新的研究發現，一個程序的核心功能僅在于一小部分封裝的代碼。

如果你是一個軟件開發人員，有人問你，你寫的代碼中有多少是真正在實現實際功能的，有多少是填充物、無價值的或者只是因為實際運行編程語言所需要的？ 95％？ 75％？ 50％？都不是！新的研究發現，只有大約5％的代碼是真正在提供核心功能。

研究人員認為，就像自然語言一樣，一些——甚至可能是絕大多數——寫下的代碼其實對于功能是不起作用的。《stalks of wheat》一文的作者認為，只有一部分代碼代表了功能的語義核心，我們稱之為精華，而其他的則是糟粕。

[[143386]]

該作者表示，一個功能的核心可以被封裝于一個小型的關鍵字集合中，這被稱為“minimum distinguishing subset” （“最小的區別化子集”）或MINSET。我們可以通過將方法分解為詞素（即，通過空格或標點符號分隔代碼），丟棄那些對函數行為不重要 的內容，同時把剩下的映射到關鍵字中。然后將那些關鍵字導入到MINSET。

為了檢驗此理論，即MINSET中的代碼只占全部代碼的一小部分，研究人員下載了1000個來自Apache、Eclipse、GitHub和 SourceForge***的Java項目。在合計超過10億行的Java代碼中，先剔除簡單的方法（ tokens低于50）。就只剩下不到190 萬的不同方法，然后從中隨機抽取10,000條，確定它們的MINSET。研究中使用的代碼和數據可從Bitbucket下載。

以下為研究發現的主要結果：

• MINSETS出奇的小。方法的平均MINSET大小為1.55個關鍵字，***值為6。

• MINSET的大小并不隨方法規模的增加而變大。事實上，如果只看***的1000個方法，其平均和***MINSET關鍵字分別為降到1.12和4，這表明，正如作者所言：“即便是對于一些異常龐大的方法，MINSET也是一項既獨特又靈活有效的指標。”

• 大多數代碼幾乎盡是糟粕。平均來說，在一個方法中只有4.6％的獨特詞素可以位列MINSET。也就是說，95％以上的代碼都是糟粕。

不過有幾處關鍵的地方需要指出來。首先，MINSET本身是不可執行的：它只是表征了核心功能的代碼的最小集合。剩下95％中的一些代碼（前面稱之 為糟粕）也不是無用的，因為還需要它們來運行程序。其次，盡管這項研究僅著眼于Java代碼，不過由于語言的相似性，作者表示這些發現應該也適用于其他語 言，特別是C語言和C++。

關于此項工作的意義？研究人員指出了MINSETs的潛在應用：

• 改進代碼搜索——MINSETs可用于基于相似查詢的代碼搜索結果排名。

• 智能IDE——具備了MINSETs索引數據庫的IDE可用于提出類似的代碼，支持自動代碼填充，加快調試過程。

• 備選的編程形式——MINSETs可用于支持基于關鍵字的編程，也就是說，我們可以通過一個小型的關鍵字組來創建可用的代碼。