静态分析工具应用那些事儿

静态分析工具在实际应用中可能会设计（涉及）的点：

是否能够扫出"用户认可“的问题（代码风格类，语法类，语义类，空指针，资源泄漏，安全类，性能类，可定制的最佳实践等）

低误报（解释：尽量推送认可的问题，不排除个别误报）

报错易理解（解释：提供问题描述（包含危害／错误／正确写法等），提供traceback（完整错误路径，用户更快地"臣服"问题，提供沟通渠道））

简单易上手（约定大于配置，开箱即用，IDE插件，集成DevOps工具链，与PR集成，云端服务）

可定制（内建规则集可定制，规则易扩展，精度|效率可调节，支持增量扫描，UI体验可定制）

识别流程人性化（SCM责任人归属，问题自动通知-与缺陷管理集成等，支持责任人reassign，快速标记误报，可查看同类问题，可发起讨论，可在线修改）

可查看增量问题（重点保证新增代码）

提供报表功能（面向不同角色可快速决策产品质量）

支持与第三方平台快速集成（比如与Jenkins／IDE／BitBucket／GitLab／VSTS等）

可靠性其一，完备性其二

可以带来产品信心的提升（产品交付信心，开发者信心，质量的满足感）

提升产品创造者的质量意识（质量检查方法的多样性和可能性）

工具具备自启发能力（自动学习误报历史，与动态检查结合，自动修复等）

愿景等（可变相提升开发者程序分析意识？价值转化成商业模式？怎样带来合作与共赢？）

逐步具备自主的核心竞争力：一站式平台服务，自主的程序分析引擎等

维度划分不够脆，待嚼嚼：-3 

PS: 如果你有应用过静态分析工具，或者尝试开发过静态分析工具欢迎交流，本人对业内开源|商业静态分析工具的应用有一定了解。