文档介绍：个体软件过程 ——缺陷预测
欧阳柳波
湖南大学软件学院
3/5/2018
1
一、缺陷率
有经验的工程师的缺陷引入率一般是每千行代码50~250个缺陷。
0 5 10 15 20 25 30
450
400
350
300
250
200
150
100
50
0
Defects/KLOC
自编写第一个程序以来的年数
在PSP培训之前缺陷率与工作年限的关系
3/5/2018
2
一、缺陷率
38位工程师在学****PSP课程之后的缺陷情况表明,个人的编程规范与对缺陷的跟踪和分析相结合,比多年的经验要有效的多。
0 5 10 15 20 25 30
450
400
350
300
250
200
150
100
50
0
Defects/KLOC
自编写第一个程序以来的年数
在PSP培训之后缺陷率与工作年限的关系
3/5/2018
3
一、缺陷率
从上述表中可以看出,软件工程师一般都会引入大量缺陷。除个别情况外,平均的缺陷引入率在100个缺陷/KLOC左右或更多,
即使在学过缺陷管理后,平均引入缺陷数也在50Defects/KLOC左右,也就是20行一个缺陷。按此比率,1000行代码有50个缺陷,10000行代码有500个缺陷,100000行代码有5000个缺陷。
3/5/2018
4
二、使用缺陷数据
通过收集数据来了解引入的缺陷,并设计个人的代码复查检查表;
通过分析缺陷数据来估计新开发的程序中引入的缺陷数,进行合理的预测。
通过把当前的项目数据和以前的数据相比较,就能大概知道正在开发的程序质量情况,从而决定是否需要增加一些缺陷排除步骤。
最重要的是工程师个人承诺要开发无缺陷的程序。
3/5/2018
5
三、缺陷密度(Dd)
缺陷密度(Dd)是指每千行代码的缺陷数(Defects/KLOC),其计算方法是:
(1)累计开发过程中每个阶段发现的缺陷总数(D);
(2)统计程序中新开发的和修改的代码行数(N);
(3)计算每千行的缺陷数Dd=1000×D/N
3/5/2018
6
三、缺陷密度(Dd)
例如:一个96行的源程序总共有14个缺陷,则缺陷密度是:
Dd=1000×14/96= Defects/KLOC
在计算Dd时,最重要的是要使用正确的规模测量。如本课程中使用的是程序中新开发的和修改的代码行数作为计算程序的规模。
3/5/2018
7
四、缺陷率的预测
缺陷数据不稳定的几个原因:
(1)经验问题。对开发环境和工具的熟悉程度和个人技能的不断提高,引起开发时间和缺陷率的波动。在通过最初的提高后,就需要收集和分析缺陷数据来进一步提高。
(2)个体过程不稳定。在开发过程中随着实际经验不断发展,就会引起完成不同程序任务的时间和引入缺陷的数目的波动。而且缺陷本身也是这种变化的原因,引入的缺陷越多,修复这些缺陷所花的时间就越长,引入新的缺陷的机率也就会增加。所以很难对一个引入很多缺陷的过程进行预测。
3/5/2018
8
四、缺陷率的预测
随着开发过程的稳定,过程会逐步稳定下来,这种稳定将提高缺陷预测的准确性。
如果在代码复查方面花了足够的时间,你的过程会迅速稳定下来。
一旦过程相当稳定,缺陷也将容易预测。可根据对最近的程序跟踪每千行引入和排队的缺陷数,相当准确地估计出将来程序中可能引入和排除的缺陷数。
3/5/2018
9
五、缺陷估计
当为一个新的程序作计划时,先估计出程序可能有多少新的和修改的代码行,然后计算以前开发程序的每千行源代码的平均缺陷数,再进行缺陷估计,计算公式如下:
Ddplan=1000×(D1+…+Di)/(N1+…+Ni)
3/5/2018
10