群體軟件開發(fā)中核心-邊緣開發(fā)者的區(qū)分研究

常志遠 何鵬

摘 要：在社區(qū)化群體軟件開發(fā)中，開發(fā)者根據角色的差異常被分為核心和邊緣兩類。以往區(qū)分兩類開發(fā)者，是基于開發(fā)者的代碼提交量，但此方法的通用性還需考察。為改善現有方法，使用關聯視角來看待開發(fā)者角色，運用開發(fā)者網絡來模擬社區(qū)組織結構，并根據開發(fā)者在組織結構中的職位穩(wěn)定性進行檢測。研究表明，文中所提方法具有較好的有效性，且通過關聯視角發(fā)現核心開發(fā)者的職位穩(wěn)定性比邊緣開發(fā)者更高、開發(fā)合作性更強。

關鍵詞：群體軟件開發(fā);開發(fā)者網絡;核心開發(fā)者;邊緣開發(fā)者;計算機;網絡社區(qū)

中圖分類號：TP274文獻標識碼：A文章編號：2095-1302（2019）04-00-05

0 引 言

著名的“洋蔥”模型為開源軟件項目的成員設有8種角色，分別面向用戶、測試者和開發(fā)者。通過該模型可知，不同角色之間成員規(guī)模差異明顯。大量實證研究證明模型中開發(fā)者的代碼貢獻度呈“長尾”分布，即一小部分的開發(fā)者承擔了絕大部分工作。由此，開發(fā)者角色也被分為核心開發(fā)者與邊緣開發(fā)者兩類。核心開發(fā)者在項目中扮演重要角色并且形成領導結構，大量、長期的參與項目開發(fā)[1]。相反，邊緣開發(fā)者通常只做Bug修復或小的改善工作，在項目開發(fā)中的參與度較低。

一般看來，項目中邊緣開發(fā)者無足輕重，因為他們的知識儲備不夠并且缺乏改變。但也有研究表明：邊緣開發(fā)者在項目開發(fā)中與核心開發(fā)者一樣重要[2]。

在“many eyes”假說中，邊緣開發(fā)者尤為重要。此假說設想當源代碼被越來越多的人仔細檢查后，Bug將無所遁形。這也常被用來解釋為什么開源項目質量更高。

盡管現有研究中對核心與邊緣開發(fā)者的特性和兩者之間的相互影響有所認識，但仍存在兩個問題。首先，一個區(qū)分開發(fā)者角色的合適方法，對驗證軟件開發(fā)中的協作理論十分重要，而現有一些方法只采用簡單的概念區(qū)分。例如，僅以開發(fā)者提交的代碼行數來區(qū)分，當遇到只做大量瑣碎修復任務的開發(fā)者時，這種方法就會存在偏差。其次，區(qū)分核心-邊緣開發(fā)者的技術過于簡單，在描述角色時缺乏豐富性，導致難以發(fā)現開發(fā)者之間的關系，造成關聯視角缺失。

本文首先對10個大型開源項目的版本控制日志和開發(fā)者郵件列表數據進行分析，發(fā)現大多數已有區(qū)分核心-邊緣開發(fā)者方法具有一致性。其次，構建開發(fā)者合作網絡模型，采用網絡分析方法探索軟件項目中，隨著成員組織結構的不斷發(fā)展，核心開發(fā)者與邊緣開發(fā)者的特征變化。值得注意的是，本文發(fā)現核心開發(fā)者與邊緣開發(fā)者相比，在組織結構中擁有更高的位置穩(wěn)定性和全局中心性。此外，核心開發(fā)者之間更可能相互合作，邊緣開發(fā)者也更傾向于與核心開發(fā)者合作，說明對邊緣開發(fā)者的認識不能只被視為沒有核心開發(fā)者活躍，他們還與核心開發(fā)者有大量交互。

