GitHub_2020_数字洞察报告_35页_15mb

GitHub 2020数字洞察报告总结

核心内容

《GitHub 2020数字洞察报告》由 X-lab 开放实验室联合多家科研机构与开源社区共同完成，旨在反映全球开源现状与趋势，推动开源社会创新，绘制开源数字生态地图。报告涵盖了开源项目与开发者行为分析、语言分布、时区分布、项目活跃度等关键内容，展示了开源在全球范围内持续增长的趋势。

主要观点

• 开源的全球发展：2020年全球开源项目和开发者数量大幅增长，GitHub日志数达到8.6亿条，活跃仓库数量为5,421万个，活跃开发者数量为1,454万人，分别比2019年增长42.6%、36.4%和21.8%。
• 自动化协作工具崛起：GitHub Apps 在2020年活跃账号数量达到3,058个，日志占比超过12%，其中几个头部GitHub Apps如 dependabot[bot] 和 dependabot-preview[bot] 在活跃度上表现突出。
• 开发者行为特征：开发者活跃度与仓库数量呈现幂律分布，大部分开发者处于低活跃状态。开发者的工作时间分布显示，全球开发者主要集中在UTC-8至UTC-3时区，而欧洲拥有最高的单时区开发者比例。开发者的典型工作时间从早上8点开始，持续到晚上11点，且在夜间仍有较高的活跃度。
• 语言使用趋势：JavaScript和Python仍是主流编程语言，而HTML和CSS在全域开发者中更受欢迎。Rust语言在2020年表现出强劲的发展势头，成为新兴热门语言。
• 项目活跃度分布：项目活跃度分布呈现明显的幂律特征，绝大多数项目处于低活跃状态。项目活跃度Top20中，包括Kibana、Flutter、Kubernetes、VS Code等，表明开源社区对这些项目高度关注。
• 中国开源生态：中国在开源领域表现出色，PingCAP、阿里巴巴、百度等公司主导了多个高活跃项目。中国项目在GitHub上活跃度排名Top20中占有一席之地，其中PingCAP贡献了6个项目，阿里巴巴贡献了2个项目。

关键信息

开发者活跃度与行为

• 活跃度定义：基于开发者在项目中的行为，如Issue评论、PR提交、代码审查等，进行加权计算。公式如下：
  $$
  A_{u_d} = C_{\text{issue_comment}} + 2 C_{\text{open_issue}} + 3 C_{\text{open_pr}} + 4 C_{\text{review_comment}} + 2 C_{\text{pr_merged}} + C_{\text{watch}} + 2 C_{\text{fork}}
  $$
• PR权重：PR的权重根据新增代码行数（loc）进行分段计算：
  $$
  C_{p r - m e r g e d} = \left{ \begin{array}{c l} 0. 8 + 0. 0 0 2 \times l o c & l o c < 100 \ 1 & 100 \leq loc < 300 \ 2. 5 - 0. 0 0 5 \times loc & 300 \leq loc < 400 \ 0. 5 & loc \geq 400 \end{array} \right.
  $$

全球开发者时区分布

• 主要时区：UTC-8至UTC-3时区的开发者数量最多，约占33%。UTC+1至UTC+3时区的开发者比例最高，约26%。
• 时区估计方法：通过分析开发者在一天内连续12小时的行为日志，估计其时区。该方法用于统计维度，不能用于单个开发者时区的精确估计。

开发者使用语言分布

• 语言排行榜：JavaScript和Python占据前两位，HTML和CSS在全域开发者中更受欢迎。
• 语言统计方法：定义为开发者在2020年提交并合入PR最多的项目所使用的主要编程语言。

项目活跃度分析

• 活跃度计算：基于项目中所有开发者的活跃度加总计算，过滤了GitHub Apps相关账号的协作行为。
• Top20项目：包括Kibana、Flutter、Kubernetes、VS Code等，其中Kibana是活跃度最高的项目，表明其在开源社区中的重要性。
• 中国项目活跃度：Top20项目中，PingCAP贡献了6个项目，阿里巴巴贡献了2个项目，百度贡献了2个项目，显示了中国企业在开源生态中的重要地位。

开源星系与象限

• 开源星系（OpenGalaxy）：首次提出，用于理解GitHub开源项目的全貌。
• 开源象限（OpenQuadrant）：用于区分同类开源项目的发展阶段与成熟水平，有助于开源治理。

总结

本报告通过详尽的数据分析和可视化手段，揭示了开源世界中的关键趋势和特征，包括全球开源的蓬勃发展、自动化协作工具的广泛应用、开发者行为的规律性、语言使用的分布情况、项目活跃度的分布模式，以及中国在开源生态中的重要地位。这些洞察不仅有助于理解开源生态的现状，也为未来的开源治理和社区发展提供了重要的参考依据。