技术债务的量化管理

技术债务不是抽象概念，可以测量、追踪、还清。

什么是技术债务

定义

“为了短期利益而选择不理想的解决方案，后期需要’还债’。“

类型

类型	例子	成本
无意的	赶工期写脏代码	高
有意的	先 MVP 后重构	中
比特腐烂	代码随时间退化	高
架构偏移	不符合原设计	中

测量方法

1. 代码质量指标

# 圈复杂度（Cyclomatic Complexity）
def calculate_complexity(function_ast):
    """McCabe 复杂度 = 判断节点数 - 1"""
    return count_decision_nodes(function_ast) - 1

# 阈值
# < 10: 简单
# 10-20: 中等
# > 20: 复杂（需要拆分）

指标	工具	阈值
圈复杂度	Lizard、radon	< 20
代码重复	SonarQube、jscpd	< 5%
文件长度	cloc、自定义脚本	< 500 行
函数长度	自定义 Linter	< 50 行

2. 静态分析得分

# SonarQube
sonar-scanner -Dsonar.projectKey=myproject

# 输出
- Bugs: 23
- Code Smells: 156
- Vulnerabilities: 7
- Technical Debt Ratio: 12.3%  # 债务比率

3. 时间追踪

# 记录债务
class DebtTracker:
    def __init__(self):
        self.debts = []

    def add(self, description, interest_hours, priority):
        """添加新债务"""
        self.debts.append({
            "description": description,
            "interest_hours": interest_hours,
            "priority": priority,  # high/medium/low
            "created_at": datetime.now(),
            "status": "unpaid"
        })

# 使用
tracker = DebtTracker()
tracker.add(
    description="临时拼接 SQL",
    interest_hours=2,  # 每周多花 2 小时
    priority="medium"
)

4. 团队共识评分

# 团队评估
def assess_debt_item(item):
    """1-10 分评分"""
    scores = {
        "business_impact": rate(1, 10),  # 业务影响
        "fix_effort": rate(1, 10),      # 修复工作量
        "urgency": rate(1, 10),           # 紧迫性
        "maintainability": rate(1, 10),   # 可维护性
    }
    return sum(scores.values())

# 示例
debt_score = assess_debt_item({
    "description": "没有测试的支付模块",
    "business_impact": 8,  # 影响大
    "fix_effort": 3,       # 容易修
    "urgency": 6,           # 较急
    "maintainability": 9,    # 难维护
})

债务分类框架

优先级矩阵

        低修复成本   高修复成本
低业务影响    LOW          MEDIUM
高业务影响    MEDIUM       HIGH

立即处理：HIGH + 低修复成本
计划处理：MEDIUM
技术债务池：LOW + 高修复成本

量化评估表

债务项	影响分数	修复成本	优先级	还债时间
没有类型检查	8	2	HIGH	本周
硬编码配置	6	5	MEDIUM	下周
未使用的依赖	3	4	LOW	下月
过时的 API	4	8	LOW	下季度

还债策略

1. 防止新债

# PR 检查
def pr_check(pr):
    checks = []

    # 复杂度
    complexity = calculate_complexity(pr.diff)
    if complexity > 20:
        checks.append(f"复杂度 {complexity} > 20，请拆分")

    # 覆盖率
    if pr.coverage < 80:
        checks.append(f"覆盖率 {pr.coverage}% < 80%")

    # 技术债务注释
    if has_tech_debt_comments(pr.diff):
        checks.append("发现 TODO/FIXME，请创建 Issue")

    return checks

2. 20% 规则

# 每个 Sprint 20% 时间用于还债
def sprint_planning(total_days, debt_items):
    work_days = total_days * 0.8  # 80% 新功能
    debt_days = total_days * 0.2   # 20% 还债

    # 选择高优先级债务
    selected = sorted(debt_items, key=lambda x: x.score)[:debt_days]
    return work_days, selected

# 使用
work, debts = sprint_planning(10, all_debts)
print(f"新功能: {work} 天")
print(f"还债: {debts}")

3. 重构 vs 重写

场景	决策
< 1000 行，逻辑清晰	重构
> 5000 行，架构错误	重写
核心路径，频繁修改	重写
边缘功能，少用	重构

工具

SonarQube

# sonar-project.properties
sonar.projectKey=my-project
sonar.sources=src
sonar.tests=tests
sonar.sourceEncoding=UTF-8
sonar.python.coveragePlugin=coverage
sonar.python.pylint.reportPath=report-pylint.txt

