目录

  • 复杂
  • 重复
  • 问题
  • 可维护性
  • 质量盖茨
  • 可靠性
  • 安全
  • 尺寸
  • 测试

这不是一个详尽的指标列表。有关完整列表，请参阅SonarQube实例上的api / metrics WebAPI。

复杂

名称 键 描述
复杂
复杂

这是根据代码路径数计算的复杂度。每当函数的控制流程分裂时，复杂性计数器就会增加1。每个函数的最小复杂度为1.由于关键字和功能性的原因，这种计算方式因语言而略有差异。

更多细节
认知复杂性 cognitive_complexity 理解代码的控制流程有多困难。请参阅https://www.sonarsource.com/resources/white-papers/cognitive-complexity.html以获取有关用于计算此度量的数学模型的完整说明。

重复

名称 键 描述

重复的块

duplicated_blocks

重复行数的块数。

对于被认为是重复的代码块：

  • 非Java项目：

    • 应该有至少100个连续和重复的令牌。
    • 这些令牌至少应该分布在：
      • COBOL的30行代码
      • 用于ABAP的20行代码
      • 其他语言的10行代码
  • Java项目：
    • 无论有多少个令牌和行，至少应该有10个连续的重复语句。

在检测重复时忽略缩进和字符串文字中的差异。
重复的文件 duplicated_files 涉及重复的文件数量。
重复的线条
duplicated_lines 涉及重复的行数。
重复行数（％） duplicated_lines_density

重复密度= 重复行数 / 行数 * 100

问题

名称 键 描述

新问题

new_violations

新问题的数量。

新的xxxxx问题

new_xxxxx_violations

严重性为xxxxx，xxxxx为b locker，critical，major，minor或info的新问题的数量。

问题

违规

问题的数量。

xxxxx问题

xxxxx_violations

严重性为XXXXX，XXXXX为阻滞剂，严重，主要，次要或信息的问题数量。
假阳性问题 false_positive_issues 误报问题的数量
开放式问题 开放式问题 状态为“打开”的问题数量
确认的问题 confirmed_issues 已确认状态的问题数量
重新开放的问题 reopened_issues 状态被重新打开的问题的数量

严重

严重
描述
拦截器 操作/安全  风险：此问题可能会使整个应用程序在生产中不稳定。例如：调用垃圾回收器，不关闭套接字等。
危急 操作/安全  风险：此问题可能会导致生产中的意外行为，而不会影响整个应用程序的完整性。例如：NullPointerException，严重捕获异常，缺少单元测试等。
重大的 这个问题可能会对生产力产生重大影响  。例如：过于复杂的方法，封装周期等
次要 这个问题可能会对生产力产生潜在的和次要的影响  。例如：命名约定，Finalizer只是调用超类终结器等。
信息 未知或尚未明确定义的安全风险或对生产力的影响。 

可维护性

名称 键 描述
代码嗅觉 code_smells 代码气味的数量。
新代码嗅觉 new_code_smells 新的代码气味的数量。
可维修性评级（以前称为SQALE评级） sqale_rating

您的项目评级与您的技术债务比率相关。默认的可维护性评估网格是：

A = 0-0.05，B = 0.06-0.1，C = 0.11-0.20，D = 0.21-0.5，E = 0.51-1

可维护性评估量表可以交替陈述，如果未解决的补救成本是：

  • <=已进入应用程序的时间的5％，评级为A.
  • 6至10％之间的评级是B
  • 在11％至20％之间的评级是C
  • 在21到50％之间，评级是D
  • 任何超过50％是E
技术债务 sqale_index 努力解决所有可维护性问题。度量在数据库中以分钟存储。当以天为单位显示数值时，假定每天8小时。
新代码的技术债务 new_technical_debt 新代码的技术债务
技术债务比率 sqale_debt_ratio

