Medidas de Halstead
Las medidas de Halstead tratan un programa como un texto escrito con dos clases de piezas: operadores, lo que
actúa (+, =, if, return, una llamada), y operandos, aquello sobre lo que se actúa (variables, campos,
literales). Contando esas piezas, con y sin repeticiones, se obtienen cuatro números. De ellos salen todas las
demás medidas: el tamaño del código, su densidad, el esfuerzo de escribirlo y, según su autor, hasta el tiempo que
costó y los errores que contiene.
Es también una de las familias más discutidas. Los recuentos valen como medidas de tamaño; la teoría que los convierte en tiempo y en defectos se apoya en una validación experimental que sus críticos juzgaron insuficiente.
Para quien empieza. Piensa en la «longitud» como en el número de palabras de un texto y en el «vocabulario» como en el número de palabras distintas. Con eso se entiende la mitad de la familia. Las medidas derivadas (esfuerzo, tiempo, errores) sirven para ordenar métodos, no para predecir nada.
Quién, cuándo y para qué
Maurice H. Halstead fue profesor de la Universidad de Purdue y murió en 1979. En 1972 ya había publicado en ACM SIGPLAN Notices un artículo con un título que es toda una declaración de intenciones: «¿Leyes naturales que gobiernan la estructura de los algoritmos?». La exposición completa es el libro Elements of Software Science (1977).
Halstead quería una ciencia del software empírica: propiedades medibles en el texto de un programa y relaciones entre ellas que permitieran predecir lo que no se ve en el código, como el esfuerzo mental de escribirlo o los errores que quedan en él. La familia no nació para revisar código, sino como una teoría del acto de programar.
Las piezas: operadores y operandos
Los cuatro recuentos básicos son:
| Símbolo | Qué cuenta |
|---|---|
n1 |
operadores distintos |
n2 |
operandos distintos |
N1 |
apariciones de operadores, con repeticiones |
N2 |
apariciones de operandos, con repeticiones |
La fórmula de cada medida es sencilla. Lo difícil es decidir qué es un operador y qué es un operando, y Halstead no dejó unas reglas cerradas para cada lenguaje. ¿Cuentan los paréntesis y el punto y coma? ¿Los tipos de las declaraciones? ¿Los nombres de los métodos? Cada herramienta responde a su manera, y por eso dos herramientas casi nunca dan el mismo valor para el mismo código. Las reglas de Stau Metro están en la página de la «longitud».
Las medidas de la familia
| Medida | Sigla | Fórmula | Qué pretende medir | Stau Metro |
|---|---|---|---|---|
| «Vocabulario» | n |
n1 + n2 |
variedad de piezas | la calcula |
| «Longitud» | N |
N1 + N2 |
tamaño en tokens | la calcula |
| Longitud estimada | N^ |
n1·log2(n1) + n2·log2(n2) |
la longitud predicha por el vocabulario | no la calcula |
| «Volumen» | V |
N·log2(n) |
tamaño en bits | la calcula |
| Nivel del programa | L |
V* / V, estimado como 1 / D |
cercanía a la forma más compacta | no la calcula |
| «Dificultad» | D |
(n1 / 2)·(N2 / n2) |
densidad: operadores variados, operandos repetidos | la calcula |
| «Esfuerzo» | E |
D·V |
trabajo mental de escribir el programa | la calcula |
| «Tiempo de programación» | T |
E / 18 |
segundos para escribirlo | no la calcula |
| «Errores estimados» | B |
E^(2/3) / 3000 (o V / 3000) |
defectos que quedan en el código entregado | la calcula |
La longitud estimada y el nivel del programa se explican en la página del
«tiempo de programación», junto con el volumen potencial V* del que
parte el nivel.