本文的主要貢獻歸納如下：

（1）研究了10個大型開源項目，評估了采用基于計數方式區(qū)分核心-邊緣開發(fā)者的正確性。

（2）識別開發(fā)者組織結構特征，采用網絡分析方法掌握了核心-邊緣開發(fā)者的抽象概念，并證明了所得結果與以計數方法所得結果大致相同。

1 基于計數度量的方法

基于已有文獻，已有三種度量核心-邊緣開發(fā)者的方

法[3-5]普遍采用相應的閾值來區(qū)分核心和邊緣開發(fā)者。根據二八定律，采取其中的80%作為閾值。

1.1 提交數

提交數是開發(fā)者已授權且合并到主分支的git提交次數。一次提交代表在源代碼上做了相關修改。核心開發(fā)者通常會對代碼庫做頻繁修改，理論上，核心開發(fā)者的提交數將遠高于邊緣開發(fā)者。

1.2 代碼行數

代碼行數是開發(fā)者授權后增加和刪除代碼行數的總數，與提交數相似。由于核心開發(fā)者承擔了大部分修改任務，他們修改的代碼行數多于邊緣開發(fā)者。然而，一種潛在的問題是，當開發(fā)者只做大量瑣碎的修改時，這種基于代碼行數的方法將影響區(qū)分結果。

1.3 郵件數

郵件數是開發(fā)者提交到郵件列表的郵件數量。核心開發(fā)者通常掌握深入的技術知識，而郵件列表是分享這些知識的主要平臺。核心開發(fā)者通過對整改提建議，討論潛在的挑戰(zhàn)，以及對其他開發(fā)者提出的修改意見作評價，分享和體現他們的專業(yè)知識。通常在時間上，核心開發(fā)者參與項目更集中且更持久，比邊緣開發(fā)者更具有責任感，因此核心開發(fā)者對郵件列表的貢獻更多。該法也只是一種簡單的度量方法，因為開發(fā)者回答問題和問問題的次數是相等的，同樣此方法并沒有突出交流方。

上述三種度量方法都已被用于區(qū)分核心-邊緣開發(fā)者工作，但終究只是復雜概念的簡單抽象，忽略了開發(fā)者之間交互信息的刻畫，導致區(qū)分方法的結果缺少實際價值。為此，本文提出一種在開發(fā)者合作與交流中存在的關聯視角，以期得到更多軟件工程中的實際關聯信息。

2 基于開發(fā)者網絡的度量方法

開發(fā)者網絡是對開發(fā)者關系的抽象化，將開發(fā)者作為節(jié)點，開發(fā)者之間的社交或技術交流作為邊。依托開發(fā)者網絡有助于發(fā)現如下特性：

（1）結構的一致性（兩個節(jié)點有相同的鄰居節(jié)點），可揭示哪些核心開發(fā)者們有相似的技能，從而選擇合適的開發(fā)者來分擔或替換開發(fā)任務;

（2）核心開發(fā)者之間的結構洞（Structural Hole）可推測出彼此合作上存在的問題;

（3）只以一名核心開發(fā)者作為全局中心，可能會存在組織風險。

2.1 網絡模型

通過對版本控制系統(tǒng)中提交日志和郵件列表的數據進行分析，了解核心開發(fā)者與邊緣開發(fā)者之間的交互關系。先前的研究表明開發(fā)者的角色會隨時間而變化[6]。為回答這個問題，本文使用時間序列分析窗口，分析一個項目在一年中多個相鄰時間段的情況。分析時間跨度為三個月，相鄰間隔為兩周，超過三個月，開發(fā)社區(qū)不會有重大改變，但在開發(fā)活動中暫時的決定會被丟失[7]。

2.2 開發(fā)者網絡中的核心開發(fā)者和邊緣開發(fā)者

本文將介紹五種依賴開發(fā)者網絡的網絡分析方法。

2.2.1 度中心性

度中心性用來度量網絡局部重要性，它代表開發(fā)者與其他開發(fā)者直接連邊的條數[8]。作為領導結構中的重要成員，核心開發(fā)者之間會有交流，還會對邊緣開發(fā)者進行技術指導。邊緣開發(fā)者可能只做與其他任務關聯不大的小改動，因此在開發(fā)者社區(qū)中與其他人的交互關系很少。所以核心開發(fā)者的度中心性高于邊緣開發(fā)者。

