्यक्रम की सापेक्ष सीमा जटिलता निर्धारित की जाती है:



S0 = 1- (v-1) / सा,



जहाँ S0 कार्यक्रम की सापेक्ष सीमा जटिलता है, Sa कार्यक्रम की पूर्ण सीमा जटिलता है, v कार्यक्रम ग्राफ के वर्टिस की कुल संख्या है।



नियंत्रण ग्राफ में संभावित रास्तों की संख्या के संदर्भ में एक Schneidewind मीट्रिक व्यक्त की गई है।

डेटा प्रबंधन प्रवाह जटिलता के 3. मेट्रिक्स

मैट्रिक्स का अगला वर्ग डेटा प्रबंधन प्रवाह की जटिलता का मैट्रिक्स है।



चेपिन की मीट्रिक: विधि का सार I / O सूची से चर के उपयोग की प्रकृति का विश्लेषण करके एकल सॉफ्टवेयर मॉड्यूल की सूचना शक्ति का आकलन करना है।



I / O सूची बनाने वाले चर का पूरा सेट 4 कार्यात्मक समूहों में विभाजित है:



1. पी - गणना के लिए इनपुट चर और आउटपुट सुनिश्चित करने के लिए,



2. एम - वे चर जो प्रोग्राम के अंदर संशोधित या निर्मित किए जाते हैं,



3. सी - सॉफ्टवेयर मॉड्यूल के संचालन को नियंत्रित करने में शामिल चर (नियंत्रण चर),



4. टी - चर कार्यक्रम ("सहज") में इस्तेमाल नहीं किया।



चूँकि प्रत्येक चर एक साथ कई कार्य कर सकता है, इसलिए प्रत्येक संगत कार्यात्मक समूह में इसे ध्यान में रखना आवश्यक है।



चेपिन की मीट्रिक:



Q = a1 * P + a2 * M + a3 * C + a4 * T,



जहां a1, a2, a3, a4 वेट हैं।



प्रत्येक कार्यात्मक समूह के कार्यक्रम की जटिलता पर विभिन्न प्रभावों को प्रतिबिंबित करने के लिए वजन का उपयोग किया जाता है। मीट्रिक के लेखक के अनुसार, कार्यात्मक समूह C का 3 का सबसे बड़ा वजन है, क्योंकि यह कार्यक्रम के नियंत्रण प्रवाह को प्रभावित करता है। शेष समूहों के वजन निम्नानुसार वितरित किए गए हैं: a1 = 1, a2 = 2, a4 = 0.5। समूह T का भार गुणांक 0 के बराबर नहीं है, क्योंकि "स्प्यूरियस" चर प्रोग्राम डेटा स्ट्रीम की जटिलता को नहीं बढ़ाते हैं, लेकिन कभी-कभी इसे समझना मुश्किल हो जाता है। वजन को देखते हुए:



क्यू = पी + 2 एम + 3 सी + 0.5 टी



स्पैन की मीट्रिक प्रत्येक प्रोग्राम सेक्शन के भीतर डेटा एक्सेस के स्थानीयकरण पर आधारित है। स्पैन इस पहचानकर्ता के बयानों की संख्या है जो प्रोग्राम टेक्स्ट में इसकी पहली और आखिरी उपस्थिति के बीच है। इसलिए, जो पहचानकर्ता n बार दिखाई देता है, वह n-1 के बराबर एक spn होता है। एक बड़ी नींद के साथ, परीक्षण और डिबगिंग जटिल है।



एक अन्य मीट्रिक जो डेटा स्ट्रीम की जटिलता को ध्यान में रखता है, वह मीट्रिक है जो वैश्विक चर को कॉल करने के लिए कार्यक्रमों की जटिलता से संबंधित है।



मॉड्यूल-ग्लोबल वैरिएबल पेयर को (p, r) द्वारा निरूपित किया जाता है, जहाँ p वह माड्यूल है, जिसकी ग्लोबल वैरिएबल r तक पहुँच है। चर आर के लिए एक वास्तविक कॉल के कार्यक्रम में उपस्थिति के आधार पर, दो प्रकार के जोड़े "मॉड्यूल - वैश्विक चर" बनते हैं: वास्तविक और संभव। पी के साथ आर के लिए एक संभावित अपील से पता चलता है कि आर के अस्तित्व के क्षेत्र में पी शामिल हैं।



