摘  要： 首先結(jié)合面向?qū)ο?/a>技術(shù)特性，對面向?qū)ο?a class="innerlink" href="http://theprogrammingfactory.com/tags/軟件" title="軟件" target="_blank">軟件類級別的CK度量方法和系統(tǒng)級別的MOOD度量方法進行了分析，并就CK度量提出了優(yōu)化的度量方法OCK。然后結(jié)合OCK度量和MOOD度量的優(yōu)點提出了較優(yōu)化的面向?qū)ο筌浖碗s性度量方法OSCM。OSCM度量可以有效地彌補CK度量和MOOD度量的不足，優(yōu)化度量結(jié)果。
關(guān)鍵詞： 面向?qū)ο螅?a class="innerlink" href="http://theprogrammingfactory.com/tags/軟件度量" title="軟件度量" target="_blank">軟件度量；CK度量；MOOD度量；OCK度量；OSCM度量

　軟件的應用領(lǐng)域越來越廣，軟件的質(zhì)量也越來越受到關(guān)注和重視。軟件復雜性很大程度上影響到軟件質(zhì)量的好壞，其度量是軟件度量的重要方面。隨著面向?qū)ο筌浖夹g(shù)的廣泛應用，面向?qū)ο筌浖碗s性度量也顯得尤為重要。面向?qū)ο蠖攘康幕灸繕薣1]和已存在的傳統(tǒng)軟件度量的目標一致：即更好地理解產(chǎn)品的質(zhì)量，評估過程的效果，從而控制開發(fā)過程，以提高軟件質(zhì)量。
　當前，已有很多面向?qū)ο筌浖攘糠椒ū惶岢?，并在不斷被驗證及成熟。這些度量方法包括LK度量[2]、CK度量[3]、Li度量[4]和MOOD度量[5]等。但是這些度量方法依然存在缺陷，需要不斷進行研究和改進，以使這些度量更易于應用，從而更好地指導面向?qū)ο筌浖脑O(shè)計、開發(fā)，提高軟件質(zhì)量[6]。
　本文分析了針對類層面的CK度量和針對系統(tǒng)層面的MOOD度量。這兩種度量都只是分散地針對軟件的某一個特定層面進行，在實際應用過程中，難以讓人們同時綜合類與類之間關(guān)系和系統(tǒng)級別這兩個層次的度量，致使無法更加系統(tǒng)全面地掌握軟件系統(tǒng)的復雜度。因此本文在分析CK度量和MOOD度量的基礎(chǔ)上，對CK度量進行改進，提出優(yōu)化的度量方法OCK（Optimized CK），并與MOOD度量相結(jié)合，提出了一個較為優(yōu)化的面向?qū)ο筌浖碗s性度量方法OSCM（Optimized Software Complexity Metrics），以方便人們更快捷、有效地分析面向?qū)ο筌浖到y(tǒng)的復雜度。
1 面向?qū)ο筌浖攘糠椒?/strong>
　自20世紀90年代以來，面向?qū)ο蠹夹g(shù)興起并被廣泛應用起來，人們逐漸開始研究有關(guān)面向?qū)ο筌浖亩攘縖7]。不斷有面向?qū)ο筌浖攘糠椒ū惶岢?，目前主要的面向?qū)ο筌浖攘糠椒ㄓ校篖K度量、CK度量、Li度量以及MOOD度量等。本文介紹面向?qū)ο筌浖碗s性度量：CK度量和MOOD度量。
1.1 CK度量
　Chidamber和Kemerer等人于1994年提出的CK度量[3]，是目前使用最為廣泛的度量體系之一，是面向?qū)ο筌浖惣墑e度量方法，其中包括6條適用于面向?qū)ο笤O(shè)計的度量準則[8]。
　（1）每類加權(quán)方法數(shù)WMC（Weighted Method per Class）。WMC是一個類方法復雜度的加權(quán)總和。類WMC越大，對子類的可能影響越大，但其通用性和可復用性越差。
