TMT观察网_独特视角观察TMT行业

常混GitHub的人都知道，想要從數以百萬的項目中找到靠譜的項目，有一個重要的參考標準，就是「開發者活躍度」。

然而，最近一家數據分析公司的CTO（本文作者）在分析過GitHub的開發者活躍度指數以及多個數據平臺根據該指數提供的排名后，卻發現，現有的指數數據和排名有些隱藏的坑，連以太坊這樣的王者都被無名項目給虐了。

總之，活躍度排名的水很深，還是讓圈內人為你揭秘吧。

作為開發者，在GitHub瀏覽項目時，「開發者活躍度」（Dev Activity）是一個重要的參考指標。

越多開發者愿意投入時間和精力在一個項目上，項目的活躍度高，活躍度高則往往意味著：開發者相信這個項目是靠譜的；這個項目的功能更豐富；以及這個項目存在「貓膩」的可能性更低。

雖然有些土豪開發者可以靠「刷量」把項目的活躍度給刷上去，但對于GitHub上的絕大多數普通開發者來說，刷量的成本是可望而不可即的。況且刷上去的項目，也很容易露出馬腳，經常上GitHub的人往往一眼就能看出來。

那么，這是不是說GitHub是篩選項目最靠譜的參考數據呢？帶著這個疑問，我們研究了大量活躍度指數的數據，通過將此數據與不同項目進行深度對比，發現一個有意思的現象，那就是現有的活躍度數據和排名并不能反應項目的質量和靠譜程度。

既然如此，這一現象是怎樣造成的？開發者在參考項目的活躍度時，到底該參考哪些數據呢？

王者敗給青銅，GitHub活躍度應該怎么看？

CryptoMiso是一個活躍度數據平臺，通過對以太坊、比特幣等知名項目的GitHub活躍度指數進行對比時發現，在活躍度的整體排名上，「王者」竟然敗給了無名「青銅」。

Particl和DigiByte這樣幾乎沒有存在感的項目，git commits的數量遠遠高于以太坊，排名竟然也將比特幣和以太坊遠遠甩在身后。

可問題是，Particl和DigiByte這樣的項目憑什么提交數就比比特幣和以太坊高呢？通過深挖，我們發現Particl「借鑒」了一部分比特幣的源碼，隨著「借鑒」的操作，也分流了一大批比特幣項目下的提交數（commits）和貢獻者，簡單來說就是竊取了比特幣的勝利果實。

而這種操作Particl絕不是個例，類似這樣的項目還多著呢。

隨便舉幾個例子：

• DigiByte，CryptoMiso上排名第8位的項目，復制/粘貼了比特幣的源代碼；

• ChainCoin，CryptoMiso上排名第18位，把比特幣的源代碼進行分叉，雖然提交數不多（不到30個），但仍然比以太坊要高；

• GlobalCoin，CryptoMiso上排名第22，同樣把比特幣的源代碼給分叉了，雖然活躍度不高，但排名卻比較靠前。

雖然CryptoMiso在展示排名時會在對別的項目進行分叉的項目下用小字標注出來，但這么做似乎也并沒有什么效果，像DigiByte這樣直接復制/粘貼的項目，能耐它何？

還有一個有意思的發現是，像CryptoMiso這樣的數據平臺往往只抓取一個代碼庫（repositories）的數據。比如以太坊就有很多個代碼庫，只抓取一個數據往往無法全面反映出以太坊的活躍度。

實際上，以太坊有大量超級活躍的代碼庫。

你可能會想，那我們換個數據平臺怎么樣？行啊，我們就來看看另一個數據平臺Coincheckup，通過對過去一年的提交數進行篩選，很遺憾，數據顯示結果與上面如出一轍，DigiByte和Particl仍然分別排在第8位和第12位。

要找到以太坊，需要往后翻三頁。就連比特金（Bitcoin Gold）這樣連一條提交都沒有的項目，也排在了以太坊的前面。

還有更虐的，很多看起來提交數很多的項目，實際上摻了不少「水分」。

比如有些提交就是用pixel art畫了個像素風格的畫，也能算做有效的數據。

除此之外，利用這些數據平臺去查看項目的GitHub活躍度指數，也是件及其麻煩的事。你要一個一個的去看各個項目的數據，然后再把這些數據放到一起來對比。

不僅如此，正如上面提到很多數據網站抓取的庫很單一，你還要再確定這些庫抓取的對不對。總之，非常麻煩。

那么，要想更科學的獲取項目的GitHub活躍度指數該怎么辦呢？

事件 vs. 提交，誰更靠譜？

從上面可以看出，按照項目的提交數這個標準來判斷項目的活躍度，根本無法有效的反映出項目實際的活躍度。

因此，有些開發者認為，現有的排名機制不好，更科學的方法應該是基于「項目在GitHub上所產生的事件」。那么，事件到底又指什么呢？

事件（event）可以包括以下幾個維度：

• 代碼推送（code pushes）數量；

• 互動行為數量，包括添加/刪除/編輯/評論等行為；

• pull request交互數量，包括在PRs里的添加/刪除/編輯等；

• GitHub Wiki編輯數量；

• commits的評論數；

• 開源代碼庫數量。

通過事件（event）來判斷項目的活躍度還有一個好處，那就是所有事件的返回格式都是統一的。如下面代碼所示：

調用語句也非常簡單：

通過「事件」來獲取GitHub項目的活躍度，不僅能避免上面的問題，還有以下好處：

• 避免了對某個項目代碼庫代碼的分叉，就能自動繼承該項目的事件數據；

• 歷史抓去記錄不可更改；

• 開發者活躍度數據更多元，不僅有提交代碼數量，還包括上面提到的種種維度。

通過這樣的判斷標準再來篩選，我們得到了以下結果：

看到了嗎，以太坊和比特幣妥妥出現在了它們應該出現的位置上，而那些在現有篩選機制上排名靠前的項目，如DigiByte、比特金等，則一個都沒有出現！

利用這一方法，我們也對ERC20 Token進行了篩選，得到的結果也靠譜了很多：

從上圖可以看出，排在最前面的分別是：Status, EOS, BAT, Golem，甚至連波場（TRON）這樣近期被黑的廠商，也排在了相對客觀的位置。

其他有意思的發現

通過今天的文章，我們可以得出一個結論：GitHub項目的活躍度指數，基于事件比基于提交數更科學，也可以避開很多坑。

同時，通過數據的結果來看，也能看出一些有意思的現象：比如ERC20項目的開發者活躍度，比很多區塊鏈平臺項目高得多。

這意味著，以太坊已經吸引到了大量的優質開發者基于這個平臺做開發。

作為開發者之一，相信通過科學的方法篩選和分析數據，找的項目會更靠譜。從今天起，也嘗試起來吧。

PS. 本文提到通過事件（event）篩選開發者活躍度的數據平臺為：

https://santiment.net