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://m.jysgc.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?fù)雜性度量方法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://m.jysgc.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(yīng)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(fù)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(yīng)用，面向?qū)ο筌浖?fù)雜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(dāng)前，已有很多面向?qū)ο筌浖攘糠椒ū惶岢觯⒃诓粩啾或炞C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(yīng)用，從而更好地指導(dǎo)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(yīng)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(fù)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?fù)雜性度量方法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(fù)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(yīng)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惶岢觯壳爸饕拿嫦驅(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?fù)雜性度量：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(fù)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(fù)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(fù)用程度越高，但預(yù)測其行為將更困難，同時設(shè)計越復(fù)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。
　（4）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(fù)雜。
　（5）類響應(yīng)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(fù)雜，且對該類進行測試和調(diào)試也越困難。
　（6）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。
　（2）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。
　（4）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?fù)雜性度量方法
　面向?qū)ο筌浖?fù)雜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?fù)雜性度量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(fù)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(fù)雜性的影響，類公有成員，保護成員和私有成員各自對類復(fù)雜性影響程度大小不同。因此，在WMC的基礎(chǔ)上提出類的復(fù)雜性CPC（Complexity Per Class）度量指標。

　（4）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(fù)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(yīng)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(yīng)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)。
　（6）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(yīng)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(fù)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?fù)雜性度量方法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(fù)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(fù)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(fù)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(fù)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?fù)雜性度量方法OSCM如下，與OCK度量和MOOD度量的比較如表1所示。