इस विशेषता को Aup द्वारा निरूपित किया गया है और यह इंगित करता है कि कितनी बार Up मॉड्यूल वास्तव में वैश्विक चरों तक पहुंच पाए, और Pup संख्या - कितनी बार वे एक्सेस कर सके।



संभव करने के लिए वास्तविक कॉल की संख्या का अनुपात निर्धारित किया जाता है



रूप = औप / पूप।



यह सूत्र एक मध्यस्थ मॉड्यूल की अनुमानित संभावना को दर्शाता है जो एक मनमाना वैश्विक चर का संदर्भ देता है। जाहिर है, यह संभावना जितनी अधिक होगी, एक चर में "अनधिकृत" परिवर्तन की संभावना उतनी ही अधिक होगी, जो किसी कार्यक्रम को संशोधित करने से जुड़े काम को काफी जटिल कर सकती है।



सूचना प्रवाह की अवधारणा के आधार पर, कफूर माप बनाया गया था। इस उपाय का उपयोग करने के लिए, स्थानीय और वैश्विक प्रवाह की अवधारणाओं को पेश किया जाता है: ए से बी तक जानकारी का स्थानीय प्रवाह मौजूद है यदि:



1. मॉड्यूल ए कॉल मॉड्यूल बी (प्रत्यक्ष स्थानीय स्ट्रीम)



2. मॉड्यूल बी मॉड्यूल ए को कॉल करता है और ए बी को उस मूल्य को वापस करता है जो बी (अप्रत्यक्ष स्थानीय स्ट्रीम) में उपयोग किया जाता है



3. मॉड्यूल C मॉड्यूल A, B को कॉल करता है और मॉड्यूल A से B तक का परिणाम देता है।



इसके बाद, हमें वैश्विक सूचना प्रवाह की अवधारणा देनी चाहिए: वैश्विक डेटा संरचना डी के माध्यम से ए से बी तक एक वैश्विक सूचना प्रवाह मौजूद है यदि मॉड्यूल डी में जानकारी रखता है और मॉड्यूल बी डी से जानकारी का उपयोग करता है।



इन अवधारणाओं के आधार पर, मेरे द्वारा प्रस्तुत मूल्य - प्रक्रिया की जानकारी जटिलता:

मैं = लंबाई * (fan_in * fan_out) २

यहां:



लंबाई - प्रक्रिया के पाठ की जटिलता (वॉल्यूम मेट्रिक्स में से किसी के माध्यम से मापा जाता है, जैसे कि हैल्स्टीड, मैककेबे, एलओसी, आदि के मैट्रिक्स)



fan_in - प्रक्रिया के भीतर स्थानीय थ्रेड्स की संख्या और साथ ही डेटा संरचनाओं की संख्या जिनसे प्रक्रिया जानकारी लेती है



fan_out - प्रक्रिया से निकलने वाले स्थानीय थ्रेड्स की संख्या और प्रक्रिया द्वारा अपडेट किए गए डेटा संरचनाओं की संख्या



आप किसी मॉड्यूल की सूचनात्मक जटिलता को उसकी प्रक्रियाओं की सूचनात्मक जटिलताओं के योग के रूप में परिभाषित कर सकते हैं।



अगला कदम कुछ डेटा संरचना के संबंध में मॉड्यूल की सूचनात्मक जटिलता पर विचार करना है। डेटा संरचना के बारे में एक मॉड्यूल की जटिलता का एक सूचनात्मक माप:



J = W * R + W * RW + RW * R + RW * (RW - 1)



डब्ल्यू प्रक्रियाओं की संख्या है जो केवल डेटा संरचना को अपडेट करती है;



आर - केवल डेटा संरचना से जानकारी पढ़ें;



आरडब्ल्यू - और डेटा संरचना में जानकारी पढ़ें और अपडेट करें।



इस समूह का एक अन्य उपाय ओविदो उपाय है। इसका सार यह है कि कार्यक्रम को रैखिक असमान वर्गों में विभाजित किया जाता है - ऑपरेटरों की किरणें जो कार्यक्रम का नियंत्रण ग्राफ बनाती हैं।



