这篇文章是一个程序高手（领域内）和多数其他人的区别：高手的代码通常不需要太多测试就是完备和正确的，而普通程序员往往需要依赖大量测试来保证代码的正确性。在一个实际的场景中，这两类人是并存的，你可以证明自己是一个高手而少写测试（但是要保证程序的可读性），也可以作为一个普通程序员而利用测试保证代码质量。但是一旦进入一个正规的研发企业，则必须要遵循企业的质量体系。本文貌似来自某个博客，转载到smth
发信人: WaterMonster (水怪), 信区: SoftEng
标 题: 王垠：半年来的工作感受
发信站: 水木社区 (Sat Jun 22 14:56:47 2013), 站内
好久没有写博客，一方面因为工作太忙，另一方面是因为没有发现什么好写的。可是后来发现没什么好写的原因其实也是因为工作太忙了。忙得不正常，所以没有很多时间和精力来研究和欣赏自己喜欢的东西了。
我在一家叫做 Coverity 的公司工作，我住在三藩市（San Francisco）。Coverity 是一个奇怪的公司，三藩市是一个奇怪的城市。
Coverity 制造一种叫做“静态分析”（static analysis）的软件。这种软件可以在不运行程序的情况下，经过对代码的分析，自动的找到程序里面可能出现的问题。这有点像我之前给 Google 做的那个 Python 分析器，只不过针对另外的语言（C，C++ 和 Java 等），分析的侧重点不同，能处理代码的规模也貌似大一些。还有就是这么多年了，久经沙场考验了。
Coverity 具有世界上最先进的一些技术，所以麻雀虽小，却让很多人离不开它。恐怕很少有人知道，这小小的公司的忠实客户，包括了一系列的大拿：美国宇航局， 波音， 洛克希德马丁，雷神（Raytheon），BAE Systems，丰田，欧洲原子能中心（CERN）…… 貌似几乎所有对代码质量不敢有丝毫差错，又不得不用像 C++ 这样毛病众多的语言的公司，都购买了 Coverity 的产品。比如最近的火星好奇者号上的所有 200 多万行代码，都经过了 Coverity 的静态分析。当然，如此精密的设备不可能光靠 Coverity 查一下错就能确保万无一失，它必须依靠很多其它的技术，但 Coverity 确实是这些东西的开发过程里面比较重要的部分。
我必须承认，Coverity 给了我足够的启发，甚至间接的让我发现了自己之前做的 Python 静态分析里面存在的一些问题。Coverity 的产品在大规模的代码上面的成功，也让我意识到了自己在 Python 分析器里的一些突发奇想的设计的正确性和价值。如果我现在做一个新的 Python 分析器，它将比原来的精确和高效（也可以推广到其它语言比如 JavaScript）。我也清楚的看到，Coverity 自发研制的一些“不大严谨”的做法，其实比程序语言领域里面一些看似高深的“逻辑”还要“正确”。这些微妙的“提示信息”，让我把多个领域的知识串通了起来。所以我觉得跟这公司还有点臭味相投，加入 Coverity 也是不枉此行的。
然而我也发现，Coverity 缺少我拥有的程序语言理论知识。绝大部分的 Coverity 工程师没有系统的学习过 lambda calculus 和函数式编程。在我的 Python 分析器中，其实包含了 Coverity 还没有的技术。Python 的静态分析本来就比 C++ 和 Java 之类的难，然而我的实现却异常的简单。这些微妙的技术，貌似很多人都可以说他“会做”，但是他们却很难把它做对。这就像“CPS 转换”一样，很多人都说他会做，可是真正做对的只有极少数人（我是其中之一）。这些技术源自于我对程序语言本质的理解，源自于 Dan Friedman, Kent Dybvig 和 Amr Sabry 等老师的教诲，也源自于我自己辛勤的实验，实验，再实验…… 在我简短而优雅的代码中，包含了许多人需要花费好几倍的代码长度才能达到的目标。所以虽然 Coverity 的工程师们技术实力很强，但在代码的简单程度和对程序语言语义的理解上，真的很难达到我的程度。
