在大型软件系统中，随着业务的发展和变迁，部分代码线上已经废弃或者出现冗余，由于种种原因没有被及时删除和治理，随之而来的是代码维护成本提升。
代码精简的价值如上图所示，并由此成为服务治理的一个重要方向，在业界头部企业也有对应的治理项目谷歌【死神】项目，用机器人大规模删除代码：二十多年积累了数十亿行，已删除 5%C++ 代码, 其主要思路是通过程序自动识别代码否正在运行，并将识别结果和原因提交给工程师处理。
•无引用的变量、代码块、方法、类
•被注释的代码
•无流量的僵尸代码：已下线的功能、已被重构的历史代码等
•存量代码治理：采用关停并转（应用维度或者功能模块维度）、使用动态观测工具和静态分析工具识别无效代码和重复代码、代码重构等多个手段进行组合治理
•增量代码治理：利用 jacoco+ 集成测试，识别增量代码的无效部分，随着集成测试 case 越来越丰富也可以辅助用来做存量代码治理与保障系统稳定性。superJacoco 就是这种方案的代表产物，其背景是在实际项目测试过程中，case 的设计经常会出现以下问题：
1.开发同学写了大量单测，一直重复执行一段代码逻辑，少数场景或异常代码逻辑并未执行到；
2.测试同学设计的测试用例经过反复评审，仍然有未覆盖到的异常场景，出现漏测情况；
3.接口自动化测试 case 作为日常回归手段，无法确定是否覆盖所有代码逻辑，其可靠性无法评估。
基于团队现状，应用集成 jacoco 并结合集成测试，可一举多得：
•沉淀的集成测试项目可用于后续保障应用稳定性
•集成测试单独触发的 jacoco 快照，可用于针对性的解决代码精简的范围
•检验测试用例的覆盖范围
单元测试是白盒测试，测试团队的自动化测试（系统测试）属于黑盒测试，集成测试介于两者之间属于灰盒测试。集成测试是保障服务稳定性的重要手段，最佳路径是 TDD，需要建设对应的团队文化和工作流程。
笔者总结了如下 5 种方案用于代码精简的生产实践：
•利用 jacoco 观测线上代码覆盖情况
•APM 产品观测代码块执行情况， UMP（京东内部自研传统报警监控系统）+Pfinder（京东内部自研全链路追踪产品，同 SkyWalking）
•利用静态代码扫描识别无引用的变量、代码块、方法、类
•jacoco + APM 产品组合观测线上流量 + 静态代码扫描
•集成测试 + jacoco 实现精准测试
长期来看，无效代码/重复代码识别可以往平台化/自动化的方向发展：
•平台化： 无侵入的收集代码覆盖率数据，和环境无缝对接，收集自定义时间段代码全量/增量覆盖率，并提供可视化报表，以及支撑精准测试落地。比如：Sonar（静态）、SuperJacoco
•自动化： 将冗余代码识别整合到 CI/CD 流程中，设置相应的审核/卡点机制。此环节比较出名的工具有：jenkins、hudson 等，我们可以自定义行云流水线，和流水线原子来落地
通过 JavaAgent 方式无侵入的接入 Jacoco，可监控到代码级别是否被执行的情况。参考资料 JaCoCo 助您毁灭线上僵尸代码，共有 3 个工具：
•原生 Jacoco 接入
•京东行云流水线集成（二开 Jacoco）
•滴滴开原方案 Super-Jacoco
1.在工程内的 pom 中引入 jar 依赖
<dependency>
<groupId>org.jacoco</groupId>
<artifactId>org.jacoco.ant</artifactId>
<version>0.8.3</version>
</dependency>
<dependency>
<groupId>org.apache.ant</groupId>
<artifactId>ant</artifactId>
<version>1.9.9</version>
</dependency>
1.在工程内增加 http 接口，用于通过 ant 执行 dump task 生成 Dump Coverage 文件
@RestController
@RequestMapping("/coverage")
public class CoverageController {
@PostMapping("dump")
@NoCheckMenuPermission
public Result<Boolean> dumpCoverageFile() {
DumpTask dumpTask = new DumpTask();
// dump文件地址