# 运行分析
sonar-scanner

Code Climate

# .codeclimate.yml
languages:
  Python:
    eslint:
      enabled: true
  JavaScript:
    eslint:
      enabled: true

ratings:
  paths:
  - "src/**"
  exclude_paths:
  - "tests/**"
  - "dist/**"

GitHub Actions + Debt Tracker

# .github/workflows/tech-debt.yml
name: Tech Debt Report

on:
  push:
    branches: [main]

jobs:
  analyze:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - name: Run SonarQube
        uses: sonarsource/sonarqube-scan-action@master
        env:
          SONAR_TOKEN: ${{ secrets.SONAR_TOKEN }}

      - name: Update Debt Board
        uses: actions/github-script@v7
        with:
          script: |
            const debts = await sonarAPI.getDebts();
            await githubAPI.createIssues(debts);

可视化

债务燃尽图

import matplotlib.pyplot as plt

def plot_debt_burndown(debts_history):
    """绘制还债燃尽图"""
    dates = [d.date for d in debts_history]
    hours = [d.hours_spent for d in debts_history]

    plt.plot(dates, hours)
    plt.title("Tech Debt Burndown")
    plt.xlabel("Date")
    plt.ylabel("Hours Spent")
    plt.show()

债务雷达图

import numpy as np
import matplotlib.pyplot as plt

def plot_debt_radar(categories, values):
    """雷达图：各维度债务分布"""
    angles = np.linspace(0, 2 * np.pi, len(categories), endpoint=False)
    values += values[:1]

    ax = plt.subplot(111, polar=True)
    ax.plot(angles, values)
    ax.fill(angles, values, alpha=0.25)
    ax.set_xticks(angles, categories)
    plt.title("Tech Debt by Category")
    plt.show()

# 使用
categories = ['Complexity', 'Duplication', 'Security', 'Test', 'Docs']
values = [7, 4, 8, 6, 3]
plot_debt_radar(categories, values)

案例：从 1000 小时还债到 200

初始状态

总债务: 1000 小时
- 代码重复: 300h
- 缺少测试: 200h
- 性能问题: 150h
- 过时代码: 200h
- 安全问题: 150h

还债计划（6 个月）

月份	新功能时间	还债时间	还债项	累计还债
月 1	16天	4天	安全问题（优先）	60h
月 2	16天	4天	缺少测试	120h
月 3	16天	4天	性能问题	180h
月 4	16天	4天	代码重复	240h
月 5	16天	4天	过时代码	300h
月 6	16天	4天	重构	360h

结果

6 个月后：
- 债务: 640h
- 债务率: 64% → 40%
- 团队速度: +20%
- Bug 率: -35%

指标体系

领先指标

指标	公式	目标
债务率	债务时间 / 总开发时间	< 20%
圈复杂度平均值	平均复杂度	< 10
代码重复率	重复代码行 / 总行数	< 5%
测试覆盖率	覆盖行 / 总行数	> 80%

落后指标

指标	公式	趋势
Bug 率	bug 数 / 千行代码	下降
发布周期	发布间隔	稳定
新功能速度	功能点 / 时间	不变或提升

总结

技术债务量化管理：

测量 - 用复杂度、重复率、覆盖率
分类 - 按影响、成本、优先级
规划 - 20% 规则、持续还债
可视化 - 燃尽图、雷达图
迭代 - 持续改进，不一次性重写

“技术债务不是罪，是不偿还的罪。“

技术债务的量化管理

技术债务的量化管理

什么是技术债务

定义

类型

测量方法

1. 代码质量指标

2. 静态分析得分

3. 时间追踪

4. 团队共识评分

债务分类框架

优先级矩阵

量化评估表

还债策略

1. 防止新债

2. 20% 规则

3. 重构 vs 重写

工具

SonarQube

Code Climate

GitHub Actions + Debt Tracker

可视化

债务燃尽图

债务雷达图

案例：从 1000 小时还债到 200

初始状态

还债计划（6 个月）

结果

指标体系

领先指标

落后指标

总结

资源

📝 文章反馈