Skip to content

COCOMO.md

Latest commit

 

History

History
executable file
·
242 lines (177 loc) · 5.88 KB

COCOMO.md

File metadata and controls

executable file
·
242 lines (177 loc) · 5.88 KB

💰 COCOMO 模型计算原理

📖 简介

COCOMO (Constructive Cost Model，构造性成本模型) 是由 Barry Boehm 于 1981 年提出的软件成本估算模型。该模型基于对 63 个软件项目的历史数据分析，建立了代码规模与开发工作量之间的数学关系。

CodeStats 工具采用 Basic COCOMO 模型进行成本估算。

🧮 核心公式

1. 工作量估算 (Effort)

E = a × (KLOC)^b
符号 含义
E 工作量，单位：人月 (Person-Months)
KLOC 代码规模，千行代码 (Kilo Lines of Code)
a, b 项目类型系数

2. 开发时间估算 (Duration)

D = c × (E)^d
符号 含义
D 开发时间，单位：月
E 工作量（人月）
c, d 项目类型系数

3. 团队规模估算 (Team Size)

N = E / D
符号 含义
N 建议团队人数
E 工作量（人月）
D 开发时间（月）

📊 项目类型与系数

COCOMO 定义了三种项目类型，每种类型有不同的系数：

项目类型 a b c d 描述
Organic (简单) 2.4 1.05 2.5 0.38 小团队，熟悉的技术栈，低复杂度
Semi-detached (中等) 3.0 1.12 2.5 0.35 中型团队，混合经验，中等复杂度
Embedded (复杂) 3.6 1.20 2.5 0.32 嵌入式/驱动/实时系统，高复杂度

项目类型选择指南

🟢 Organic (简单项目)

  • 小型团队（< 10 人）
  • 团队对应用领域和技术非常熟悉
  • 灵活的需求，宽松的约束
  • 示例：内部工具、脚本、小型应用

🟡 Semi-detached (中等项目)

  • 中型团队（10-50 人）
  • 团队有混合的经验水平
  • 需求相对稳定，有一定约束
  • 示例：Web 应用、企业系统、通用软件

🔴 Embedded (复杂项目)

  • 严格的硬件/软件约束
  • 实时性能要求
  • 高可靠性要求
  • 示例：设备驱动、嵌入式系统、航空航天软件、医疗设备

📝 计算示例

假设我们有一个 嵌入式驱动项目，代码量为 9,132 行：

Step 1: 计算 KLOC

KLOC = 9132 / 1000 = 9.132

Step 2: 选择项目类型系数

项目类型: Embedded

  • a = 3.6
  • b = 1.20
  • c = 2.5
  • d = 0.32

Step 3: 计算工作量 (人月)

E = a × (KLOC)^b
E = 3.6 × (9.132)^1.20
E = 3.6 × 14.22
E = 51.2 人月

Step 4: 计算开发时间 (月)

D = c × (E)^d
D = 2.5 × (51.2)^0.32
D = 2.5 × 3.52
D = 8.8 个月

Step 5: 计算团队规模

N = E / D
N = 51.2 / 8.8
N = 5.8 人

Step 6: 计算成本

成本 (USD) = E × 人月成本
成本 (USD) = 51.2 × $5,000
成本 (USD) = $256,000

成本 (CNY) = E × 人月成本
成本 (CNY) = 51.2 × ¥30,000
成本 (CNY) = ¥1,536,000

🔧 CodeStats 中的实现

代码实现

# COCOMO 系数表
COCOMO_PARAMS = {
    'organic':       {'a': 2.4, 'b': 1.05, 'c': 2.5, 'd': 0.38},
    'semi-detached': {'a': 3.0, 'b': 1.12, 'c': 2.5, 'd': 0.35},
    'embedded':      {'a': 3.6, 'b': 1.20, 'c': 2.5, 'd': 0.32},
}

def calculate_cocomo(total_code_lines: int, project_type: str, config: dict) -> dict:
    """计算 COCOMO 成本估算"""
    
    # 转换为 KLOC (千行代码)
    kloc = total_code_lines / 1000.0
    
    # 获取项目类型系数
    params = COCOMO_PARAMS.get(project_type, COCOMO_PARAMS['semi-detached'])
    a, b, c, d = params['a'], params['b'], params['c'], params['d']
    
    # 计算工作量 (人月)
    effort = a * (kloc ** b)
    
    # 计算开发时间 (月)
    duration = c * (effort ** d)
    
    # 计算团队规模
    team_size = effort / duration if duration > 0 else 0
    
    # 计算成本
    cost_per_month_usd = config.get('cocomo', {}).get('cost_per_month_usd', 5000)
    cost_per_month_cny = config.get('cocomo', {}).get('cost_per_month_cny', 30000)
    
    return {
        'kloc': kloc,
        'effort': effort,           # 人月
        'duration': duration,       # 月
        'team_size': team_size,     # 人
        'cost_usd': effort * cost_per_month_usd,
        'cost_cny': effort * cost_per_month_cny,
        'project_type': project_type
    }

人月成本配置

可在 config.json 中自定义人月成本：

{
  "cocomo": {
    "cost_per_month_usd": 5000,
    "cost_per_month_cny": 30000
  }
}

📈 不同项目类型的对比

以 10 KLOC 为例，三种项目类型的估算差异：

项目类型 工作量 (人月) 开发时间 (月) 团队规模
Organic 26.9 8.4 3.2
Semi-detached 39.5 8.0 4.9
Embedded 57.1 8.8 6.5

可以看到：

  • Embedded 项目需要最多的工作量（是 Organic 的 2.1 倍）
  • 开发时间差异较小（约 0.5 个月）
  • Embedded 项目需要更大的团队

⚠️ 模型局限性

COCOMO 是一个经验模型，存在以下局限性：

  1. 基于历史数据 - 基于 1981 年前的项目，现代工具和方法可能影响准确性
  2. 仅考虑代码量 - 不考虑代码质量、复用、技术难度等因素
  3. 估算范围 - 最适合 2K-512K 行代码的项目
  4. 行业差异 - 不同行业、公司的生产力差异较大

建议

  • 将 COCOMO 估算作为 参考值，而非精确预测
  • 结合团队实际经验进行调整
  • 对于小项目（<2K 行）可能高估
  • 对于大项目（>500K 行）需要使用更复杂的模型

📚 参考文献

  1. Boehm, B. W. (1981). Software Engineering Economics. Prentice-Hall.
  2. Boehm, B. W. et al. (2000). Software Cost Estimation with COCOMO II. Prentice-Hall.

🔗 相关资源