大数据揭示的10个常见JAVA编程错误

初学者最常犯的编程错误是什么呢？有可能他们总是混淆等值（==）与赋值（=），或者 & 和 &&；也有可能是他们在循环中使用错误的分隔符(for (int i = 0, i < 5, i++))...？

为了回答这个问题，数据科学家最近检查了来自世界各地25万个Java编程新手的错误。在使用了大量的数据（数据来自3700万的源代码，所以是精确的）之后，他们发现了学生第一次学习Java时最容易犯的错误，以及他们从所犯错误中吸取教训所需要的时间。这个结果非常出人意料。

黑匣子数据采集项目

学习一门新的编程语言是非常具有挑战性的，因为你必须学会怎样用精确的、正规的语法来表达复杂的思想。这样就自然而然的导致许多编程新手犯错误。为了揭露哪些错误是新手最容易犯得，来自英国肯特大学的研究人员在黑匣子数据集里检查了收集自世界各地265000位学生的Java代码。

黑匣子数据采集项目是建立在BlueJ上的，BlueJ是一个专为初学者设计的Java IDE。BlueJ试图减少新手成功的障碍，例如突出代码块的开始和结束（范围突出），它可以帮助学生直观的扫描代码和定位错位的大括号。另一个特点是，对象可以在程序运行时，使得字段的内容可被显示，以便帮助理解和调试。BlueJ提供教科书、教师的支持，而且确实是 RaspbianLinux distribution的一部分。

黑匣子充当BlueJ一个可选择的扩展来收集软件使用情况的各种匿名数据。比如，它跟踪哪些功能被执行，在什么时间遇到什么错误，以及错误出现的频率。

数据集是巨大的。在2013-2014这一个学年，共有37158094个编译事件被收集，其中19476087个是成功的，17682007个是不成功的。

虽然我们大多数人在面对解析如此庞大的数据时会有所畏惧，但是来自英国肯特大学的Amjad Altadmri 和 Neil Brown却无所畏惧。他们检查了卷入3700万编译事件的46,448,212 个源文件中的每一个，并且实时检测变化。他们对每一个可能出错的事件用A-R来分类，并以此建立起来一系列的可能会出现的错误。他们还预测出学生修复完bug的时间。

Java编程中初学者最易犯的10个错误

Altadmri 和 Brown（2014年）惊讶的发现Java专家和教师认为初学者最常犯的错误仅仅是基于传闻的常识性错误。他们认为这是一个危险的信号，因为关于Java的书籍大多都是这些专家和教授编写的，在教材里这些误解会被展示并传播。

因此，如果你研究那些数据，你就会发现一个明确的关于排名前十的错误的清单（从A标记到R的18个错误的研究也包含在这个课题中。）

C.不对称的括号，大括号，括号和引号，或利用这些不同的符号互换，如：while (a == 0]。

I.使用错误的参数或参数类型的调试步骤，如：list.get("abc")。

O.控制流可以达到无需返回的非虚法结束（end of non-voidmethod），如：

1. public int foo(int x)

2. {

3. if (x < 0)

4. return 0;

5. x += 1;

6. }

A.混淆赋值运算符（=）与比较运算符（==），如在：if (a = b)。

N.忽略或丢弃非空类型方法的返回值（the return valueof a method with non-void return type），比如：myObject.toString（）;。

B.使用==替代.equals比较字符串。

M.试图把非静态方法当成是静态的来调用，如：MyClass.toString（）;。

R.研究要求实现一个接口，但没有实现所有所需的步骤，如： class Y implementsActionListener { }。

P.当调用一个方法时调用的参数类型，如： myObject.foo(int x,String s);。

E.在if语句或者for以及while循环中使用不正确分号，如： if (a==b); return 6;。

最常见的错误（C），其实是放错地方或者忘记小括号，大括号，括号和引号， BlueJ做的事的是试图中和范围突出（counteract with scope highlighting）。这一发现可能是一个指示，就是C型的错误在IDE中更为普遍，并且不提供任何形式的调试帮助。

出人意料的是，这些错误并没有进入前十：

D.把传统的逻辑运算符（＆和|）与短路的写值程序（&&和||）搞混淆。

J.一个方法调用后忘记使用括号，如：myObject.toString;。

Q.在返回路径和不同类型的分配值之间使用不兼容类型，例如： int x =myObject.toString()。

F.在for循环中使用错误的分隔符（用逗号而不是分号），如：for (int i=0, i <6, i++)。

H.使用关键字作为路径或变量名，如：int new;。

学生需要多长时间从自己的错误中吸取教训

此外，当Altadmri 和 Brown观察学生需要多久才能发现并修正错误时发现最常见的C类错误也是最快被发现之一。其他有些错误是出了名的难以发现，而且大多数程序员会被带入一种情绪中。这些错误包括D类错误、B类错误、N类错误。这些不被人注意超过1000秒（在文件变化并且不再追踪后），或者从来没有发现的。

所有错误类型的time-to-fix（以秒为单位）中值显示如下图（来自Altadmri和Brown（2015））。在右上角重叠的两个错误是错误B和N.

转发：China Hadoop Summit的新浪微博