dumpTask.setDestfile(new File("/xxxxx/xxxxx/coverage/code-cover.exec"));
// 多次dump追加形式
dumpTask.setAppend(true);
// 选一个空闲接口即可
dumpTask.setPort(8800);
// 默认本机
dumpTask.setAddress("127.0.0.1");
dumpTask.execute();
return Result.succeed(true);
}
}
1.程序启动引入 jacoco 的 javaAgent
在服务端需要 jacocoagent 增强的 jar 包，获取方式有两种：
•在服务端中解压 org.jacoco.agent 这个 jar 获取 jacocoagent
jar -xvf $BASEDIR/lib/org.jacoco.agent-0.8.3.jar
•直接将 jacocoagent 上传至 oss, wget 命令拉取到服务本地
wget "http://storage.jd.local/bpp-quality-public/code_coverage_statistics/jacoco-0.8.7-20210115.151120-42.tar.gz"
java 应用启动添加如下参数：
includes 为需要监控的代码包路径
-javaagent:$BASEDIR/bin/jacocoagent.jar=includes=com.jdwl.*,output=tcpserver,port=8840,address=127.0.0.1 -Xverify:none
1.dump 文件分析
请求应用 "coverage" http 接口，并下载 "code-cover.exec" 文件到本地，打开 idea -> run -> show coverage data 选择对应的 exec 文件即可获取服务端的代码覆盖情况。效果如下图所示：
缺点：
•源码层面集成（maven 依赖、HTTP 接口触发数据采集）
•没有体现代码执行频次/执行时间
•监控数据是单机的，没有全局看板
•线上发布较长时间后结合代码实际执行命中情况进行清理
优点：
•不需要侵入业务代码，可识别到代码行级别是否被执行到
原子输出如下：
缺点：
•没有体现代码执行频次/执行时间
•线上发布较长时间后，结合代码实际执行命中情况进行清理
优点：
•对比原生 Jacoco 接入，无需源码层面集成（比如：maven 依赖、HTTP 接口触发数据采集）
•监控数据是全局看板（可以配置多个 IP 进行采集合并）
•不需要侵入业务代码，可识别到代码行级别是否被执行到
开源工具：https://github.com/didi/super-jacoco/tree/master#readme
Super-Jacoco 是基于 Jacoco、git 二次开发打造的一站式 JAVA 代码全量/diff 覆盖率收集平台，能够低成本、无侵入的收集代码覆盖率数据；Super-Jacoco 除了支持 JVM 运行时间段的覆盖率收集外；还能够和环境无缝对接，收集服务端自定义时间段代码全量/增量覆盖率；并提供可视化的 html 覆盖率报表，协助覆盖率分析，支撑精准测试落地。
•无需对开发代码做任何改造，只需在服务启动命令中添加 javaagent 即可。
•依托于 Super-Jacoco，基于 Jacoco、Git 二次开发，收集两个版本间增量代码差异。
•用户执行测试用例，用例执行过程中 Jacoco 会记录代码覆盖情况。
•生成可视化的 HTML 覆盖率报告，协助用例覆盖情况精准分析。
部署参考文档：https://blog.csdn.net/meifannao789456/article/details/121738716
缺点：没有体现代码执行频次/执行时间，但用于精准测试场景，可不用关心这两个问题。
使用 APM 产品（Application performance monitoring，应用程序性能监控）对应用流量入口（HTTP，JSF，MQ）或者代码块维度进行监控，筛选出一定时间内没有流量的代码进行治理，为提高效率可结合静态代码分析工具，清理无引用的的代码。
HTTP 流量观测
可使用 UMP、PFinder 来观测
JSF 流量观测