निम्नलिखित मान्यताओं से मीट्रिक आय का लेखक: एक प्रोग्रामर किरणों के बीच की तुलना में किरण के अंदर एक चर की घटनाओं को परिभाषित करने और उपयोग करने के बीच संबंध पा सकता है; प्रत्येक किरण में विभिन्न परिभाषित घटनाओं की संख्या प्रत्येक किरण में होने वाली घटनाओं का उपयोग करके चर की कुल संख्या से अधिक महत्वपूर्ण है।



हम आर (i) द्वारा किरण के आयत को परिभाषित करने के सेट को निर्धारित करते हैं जो किरण i के त्रिज्या में स्थित हैं (चर की परिभाषित घटना किरण की त्रिज्या में है यदि चर या तो इसमें स्थानीय है और इसकी परिभाषित घटना है, या इसके लिए पिछली कुछ किरणों में एक परिभाषित घटना है) और रास्ते में कोई स्थानीय परिभाषा नहीं है)। हम V (i) के वेरिएबल्स के सेट का निरूपण करते हैं, जिनमें होने वाली घटनाओं का उपयोग किरण i में पहले से होता है। तब ith रे की जटिलता का माप निम्नानुसार परिभाषित किया गया है:



DF (i) = AMOUNT (DEF (v _j )), j = i ... || V (i) ||



जहाँ DEF (v _j ) R (i), और V (i) के सेट से वेरिएबल v _j के परिभाषित होने की संख्या है। सेट V (i) की कार्डिनैलिटी है।

4. नियंत्रण प्रवाह और कार्यक्रम डेटा की जटिलता के मेट्रिक्स

मेट्रिक्स का चौथा वर्ग मेट्रिक्स क्वांटिटेटिव मेट्रिक्स के दोनों वर्ग के करीब है, प्रोग्राम के नियंत्रण प्रवाह की जटिलता के मेट्रिक्स का वर्ग, और नियंत्रण डेटा के प्रवाह की जटिलता के मेट्रिक्स का वर्ग (सख्ती से बोलना, यह मैट्रिक्स का वर्ग और कार्यक्रम के नियंत्रण प्रवाह की जटिलता के मेट्रिक्स का वर्ग एक ही वर्ग हैं) टोपोलॉजिकल मेट्रिक्स, लेकिन यह इस संदर्भ में उन्हें अधिक स्पष्टता के लिए अलग करने के लिए समझ में आता है)। मेट्रिक्स का यह वर्ग कार्यक्रम संरचना की जटिलता को स्थापित करता है, दोनों मात्रात्मक गणना के आधार पर और नियंत्रण संरचनाओं के विश्लेषण के आधार पर।



इन मेट्रिक्स में से पहला परीक्षण एम-माप [5] है। एक परीक्षण माप एम जटिलता का एक उपाय है जो निम्नलिखित स्थितियों को संतुष्ट करता है:



नापने की गहराई के साथ माप बढ़ता है और कार्यक्रम की लंबाई को ध्यान में रखता है। नियमित निवेश पर आधारित एक माप परीक्षण के उपाय से निकटता से संबंधित है। कार्यक्रम जटिलता के इस उपाय का विचार कार्यक्रम के नियंत्रण ग्राफ का वर्णन करने वाले न्यूनतम आवश्यक संख्या वाले कोष्ठकों के साथ एक नियमित अभिव्यक्ति में वर्णों (ऑपरेटर, ऑपरेटर, कोष्ठक) की कुल संख्या की गणना करना है। इस समूह के सभी उपाय नियंत्रण संरचनाओं के घोंसले के शिकार और कार्यक्रम की लंबाई के प्रति संवेदनशील हैं। हालांकि, कम्प्यूटेशनल जटिलता का स्तर बढ़ जाता है।



इसके अलावा सॉफ्टवेयर की गुणवत्ता का एक माप कार्यक्रम मॉड्यूल की कनेक्टिविटी है [6]। यदि मॉड्यूल कसकर युग्मित हैं, तो कार्यक्रम को संशोधित करना और समझना मुश्किल है। यह उपाय संख्यात्मक रूप से व्यक्त नहीं किया गया है। जुड़े हुए मॉड्यूल के प्रकार:



डेटा कनेक्टिविटी - यदि मॉड्यूल मापदंडों के हस्तांतरण के माध्यम से बातचीत करते हैं और प्रत्येक पैरामीटर एक प्रारंभिक सूचना वस्तु है। यह सबसे पसंदीदा प्रकार का सामंजस्य है।



डेटा संरचना में कनेक्टिविटी - यदि एक मॉड्यूल डेटा विनिमय के लिए एक और समग्र जानकारी ऑब्जेक्ट (संरचना) भेजता है।



नियंत्रण कनेक्टिविटी - यदि कोई दूसरे को सूचना वस्तु भेजता है - एक ध्वज जिसे उसके आंतरिक तर्क को नियंत्रित करने के लिए डिज़ाइन किया गया है।



यदि वे वैश्विक डेटा के समान क्षेत्र को संदर्भित करते हैं, तो मॉड्यूल एक सामान्य क्षेत्र से जुड़े होते हैं। एक सामान्य क्षेत्र पर कनेक्टिविटी (सामंजस्य) अवांछनीय है, क्योंकि, सबसे पहले, वैश्विक क्षेत्र का उपयोग करने वाले मॉड्यूल में एक त्रुटि अप्रत्याशित रूप से किसी अन्य मॉड्यूल में हो सकती है; दूसरे, ऐसे कार्यक्रमों को समझना मुश्किल है, क्योंकि किसी प्रोग्रामर के लिए यह निर्धारित करना मुश्किल है कि किसी विशेष मॉड्यूल द्वारा किस डेटा का उपयोग किया जाता है।



सामग्री सामंजस्य - यदि मॉड्यूल में से एक को दूसरे के अंदर संदर्भित किया जाता है। यह क्लच का एक अस्वीकार्य प्रकार है, क्योंकि यह पूरी तरह से प्रतिरूपता के सिद्धांत का विरोध करता है, अर्थात। मॉड्यूल को एक ब्लैक बॉक्स के रूप में प्रस्तुत करना।



बाहरी संपर्क - दो मॉड्यूल संचार प्रोटोकॉल जैसे बाहरी डेटा का उपयोग करते हैं।



संदेशों की मदद से कनेक्टिविटी कनेक्टिविटी का सबसे मुक्त रूप है, मॉड्यूल सीधे एक दूसरे से जुड़े नहीं हैं, उन्हें उन संदेशों के माध्यम से सूचित किया जाता है जिनमें पैरामीटर नहीं हैं।



कनेक्टिविटी की कमी - मॉड्यूल एक दूसरे के साथ बातचीत नहीं करते हैं।



उपवर्ग संबंधी संबंध माता-पिता वर्ग और वंशज वर्ग के बीच का संबंध है, माता-पिता के वंशज के साथ जुड़ा हुआ है और माता-पिता वंशज के साथ नहीं है।



समय से संबंधित - दो क्रियाएं केवल एक मॉड्यूल में वर्गीकृत की जाती हैं, क्योंकि परिस्थितियों को देखते हुए, वे एक ही समय में होती हैं।



मॉड्यूल स्थिरता के संबंध में एक और उपाय है कोलोफेलो माप [7], इसे उन परिवर्तनों की संख्या के रूप में परिभाषित किया जा सकता है जिन्हें मॉड्यूल के अलावा अन्य मॉड्यूल में किए जाने की आवश्यकता है जिनकी स्थिरता की जांच की जाती है, और इन परिवर्तनों को मॉड्यूल की जाँच की जानी चाहिए।



इस वर्ग का अगला मीट्रिक मैक्लेर मेट्रिक है। इस मीट्रिक की गणना के तीन चरण प्रतिष्ठित हैं:



1. प्रत्येक नियंत्रण चर i के लिए, इसकी जटिलता फ़ंक्शन C (i) के मूल्य की गणना सूत्र द्वारा की जाती है: C (i) = (D (i) * J (i)) / n।



जहां D (i) एक मात्रा है जो चर i के दायरे को मापता है। J (i) वेरिएबल i के माध्यम से मॉड्यूल के इंटरैक्शन की जटिलता का एक माप है, n विभाजन योजना में व्यक्तिगत मॉड्यूल की संख्या है।



2. विभाजन क्षेत्र में शामिल सभी मॉड्यूल के लिए, उनकी जटिलता कार्यों M (P) का मूल्य सूत्र M (P) = fp * X (P) + gp * Y (P) द्वारा निर्धारित किया जाता है।

