2022年11月14日，发布于 数据探索
‧
4 分钟阅读
顶级 GitHub 项目的巴士系数
Metabase 团队
‧ 2022年11月14日，发布于 数据探索
‧ 4 分钟阅读
分享本文
“意外因素”是指一个项目有多少人可能遭遇（或辞职）被公交车撞到（隐喻），然后项目会陷入严重困境。我们对 GitHub 上排名前 1,000 个项目（按星标数衡量）的意外因素很感兴趣。
观察结果
查看我们的仪表板，或者继续阅读以了解我们的发现。
数据集
- 我们使用了 GitHub API 和 truckfactor 来获取并计算 GitHub 上星标数排名前 1,000 个仓库的意外因素。
- 由于内存限制，我们只能计算 GitHub 上约 95% 仓库的意外因素。
- 为了排除无代码的仓库（例如学习资源或某个主题的精选列表），我们移除了无法确定主要编程语言，或仓库主要由以下文件类型组成的项目：Makefile、TeX、Dockerfile 和 Markdown。
- 如果您想自己玩转这些数据，请随意下载并探索数据集。
我们如何计算意外因素
我们使用了名为 truckfactor 的库来计算意外/卡车因素。以下是 truck factor 的计算方法。对于每个仓库，truckfactor（此处直接引用其仓库的描述）
- 读取仓库的 git 日志
- 为每个文件计算其“知识所有权”。
- 当贡献者编辑了某个文件的大部分代码行时，她就拥有该文件的知识所有权。
- 该计算受到了 A. Tornhill 所著《Your Code as a Crime Scene》 的启发。
- 请注意，仅对文本文件计算知识所有权。对于仅包含二进制文件的仓库，该工具可能无法返回准确的答案。
- 然后，类似于 G. Avelino 等人所著《A novel approach for estimating Truck Factors》，低贡献作者会被从分析中移除，只要仍有超过一半的文件有知识所有者。剩余的知识所有者数量就是该仓库的卡车因素。
作为背景，在 2015 年和 2016 年进行的研究计算了 133 个热门 GitHub 项目的意外/卡车因素。结果表明，大多数项目具有较低的意外因素（65% 的项目意外因素 ≤ 2），并且这些项目中不到 10% 的项目意外因素大于 10。
意外因素分布
几乎一半的项目意外因素为二或更低。
只有 10% 的项目的意外因素为 6 或更高。
仓库星标数与意外因素之间没有相关性
我们最初认为更受欢迎的项目应该有更多的贡献者，因此意外因素也更高，但似乎并非如此。
主要语言的平均意外因素
这里我们泛指各种语言，因此 HTML 和 CSS 等语言也在其中。
- 超过一半的项目使用 Shell 脚本语言（Bash 脚本）。
- 最常见的语言是基于 Web 的工具：JavaScript、HTML、CSS 和 TypeScript。主要的通用编程语言包括 Python、C 和 Java。
- 基于 Web 开发语言（JavaScript、HTML、CSS、TypeScript 和 SCSS）编写的项目，其意外因素通常低于使用通用编程语言（Python、C、Java 和 C++）编写的项目。
最受欢迎的标签
在星标最多的仓库中，JavaScript 是最受欢迎的标签，由流行的 Web 框架和库（如 React、Vue、Bootstrap 和 Angular）主导。如果我们合并 Go 和 Golang，Go 语言编写的项目将成为第二大标记语言（尽管有些仓库可能同时包含 Go 和 Golang 标签，这会夸大标签数量）。
Hacktoberfest 是第二常见的标签，这很有意义。Hacktoberfest 是一个为期一个月的开源项目庆祝活动，旨在鼓励对开源项目的贡献，因此仓库维护者会积极添加该标签来吸引贡献者。
按软件类型的意外因素
我们还按软件类型对意外因素进行了细分，机器学习项目的双位数意外因素数量最多。
后端项目
前端项目
机器学习项目
商业智能项目
结论
- Metabase 支持公共交通。
- 软件构建在纸牌屋之上。
- 记录您的代码。
- Metabase 的意外因素“尚可”（4）。此外，我们是一个完全分布式的团队，因此必须在全球范围内协调公交车事故才能使项目面临任何风险。
- 但我们的意外因素可以做得更好，所以，您懂的，我们正在招聘。