可根据业务现状，利用 UMP、泰山 JSF 流量观测 、PFINDER、SideCar 对 JSF 流量进行监控。推荐JSF 流量观测，无须接入，效果如下，可具体到方法层面流量情况，并能反应客户端信息：
MQ 流量观测
可根据业务现状，利用 UMP、PFINDER、SideCar 对 MQ 流量进行监控，推荐 SideCar 方案 wormhole https://taishan.jd.com/wormhole/overview , 无侵入，无 MQ 版本限制，且接入成本低。
监控粒度：可以通过编码方式最小监控到代码块级别，目前主要应用于方法级别的监控
接入方式：集成 UMP SDK，需要编写代码实现对关注业务的监控，多应用于一般业务代码、AOP 切面
可监控范围：可通过多种形式的代码集成方式，可对任意维度流量进行监控
优点：可控性强，很灵活，存量应用大部分已接入
缺点：有一定代码耦合度，增量观测需要编写代码
监控粒度：最小可以通过编码方式监控到代码块级别，在全链路追踪中，最小的可观测单元是 span(跨度)，目前默认情况下 pfinder 的 span 主要用于定义跨容器通信的网络节点。
接入方式：有两种方式，
•通过 javaAgent 方式无侵入的集成，最小只能监控到方法级别
•通过 javaAgent + SDK 的方式集成，通过编码方式最小可监控到代码块级别，但是每个应用的自定义 SPAN 有数量限制, 示例如下：
//自定义metric
public static final MetricPlan<Histogram> TIMED_PLAN = PfinderContext.getMetricRegistry()
.histogram("XXXXXXXX")
.tagKeys("client_sign") //
.build();
MethodExecutionWatcher watcher = PFinderUtils.TIMED_PLAN.ofTagValues(new String[]{"newPop"}).watcher();
try{
....
} catch (Exception e) {
watcher.fault();
throw e;
} finally {
watcher.close();
}
效果如图：
可监控范围：可通过监控代码耦合和注解方式进行集成，可对 HTTP,JSF,MQ,数据库等流量进行监控
优点：有一定灵活性，全链路追踪 trace 上默认有很多关键 span，可自定义 metric, 存量应用大部分已接入
缺点：代码块观测需要编写代码，有一定代码耦合度，且自定义 span 有数量限制
公司内部已整体采用了 kubernetes 作为 容器编排 paas 底座，并参考 Istio 自研了 SideCar 容器产品 wormhole https://taishan.jd.com/wormhole/overview，可用于应用观测、服务治理、混沌演练。
监控粒度：东西流量网络端点——JSF 接口/MQ/http，HTTP 由于数据规模过大，目前只存储到 POD 端口级别的监控数据
接入方式：利用 k8s 服务编排，无侵入接入业务系统，由于公司内部 k8s 版本问题，部分分组不支持
可监控范围：JSF 接口/MQ ，监控示例如下：
优点：无侵入，以应用为中心的观测方式比较全面
缺点：JSF 监控粒度到接口级别，HTTP 监控到端口级别
借助 IDEA 自带的代码审查功能、PMD、SonarLint 等工具对代码进行静态检测，从代码精简的角度出发，可以识别的问题如下：
•DEAD CODE（僵尸代码识别）
•REPEAT CODE（重复代码）
利用静态分析工具寻找悬挂引用点，这种方案的缺陷：
•无法找到通过反射机制得到的引用点。
•存在继承体系的情况下，静态扫描无法有效识别悬挂引用点。
IntelliJ IDEA 具有强大、快速和灵活的静态代码分析功能。可以发现多种情况的代码效率低下。每当你遇到一些无法访问的代码、未使用的代码、非本地化的字符串、未解决的方法、内存泄漏甚至拼写问题 - 你就会发现代码检查很有用。
4.1.1 示例
代码审查相关功能在 Code 菜单这里（如下图）。两条灰色的线条将这几项归为一类：
点击 OK 运行，在 problem 视窗里可以看到 “有问题” 的代码：
经过审查，本工程里的 “坏味道” 代码就在 problem 视窗指出了。如图，IDEA 针对性的提供了便捷的一键处理按钮，你可以快速处理， IDEA 静态扫描问题清单 。