2.2.2 特征向量中心性

特征向量中心性是一種全局中心性度量方法，代表著開發(fā)者所預期的重要程度，通過是否和許多開發(fā)者有關聯或是否和處于全局核心的開發(fā)者有關聯來判斷。因為核心開發(fā)者在組織結構中至關重要，所以他們在開發(fā)者網絡中位于全局中心的位置。

2.2.3 層級

層級是有分層節(jié)點結構的網絡，就好像凝聚的小團體嵌入在缺少凝聚的大團體中。在層級網絡中，高層級節(jié)點之間的邊通常會跨過聚集組來降低它們的集群系數。已有研究表明，開發(fā)者們易于形成緊密的社區(qū)[9]，本文預測核心開發(fā)者扮演著協調社區(qū)其他開發(fā)者工作的角色。如果假設為真，則核心開發(fā)者會擁有高節(jié)點度和低聚類系數，屬于層級網絡中的高層;同時邊緣開發(fā)者顯示出低節(jié)點度和高聚類系數，屬于層級網絡中的低層。

2.2.4 角色穩(wěn)定性

角色穩(wěn)定性是開發(fā)者在不同角色轉換中的時間屬性。通過觀察隨時間變化后開發(fā)者網絡的變化，研究開發(fā)者在不同角色中轉換的模式。核心開發(fā)者因長期參與項目并且在特定領域擁有廣博的知識，通常擁有很高的可靠性。因此，在開發(fā)者網絡中核心開發(fā)者的角色穩(wěn)定性應高于邊緣開發(fā)者。

2.2.5 核心-邊緣塊模型

核心-邊緣塊模型是一種形式化，用基于鄰接矩陣的表達獲取核心-邊緣結構的概念。這個模型描述了一組和許多其他節(jié)點相連的核心節(jié)點，被一組沒有和其他節(jié)點相連的邊緣節(jié)點所圍繞。可用來測試由度中心性區(qū)分的核心-邊緣開發(fā)者是否和采用塊模型在開發(fā)者網絡中得到的核心-邊緣開發(fā)者的位置一致。從塊模型可知，每一區(qū)組邊存在的可能性不同但又有關聯，p核心-核心>p核心-邊緣>p邊緣-邊緣。塊模型方法表示核心開發(fā)者通常能融洽的與他人配合，表現為在開發(fā)者網絡中和其余節(jié)點有緊密聯系。邊緣開發(fā)者經常依賴核心開發(fā)者的知識和幫助去完成他們的項目，因此邊緣開發(fā)者和核心開發(fā)者聯系緊密[10]。

3 實證研究

3.1 選用項目

本文選取10個開源項目，見表1所列，為了使實證結果具有代表性，所選項目需滿足以下條件：

（1）規(guī)模：源代碼在5萬行到16萬行之間，開發(fā)者規(guī)模在15～1 000人之間;

（2）時間：均從開發(fā)者的第一次提交開始計算;

（3）技術：綜合考慮項目的編程語言和庫的使用情況;

（4）應用領域：涉及操作系統(tǒng)、開發(fā)等。

3.2 研究問題

問題1：基于版本控制系統(tǒng)和列表郵件的數據來區(qū)分核心-邊緣開發(fā)者的方法之間是否具有一致性？

問題2：基于網絡分析的方法是否比基于計數方法的效果更好？

3.3 Cohens kappa系數

現有的區(qū)分核心和邊緣開發(fā)者的方法比較有效，即使不同區(qū)分方法的抽象概念一致，結果也不可能完全一致。然而，區(qū)分方法如果一致，結果的一致性一定比隨意分配開發(fā)者的一致性高。考慮到本文開發(fā)者核心與邊緣兩類角色成員的頻率次數不對稱，即大量開發(fā)者是邊緣開發(fā)者，只有小部分為核心開發(fā)者，因此為檢測核心-邊緣開發(fā)者區(qū)分方法的一致性，本文采用Cohens kappa系數：式中：po是兩種方法區(qū)分同一類開發(fā)者角色一致性的次數與開發(fā)者總數的比例;pe是隨機分配下開發(fā)者的比例。Cohens kappa系數的范圍和對應一致性的強度見表2所列。

