任何重要的決定都應(yīng)基于數(shù)據(jù)，對(duì)于信息項(xiàng)目和軟件開發(fā)亦是如此。如果你不仔細(xì)查看描述項(xiàng)目演進(jìn)的數(shù)據(jù)就無法了解項(xiàng)目的健康狀況，并給出合理的改進(jìn)措施。為了分析和挖掘這些信息，我們可以從Git存儲(chǔ)庫和項(xiàng)目所在的代碼托管平臺(tái)(例如GitHub，Gitlab)獲取一些有意義的數(shù)據(jù)。然而從Git/GitHub輕松獲取數(shù)據(jù)實(shí)際也不是一件簡單的事情。本文蟲蟲就給大家介紹一些Git/GitHub開源分析工具供大家學(xué)習(xí)參考。

GitHub API

首先要說的是Github的官方API，這是獲取GitHub倉庫詳細(xì)的優(yōu)秀方式。API非常好用，你可以使用curl或者其他任何語言打包庫，獲取倉庫的所有信息(其他公共在線Git托管平臺(tái)或者自建的Gitlab都有類似的API)。然而，討厭的是Github對(duì)API的調(diào)用做了限制，每小時(shí)的請(qǐng)求數(shù)量是有限制的(匿名用戶60次，授權(quán)用戶5000次)，如果你要分析大型項(xiàng)目(或?qū)ζ渲幸恍┻M(jìn)行全局分析)，則使用API​​并不是一個(gè)好的解決方案。但是，一般用來對(duì)個(gè)別構(gòu)建專注于單個(gè)項(xiàng)目或貢獻(xiàn)者的某種儀表板是不會(huì)受到影響的。

通過Github API，你基本上獲得訪問瀏覽項(xiàng)目Github倉庫時(shí)看到的所有信息，但是對(duì)倉庫的Git信息內(nèi)部信息有限(例如，想知道在最近的一天修改了哪些代碼行)。你需要clone 倉庫后通過git命令才能獲得完全信息。

GHCrawler

GHCrawler是由微軟開發(fā)的一個(gè)健壯的GitHub API 爬蟲，可遍歷GitHub實(shí)體和消息，對(duì)其進(jìn)行搜索和跟蹤。如果要對(duì)某一組織或者項(xiàng)目的活動(dòng)進(jìn)行分析，則GHCrawler特別有用。GHCrawler也受Github API請(qǐng)求次數(shù)的限制，但是GHCrawler通過使用令牌池和輪換來優(yōu)化API令牌的使用。GHCrawler支持命令行式調(diào)用，同時(shí)也支持一個(gè)Web端界面操作(ghcrawler-dashboard)

項(xiàng)目官方倉庫：https://github.com/Microsoft/ghcrawler

GH Archive

GH Archive是一個(gè)開源的一個(gè)項(xiàng)目，用于記錄公共GitHub時(shí)間軸，對(duì)其進(jìn)行存檔，并使其易于訪問以進(jìn)行進(jìn)一步分析。GitHub Archive獲取所有的GitHub events信息存儲(chǔ)在一組JSON文件中，以便根據(jù)需要下載并脫機(jī)處理。

另外，GitHub Archive也可以作為公共數(shù)據(jù)集在Google BigQuery上使用。該數(shù)據(jù)集每小時(shí)自動(dòng)更新一次，可以在幾秒鐘內(nèi)對(duì)整個(gè)數(shù)據(jù)集運(yùn)行任意類似SQL的查詢。

項(xiàng)目官方網(wǎng)站：https://www.gharchive.org

GHTorren

和GH Archive類似，GHTorrent項(xiàng)目也用來監(jiān)視Github公共事件時(shí)間表信息。對(duì)于每個(gè)事件，它都詳盡地檢索其內(nèi)容和相互依賴性。然后將結(jié)果JSON的信息存儲(chǔ)到MongoDB數(shù)據(jù)庫，同時(shí)還將其結(jié)構(gòu)提取到MySQL數(shù)據(jù)庫中。

GHTorrent和GH Archive有點(diǎn)類似，兩者區(qū)別是GH Archive旨在提供更詳盡的事件集合，按小時(shí)頻率獲取信息。而GH Torrent則以更結(jié)構(gòu)化的方式提供事件數(shù)據(jù)，以使更輕松地獲取所有事件有關(guān)事件的信息，數(shù)據(jù)獲取頻率為月。

項(xiàng)目官方倉庫：https://github.com/ghtorrent

Kibble

Apache Kibble是一套用于收集，匯總和可視化軟件項(xiàng)目中活動(dòng)的工具。Kibble架構(gòu)由一個(gè)中央Kibble服務(wù)器和一組專門用于處理特定類型資源的掃描應(yīng)用程序(一個(gè)git repo，一個(gè)郵件列表，一個(gè)JIRA實(shí)例等)并將已編譯的數(shù)據(jù)對(duì)象推送到Kibble服務(wù)器。

[[286059]]