开发软件的成本与修复软件的成本之间的比率。技术债务比率公式为：

   修复成本/开发成本

其中可以重申为：

 修复成本/（开发1行代码的代价*代码行数）
开发一行代码的成本值为0.06天。

新代码的技术债务比率 new_sqale_debt_ratio

开发代码的成本与泄漏期间的代码成本之间的比率。

质量盖茨

名称 键 描述
质量门状态 alert_status 与您的项目相关的质量门的状态。可能的值有：ERROR，WARN，OK
质量门详细信息 quality_gate_details 对于您的质量门的所有条件，您知道哪些情况是失败的，哪些不是。

可靠性

名称 键 描述
错误 虫子 错误数量。
新的错误 new_bugs 新bug的数量。
可靠性评级 reliability_rating

A = 0错误
B =至少1次轻微错误
C =至少1次重大错误
D =至少1次严重错误
E =至少1次阻止程序错误
可靠性修复努力 reliability_remediation_effort 努力解决所有错误问题。度量在数据库中以分钟存储。当以天为单位显示数值时，假定每天8小时。
新代码的可靠性修复工作 new_reliability_remediation_effort 与在泄漏期间更改的代码的可靠性修复工作相同。

安全

名称 键 描述
漏洞 漏洞 数v ulnerabilities。
新的漏洞 new_vulnerabilities 新漏洞的数量。
安全评级 security_rating

A = 0漏洞
B =至少1次轻微漏洞
C =至少1次重大漏洞
D =至少1次严重漏洞
E =至少1次阻止漏洞
安全补救努力 security_remediation_effort 努力解决所有的V ulnerability问题。度量在数据库中以分钟存储。当以天为单位显示数值时，假定每天8小时。
新代码的安全修复工作 new_ 安全_remediation_effort 与在泄漏期间更改的代码相同的安全补救措施。

尺寸

公
键
描述
类
类 类的数量（包括嵌套类，接口，枚举和注释）。
评论行
comment_lines

包含注释或注释代码的行数。

非重要的注释行（空注释行，仅包含特殊字符的注释行等）不会增加注释行的数量。

以下代码段包含9条注释行：

/**                                    +0 => empty comment line
 *                                     +0 => empty comment line
 * This is my documentation            +1 => significant comment
 * although I don't                    +1 => significant comment
 * have much                           +1 => significant comment
 * to say                              +1 => significant comment
 *                                     +0 => empty comment line
 ***************************           +0 => non-significant comment
 *                                     +0 => empty comment line
 * blabla...                           +1 => significant comment
 */                                    +0 => empty comment line
  
/**                                    +0 => empty comment line
 * public String foo() {               +1 => commented-out code
 *   System.out.println(message);      +1 => commented-out code
 *   return message;                   +1 => commented-out code
 * }                                   +1 => commented-out code
 */                                    +0 => empty comment line

更多细节
注释 （％） comment_lines_density

注释行的密度= 注释行 /（代码行 + 注释行）* 100

有了这样一个公式：

  • 50％表示代码行数等于注释行数
  • 100％表示该文件只包含注释行

目录

 目录 目录数量。
档
档 文件数量。
行
线 物理线数（回车数）。
代码行
ncloc

包含至少一个既不是空白也不是制表符，也不是注释部分的字符的物理行数。

更多细节
每种语言的代码行数 ncloc_language_distribution 按语言分布的代码非注释行

功能

 功能

功能数量。根据语言的不同，函数可以是函数，也可以是方法或段落。

更多细节
项目
项目 视图中的项目数量。

声明

 声明

报表数量。

更多细节

测试

公
键
描述
公
键
描述
条件覆盖
branch_coverage

在包含一些布尔表达式的每行代码中，条件覆盖率只会回答以下问题：'每个布尔表达式是否都被评估为true和false？'。这是在单元测试执行期间遵循的流量控制结构中可能条件的密度。