自动检查清除冗余资源
自动检查清除冗余资源详细功能 Name 对应 Idea 中 Preferences—>Editors—>Inspections 中所有内容
1、清理无效类 Run Inspection by Name：Empty Class
2、查看未使用方法 Run Inspection by Name：Unused declaration
包含了项目里面声明了没用使用过的变量,方法和类
对于检测的内容，idea 提供四种解决方案
3、查看类中有未使用引用 Run Inspection by Name：Unused import
IntelliJ IDEA 搜索重复项
1.执行以下操作之一：
◦在主菜单上选择 分析 | 查找重复项（Analyze | Locate Duplicates）。
◦在编辑器或项目工具窗口的上下文菜单中选择分析 | 找到重复命令（Locate Duplicates）。
2.在 "指定代码复制分析范围" 对话框中，指定分析范围（整个项目、当前文件、未提交的文件（对于版本控制下的项目）或某些自定义范围）。此外，您还可以将测试源包含在分析中。
3.单击 “确定”，准备就绪。
4.在 “代码复制分析设置” 对话框中，请执行以下操作：单击 “确定”。
1.选择要在其中执行分析的语言。
2.对于每种语言，请检查选项以定义分析的首选项。
3.例如，您可以选择请求相同的代码片段匹配被视为重复项，或者指定一个特定的限制，以下的代码结构不被认为是重复的（以避免报告if源代码中的每个构造）。
5.在 “重复” 工具窗口，浏览搜索结果。
•在工具窗口的左窗格中查看重复项列表。
•查看右窗格中找到的重复项之间的差异。使用箭头按钮将所选副本放在差异查看器的其中一个部分，并比较代码片段。
•导航到编辑器中的重复项，使用 “跳转到源” 或 “显示重复上下文” 菜单的源命令。
•通过单击并在 "提取方法" 对话框中指定方法名称和参数来消除源代码中的重复项。这个程序类似于提取方法重构，唯一的区别是，在重复分析的情况下，重复的代码块被自动找到。
IntelliJ IDEA 动态检测重复项
IntelliJ IDEA 可以动态查找重复的内容。这是由检查 一般 | 重复的代码（（General | Duplicated Code））。
如果您偶然发现一个现有的副本，或者通过编写或粘贴代码创建一个副本，您将立即知道：
检查伴随着快速修复，它使您能够导航到检测到的重复项，或在 "查找工具" 窗口中查看所有这些副本：
请注意，IntelliJ IDEA 有助于避免在生成的源中找到重复项。
为此，选中该复选框可忽略在 "检查设置" 页中标记为 "生成的源" 中的重复代码：
代码审查的策略
IDEA 怎么知道这是坏味道代码的？遵照什么规则？显然，一切都是 “有法可依”，它在这：设置 -> Editor -> Inspections
PMD 侧重面向安全编码规则，且具备一定的数据流分析和路径分析能力，能力比 CheckStyle 稍微强点，并且 PMD 支持自定义规则，PMD 可以直接使用的规则包括以下内容：
•未使用的代码（Dead code） ：未使用的变量、参数、私有方法等
•复杂的表达式：不必须的 if 语句、可被 while 替代的 for 循环
•重复的代码：拷贝/粘贴代码意味着拷贝/粘贴 bugs
•循环体创建新对象：尽量不要在循环体内实例化新对象
安装步骤
IDEA 通过 File > Settings > Plugins > Marketplace 搜索 “PMD”，按照提示进行安装，然后重启即可
配置检测规则
通过 File > Settings > Other Settings > PMD 可以打开检测规则的设置界面：
在 “RuleSets（规则设置）” 界面可以管理自定义的检测规则。因为在实际工作中，可能需要根据实际情况自定义检测规则，就可以通过这里导入，如果要使用它，需要在启动 PMD 进行检测时选择该自定义规则。
点击 “Options” 选项卡，在其中可以配置一些检测规则选项：
其中重点需要留意的是 “Skip TestSource” 这一项，选择上述选项后可以将其过滤掉。
运行方式
（1）从 Tools 菜单中启动：
通过 Tools > Run PMD 可以看到如下的界面，如果通过该方式启动，扫描的范围就是整个项目中的文件了。