这就是为什么我经常能够一眼就看出 Coverity 产品里存在的问题，并且很快的修正错误。举一个简单的例子，有一天我修改了一行代码，使得产品在某些 benchmark 上的内存使用量减少了一半。我为什么可以做到这一点呢？因为在我的 Python 分析器里，这个问题是从一开头就不存在的。它源自于一种幼稚的解释器写法，有点像 GoF 的《Design Patterns》里的那种。Coverity 的代码里面有好些类似的问题，都是我自己根本不可能犯的错误，我都没有机会给他们改进。我不是想贬低同事们的水平，他们都是 Stanford, Berkeley 等学校毕业的高手，可是我也很清楚自己的技术地位。
所以我就经常发现这样的麻烦事：我顺手改掉了一个自认为很显然的问题，或者一个我根本不会犯的错误，然后就发现有大批的测试需要被修改，我也会被要求写出“regression test”，用以防止同样的错误再次发生。某些同事对于测试的战战兢兢的态度，其实跟我当年在 Google 实习的时候没有什么两样。看到这里的问题了吗？这些我“根本”不会犯的错误，几分钟时间顺手就改掉了，但是我却要花成天的工夫去修改和创建测试，防止它“再次”发生。我不得不说，在这些测试上所花费的工夫，占用了比我修改代码多好几倍，甚至几十倍的工夫！
想想这六个月以来我干了些什么，再比较一下在 Google 实习的那六个月独自从头做出来的东西，我发现自己简直什么也没有干。这就是我不喜欢“测试驱动开发”（TDD）的原因。在 Google 的六个月里，我无视同事对于测试的要求，从无到有的做出了如此精密的系统，一个测试都没有写照样做得好，为什么呢？因为我的代码非常的简单清晰，我随时都可以把它们完整的呈现在头脑里面，从而让“心灵之眼”可以看到可能出现的错误。也许这就是所谓的“逻辑思维”。
对测试过分依赖的人，往往不具有这样的思维能力。他们不能够看到代码最简单的本质，所以需要做很多试探，以求达到“近似解”。为了不至于偏差很多，就写很多测试，用以捕捉和防止每一次的错误。这就像一个初学画画的人，一点一点的描，用橡皮反复的擦，可总也抓不住事物的精髓。这些人对“错误”的记忆能力特别强，往往深入的追究一块代码是“如何”错的，“为什么”是错的，下次如何才能不犯同样的错误。
然而我却没法记住之前的代码是如何错的，我也不想知道为什么它是错的，我只记得“正确”的代码是什么样子。错误的方式有千万种，可是正确的却往往只有一个。把脑力浪费在记忆错误的东西，这就是为什么很多人不能写出真正优美而正确的代码。我受到的训练让我可以直接得到正确的结果，所以测试对于我来说分量没有那么重。当我的代码需要大量的测试才能确保正确的时候，那就是它该被推翻重写的时候。所以我的代码往往没有任何补丁和变通，可以说是无懈可击。这就像是一个真正会画画的人，他闭目沉思，然后一气呵成。当然，优美的代码并不是一蹴而就的，有的代码被我推翻重来几十次才最后成功，但我最后的代码不留下丝毫错误的痕迹。所以我觉得，看一个程序员的水平，不要看他留下来多少行代码，而要看他删掉了多少行。
我觉得做 Coverity 的工程师真累。这种累不止在于以上的技术层面的繁琐，而且在于管理层对工程师的缺乏尊重以及不必要的压力。这让我在受到了足够的“启发”之后，开始怀疑是否还有继续为它工作的价值。对于公司管理，以及对于 IT 行业总体的看法，我还是以后再讲吧。
—
※ 来源:·水木社区 newsmth.net·[FROM: 115.194.48.*]