如何做好Code Review

系统管理员 2024-03-23 19:22 79阅读 0赞

本文主要从我们为什么需要CR？CR面临哪些挑战？CR的最佳实践几个方面分析，希望可以给读者一些参考。

**为什么需要CR？**

**代码质量**

定性来看，大家都认可Code Review（后文简称CR）能**显著改善代码质量**，但国内量化的研究结果比较少，以下引用业界比较知名的几个定量研究结果：

Capers Jones分析了超过12,000个软件开发项目，其中使用正式代码审查的项目，**潜在缺陷发现率约在60-65%之间**；大部分的测试，潜在缺陷发现率仅在30%左右。

Steve McConnel在《Code Complete》中提到：仅仅依靠软件测试效能有限–单测平均缺陷发现率只有25%，功能测试35%，集成测试45%，相反，**设计和代码审查可以达到55%到60%。**

SmartBear研究了一个历时3月，包括10名开发人员完成的10,000行代码的工程，通过引入CR在接下来的6个月中可以**节省近6成的bug修复成本**。

![图片][2f109995e679c59378f7b13cebaf31cf.png]

![图片][bf4a76679624b4e814873d1994c3b733.png]

**技术交流**

SmartBear研究报告中这段话比较能表达CR对技术交流的价值，引用如下：

Actually writing the source code, however, is a **solitary activity**. Since **developers tend to create code in quiet places,** collaboration is limited to occasional whiteboard drawings and a few shared interfaces. No one catches the obvious bugs; no one is making sure the documentation matches the code. Peer code review puts the collaborative element back into this phase of the software development process.

Google认为CR参与**塑造了公司的工程师文化**，CR也与笔者所在部门一贯倡导的「**极致透明**」的文化相契合，资深同学的CR，对**团队内新人的快速成长**也很有帮助。

**卓越工程**

Linux的创始人Linus Torvalds有句名言：Talk is cheap, Show me the code，代码是程序员的作品，CR只是一种提升代码质量的工具，**敢于Show出自己的代码，并用开放的心态去优化完善**，才是每个程序员审视自我，从优秀到卓越的关键所在。

既然CR好处这么多，大多团队也在实践，但为什么效果差强人意呢，主要是CR在大型项目实践中面临诸多挑战。

**CR面临哪些挑战？**

**挑战1：CR的代码改动范围过大**

笔者观察，很多项目落实CR的最大挑战是项目进度压力很大，发布计划倒排根本没有给CR预留时间，所以大部分CR是在临近提测前（甚至有些是边测试边进行）集中进行，面对动辄上千行的代码变动，评审者需要花大量时间和代码提交者交流了解业务逻辑，迫于时间压力大多只会检查最基本的编码规范问题，而没有达到CR预期的效果。SmartBear公司对 CR 节奏的研究指出：每次大于400行的CR每千行代码缺陷发现率几乎为零。

![图片][8debf4cfec673f703c38b86faedf8222.png]

![图片][63c6ac14f30827e9ccbdc5e921e26aac.png]

那么怎样的提交粒度比较合适呢？笔者的经验是和**单元测试case匹配**（这里问题来了，没时间写单元测试怎么办，本文姊妹篇再来聊聊单元测试），完成一个功能，跑一个单元测试验证逻辑，然后commit一次。如下图，Aone（阿里内部的研发平台）提供的功能内置支持按照提交版本分批DIFF，分批Review。

![图片][c4f618c9f0c75dbea5d960da1bbf7f36.png]

**挑战2：CR对评审者全局知识要求很高**

CR一般由团队内资深的技术同学进行，对于大型复杂项目的CR需要评审者对编码规范、分布式架构设计原则、业务知识有全面的了解，举个例子，下面是某服务提供的等级查询接口关键代码CR片段：

- public Level queryLevel(LevelQueryRequest request) {
    + public Level queryLevelWithExpireRefresh(LevelQueryRequest request) {
    