•Pre Defined：预定义的规则，也就是插件自带的检测规则。后面展开的列表中列出了所有的规则列表，想扫描哪一种类型的问题，点击即可。其中 “All” 表示使用所有的规则。
•Custom Rules：自定义的检测规则，PMD 允许用户根据需要自定义检查规则，默认这里是不可点击的，需要在设置中导入自定义规则文件后方可选择。
（2）从右键菜单中启动：
在文件或者编辑器中点击右键，也可以看到 “Run PMD” 选项，如果通过该方式启动， 检测范围取决于鼠标或光标当前所选中的区域。
运行结果
运行后会出现如上所示的面板，左边工具栏，鼠标停留在上面会提示其功能；右边显示了检测结果，当点击具体某一问题项时，会跳转到对应的源码中。
Maven 提供了 PMD 项目报告插件，能让用户生成静态代码分析审查报告
POM 配置：
<project>
...
<reporting>
<plugins>
<plugin>
<groupId>org.apache.maven.plugins</groupId>
<artifactId>maven-pmd-plugin</artifactId>
<version>3.21.0</version>
<configuration>
<rulesets>
<ruleset>/rulesets/java/braces.xml</ruleset>
<ruleset>/rulesets/java/naming.xml</ruleset>
</rulesets>
</configuration>
</plugin>
</plugins>
</reporting>
</project>
执行 PMD 检查：
mvn site
生成的文件为 target/site 目录下的 pmd.html 文件
Files
com/baeldung/pmd/Cnt.java
Violation Line
Avoid short class names like Cnt 1–10
Avoid using short method names 3
Avoid variables with short names like b 3
Avoid variables with short names like a 3
Avoid using if...else statements without curly braces 5
Avoid using if...else statements without curly braces 7
Sonar 不仅关注常规静态 BUG，还关注到了如代码质量、包与包、类与类之间的依赖情况，代码耦合情况，类、方法、文件的复杂度，代码中是否包含大量复制粘贴的代码，关注的是项目代码整体的健康情况。sonar 有两种使用方式：插件和客户端，sonar 的插件名称为 sonarLint，可用于集中式卡点。
安装步骤
通过 File > Settings > Plugins > Marketplace 搜索 “SonarLint”，按照提示进行安装，然后重启即可
使用说明
右键项目或者文件进行如上图所示操作，执行之后可以看到如下信息，如果代码中有不合理的地方会在 report 中显示，同时点击错误的地方在右边会给出建议的修改供参考。
配置 SonarLint 服务端
配置 Sonar 服务器
sonarLint 插件的使用场景是自用自审，但 sonar 也提供了平台版本，使用场景则是他审，sonar 平台的搭建就不在这篇文章介绍了，感兴趣的读者可以自己上网查看，我们这里主要介绍如何在 sonarLint 插件中配置关联 sonar 平台服务器的工程，进行本地检查：
点击新增按钮，输入Configuration Name，配置sonarlint 服务器的地址，然后下拉框选择 Login/Password，输入 sonarlint服务器的账号密码
具体 Sonar 工程配置
配置完服务器之后，需要针对具体工程进行配置，点击 connection下拉框，选择上面配置好的服务器连接，然后点击 Search in list，找到对应的工程：
使用 SonarLint 检查
配置完上面两步之后，接下来就可以选择要进行检查的类或者目录进行 sonarlint 检查了（跟第 3 点的使用方式一致），同时，在 commit 代码的时候，勾选 “Perform Sonarlint analysis”，会针对你要提交的代码进行 sonarlint 检查