　（2）繼承樹深度DIT（Depth of Inheritance Tree）。DIT指從本類節(jié)點到根節(jié)點的繼承樹中路徑的最大深度，根節(jié)點值為0，以下各級依次遞增。DIT值越大，則其可能繼承方法數(shù)越多，復用程度越高，但預測其行為將更困難，同時設(shè)計越復雜。
　（3）每類孩子數(shù)NoC（Number of Children）。NOC是繼承樹中一個類的直接孩子數(shù)。NOC越大，重用性越好，但其父類抽象性減弱，測試越困難。
?。?）對象類之間耦合度CBO（Coupling Between Object Classes）。一個類的CBO指的是和其有耦合關(guān)系的類的數(shù)目。CBO越大，則類的可重用性越弱，且修改和測試越復雜。
?。?）類響應RFC（Response For a Class）。RFC是本類方法數(shù)加上被本類方法調(diào)用的方法的個數(shù)總和。RFC越大，類越復雜，且對該類進行測試和調(diào)試也越困難。
?。?）方法內(nèi)聚缺乏度LCOM（Lack of Cohesion in Methods）。LCOM是相似度為零的方法對數(shù)量減去相似度不為零的方法對數(shù)量，相似度是兩個方法訪問相同屬性的程度。類的LCOM越大，方法內(nèi)聚度越弱，則類可以分解為兩個或更多的子類。
1.2 MOOD度量
　MOOD度量是另一個著名的度量體系，是由Abreu等人于1994年針對軟件系統(tǒng)層次提出的[5]。MOOD度量從面向?qū)ο蟮姆庋b性、繼承性、耦合性和多態(tài)性4個方面給出面向?qū)ο筌浖?個度量指標。
　（1）封裝性度量。封裝性由類中的屬性和方法實現(xiàn)，因此封裝性通過屬性隱藏因子AHF（Attribute Hiding Factor）和方法隱藏因子MHF（Method Hiding Factor）表示系統(tǒng)中所有類的屬性和方法的隱藏程度。隱藏因子的值越大，系統(tǒng)中信息隱藏得越好。
?。?）繼承性度量。繼承性通過屬性繼承因子AIF（Attribute Inheritance Factor）和方法繼承因子MIF（Method Inheritance Factor）表示系統(tǒng)中所有類的屬性和方法的繼承程度。繼承因子的值越大，系統(tǒng)中信息繼承的程度越高。
　（3）耦合性度量。耦合性通過耦合因子CF（Coupling Factor）表示系統(tǒng)中所有類之間的耦合程度，但不將繼承關(guān)系考慮進去。CF越大，類之間耦合越頻繁。
?。?）多態(tài)性度量。多態(tài)性通過多態(tài)因子PF（Polymorphism Factor）表示系統(tǒng)中所有類方法使用多態(tài)機制的程度。
2 面向?qū)ο筌浖碗s性度量方法
　面向?qū)ο筌浖碗s性度量方法雖已得到發(fā)展和完善，但依舊存在一定的缺陷。首先分析CK度量的不足，并在CK度量的基礎(chǔ)上提出改進的度量方法OCK。然后結(jié)合OCK度量和MOOD度量的優(yōu)點從而提出較為優(yōu)化的面向?qū)ο筌浖碗s性度量OSCM。
2.1 CK度量的分析與改進
　（1）WMC只考慮方法成員，沒有考慮屬性成員對類復雜性的影響[9]，也沒有根據(jù)類成員可見性的不同區(qū)別看待各成員對類復雜性的影響，類公有成員，保護成員和私有成員各自對類復雜性影響程度大小不同。因此，在WMC的基礎(chǔ)上提出類的復雜性CPC（Complexity Per Class）度量指標。

?。?）CBO只是計算和本類耦合的類的數(shù)目，沒有對不同類型耦合的強度進行區(qū)分，而是假設(shè)所有的耦合關(guān)系強度是相同的，而且忽略了最強的耦合關(guān)系即繼承耦合。為了考慮到不同的耦合關(guān)系，包括關(guān)聯(lián)、繼承和實現(xiàn)耦合，提出了類型間所有耦合ACBT（All Coupling Between Type）度量指標。
