代码评审的速度与缺陷密度是啥关系?
发布于 2024-10-02
1278
版权声明
我们非常重视原创文章,为尊重知识产权并避免潜在的版权问题,我们在此提供文章的摘要供您初步了解。如果您想要查阅更为详尽的内容,访问作者的公众号页面获取完整文章。
麦哲思科技任甲林
扫码关注公众号
扫码阅读
手机扫码阅读
一家企业对8个项目的代码评审数据进行分析,虽然样本量有限,但其中仍可见一些规律。这些数据展示了代码评审中发现的缺陷密度和评审速度之间的关系。
根据收集的数据,得到了如下度量信息:
- 评审缺陷密度的范围从3.03个/kLoc到60个/kLoc不等。
- 评审速度的范围从100 loc/小时到3295 loc/小时。
通过对这些数据的散点图进行观察,发现了两个主要的趋势:
- 评审发现的缺陷密度与评审速度之间存在曲线相关性。
- 随着评审速度的增加,评审发现的缺陷数量逐渐减少。
为了深入研究这种关系,对缺陷密度进行了数学变换,即new y = 1/sqrt(评审缺陷密度),这样转换后可以与评审速度建立线性回归方程。通过这种变换,得到了以下回归方程:
new y = 0.1343 + 0.000138 * 评审速度(loc/小时)
最终,通过逆向运算,可以用上述方程来估计评审的缺陷密度,其计算公式为:
评审的缺陷密度 = 1 / (0.1343 + 0.000138 * 评审速度)^2
麦哲思科技任甲林
麦哲思科技任甲林
扫码关注公众号
麦哲思科技(北京)有限公司总经理 敏捷性能合弄模型评估师 认证的Scrum Master 认证的大规模敏捷顾问SPC CMMI高成熟度主任评估师 COSMIC MPC,IAC 成员,中国分部主席
471 篇文章
浏览 817.4K
还在用多套工具管项目?
一个平台搞定产品、项目、质量与效能,告别整合之苦,实现全流程闭环。
查看方案
麦哲思科技任甲林的其他文章
CMMI成功的根本原因是什么?
前天和一位朋友沟通关于在公司内实施过程改进的心得,我介绍了几个成功案例后,她突然问了一句话:“他们成功的最重要的原因什么呢?”,我第一反应是:原因很多啊!随即,在林林种种的原因中,我找到了我认为最重要的原因:“企业文化与领导重视!”。昨天中午、晚上也都和其他朋友在深入讨论这个问题,越来越发现,这个结论的正确性。 企业的文化也许是一种说不清道不明的东西,但是你却能切实地的感受到。有的企业从员工到领导
快速学习COSMIC方法之十一:如何识别输入?
在COSMIC方法中,功能处理可拆分为四种数据移动:输入,输出,读,写。数据移动是最小的、不可再拆分的、软件内部的动作。在数据移动中包含了算术运算如加减乘除,关系运算如等于、不等于,逻辑运算如与或非,这些数据运算都是不计算功能点的。 在识别功能处理的输入(包括触发输入即第一个数据移动,也包括其他输入)时要注意如下的问题: 1 每个数据移动仅能移动一个兴趣对象的一个数据组。 ...
不可重现的BUG的应对策略
问题场景:有一些比较严重的BUG随机发生,难以查找规律的,测试工程师提交上去后,有可能会出现以下三个情形:1.开发人员试图重现,重现不出,Reject回来;2.开发人员找不到规律,所以不去解决,问题一直处于Open状态;3.开发人员因为问题难以解决,所以直接Resolved回来,觉得反正是偶发的,先改成解决状态再说。对开发人员、项目经理和测试工程师来说,正确的处理方法应该是怎样的?解决方案:1 缺
需求文档化的真理与谬误
如果是2个公司之间的供求关系,请将需求文档化; 如果是2个部门之间的供求关系,请将需求文档化; 如果是2个小组之间的供求关系,请将需求文档化; 如果是2个人之间的供求关系,请将需求文档化; 这是真理. 再好的合作关系,当发生分歧的时候,也会互相追究责任,在追究责任的时候,请拿出你的依据:文档. 道德是感性的,证据是理性的.道德是合作的基础,但并非有了良好的道德就一定能合作成功,因为分歧并非仅有道德
如何分析各类时长数据?
本文列举了分析时长数据时的注意事项,并结合实例给出了时长数据的常用分析方法。
加入社区微信群
与行业大咖零距离交流学习
PMO实践白皮书
白皮书上线
白皮书上线