| 数据来源 | git 历史（变更次数/行数）+ 静态分析（复杂度） |
|---|---|
| 呈现 | 散点图/矩阵，高频高复杂度区优先 |
| 验证 | 对照缺陷记录与工单分布 |
思路示例
思路示例
# 变更频率（近 12 个月每文件提交次数）
# 复杂度（圈复杂度或认知复杂度）
# 热点 = 两轴都靠前的文件集合热点分析让重构决策有数据依据：优先改「经常改且难改」的地方，而非看着别扭的地方。
热点识别：变更频率 × 复杂度
把改动最频繁的代码与复杂度指标叠加找热点：热点 = 高变更频率 × 高复杂度（或高缺陷密度）；热点是偿还投资回报较高的区域，也是重构 backlog 的输入。
易错点
- 只看复杂度不看看变更频率：重构非热点浪费预算
- 数据只看一个季度：项目阶段性波动造成误判
数据来源与参考
- CodeScene（热点分析）方法与 Adam Tornhill《Your Code as a Crime Scene》