歡迎光臨
每天分享高質量文章

Python專案可以有多大?最多可以有多少行代碼?

導讀:總是看到有人說,動態一時爽,重構火葬場。然而這世界上有的是著名的開源專案, 也有像 Github、Instagram 這樣流量巨大的知名網站是基於動態語言開發的,經過了這麼多年重構,也未聽說哪個作者進了火葬場的,不明白這些人是真的不知道還是裝作看不見呢?

不過他們說動態語言大到一定程度就無法維護,雖然這話也同樣不值一駁,不過也提醒了我,我也很好奇用動態語言開發的專案規模能大到什麼程度。

從我知道的信息看,用動態語言開發的最大規模的專案可能要算是 OpenStack(https://www.openstack.org/)據說代碼總量已經達到數百萬行,並且還在持續增加中。這當然是一個說明動態語言能力的好例子。不過像這樣巨大的專案,要分析起來也並不容易(好吧,真正的原因是我懶得下載那麼龐大的代碼庫)

我選擇了 Python 社區中比較知名的一些專案來分析,主要是來自 Github ,也有個別來自其他倉庫。這個選擇可能包含了一定的主觀因素在內,不過我相信大多數專案還是非常有代表性的。

計算代碼數量的工具是 cloc(https://github.com/AlDanial/cloc)。所有專案均選擇截止到 2018 年 1 月 3 日的主幹代碼,統計中僅包含 Python 檔案,排除了其他檔案型別。值得說明的一點是, 通過 Ubuntu APT 預設安裝的 cloc 版本 1.60 在統計部分專案的時候存在問題,該問題在最新的版本中已經得到解決,因此本文中所有統計均使用從官網下載的 cloc v1.72。

上表已經按代碼行數排了序。有意思的一點是, 代碼規模最大的前4名中除了 CPython 之外其他三個全部是運維性質的專案,本來我猜測代碼應該比較多的專案比如 Odoo 排名反而很靠後。我對運維專案瞭解有限,不太清楚為什麼這些專案的代碼規模會名列前茅,或許是因為要支持的內容比較多而雜?

本次統計中純 Python 代碼量最大的 Sentry 幾乎達到了 70W 行,這是相當有規模的專案了。30W~50W 行代碼的專案有三個,包括基礎專案 CPython 在內。20W 和 10W 行代碼規模的分別有三個,剩下 7 個則在 10W 行以內。

看過這個串列你應當相信,動態語言至少在幾十W行代碼的專案上是完全沒有問題的。這也是絕大多數普通應用的上限了,如果代碼真的達到數百萬行規模的話,那麼無論用什麼語言,都勢必面臨著拆分專案的問題。

上表將代碼量指標按照代碼/空白/註釋進行了分類,也在一定程度上反應了專案的代碼風格。Sentry 是本次統計中代碼量最多的專案,然而從表中可以看到,專案中的註釋和其他專案相比,少得有點不成比例,說明 Sentry 的作者非常不註重註釋。

同學們一定發現了,我在串列中除了代碼行相關的指標之外還增加了幾個其他內容,這也是我個人比較感興趣的方面。

第一個指標是每個檔案的平均代碼行數。按照模塊化的觀點,單個檔案中堆砌太多內容顯然是不合理的,這通常意味著耦合太多、難於理解和修改。然而到底多少算是合適,並沒有一個明確的標準。我希望通過這些專案的分析,瞭解一下開源作者們在實踐中做出的選擇。

統計的結果分佈比較平均,從 100~600行/檔案的都存在,並不存在明顯的集中點。有趣的是,頭兩名(Pandas, NumPy)有著緊密的聯繫,都是和數學統計相關的。這可能是因為數學庫的特點比較純粹而單一,不像其他類庫那樣容易劃分。末尾的專案(Pillow, youtube-dl, Odoo, Scrapy)可以從側面印證這種猜想:它們都是面向特定領域的,所以更加容易模塊化。

第二個指標是註釋和代碼的比例,這個問題也有著類似的情況。註釋並非越詳盡越好,但總是需要一定量的註釋來解釋 Why 的問題。註釋太少,說明專案的作者沒有給後來的維護人員留下足夠的線索,可能會造成維護上的問題。另一方面,我們考察的全部是開源專案,沒有公司考核或者 KPI 的約束,所以我們可以放心的相信不會存在作者故意多寫註釋的問題。

前面提到的 Sentry 毫無爭議的因為註釋太少排到了最後,這未必說明這個專案很差,但至少是一個信號,說明該專案在維護方面可能是存在問題的。而對於那些作者願意投入精力來寫註釋的專案(Ansible, NumPy, Fabric, Salt 等)足以反映作者在專案上投入了相當大的心力,這是一個好的信號,說明這些專案是值得信賴的。

有一點是出乎我意料的,那就是作為所有專案之母的 CPython 排名比較靠後,按照道理這個基礎專案應該有更多的註釋才對。不過再想一想又覺得可以理解,因為 CPython 有單獨發佈的、非常詳盡的文件,這是其他大多數專案都沒有的,那麼代碼中的註釋少一些也是情有可原的。

最後一項統計是關於檔案型別的。Python 專案中絕大多數應該是 Python 代碼,這點沒有什麼疑問,但同時我也想看看除了 Python 代碼之外,一個專案還包括哪些主要檔案。C/HTML/Javascipt 的上榜是毫不意外的,但有一種檔案我事先沒有想到,那就是 .PO(開源專案常用的語言資源檔案)

對於 Django 和 Django-CMS 這兩個專案, PO 代碼數量甚至比 Python 代碼還要多。大概看了一下,Django 支持 90 種以上的語言,這也無怪乎語言檔案的數量如此之多了。

這個結果也可以提醒我們,有些同學——不僅是程式員,也包括大多數經驗不足的老闆、客戶、產品經理等——會下意識的認為程式開發無非是寫代碼,對於代碼之外的其他工作,在估算的時候往往只拍腦袋式的定下一個極短的時間。但對於實際的專案來說,代碼僅僅是其中的一部分,“其他工作”有時候——應該說是經常——會占用你大部分的的時間和精力。這些工作往往並不有趣,但對於專案來說又是必不可少的組成部分,希望同學們予以足夠的重視。

作者:YUHAO

來源:https://yuhao.space/blog/2018/1/how-large-python-projects-can-be/

推薦閱讀

關於Python的一切:2018年,你讀這8本書就夠了

小學生都能懂的人工智慧:5本書給你劇透未來世界

一層一層剝開黑匣子:深度捲積網絡的可視化

LeCun:智慧的精華在於預測能力!“預測學習”瞭解一下!

Q: 你最多寫過多少行代碼?

歡迎留言與大家分享

覺得不錯,請把這篇文章分享給你的朋友

轉載 / 投稿請聯繫:baiyu@hzbook.com

更多精彩,請在後臺點擊“歷史文章”查看

赞(0)

分享創造快樂