        Level result = levelRepository.findLevelWithoutInit(request.getId());
        if (null == result || isExpired(result.getEndTime())) {
            // 如果等级为空，兜底返回L0；等级已过期，实时返回默认等级，并异步刷新
            if (result == null) {
                result = levelRepository.buildInitLevel(request.getId(), LevelEnum.L0);
            }
    
            //查询为空，或者已过期发送消息，刷新等级
    -       LevelRefreshRequest refreshRequest = buildRefreshRequest(request);
    -       levelWriteService.refreshLevel(message.getId(), refreshRequest);
            
    +       RefreshMessage refreshMessage = buildRefreshMessage(request);
    +       refreshMessageProducer.sendMessage(refreshMessage);
        }
    
        return result;
    }

- public class RefreshMessageListener extends AbstractMessageListener {
    + public class RefreshMessageListener extends AbstractOrderlyMessageListener {
    
        @Autowired
    -    private LevelWriteService levelWriteService; 
    +    private LevelWriteRegionalService levelWriteRegionalService;
    
        @Override
        protected boolean process(String tags, String msgId, String receivedMsg) {
            RefreshMessage message = JSON.parseObject(receivedMsg, RefreshMessage.class);
            if (message == null || message.getId() == null) {
                log.warn("message is invalid, ignored, src={}", receivedMsg);
                return true;
            }
    
            LevelRefreshRequest refreshRequest = buildRefreshRequest(message);
    -       levelWriteService.refreshLevel(message.getId(), refreshRequest);
    +       levelWriteRegionalService.refreshLevel(message.getId(), refreshRequest);
    
            return true;
        }
    }

面对上面代码改动，要进行富有成效的CR，下面是代码评审者必须掌握的业务和技术知识：

*  为什么存在等级为空的情况？
 *  为什么要设计成读时写？
 *  为什么不是直接计算等级，而需要用消息队列？
 *  为什么要用Regional（区域化）接口和有序消息刷新等级？

**挑战3：CR价值最大化需要团队具备卓越工程基因**

前文提到CR有助于团队内的技术交流，下面是几个笔者亲历的Case，通过对典型CR问题的广泛讨论不仅提升了业务代码的质量，而且探索到了技术创新点，逐步建立起团队追求技术卓越的氛围：

##### CASE1：一个业务使用3个时间穿越开关 #####

###### **背景** ######

时间穿越是营销类业务系统最常使用的工具之一，通过全局控制，可以提前测试某个在未来开始的业务功能。笔者接触到的一个业务由2个服务A、B组成，A是一个老应用，使用了一个开关，后来B又在不同业务场景中使用了2个新的开关，在一次CR中发现了一个业务重复使用3个不同开关的问题，由此展开了一次讨论。

private static final String CODE = "BENEFIT_TIME_THROUGH";
    
    public Date driftedNow(String userId) {
        try {
            TimeMockResult<Long> result = timeThroughService.getFutureTime(CODE, userId);
            if (result.isSuccess()) {
                return new Date(result.getData());
            }
        } catch (Throwable t) {
            log.error("timeThroughService error. userId={}", userId, t);
        }
        return new Date();
    }

###### **观点1：彻底服务化** ######

按照DRY（Don't Repeat Yourself）原则，最理想的方案是把该业务用到的时间穿越开关统一由一个服务提供，因为时间穿越工具是借助动态配置中心推送开关到本地，然后做内存计算；如果统一成服务后，A和B都需要依赖远程服务调用，而B是一个高并发的使用场景，会有较大性能损耗。

###### **观点2：富客户端** ######

把统一开关包装成一个三方库，独立提供jar包供A、B服务分别依赖，这样解决了前面方案的性能消耗问题。但两个应用需要同步做更新和升级。

###### **观点3：配置统一，重复代码三处收拢为两处** ######

该观点认为彻底服务化和富客户端属于两种极端，可以采取折中方案容忍部分代码重复，但使用相同的时间穿越开关。

###### **总结：** ######

这个Case的讨论涉及到一个公共逻辑抽取的方案权衡问题，进程内调用的富客户端性能损耗低，但后期维护和升级困难，而且过于复杂的客户端逻辑容易引发依赖方包冲突、启动耗时增加等问题；彻底服务化只需要保持接口契约一致可以实现较快迭代，但对服务提供者SLA要求高；为了平衡前两者的问题，微服务架构中的SideCar模式则是在功能性的应用容器旁部署另一个非功能性容器，使得开发团队可以对主应用和SideCar进行独立管理。关于这个问题网上有很多讨论内容读者可以进一步了解学习。

