代码覆盖工具，如Emma、Cobertura和Clover，将检测您的代码，并记录通过运行一组测试调用代码的哪些部分。这是非常有用的，并且应该是开发过程中不可分割的一部分。它将帮助您确定测试套件对代码的覆盖程度。

然而，这与识别真正的死代码是不同的。它只识别被测试覆盖(或未被测试覆盖)的代码。这可能会给您带来假阳性(如果您的测试没有覆盖所有场景)和假阴性(如果您的测试访问了实际上从未在真实场景中使用过的代码)。

我认为真正识别死代码的最好方法是在实时运行的环境中使用覆盖工具，并在一段较长的时间内分析代码覆盖率。

If you are runnning in a load balanced redundant environment (and if not, why not?) then I suppose it would make sense to only instrument one instance of your application and to configure your load balancer such that a random, but small, portion of your users run on your instrumented instance. If you do this over an extended period of time (to make sure that you have covered all real world usage scenarios - such seasonal variations), you should be able to see exactly which areas of your code are accessed under real world usage and which parts are really never accessed and hence dead code.

我个人从来没有见过这样做，也不知道如何使用上述工具来检测和分析没有通过测试套件调用的代码——但我相信它们可以做到。

DCD不是某些IDE的插件，但可以从ant或独立运行。它看起来像一个静态工具，它可以做PMD和FindBugs不能做的事情。我会试试的。

附注:正如下面的评论中提到的，该项目现在存在于GitHub中。

使用测试覆盖工具来检测代码库，然后运行应用程序本身，而不是测试。

Emma和Eclemma将为您提供关于在任何给定的代码运行中运行的类的百分比的良好报告。

Structure101切片透视图将给出与“主”集群没有依赖关系的类或包的“孤儿”或“孤儿组”的列表(和依赖关系图)。

我们已经开始使用Find Bugs来帮助识别代码库中目标丰富的重构环境中的一些缺陷。我还会考虑结构101来识别代码库架构中过于复杂的地方，这样你就知道真正的沼泽在哪里。

我发现三叶草覆盖工具，仪器代码和突出显示的代码是使用和未使用的。不像谷歌CodePro分析，它也适用于WebApplications(根据我的经验，我可能是不正确的谷歌CodePro)。

我注意到的唯一缺点是它没有考虑Java接口。