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)