##### CASE2：SSR（服务端渲染）API稳定性优化 #####

###### **背景** ######

![图片][cb77ab02912b0df34f1c12860eacc592.png]

上图是一个典型的服务端渲染服务架构，SSR服务通过加载配置，对每个模块进行独立数据组装，并整体返回结果到端侧。一般应用在电商系统复杂只读页面的动态搭建，如首页、商品详情页、导购频道等。下面是组装数据部分的待评审代码片段。

// 提交任务
    ioTaskList.stream().forEach(t -> futures.add(pool.submit(() -> t.service.invoke())));
    
    // 阻塞获取任务结果
    futures.stream().forEach(f -> {
        try {
            result.add(f.get());
        } catch (Exception e) {
            log.error(e.getMessage(), e);
        }
    });

###### **Step1：增加固定超时控制** ######

// 提交任务
    ioTaskList.stream().forEach(t -> futures.add(pool.submit(() -> t.service.invoke())));
    
    // 阻塞获取任务结果
    futures.stream().forEach(f -> {
        try {
    -       result.add(f.get());
    +       result.add(f.get(1000, TimeUnit.MICROSECONDS));
        } catch (Exception e) {
            log.error(e.getMessage(), e);
        }
    });

###### **Step2：自适应超时控制** ######

public abstract class BaseService<T> implements Service {
    
        @Override
        public T invoke(ServiceContext context) {
            Entry entry = null;
            try {
                // 根据service类别构造降级资源
                String resourceName = "RESOURCE_" + name();
                entry = SphU.entry(resourceName);
                try {
                    // 未触发降级，正常调用后端服务
                    return realInvoke(context);
                } catch (Exception e) {
                    // 业务异常，记录错误日志，返回出错信息
                    return failureResult(context);
                }
            } catch (BlockException e) {
                // 被降级，可以fail fast或返回兜底数据
                return degradeResult(context);
            } finally {
                entry.exit();
            }
        }
    
        public abstract T realInvoke();
    }

###### **Step3：自适应超时控制+自定义资源key** ######

public abstract class BaseService<T> implements Service {
    
        @Override
        public T invoke(ServiceContext context) {
            Entry entry = null;
            try {
                // 这里的key由service实现，融合了服务类型和自定义key构造降级资源
                String resourceName = "RESOURCE_" + key(context);
                entry = SphU.entry(resourceName);
                try {
                    // 未触发降级，正常调用后端服务
                    return realInvoke(context);
                } catch (Exception e) {
                    // 业务异常，记录错误日志，返回出错信息
                    return failureResult(context);
                }
            } catch (BlockException e) {
                // 被降级，可以fail fast或返回兜底数据
                return degradeResult(context);
            } finally {
                entry.exit();
            }
        }
        
    
        public abstract String key(ServiceContext context);
    
        public abstract T realInvoke();
    }

######  ######

###### **总结：** ######

Step1很容易理解，增加1000ms超时设置可以避免某个数据源严重超时导致整个渲染API不稳定，做到fail fast，但核心挑战在于多长的超时时间算合理；Step2通过依赖降级组件，根据不同数据源服务设置不同超时时间，实现了自适应超时控制；Step3相比Step2改动非常小，不了解业务背景可能不清楚它们的区别，Step2的降级控制作用在服务类别上，比如营销服务、推荐服务各自触发降级，但还有一类数据源服务其实是网关类型，内部耗时会根据某个或某些参数不同有较大差异，例如TPP（阿里内部的算法平台，不同算法逻辑共享一个网关API，但不同算法复杂度耗时差异巨大）服务就是一个典型，所以Step3允许自定义key()实现更精细的超时控制。