जहाँ fp और gp क्रमशः हैं, मॉड्यूल की संख्या तुरंत पूर्ववर्ती है और मॉड्यूल P के तुरंत बाद, X ​​(P) मॉड्यूल P तक पहुँचने की जटिलता है,



वाई (पी) - अन्य मॉड्यूल के मॉड्यूल पी से कॉल नियंत्रण की जटिलता।



3. कार्यक्रम को मॉड्यूल में विभाजित करने की पदानुक्रमित योजना की कुल जटिलता सांसद सूत्र द्वारा दी गई है:



MP = AMOUNT (M (P)) पी - प्रोग्राम मॉड्यूल के सभी संभावित मूल्यों के लिए।



यह मीट्रिक एक कार्यात्मक विनिर्देश और प्रबंधन संरचना को परिभाषित करने वाले पदानुक्रमित मॉड्यूल से बना अच्छी तरह से संरचित कार्यक्रमों की ओर उन्मुख है। यह भी समझा जाता है कि प्रत्येक मॉड्यूल में एक प्रवेश बिंदु और एक निकास बिंदु होता है, मॉड्यूल बिल्कुल एक फ़ंक्शन करता है, और मॉड्यूल की कॉल को पदानुक्रमित नियंत्रण प्रणाली के अनुसार किया जाता है, जो प्रोग्राम मॉड्यूल के सेट पर कॉल अनुपात सेट करता है।



एक सूचना अवधारणा पर आधारित एक मीट्रिक भी है - बर्लिंगर उपाय [8]। जटिलता की माप को M = SUMMAf _i * log ₂ p _{i के} रूप में परिकलित किया जाता है, जहाँ f _i , i-th वर्ण की घटना की आवृत्ति है, p _i इसके घटित होने की संभावना है।



इस मीट्रिक का नुकसान यह है कि एक कार्यक्रम जिसमें कई अद्वितीय वर्ण होते हैं, लेकिन कम संख्या में, एक ही तरह की जटिलता होती है, जिसमें कम संख्या में अद्वितीय वर्ण होते हैं, लेकिन बड़ी संख्या में।

5. ऑब्जेक्ट ओरिएंटेड मेट्रिक्स

ऑब्जेक्ट-ओरिएंटेड प्रोग्रामिंग भाषाओं के विकास के संबंध में, मीट्रिक का एक नया वर्ग प्रकट हुआ है, जिसे ऑब्जेक्ट-ओरिएंटेड मेट्रिक्स भी कहा जाता है। इस समूह में, सबसे अधिक इस्तेमाल किया जाने वाला मार्टिन मेट्रिक्स सेट और चिदंबर और केमेररा मेट्रिक्स सेट हैं। सबसे पहले, पहले उपसमूह पर विचार करें।



मार्टिन मेट्रिक्स के विचार शुरू करने से पहले, वर्गों की श्रेणी की अवधारणा को पेश करना आवश्यक है [ ९ ]। वास्तव में, एक वर्ग को अन्य वर्गों से अलगाव में शायद ही कभी पुन: उपयोग किया जा सकता है। लगभग हर वर्ग के पास वर्गों का एक समूह होता है जिसके साथ वह सहयोग करता है और जिससे वह आसानी से अलग नहीं हो पाता है। ऐसी कक्षाओं का पुन: उपयोग करने के लिए, आपको कक्षाओं के पूरे समूह का पुन: उपयोग करना होगा। वर्गों का ऐसा समूह दृढ़ता से जुड़ा हुआ है और इसे कक्षाओं की श्रेणी कहा जाता है। एक वर्ग श्रेणी के अस्तित्व के लिए, निम्नलिखित शर्तें मौजूद हैं:



सभी को एक साथ बदलने के किसी भी प्रयास से एक वर्ग श्रेणी के भीतर कक्षाएं बंद हो जाती हैं। इसका मतलब यह है कि यदि एक वर्ग को बदलने की आवश्यकता है, तो इस श्रेणी के सभी वर्गों को बदलने की अधिक संभावना है। यदि कोई वर्ग किसी प्रकार के परिवर्तन के लिए खुला है, तो वे सभी उस तरह के परिवर्तन के लिए खुले हैं।



