新的研究發現，一個程式的核心功能僅在于一小部分封裝的代碼。
如果你是一個軟體開發人員，有人問你，你寫的代碼中有多少是真正在實作實際功能的，有多少是填充物、無價值的或者隻是因為實際運作程式設計語言所需要的？ 95％？ 75％？ 50％？都不是！新的研究發現，隻有大約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，隻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。
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” （“最小的差別化子集”）或minset。我們可以通過将方法分解為詞素（即，通過空格或标點符号分隔代碼），丢棄那些對函數行為不重要
的内容，同時把剩下的映射到關鍵字中。然後将那些關鍵字導入到minset。
為了檢驗此理論，即minset中的代碼隻占全部代碼的一小部分，研究人員下載下傳了1000個來自apache、eclipse、github和
sourceforge最受歡迎的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）。就隻剩下不到190
萬的不同方法，然後從中随機抽取10,000條，确定它們的minset。研究中使用的代碼和資料可從bitbucket下載下傳。
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，最大值為6。
minset的大小并不随方法規模的增加而變大。事實上，如果隻看最大的1000個方法，其平均和最大minset關鍵字分别為降到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名額。”
大多數代碼幾乎盡是糟粕。平均來說，在一個方法中隻有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：它隻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作程式。其次，盡管這項研究僅着眼于java代碼，不過由于語言的相似性，作者表示這些發現應該也适用于其他語
言，特别是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：
改進代碼搜尋——minsets可用于基于相似查詢的代碼搜尋結果排名。
智能ide——具備了minsets索引資料庫的ide可用于提出類似的代碼，支援自動代碼填充，加快調試過程。
備選的程式設計形式——minsets可用于支援基于關鍵字的程式設計，也就是說，我們可以通過一個小型的關鍵字組來建立可用的代碼。
來源：51cto