4 實驗結果

4.1 基于計數度量方法的一致性驗證

為驗證現有各種基于計數度量方法在區(qū)分核心-邊緣開發(fā)者角色上結果的一致性，本文分別分析了基于開發(fā)者的提交數、代碼行數、郵件數方法之間的兩兩一致性。QEMU項目的時間序列呈現結果如圖1所示。從中可以看出，一致性系數均為一般以上（即高于0.2），高于隨機區(qū)分所得的一致性。說明不同的基于計數度量方法大體吻合。由圖1還不難發(fā)現，基于提交數的方法與基于代碼行數的方法之間表現為高度一致性（約0.75）。另外，無論哪種方法，一致性均隨時間變化保持相對穩(wěn)定。

綜上，結果證明在區(qū)分開發(fā)者的核心-邊緣角色中，采用不同的基于計數度量方法產生的結果基本一致，尤其是基于提交數和代碼行數。

4.2 基于開發(fā)者網絡的度量方法

4.2.1 層級

在分層網絡中，頂層的節(jié)點有高節(jié)點度和低聚類系數;底層節(jié)點有低節(jié)點度和高聚類系數。QEMU項目的節(jié)點度與聚類系數呈現結果如圖2所示，可發(fā)現節(jié)點度和聚類系數有明顯的依賴關系[11]。高節(jié)點度的節(jié)點會有低聚類系數，在2.2節(jié)中表明有這種特征的節(jié)點為核心開發(fā)者;低節(jié)點度的節(jié)點會有高聚類系數，這類節(jié)點被認為是邊緣開發(fā)者。

4.2.2 穩(wěn)定性

在項目中履行自己的職責，并在之后的開發(fā)中一直有參與的開發(fā)者被認為是穩(wěn)定的開發(fā)者。時間分辨方法通過檢測開發(fā)者是否由一個狀態(tài)轉化為另一狀態(tài)來研究角色的穩(wěn)定性。QEMU項目中開發(fā)者的狀態(tài)轉換如圖3所示。開發(fā)者狀態(tài)轉化的可能性由馬爾可夫鏈表示。發(fā)現處于核心狀態(tài)的開發(fā)者與處于邊緣狀態(tài)的開發(fā)者相比，更能保持他們的原有狀態(tài)，并很少轉化為離開狀態(tài)（離開項目）或隔離狀態(tài)（開發(fā)者網絡中無相鄰節(jié)點，只做單獨的任務）。基于這一結論，核心開發(fā)者判定為是比邊緣開發(fā)者更穩(wěn)定的群體。

4.2.3 核心-邊緣塊模型

核心-邊緣塊模型描述：核心和邊緣開發(fā)者群體作為特定的兩類節(jié)點被安置在網絡中。為測試實證數據是否由核心-邊緣塊模型所描述，必須計算核心-核心、核心-邊緣和邊緣-邊緣邊的存在可能性。如果邊的存在可能性按照：p核心-核心>p核心-邊緣>p邊緣-邊緣的順序排列，我們可以推斷出核心開發(fā)者在項目中協調能力最強，邊緣開發(fā)者主要和核心開發(fā)者協作，且很少會與其他邊緣開發(fā)者合作。

所有項目的3類邊存在的概率見表3所列。核心-核心邊存在可能性的平均值為4.02×10-1，核心-邊緣邊存在可能性的平均值為3.30×10-2，邊緣-邊緣邊存在可能性的平均值為1.28×10-1。由此可發(fā)現邊緣開發(fā)者和核心開發(fā)者合作的可能性是與邊緣開發(fā)者合作的兩倍。

在表3中，Linux項目邊存在可能性比其他項目都低，并且在同一項目中，核心-核心邊的存在可能性與另外兩條邊的存在可能性差兩個數量級。PostgreSQL項目核心-核心邊存在可能性為1，遠高出其他項目，核心-邊緣邊的存在可能性亦如此。在開發(fā)人數上這兩個項目很特殊：Linux項目的開發(fā)人數（1 467人）遠大于其他項目，PostgreSQL項目的開發(fā)人數（17人）遠小于其他項目。結果顯示項目的規(guī)模會影響開發(fā)者的合作關系，并且對邊緣開發(fā)者的影響極大。