एक श्रेणी में कक्षाएं केवल एक साथ पुन: उपयोग की जाती हैं। वे बहुत अन्योन्याश्रित हैं और उन्हें एक दूसरे से अलग नहीं किया जा सकता है। इस प्रकार, यदि किसी वर्ग में एक वर्ग का पुन: उपयोग करने का कोई प्रयास किया जाता है, तो अन्य सभी वर्गों को इसके साथ पुन: उपयोग करना होगा।



एक श्रेणी में कक्षाएं कुछ सामान्य फ़ंक्शन साझा करती हैं या कुछ सामान्य लक्ष्य प्राप्त करती हैं।



एक श्रेणी की जिम्मेदारी, स्वतंत्रता, और एक श्रेणी की स्थिरता निर्भरता की गणना करके मापी जा सकती है। तीन मैट्रिक्स को परिभाषित किया जा सकता है:



1. सीए: सेंट्रिपेटल ग्रिप। इस श्रेणी के बाहर की कक्षाओं की संख्या जो इस श्रेणी के वर्गों पर निर्भर करती है।



2. Ce: केन्द्रापसारक क्लच। इस श्रेणी के भीतर वर्गों की संख्या जो इस श्रेणी के बाहर की कक्षाओं पर निर्भर करती है।



3. I: अस्थिरता: I = Ce / (Ca + Ce)। इस मीट्रिक में कई मान हैं [0,1]।



I = 0 सबसे स्थिर श्रेणी को इंगित करता है।



I = 1 सबसे अस्थिर श्रेणी को इंगित करता है।



आप एक मीट्रिक को परिभाषित कर सकते हैं जो सार को मापता है (यदि श्रेणी सार है, तो यह काफी लचीला है और इसे आसानी से विस्तारित किया जा सकता है) श्रेणियां निम्नानुसार हैं:



A: सार: A = nA / nAll।



nA श्रेणी में अमूर्त_क्लास की संख्या है।



nAll - total_number_classes_of_category



इस मीट्रिक का मान सीमा [0,1] में भिन्न होता है।



0 = श्रेणी पूरी तरह से विशिष्ट है,



1 = श्रेणी पूरी तरह से अमूर्त है।



अब, मार्टिन के मैट्रिक्स के आधार पर, आप एक ग्राफ बना सकते हैं जो अमूर्तता और अस्थिरता के बीच संबंध दिखाता है। यदि हम उस पर एक रेखा बनाते हैं, जिसे I + A = 1 सूत्र द्वारा परिभाषित किया जाता है, तो इस रेखा पर उन श्रेणियों को रखा जाएगा, जिनमें सार और अस्थिरता के बीच सबसे अच्छा संतुलन होता है। इस रेखा को मुख्य क्रम कहा जाता है।



फिर आप 2 और मीट्रिक दर्ज कर सकते हैं:



मुख्य अनुक्रम से दूरी: D = | (A + I-1) / sqrt (2) |



मुख्य अनुक्रम के लिए सामान्यीकृत दूरी: Dn = | A + I-2 |



वस्तुतः किसी भी श्रेणी के लिए, यह सच है कि वे मुख्य अनुक्रम के करीब हैं, बेहतर है।



मेट्रिक्स का अगला उपसमूह चिदंबर और केमेरर मेट्रिक्स है [10]। ये मीट्रिक वर्ग विधियों, वंशानुक्रम वृक्ष, आदि के विश्लेषण पर आधारित हैं।



WMC (प्रति वर्ग भारित विधियाँ), वर्ग की सभी विधियों की कुल जटिलता: WMC = SUMMAc _i , i = 1 ... n, जहाँ c, i-th पद्धति की जटिलता है, जिसकी गणना किसी भी मेट्रिक्स (Halstead, आदि) द्वारा की जाती है। ब्याज की कसौटी पर निर्भर करता है), यदि सभी तरीकों में एक ही जटिलता है, तो WMC = n।



डीआईटी (इनहेरिटेंस ट्री की गहराई) - वंशानुक्रम वृक्ष की गहराई (पूर्वज वर्ग से इस वर्ग में वर्ग पदानुक्रम में सबसे बड़ा पथ), अधिक, बेहतर, चूंकि अधिक गहराई से डेटा अपघटन बढ़ता है, वर्ग संतृप्ति विधियों के साथ कम हो जाती है, लेकिन पर्याप्त रूप से बड़े के साथ गहराई से कार्यक्रम को समझने और लिखने की जटिलता बढ़ जाती है।



