解读

面试官想通过“圈复杂度”与“认知复杂度”这两个指标，考察候选人是否具备量化代码可维护性的能力，以及能否在 Grunt 构建流程里自动化地收集并对比这两种度量。国内一线团队普遍把“双复杂度”写进研发规范，Grunt 作为老牌任务运行器，常被用来在本地预提交或CI 门禁阶段跑度量任务，因此必须说清楚“怎么算、怎么配、怎么看”。

知识点

1. 圈复杂度（Cyclomatic Complexity）
   基于控制流图，公式：边数 - 节点数 + 2。Grunt 生态里用 grunt-complexity 插件，底层依赖 escomplex，默认把 switch-case、catch、?: 都算作一个分支，最后输出数字。
2. 认知复杂度（Cognitive Complexity）
   Sonar 提出的**“人脑理解难度”模型**，在 Grunt 中通过 grunt-sonar-runner 或 grunt-cognitive-complexity 插件实现。它忽略简单的顺序与嵌套，只对“打断线性思维”的结构加分：嵌套 if、循环里的 break、递归、lambda、布尔链式判断等都会逐级累加。
3. 计算差异
   • 圈复杂度只看分支数量，同层并列的 5 个 if 与 5 层嵌套 if 得分一样；
   • 认知复杂度对嵌套深度敏感，每多一层嵌套就额外+1，且 switch-case 整体只算一次“结构跳转”，不会随着 case 增多而爆炸。
4. Grunt 任务配置要点
   在 Gruntfile 里同时注册两个子任务：
   • grunt complexity 生成圈复杂度报告，阈值一般设 10；
   • grunt cognitive 生成认知复杂度报告，阈值一般设 15。
     通过 grunt.registerTask('metrics', ['complexity', 'cognitive']) 串行执行，再把结果输出到同一 json，方便在 Merge Request 里双指标对比。

答案

在 Grunt 任务中，圈复杂度由 grunt-complexity 插件通过控制流图计算，公式为“边-节点+2”，每个分支语句（if、for、catch、?:、switch-case）都算 1，最终得到一个整型数值，阈值通常设为 10。
认知复杂度则通过 grunt-cognitive-complexity 或 grunt-sonar-runner 插件，按 Sonar 规则模拟人脑理解过程：顺序代码不计分，每遇到嵌套结构就在原基础上累加嵌套深度分，switch-case 整体只计一次跳转，链式布尔判断也不再逐个累加。因此，同样 10 个分支，如果全部平铺，认知复杂度远低于圈复杂度；若深度嵌套，则认知复杂度会反超。
在 Gruntfile 里，两个任务独立输出 json 报告，我们可以用 grunt-contrib-concat 合并，再用自定义脚本双指标对比，当任一指标超标即中断构建，保证代码可维护性。

拓展思考

国内很多团队把“双复杂度”写进DevOps 门禁，但经常出现“圈复杂度达标、认知复杂度爆表”的伪干净代码。建议在 Grunt 流程里再加一层可视化：把两个指标做成二维散点图嵌入 MR 评论，横轴圈复杂度、纵轴认知复杂度，一眼就能看出哪些函数“分支少但难读”。更进一步，可结合 grunt-plato 生成历史趋势，当认知复杂度持续增长而圈复杂度平稳时，往往意味着过度嵌套或语义晦涩，需要重构而非简单拆函数。