Condition coverage = (CT + CF) / (2*B)
where
CT = conditions that have been evaluated to 'true' at least once
CF = conditions that have been evaluated to 'false' at least once
B = total number of conditions

新代码的条件覆盖 new_branch_coverage

与条件覆盖范围相同，但仅限于新的/更新的源代码。
条件覆盖命中 branch_coverage_hits_data 涵盖的条件列表。
条件按线路 conditions_by_line 线条件数。
按行覆盖条件 covered_conditions_by_line 按行覆盖的条件数量。
覆盖
覆盖

它是线路覆盖和条件覆盖的组合。它的目标是为以下问题提供更准确的答案：单元测试覆盖了多少源代码？

Coverage = (CT + CF + LC)/(2*B + EL)
where
CT = conditions that have been evaluated to 'true' at least once
CF = conditions that have been evaluated to 'false' at least once
LC = covered lines = lines_to_cover - uncovered_lines
B = total number of conditions
EL = total number of executable lines (lines_to_cover)

覆盖新代码 new_coverage

与Coverage相同，但仅限于新的/更新的源代码。
线路覆盖
line_coverage

在给定的代码行中，行覆盖范围只是回答以下问题：在执行单元测试期间是否已执行此代码行？它是由单元测试覆盖的线的密度：

Line coverage = LC / EL
where
LC = covered lines (lines_to_cover - uncovered_lines)
EL = total number of executable lines (lines_to_cover)

新代码的在线覆盖率 new_line_coverage 与线路覆盖范围相同，但仅限于新的/更新的源代码。
线路覆盖命中 coverage_line_hits_data 被覆盖的线列表。
要覆盖的行
lines_to_cover 单元测试可以覆盖的代码行数（例如，空白行或完整注释行不被视为要覆盖的行）。
包含新代码的行 new_lines_to_cover 与要覆盖的行相同，但仅限于新的/更新的源代码。
跳过单元测试 skipped_tests 跳过的单元测试次数。
未覆盖的条件
uncovered_conditions 未被单元测试覆盖的条件数量。
揭秘条件的新代码 new_uncovered_conditions 与未覆盖的条件相同，但仅限于新的/更新的源代码。
未覆盖的线
uncovered_lines 未被单元测试覆盖的代码行数。
在新代码中发现线条 new_uncovered_lines 与Uncovered行相同，但仅限于新的/更新的源代码。
单元测试
测试 单元测试次数。
单元测试时间 test_execution_time 执行所有单元测试所需的时间。
单元测试错误
test_errors 失败的单元测试数量。
单元测试失败
test_failures 发生意外异常的单元测试失败次数。
单元测试成功密度（％） test_success_density 测试成功密度=（单元测试 - （单元测试错误 + 单元测试失败））/ 单元测试 * 100

集成测试覆盖率和总体测试覆盖率（单元测试+集成测试）存在相同的度量标准。

集成测试和总体测试不存在测试执行的度量标准。

sonar连接：https://docs.sonarqube.org/display/SONAR/Metric+definitions#Metricdefinitions-Tests

stack overflow:

https://stackoverflow.com/questions/11561622/what-is-the-difference-between-code-coverage-and-line-coverage-in-sonar

sonar 中质量指标（度量）相关推荐

  1. Sonar中的技术债务简要了解

    sonar中技术债务的计算基于SQALE(Software Quality Assessment based on Lifecycle Expectations,基于生命周期期望的软件质量评估)方法学 ...

  2. 开源：Angularjs示例--Sonar中项目使用语言分布图(CoffeeScript版)

    关于SonarLanguage是什么东东,这里就不在描述了,如果你对它感兴趣的话,请移步到上篇随笔开源:Angularjs示例--Sonar中项目使用语言分布图.这里是最近学习CoffeeScript ...

  3. 机器学习中的度量—— 向量距离

    机器学习是时下流行AI技术中一个很重要的方向,无论是有监督学习还是无监督学习都使用各种"度量"来得到不同样本数据的差异度或者不同样本数据的相似度.良好的"度量" ...