एनओसी (बच्चों की संख्या) - वंशज (तत्काल) की संख्या, अधिक, डेटा अमूर्त उच्च।



सीबीओ (ऑब्जेक्ट कक्षाओं के बीच युग्मन) - कक्षाओं के बीच युग्मन, उन कक्षाओं की संख्या को दर्शाता है जिनके साथ स्रोत वर्ग जुड़ा हुआ है। इस मीट्रिक के लिए, मॉड्यूल कनेक्टिविटी के लिए पहले शुरू किए गए सभी दावे सही हैं, अर्थात्, उच्च सीबीओ के साथ, डेटा अमूर्तता घट जाती है और कक्षा का पुन: उपयोग करना मुश्किल होता है।



RFC (एक वर्ग के लिए प्रतिक्रिया) - RFC = | RS |, जहाँ RS वर्ग का प्रतिक्रिया सेट है, अर्थात, क्लास ऑब्जेक्ट द्वारा प्राप्त आंकड़ों के जवाब में संभवतः विधि द्वारा क्लास विधि द्वारा कहा जा सकता है। अर्थात, RS = (({M} ({R _i }), i = 1 ... n, जहाँ M एक वर्ग के सभी संभव तरीके हैं, R _i सभी संभावित विधियाँ हैं जिन्हें कक्षा I द्वारा बुलाया जा सकता है। फिर RFC इस सेट की शक्ति होगी। RFC जितना बड़ा होगा, परीक्षण और डिबगिंग उतना ही कठिन होगा।



LCOM (विधियों में सामंजस्य का अभाव) - विधि जोड़ने की कमी। इस पैरामीटर को निर्धारित करने के लिए, हम n तरीकों M1, M2, ..., Mn, फिर {I1}, {I2}, ..., {In} वाले वर्ग C पर विचार करते हैं, इन विधियों में उपयोग किए जाने वाले चर के समूह हैं। अब हम पी को परिभाषित करते हैं, उन तरीकों के जोड़े का सेट जिनमें सामान्य चर नहीं होते हैं; Q - कई जोड़े ऐसे तरीके हैं जिनमें सामान्य चर होते हैं। फिर LCOM = | P | - | Q | युग्मन की कमी एक संकेत हो सकती है कि वर्ग को कई अन्य वर्गों या उपवर्गों में विभाजित किया जा सकता है, इसलिए डेटा एन्कैप्सुलेशन को बढ़ाने और कक्षाओं और विधियों की जटिलता को कम करने के लिए युग्मन को बढ़ाना बेहतर होता है।

6. विश्वसनीयता मैट्रिक्स

अगले प्रकार के मेट्रिक्स मेट्रिक्स हैं जो मात्रात्मक के करीब हैं, लेकिन कार्यक्रम में त्रुटियों और दोषों की संख्या के आधार पर। इन मैट्रिक्स में से प्रत्येक की विशेषताओं पर विचार करने का कोई मतलब नहीं है, यह बस उन्हें सूचीबद्ध करने के लिए पर्याप्त होगा: अंतिम जांच के बाद से किए गए संरचनात्मक परिवर्तनों की संख्या, कोड समीक्षा के दौरान पाई गई त्रुटियों की संख्या, कार्यक्रम की जांच के दौरान पाई गई त्रुटियों की संख्या, और सही के लिए आवश्यक आवश्यक संरचनात्मक परिवर्तनों की संख्या। कार्यक्रम का काम। बड़ी परियोजनाओं के लिए, इन संकेतकों को आमतौर पर कोड की एक हजार लाइनों के संबंध में माना जाता है, अर्थात। .

7.

, . . . :



H_M = (M + R1 * M(M1) +… + Rn * M(Mn)/(1 + R1 +… + Rn)



M — , Mi — , Ri — , M(Mi) — .



M(Mi) Ri .



, : , SLOC, . «», «» «».



, , . :



(, , , ) (a, b, c, d).



( , , /, ) (x, y, z, p).



, — .

निष्कर्ष

, , . , , , , . , — , , - , .