根據(jù)這些數(shù)據(jù)，可以自定義一個(gè)儀表板，其中包含許多顯示項(xiàng)目數(shù)據(jù)的小部件(語言分類，主要貢獻(xiàn)者，代碼演變等)。從這個(gè)意義上講，Kibble更像是一種工具，可以幫助創(chuàng)建項(xiàng)目數(shù)據(jù)信息展示W(wǎng)eb端。

項(xiàng)目官方網(wǎng)站：https://kibble.apache.org/

CHAOSS

CHAOSS是Linux 基金會(huì)下項(xiàng)目，致力于創(chuàng)建數(shù)據(jù)析和指標(biāo)定義以幫助一個(gè)健康的開源社區(qū)。CHAOSS計(jì)劃項(xiàng)目有很多工具可以挖掘和計(jì)算項(xiàng)目所需的指標(biāo)數(shù)據(jù)：

Augur是一個(gè)Python庫、Flask Web應(yīng)用程序和REST服務(wù)器，用于提供有關(guān)開源軟件開發(fā)項(xiàng)目運(yùn)行狀況和可持續(xù)性的指標(biāo)。目標(biāo)是作為CHAOSS社區(qū)感興趣的新指標(biāo)的快速原型制作。

Cregit則專注于生成視圖以可視化代碼更改的出處

GrimoireLab Bitergia旗下迄今為止最成熟和雄心勃勃的工具。GrimoireLab的目的是提供一個(gè)開源平臺(tái)實(shí)現(xiàn)：

1. 幾乎可以從任何與開源開發(fā)相關(guān)的工具(數(shù)據(jù)源)中收集自動(dòng)和增量數(shù)據(jù)(源代碼管理，問題跟蹤系統(tǒng)，論壇等)

自動(dòng)豐富數(shù)據(jù)以清理和擴(kuò)展上面收集的數(shù)據(jù)(合并重復(fù)的身份，添加有關(guān)貢獻(xiàn)者隸屬關(guān)系，計(jì)算延遲，地理數(shù)據(jù)等的其他信息)

數(shù)據(jù)可視化，按時(shí)間范圍，項(xiàng)目，存儲(chǔ)庫，貢獻(xiàn)者等進(jìn)行過濾搜索。

GrimoireLab使用Kibana在收集的數(shù)據(jù)之上提供所有這些出色的可視化效果。

CHAOSS項(xiàng)目官方網(wǎng)站：https://chaoss.community/

Sourced

Sourced自稱為開發(fā)生命周期的數(shù)據(jù)平臺(tái)。與以前的工具相比，它更多地關(guān)注項(xiàng)目的代碼，而不是社區(qū)的協(xié)作。Sourced項(xiàng)目使用通用AST，可以實(shí)現(xiàn)與語言無關(guān)的方式對(duì)代碼庫細(xì)節(jié)查詢。

在Sourced項(xiàng)目組織中，可以找到幾個(gè)有趣的數(shù)據(jù)分析工具。包括：

go-git：用純Golang語言編寫的高度可擴(kuò)展的git實(shí)現(xiàn)庫。

[[286061]]

Hercule：Golang實(shí)現(xiàn)的對(duì)存儲(chǔ)庫的整個(gè)提交歷史記錄分析工具。

gitbase：Golang 實(shí)現(xiàn)的Git存儲(chǔ)庫SQL數(shù)據(jù)庫接口。比如按年月和提交者的提交信息，可以使用如下Sql語句：

SELECT YEAR,

MONTH,

repo_id,

committer_email,

COUNT(*) AS num_commits

FROM

(SELECT YEAR(committer_when) AS YEAR,

MONTH(committer_when) AS MONTH,

repository_id AS repo_id,

committer_email

FROM ref_commits

NATURAL JOIN commits

WHERE ref_name = 'HEAD') AS t

GROUP BY committer_email,

YEAR,

MONTH,

repo_id;

項(xiàng)目官方網(wǎng)站：https://sourced.tech/

Github項(xiàng)目組織：https://github.com/src-d

Hubble

Hubble用于可視化GitHub Enterprise的協(xié)作、使用情況和運(yùn)行狀況數(shù)據(jù)。它致力于幫助大公司了解其內(nèi)部組織，項(xiàng)目和貢獻(xiàn)者如何一起分配和協(xié)作。

Hubble Enterprise由兩個(gè)組件組成。更新器組件是一個(gè)Python腳本，它每天從GitHub Enterprise設(shè)備查詢相關(guān)數(shù)據(jù)，并將結(jié)果存儲(chǔ)在Git存儲(chǔ)庫中。docs組件是一個(gè)Web應(yīng)用程序，用于可視化收集的數(shù)據(jù)，并由GitHub Pages托管。

官方項(xiàng)目托管地址：https://github.com/Autodesk/hubble

onefetch

最后提一個(gè)非常漂亮的命令行下的git項(xiàng)目信息可視化的工具，支持對(duì)50多種語言，提及它是因?yàn)樗怯眯屡d的Rust語言編寫的。

總結(jié)

本文我們列舉一些對(duì)github/git進(jìn)行數(shù)據(jù)挖掘的工具和項(xiàng)目。除了上面提及以下開源軟件外，有一些商業(yè)化的工具也非常不錯(cuò)，比如Snoot和Waydev。