![图片][ef24f33dcc8a6ad72db5cab3abf10610.png]

团队由CR引发的技术深入讨论和持续优化形成了这套自动化降级能力，上图是实际线上运行效果，可以看到系统随着依赖数据源服务RT的抖动实现了自动化自适应降级和恢复。

**CR有没有最佳实践？**

**Code Review的边界**

####  ####

![图片][b714751ee589436a6ce7c598d496d1a0.png]

对于什么是一个好代码，上图从可靠、可维护和功能完备做了划分。笔者认为CR并非包治百病的银弹，它也有它的能力边界。把设计方案交给设计评审，把业务逻辑验证交给单测；把编码规范交给静态代码扫描（Static Code Analysis），剩下部分再由Peer Review做最后一道把关。CR引发的技术传承、技术交流以及由此形成的追求卓越的团队文化，才是它的最大价值。

![图片][279b87837891ef5723780c183d7380cb.png]

**出发点：程序员的初心**

####  ####

归根结底，程序员的好奇心和匠心才是提升代码质量的根本，目前笔者所在部门已经在晋升考核中增加了CR环节，烂代码会被一票否决，这就需要日常工作中不断追求技术卓越，在平时多下功夫。

**看不见的手：自动代码扫描**

####  ####

之前在某社区看到有个热帖讨论程序员的工作是不是劳动密集型，某个回帖比较形象「我们的工作本应是CPU密集型，结果却成了IO密集型」。基本的编码规范完全可以借助代码自动化扫描识别，而这个占比也是比较高，可以有效降低CR成本。业界的CheckStyle、FindBug都有完善的CI/CD插件支持，阿里云也提供了IDE**智能编码插件**，内置了编码规范支持。

**看得见的手：Team Leader的重视**

####  ####

喊口号没有用，只有躬身入局。身边几位参加晋升同学CR的评审官普遍感受是：代码质量分布通常会团队化，不要指望个别优秀的同学带动团队的整体水平提升。确实如此，代码质量需要Team Leader高频参与CR，技术文化的形成需要主管以身作则。

--------------------

**以下是我收集到的比较好的学习教程资源，虽然不是什么很值钱的东西，如果你刚好需要，可以评论区，留言【777】直接拿走就好了**

![c1653dd19f35495583cef3678b57b6b0.png][]

![775632765b6744fbbecbd8fdd097d1ab.png][]

**各位想获取资料的朋友请****点赞 + 评论 + 收藏****，三连！**

**三连**之后我会在评论区挨个私信发给你们~

[2f109995e679c59378f7b13cebaf31cf.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/2462b7e96807460495efe5a3343e6f5c.png
[bf4a76679624b4e814873d1994c3b733.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/6143f7cd98534ba889603493301568ed.png
[8debf4cfec673f703c38b86faedf8222.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/cb035c654a8e4603885f89bc654c0d84.png
[63c6ac14f30827e9ccbdc5e921e26aac.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/439bff9d0fb84452b407d108ae07f0d6.png
[c4f618c9f0c75dbea5d960da1bbf7f36.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/cb5852c8d26d44bfa6290761a0249cec.png
[cb77ab02912b0df34f1c12860eacc592.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/587553d08e034dd5bbef7b87f3808eb6.png
[ef24f33dcc8a6ad72db5cab3abf10610.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/619c1f12a2424dec93757dbe6feb4a54.png
[b714751ee589436a6ce7c598d496d1a0.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/2ac37b36f5874e28aac3244b2389e458.png
[279b87837891ef5723780c183d7380cb.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/713f89a19b35405c9907f3feec290c7d.png
[c1653dd19f35495583cef3678b57b6b0.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/2a08b2e6838e4020904178785928e276.png
[775632765b6744fbbecbd8fdd097d1ab.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/588c837221dc438080f1cd8c1d3fdcd1.png