Las medidas forman una cadena. Los cuatro recuentos dan el vocabulario y la longitud; los dos juntos dan el volumen; tres de los recuentos dan la dificultad; volumen y dificultad dan el esfuerzo, y el esfuerzo, dividido entre constantes, da el tiempo y los errores:
Las páginas de la familia siguen un mismo ejemplo, el método withTax de la página de la
«longitud». Con las reglas de recuento de Stau Metro da:
n1 |
n2 |
N1 |
N2 |
n |
N |
V |
D |
E |
T |
B |
|---|---|---|---|---|---|---|---|---|---|---|
| 8 | 6 | 12 | 8 | 14 | 20 | 76,1 | 5,33 | 406,1 | 22,6 s | 0,018 |
Cómo se leen juntas
Las medidas se agrupan en tres clases, y cada una se lee de forma distinta:
- Tamaño: longitud, vocabulario y volumen. Son recuentos o casi, no tienen un valor bueno ni malo y Stau Metro no
les da umbrales. Valen como alternativa a las líneas de código cuando el formato varía mucho, y el cociente
N / ndice cuánto se repiten las mismas piezas. El volumen es la longitud multiplicada por , un factor que crece muy despacio (3,8 con 14 piezas distintas, 6,6 con 100), así que entre métodos de vocabulario parecido sigue de cerca a la longitud. - Densidad: la dificultad. Es la única que no crece con el tamaño por sí sola: un método corto que usa muchas operaciones distintas sobre las mismas variables puede salir más difícil que uno largo.
- Derivadas: esfuerzo, tiempo y errores estimados. Como y son funciones crecientes del esfuerzo, las tres ordenan los métodos exactamente igual. Mirar las tres no da más información que mirar una; el tiempo y los errores solo cambian la escala.
Dos cautelas valen para toda la familia:
- No se suman entre niveles. El vocabulario de una clase no es la suma de los de sus métodos, porque una pieza que aparece en dos métodos cuenta una sola vez en la clase. Lo mismo arrastra el volumen y todo lo que depende de él.
- No se comparan entre herramientas. Basta con que una cuente los signos de puntuación y otra no para que los valores no se parezcan. El esfuerzo amplifica la diferencia, porque las reglas de recuento entran en sus dos factores.
Lo que ninguna mide es la estructura del control: dos métodos con los mismos recuentos tienen las mismas medidas aunque uno sea una secuencia plana y el otro una maraña de condiciones. Para eso está la familia de «McCabe», que mira justo lo que Halstead no mira; por eso se suelen leer juntas.
Validación y críticas
Halstead reunió en sus últimos trabajos los estudios que respaldaban sus fórmulas, y la familia se examinó con lupa desde muy pronto. Fitzsimmons y Love (1978) publicaron una de las primeras revisiones en ACM Computing Surveys. Las críticas que siguieron atacan la teoría desde tres frentes:
- Los experimentos. Hamer y Frewin (1982) revisaron los experimentos en que se apoyaba la software science, los encontraron mal diseñados e insuficientes para sostener las conclusiones, y juzgaron que la mayoría de sus afirmaciones teóricas no son ni leyes naturales ni aproximaciones útiles de ingeniería. Shen, Conte y Dunsmore (1983) resumieron y ampliaron las críticas a la teoría y a su apoyo empírico.
- El modelo mental. Coulter (1983) concluyó que la psicología cognitiva no respalda el modelo de Halstead, que identifica cada comparación entre tokens con una «discriminación mental elemental». El 18 del tiempo de programación, el llamado número de Stroud, lo fijó Halstead ajustando su modelo a doce programas en lenguaje máquina, como recuerda Flater (2018); no es una constante psicológica medida.
- Las unidades. Al-Qutaish y Abran (2005) concluyeron que, para el volumen, el volumen potencial, el esfuerzo y el tiempo, las unidades que Halstead atribuye a los resultados no se siguen de las de las entradas. Flater (2018) logró dar unidades coherentes a las principales medidas, pero para el esfuerzo y el tiempo tuvo que fundir en una sola unidad dos operaciones mentales que Halstead distinguía. Concluye que reinterpretar recuentos de código como sucesos mentales da medidas menos plausibles que las de los propios atributos del código.
A eso se añaden dos problemas prácticos. La longitud estimada se aparta mucho de la real en fragmentos pequeños (en el ejemplo de arriba, 39,5 frente a 20), y el nivel real exige contar los parámetros «conceptualmente distintos» de un algoritmo, algo que no tiene un procedimiento objetivo; por eso se usa el nivel estimado.