　定義 ACBT=aNAC+bNIC+cNRC
　式中a、b、c為調(diào)節(jié)因子，是度量實踐中獲取的經(jīng)驗值，可反映出關(guān)聯(lián)耦合、繼承耦合和實現(xiàn)耦合在ACBT計算中的權(quán)值。關(guān)聯(lián)耦合數(shù)NAC（Number of Association Coupling）是系統(tǒng)中所有被本類關(guān)聯(lián)的類型（類或接口）的數(shù)目，繼承耦合數(shù)NIC（Number of Inheritance Coupling）是系統(tǒng)中類型（類或接口）所繼承的所有類型（類或接口）的數(shù)目，實現(xiàn)耦合數(shù)NRC（Number of Realization Coupling）是系統(tǒng)中本類所實現(xiàn)的所有接口的數(shù)目。ACBT越大，類的可重用性可能越弱。
　（5）RFC沒有考慮本類方法和被本類方法調(diào)用的方法分別對類復雜性的影響程度，只是簡單地計算它們的總和。因此，提出類加權(quán)響應WRFC（Weighted Response For a Class）度量指標。
定義 WRFC=aNMC+bNCMC
式中a、b為調(diào)節(jié)因子，是度量實踐中獲取的經(jīng)驗值，可表現(xiàn)出本類方法和被本類方法調(diào)用的方法對類加權(quán)響應值的影響程度的大小。NMC（Number of Methods a Class）是本類方法數(shù)，NCMC（Number of Called Methods a Class）是被本類方法調(diào)用的方法數(shù)。
?。?）LCOM存在一定的缺陷，沒有將類的實例變量數(shù)計算進來，但實際上類的實例變量數(shù)對類內(nèi)聚性有一定的影響。假設(shè)一個類的LCOM較小，甚至為0，根據(jù)CK可以推斷出該類具有較好的內(nèi)聚性，但實際上可能因為該類擁有大量的實例變量，所以其內(nèi)聚性及封裝性不容樂觀。因此，在LCOM的基礎(chǔ)上提出類內(nèi)聚缺乏度LCOC（Lack of Cohesion in Class）度量指標。

　根據(jù)上述對CK度量方法的分析與改進，提出優(yōu)化的CK度量方法OCK，其包括CPC、CMIT、NOAC、ACBT、WRFC、LCOC等6個相對應的度量指標，每個度量指標針對性地彌補每點缺陷。例如，采用OCK度量的CPC能綜合考慮一個類的屬性和方法以及不同可見性成員對該類復雜性的影響；CMIT度量指標解決了多重繼承的度量問題，消除歧義；NOAC值涵蓋了一個類的所有子孫；ACBT依據(jù)耦合類型的不同分配不同的權(quán)值從而度量類的耦合性等等。
2.2 面向?qū)ο筌浖碗s性度量方法OSCM
　OCK度量方法雖在CK度量的基礎(chǔ)上進行了改進，但仍存在一些缺陷。首先OCK度量沒有對多態(tài)性進行度量，多態(tài)對整個系統(tǒng)的復雜性有很大影響；其次OCK與CK度量一樣主要是針對類層面，在系統(tǒng)層面沒有很好的度量指標。MOOD度量也存在一定的不足。比如，MOOD度量沒有對類方法和屬性以及類之間的關(guān)系進行研究，也沒有完整定義抽象性和復雜性[10]。
　此外，繼承性和耦合性也是面向?qū)ο蟮幕咎匦裕瑢④浖悓用婧拖到y(tǒng)層面的繼承性、耦合性度量結(jié)合起來可以更好地反映軟件整體的復雜度。但單獨的OCK度量和MOOD度量都只考慮了繼承和耦合的單個方面的復雜性，不能可靠地對軟件進行整體評價。因此針對這兩種度量方法進行改進，補充每個度量方法缺少的方面，從而提出新的面向?qū)ο筌浖碗s性度量方法OSCM如下，與OCK度量和MOOD度量的比較如表1所示。