  4. 用paddleocr识别汉字_汉字设计中的度量标准（三）

    x 高度.大写字母高度. 上升部高度.下降部高度. 字干粗细.字身倾斜角度-- 这些参数是今天衡量.描述 一款西文字体最基本的度量标准, 并由此将西文字体带向参数化与可变字体. 回顾汉字设计,我们是不 ...

  5. sonar java_修复Sonar中常见的Java安全代码冲突

    sonar java 本文旨在向您展示如何快速修复最常见的Java安全代码冲突. 它假定您熟悉代码规则和违规的概念以及Sonar如何对其进行报告. 但是,如果您以前从未听过这些术语,则可以阅读Sona ...

  6. 修复Sonar中常见的Java安全代码冲突

    本文旨在向您展示如何快速修复最常见的Java安全代码冲突. 它假定您熟悉代码规则和违规的概念以及Sonar如何对其进行报告. 但是,如果您以前从未听说过这些术语,则可以阅读Sonar Concepts ...

  7. 【论文翻译】HeteSim：异构网络中相关性度量的通用框架

    原文链接:https://blog.csdn.net/Mrong1013967/article/details/115330139 HeteSim:异构网络中相关性度量的通用框架 摘要 相似性搜索是许 ...

  8. 机器学习中的度量——字符串距离

    机器学习是时下流行AI技术中一个很重要的方向,无论是有监督学习还是无监督学习都使用各种"度量"来得到不同样本数据的差异度或者不同样本数据的相似度.良好的"度量" ...

  9. 机器学习中的度量指标：ROC曲线，AUC值，K-S曲线

    机器学习中的度量指标:ROC曲线,AUC值,K-S曲线 首先,回顾一下二分类问题的一些定义: 预测 1 0 实 1 TP FN ​际 0 FP TN 上表中,四个项分别为:TP真阳性:FN假阴性:FP ...

最新文章

  1. Ubuntu升级后apache所有的失败，以解决虚拟文件夹的设置
  2. AngularJS第二课（指令，作用域，控制器）
  3. Python进阶03 模块
  4. C++ Primer 5th笔记（7）chapter7 类：类的静态成员
  5. java面试题三十一
  6. python安装requests模块失败_No module named quot;Cryptoquot;，如何安装Python三方模块Crypto...
  7. 让你不再害怕指针.pdf
  8. 微软：今年要让Office 2007寿终正寝
  9. 如何解决aText for mac不响应的教程
  10. eclipse properties 中文显示编码_JMeter点道为止系列(1)JMeter配置文件jmeter.properties常用配置项...
  11. 开发了一款chrome扩展程序
  12. 谈debug版本可以正常运行，而在release下运行出错之原因及避免类似情况发生
  13. 企业邮箱的反垃圾邮件功能是怎么实现的？
  14. Mendeley－一款免费好用的文献管理软件
  15. 2020年东三省玉米种植分布数据
  16. 随机过程（random process）
  17. Python数据挖掘与机器学习实战——回归分析——线性回归及实例
  18. 使用Remmina远程登录Ubuntu系统并实现文件共享（可实现类似Teamviewer功能）
  19. SRAM cell 详解
  20. Thinkpad X200 屏幕备案

热门文章

  1. python实现最小二乘法（转）
  2. java.lang.ExceptionInInitializerError的原因
  3. [转] 以 async/await 为例，说明 babel 插件怎么搭
  4. PPT幻灯片转换成word的软件
  5. 为了30分钟配送，盒马工程师都有哪些“神操作”？
  6. VeeValidate 的使用场景以及配置
  7. 单手撸了个springboot+mybatis+druid
  8. Azure已成为微软业绩的顶梁柱
  9. 前端开发的模块化和组件化的定义，以及两者的关系
  10. 在Webstorm中配置Compass Watcher