沙龙活动 | 去哪儿、陌陌、ThoughtWorks在自动化运维中的实际!10.28不见不散!
这位作者剖析了 2017 年截至明天 GitHub 上一切的 PushEvents,关于每个 GitHub 用户都尽量分辨了他们属于哪个组织,并且只关注在 2017 年增长超过 20 个 star 的仓库(比如 Apache 目前在 GitHub 有超过 1500 个仓库,但只要 205 个在往年取得了 20 个以上的 star。因此,这里只剖析这 205 个仓库的提交状况)。
各公司的贡献状况
按仓库 star 数排名
顶尖的贡献组织比较:
微软大约有 1,300 名员工积极地将代码推送到 GitHub 上的 825 个顶级仓库
谷歌大约有 900 名员工生动于 GitHub,将代码推送到约 1,100 个顶级仓库
亚马逊大约有 134 名员工生动于 GitHub,仅将代码推送到 158 个顶级仓库
谷歌员工贡献的代码仓库比微软的多了 25%,存储卡取得的 star 数也更多(530,000 vs 60,000)。亚马逊仓库 2017 的 star 总数为 27,000。
亚马逊远远落后于微软和谷歌,那夹在它们之间有什么公司? 依据贡献状况排名如下:RedHat,IBM,Pivotal,Intel 和 Facebook 也做出了突出贡献。
Facebook 和 IBM(US) 的 GitHub 用户数量与亚马逊的相似,但他们贡献的项目播种到了更多的 star(尤其是 Facebook):
紧接着的是 Alibaba, Uber, 和 Wix:
GitHub,Apache 和 Tencent:
Baidu, Apple 和 Mozilla:
更详细的内容可直接参看这个可交互的版本:The top contributors to GitHub (2017)。
怎样做到的?1. 数据来源:GitHub Archive。
2. 怎样判别 Github 用户属于哪个公司?
这里主要经过用户提交记载中的邮件地址来停止判别。当然不是每团体都会用本人组织的邮箱地址,有很多人在 Github 上都选择如 gmail.com, users.noreply.github.com 或其他的邮箱,这种状况就没有办法了。
3. 所用工具:Google Big Query。
4. 详细的 SQL 代码:
#standardSQL WITH period AS ( SELECT * FROM `githubarchive.month.2017*` a ), repo_stars AS ( SELECT repo.id, COUNT(DISTINCT actor.login) stars, APPROX_TOP_COUNT(repo.name, 1)[OFFSET(0)].value repo_name FROM period WHERE type='WatchEvent' GROUP BY 1 HAVING stars>20 ), pushers_guess_emails_and_top_projects AS ( SELECT *, REGEXP_EXTRACT(email, r'@(.*)') domain FROM ( SELECT actor.id , APPROX_TOP_COUNT(actor.login,1)[OFFSET(0)].value login , APPROX_TOP_COUNT(JSON_EXTRACT_SCALAR(payload, '$.commits[0].author.email'),1)[OFFSET(0)].value email , COUNT(*) c , ARRAY_AGG(DISTINCT TO_JSON_STRING(STRUCT(b.repo_name,stars))) repos FROM period a JOIN repo_stars b ON a.repo.id=b.id WHERE type='PushEvent' GROUP BY 1 HAVING c>3 ) ) SELECT * FROM ( SELECT domain , githubers , (SELECT COUNT(DISTINCT repo) FROM UNNEST(repos) repo) repos_contributed_to , ARRAY( SELECT AS STRUCT JSON_EXTRACT_SCALAR(repo, '$.repo_name') repo_name , CAST(JSON_EXTRACT_SCALAR(repo, '$.stars') AS INT64) stars , COUNT(*) githubers_from_domain FROM UNNEST(repos) repo GROUP BY 1, 2 HAVING githubers_from_domain>1 ORDER BY stars DESC LIMIT 3 ) top , (SELECT SUM(CAST(JSON_EXTRACT_SCALAR(repo, '$.stars') AS INT64)) FROM (SELECT DISTINCT repo FROM UNNEST(repos) repo)) sum_stars_projects_contributed_to FROM ( SELECT domain, COUNT(*) githubers, ARRAY_CONCAT_AGG(ARRAY(SELECT * FROM UNNEST(repos) repo)) repos FROM pushers_guess_emails_and_top_projects #WHERE domain IN UNNEST(SPLIT('谷歌.com|microsoft.com|amazon.com', '|')) WHERE domain NOT IN UNNEST(SPLIT('gmail.com|users.noreply.github.com|qq.com|hotmail.com|163.com|me.com|谷歌mail.com|outlook.com|yahoo.com|web.de|iki.fi|foxmail.com|yandex.ru', '|')) # email hosters GROUP BY 1 HAVING githubers > 30 ) WHERE (SELECT MAX(githubers_from_domain) FROM (SELECT repo, COUNT(*) githubers_from_domain FROM UNNEST(repos) repo GROUP BY repo))>4 # second filter email hosters ) ORDER BY githubers DESC原文:Who contributed the most to open source in 2017? Let’s analyze GitHub’s data and find out.
【编辑引荐】
外媒速递:三大顶尖开源Python IDE方案综述
Facebook开源VoiceLoop,依据开放场景语音文字分解新语音
顺序员都应该懂一点开源协议
微软携手FB推出开源项目 打造共享神经网络模型
外媒速递:你值得一试的三款开源Python GUI框架
(责任编辑:admin)