綜上，網絡分析方法清楚地展示了早期實證工作中提出的核心-邊緣開發(fā)者的抽象特征。此外 ，結合核心-邊緣塊模型，發(fā)現開發(fā)者角色有特定的優(yōu)先合作順序。

4.3 網絡分析方法和計數方法的一致性

上述實驗結果已證明了基于計數度量方法之間的一致性，以及開發(fā)者網絡中核心-邊緣開發(fā)者的獨特性。本節(jié)重點分析網絡分析方法和計數度量方法的一致性。網絡分析方法中的穩(wěn)定性和核心-邊緣塊模型區(qū)分方法沒有列出，因為它們都源于度中心性。成對的計數方法和網絡分析方法之間的一致性如圖4所示。

總體來說，成對比較的一致性均為一般以上（即高于0.2），高于隨機區(qū)分時的一致性。此外，使用相同數據來源的區(qū)分方法間表現為高度一致性（約0.75）。因此，總體上網絡分析方法和計數方法的結果是一致的。然而其一致性是有缺陷的，其不一致性和計數方法中的不一致性相似。

5 結 語

軟件開發(fā)者在軟件項目中會扮演不同的角色。了解開發(fā)者角色的特征，可減少開發(fā)者合作中需要的溝通成本。本文以10個開源項目為分析對象，驗證了傳統(tǒng)核心-邊緣開發(fā)者角色度量方法的一致性。同時，本文也使用開發(fā)者網絡建立關聯視角，提出了一系列基于網絡的度量方法，如職位穩(wěn)定性、層級和核心-邊緣塊模型，以此來探索核心開發(fā)者和邊緣開發(fā)者的不同之處，并驗證所提方法與已有方法的一致性。

參 考 文 獻

[1] CROWSTON K，WEI K，LI K，et al.Core and Periphery in Free/Libre and Open Source Software Team Communications[C]// In Proc.International Conference on System Sciences.IEEE Computer Society，2006.

[2] RAYMOND E.The cathedral and the bazaar knowledge[J].Technology & policy，12（3）：23-49.

[3] MOCKUS A，FIELDING R T，HERBSLEB J D.Two case studies of open source software development：Apache and Mozilla[J].ACM transactions software engineering methodology，2002，11（3）：309-346.

[4] TERCEIRO A，RIOS L R，CHAVEZ C.An empirical study on the structural complexity introduced by core and peripheral developers in free software projects[Z].In Proc.Brazilian symposium on software engineering，IEEE，2010.

[5] ROBLES G，GONZALEZ BARAHONA J M，HERRAIZ I.Evolution of the core team of developers in libre software projects[Z].In Proc.mining software repositories，IEEE，2009：167-170.

[6] JENSEN C，SCACCHI W.Role Migration and Advancement Processes in OSSD Projects： A comparative Case Study[C]// In Proc.International Conference on Software Engineering，IEEE Computer Society，2007：364-374.

[7] MENEELY A，WILLIAMS L.Socio-technical Developer Networks： Should We Trust Our Measurements？[C]// In Proc.International Conference on Software Engineering，ACM，2011：281-290.

[8] BRANDES U，ERLEBACH T.Network Analysis：Methodological Foundations （Lecture Notes in Computer Science）[Z].Springer-Verlag New York，Inc.，Secaucus，NJ，USA，2005.

[9] JOBLIN M，MAUERER W，APEL S，et al.From Developer Networks to Verified Communities：A Fine-Grained Approach[C]// In Proc.International Conference on Software Engineering，IEEE，2015：563-573.

[10] ZHANG X，MARTIN T，E J NEWMAN M.Identification of core-periphery structure in networks[Z].Phys.Rev.E，Mar，2015.

[11] RAVASZ E，BARABASI A L.Hierarchical organization in complex networks[J].Physical review E，2003，67（2）：26112.