SonarQube 是一个开源的代码分析平台，用来持续分析和评测代码的质量，支持检测 Java、JavaScript、C#、C、C++ 等二十几种编程语言。通过 SonarQube 可以检测出项目中潜在的Bug、漏洞、代码规范、重复代码、缺乏单元测试的代码等问题，并提供了 UI 界面进行查看和管理。
架构
Architecture
SonarQube 由4部分构成：
- SonarQube Server
SonarQube Server 会启动3个主要进程：
Web Server：UI 管理界面
Search Server：基于 Elasticsearch 的搜索服务
Compute Engine Server：计算引擎服务，进行代码分析并保存到SonarQube Database
- SonarQube Database
存储 SonarQube 实例的配置信息，项目、视图等的快照信息
- SonarQube Scanners
分析项目代码，可在构建/持续集成服务器上运行一个或多个
- SonarQube Plugins
SonarQube 插件管理
集成
Integration
以上是官方提供的流程图，官方提供了支持不同 IDE 的 SonarLint 插件 ，插件会在编码过程中对代码进行分析，从而促使在开发阶段就能提高代码的质量。理论上我们应该遵循分析结果，乖乖的优化代码，但如果开发人员不按套路，不进行优化或不安装 SonarLint，非要把代码提交到 SCM（如： git, SVN, TFVC），一种方式可以在合并管道中加入代码检测环节，有问题直接拦截，提交失败，不过这有点过于粗暴了，很多情况下确实没这个必要；另一种方式是允许代码暂时提交到代码库，进入代码库后再次进行分析，有问题再回头优化（代码库是必经之路，逃也逃不掉）。
对代码库中的代码进行分析之前，我们需要搭建持续集成工具（如：Jenkins），并在工具中集成 SonarQube Scanners，根据持续集成工具设置的条件会自动触发拉取和 Build 代码，然后经过 SonarQube Scanners 分析并将分析报告发送到 SonarQube Server，SonarQube Server 对分析报告进行处理并保存到 SonarQube Database，同时可将分析报告发送给相关负责人进行 Review ，最终我们可以通过 UI 界面进行查看分析结果，开发人员对有问题的代码再次进行优化，如此循环。
环境要求
主要是两个要求，具体可参考 Prerequisite
- JDK 8
- MySQL (>=5.6 && <8.0) （也支持其他数据）
安装 SonarQube Server
-
下载 SonarQube，一般情况使用社区版，其他版本可以试用，但最终需要 money
-
解压后，在 bin 文件夹中选择匹配的操作系统启动 SonarQube server
# On Windows, execute: .\bin\windows-x86-xx\StartSonar.bat # On other operating system, execute: bin/[OS]/sonar.sh console
StartSonar
从启动日志中可以看出 SonarQube server 依赖于 Elasticsearch，但并不需要单独下载，SonarQube 的下载包内已包含，如果想复用之前安装过的 Elasticsearch，请根据需要调整配置文件 conf/sonar.properties 中 Elasticsearch 部分。
-
启动成功后访问： http://localhost:9000 ，默认登录账号/密码：admin/admin
SonarQube UI
配置 SonarQube Database
安装后 MySQL 后，创建数据库 sonar，修改 SonarQube 配置文件 /conf/sonar.properties MySQL相关部分，重启后 sonar 数据库中会创建部分相关的表。
#----- MySQL >=5.6 && <8.0
# Support of MySQL is dropped in Data Center Editions and deprecated in all other editions
# Only InnoDB storage engine is supported (not myISAM).
# Only the bundled driver is supported. It can not be changed.
sonar.jdbc.url=jdbc:mysql://localhost:3306/sonar?useUnicode=true&characterEncoding=utf8&rewriteBatchedStatements=true&useConfigs=maxPerformance&useSSL=false
sonar.jdbc.username=root
sonar.jdbc.password=
sonar.sorceEncoding=UTF-8
安装 SonarQube Scanners
选择对应的操作系统版本 下载 SonarQube Scanners，下载后可将 bin 目录路径加入 Path 中，之后直接通过 sonar-scanner 全局命令执行代码分析。
对 JavaScript 项目进行代码分析
下载 JavaScript 项目代码 ，在项目根目录下创建 sonar-project.properties：
javascript project
在 sonar-project.properties 添加配置如下：
# Sonar项目标识，在 SonarQube实例下必须唯一
sonar.projectKey=test
# 在 SonarQube UI 中显示的项目名称
sonar.projectName=ApiDoc
# 项目版本
sonar.projectVersion=1.0
# 项目代码与 sonar-project.properties 文件的相对路径
sonar.sources=.
# 代码文件的编码
sonar.sourceEncoding=UTF-8
# 排除不参与代码分析的文件或目录
sonar.exclusions=node_modules/**/*,.idea/**/*
在项目根目录下执行命令：
sonar-scanner
Analyzed
执行成功后，再次访问： http://localhost:9000 ，出现一个 ApiDoc 项目的分析概要，并提示有一个不规范问题，测试覆盖率 0。
注意：日志中的 ”Analysis report compressed in 205ms, zip size=518 KB“说明了压缩后的分析报告大小，最终这部分数据会存储到 MySQL，MySQL 默认接受的最大数据包为 4M，如果压缩包过大，这里的提交就会失败，这时候需要修改 MySQL 的 max_allowed_packet 的值。
ApiDoc Result
Code Smell
修复掉不规范问题后重新执行命令 sonar-scanner ，结果如下：
ApiDoc Result2
同时在 MySQL 的 sonar 数据库中又会自动创建相关的表，并对分析结果进行存储。
Tables
以上通过对本地目录下的一个 JavaScript 项目进行分析测试，实际情况应该是基于 SCM ，并配合持续集成工具进行自动化代码分析，下篇介绍。
网友评论