Qué queda en pie. Las críticas apuntan a la interpretación psicológica, no a los recuentos. La longitud, el vocabulario y el volumen son medidas de tamaño útiles si se sabe qué cuentan; el tiempo y los errores estimados son las más alejadas de los recuentos y las que más dependen de la teoría discutida. Ninguna de las dos debe usarse para planificar ni para estimar defectos: para lo segundo, la «densidad de defectos» observada dice más.
Dónde reaparecen
- Índice de mantenibilidad. El «índice de mantenibilidad» de Oman y Hagemeister (1992) combina el volumen de Halstead (el esfuerzo, en su primera versión) con la complejidad ciclomática y las líneas de código.
- Perfiles QCP de Stau Metro. El de «mantenibilidad» y el de
«fiabilidad» incluyen la longitud
N, y el de «corrección», la dificultadD.
En las herramientas
Stau Metro calcula seis medidas, cada una por método y por clase: vocabulario, longitud, volumen, dificultad,
esfuerzo y errores estimados (HalsteadVocabularyMethod, HalsteadLengthMethod, HalsteadVolumeMethod,
HalsteadDifficultyMethod, HalsteadEffortMethod, HalsteadBugsMethod y sus equivalentes …Class). No calcula el
tiempo, el nivel ni la longitud estimada; dividir su esfuerzo entre 18 da el tiempo de Halstead. Los errores
estimados usan la fórmula original, . Ninguna tiene umbral de referencia. Mide código Java, de
producción y de test; las reglas de recuento y qué entra en cada nivel están en la página de la
«longitud».
Radon (Python) calcula las medidas básicas a partir de , , y , el tiempo como y la longitud estimada. Para los errores estimados usa la fórmula del volumen, , así que sus valores no son comparables con los de Stau Metro aunque los recuentos coincidieran. Su documentación no detalla qué cuenta como operador ni como operando.
Testwell CMT++ y CMTJava (Verifysoft) dan el tiempo de implementación como segundos y el nivel como .
HCL OneTest Embedded (C y C++) calcula con el número de Stroud configurable, 18 por defecto, y lo presenta como tiempo estimado de pruebas.
Referencias
- Halstead, M. H. (1972). «Natural Laws Controlling Algorithm Structure?». ACM SIGPLAN Notices, 7(2), 19-26. https://doi.org/10.1145/953363.953366
- Halstead, M. H. (1977). Elements of Software Science. Elsevier North-Holland.
- Fitzsimmons, A. y Love, T. (1978). «A Review and Evaluation of Software Science». ACM Computing Surveys, 10(1), 3-18. https://doi.org/10.1145/356715.356717
- Hamer, P. G. y Frewin, G. D. (1982). «M. H. Halstead's Software Science: A Critical Examination». Proceedings of the 6th International Conference on Software Engineering, 197-206.
- Shen, V. Y., Conte, S. D. y Dunsmore, H. E. (1983). «Software Science Revisited: A Critical Analysis of the Theory and Its Empirical Support». IEEE Transactions on Software Engineering, SE-9(2), 155-165. https://doi.org/10.1109/TSE.1983.236460
- Coulter, N. S. (1983). «Software Science and Cognitive Psychology». IEEE Transactions on Software Engineering, SE-9(2), 166-171. https://doi.org/10.1109/TSE.1983.236461
- Al-Qutaish, R. E. y Abran, A. (2005). «An Analysis of the Designs and Definitions of Halstead's Metrics». 15th International Workshop on Software Measurement (IWSM 2005), 337-352.
- Flater, D. (2018). 'Software Science' Revisited: Rationalizing Halstead's System Using Dimensionless Units. NIST Technical Note 1990. https://doi.org/10.6028/NIST.TN.1990
- IEEE Computer Society, «Maurice Howard Halstead» (pioneros de la informática): https://history.computer.org/pioneers/halstead.html
- Wikipedia, «Halstead complexity measures»: https://en.wikipedia.org/wiki/Halstead_complexity_measures
- Radon, introducción a las métricas: https://radon.readthedocs.io/en/latest/intro.html
- Verifysoft, métricas de Halstead: https://www.verifysoft.com/en_halstead_metrics.html
- HCL OneTest Embedded, métricas de Halstead: https://help.hcl-software.com/devops/test/embedded/8.3.0/docs/topics/csmhalstead.html