作者/ Valentin Mihov
编译/ Aholiab
常混GitHub的人都知道，想要从数以百万的项目中找到靠谱的项目，有一个重要的参考标准，就是「开发者活跃度」。
然而，最近一家数据分析公司的CTO（本文作者）在分析过GitHub的开发者活跃度指数以及多个数据平台根据该指数提供的排名后，却发现，现有的指数数据和排名有些隐藏的坑，连以太坊这样的王者都被无名项目给虐了。
总之，活跃度排名的水很深，还是让圈内人为你揭秘吧。
作为开发者，在GitHub浏览项目时，「开发者活跃度」（Dev Activity）是一个重要的参考指标。
越多开发者愿意投入时间和精力在一个项目上，项目的活跃度高，活跃度高则往往意味着：开发者相信这个项目是靠谱的；这个项目的功能更丰富；以及这个项目存在「猫腻」的可能性更低。
虽然有些土豪开发者可以靠「刷量」把项目的活跃度给刷上去，但对于GitHub上的绝大多数普通开发者来说，刷量的成本是可望而不可即的。况且刷上去的项目，也很容易露出马脚，经常上GitHub的人往往一眼就能看出来。
那么，这是不是说GitHub是筛选项目最靠谱的参考数据呢？带着这个疑问，我们研究了大量活跃度指数的数据，通过将此数据与不同项目进行深度对比，发现一个有意思的现象，那就是现有的活跃度数据和排名并不能反应项目的质量和靠谱程度。
既然如此，这一现象是怎样造成的？开发者在参考项目的活跃度时，到底该参考哪些数据呢？
王者败给青铜，GitHub活跃度应该怎么看？
CryptoMiso是一个活跃度数据平台，通过对以太坊、比特币等知名项目的GitHub活跃度指数进行对比时发现，在活跃度的整体排名上，「王者」竟然败给了无名「青铜」。
Particl和DigiByte这样几乎没有存在感的项目，git commits的数量远远高于以太坊，排名竟然也将比特币和以太坊远远甩在身后。
可问题是，Particl和DigiByte这样的项目凭什么提交数就比比特币和以太坊高呢？通过深挖，我们发现Particl「借鉴」了一部分比特币的源码，随着「借鉴」的操作，也分流了一大批比特币项目下的提交数（commits）和贡献者，简单来说就是窃取了比特币的胜利果实。
而这种操作Particl绝不是个例，类似这样的项目还多着呢。
随便举几个例子：
DigiByte，CryptoMiso上排名第8位的项目，复制/粘贴了比特币的源代码；
ChainCoin，CryptoMiso上排名第18位，把比特币的源代码进行分叉，虽然提交数不多（不到30个），但仍然比以太坊要高；
GlobalCoin，CryptoMiso上排名第22，同样把比特币的源代码给分叉了，虽然活跃度不高，但排名却比较靠前。
虽然CryptoMiso在展示排名时会在对别的项目进行分叉的项目下用小字标注出来，但这么做似乎也并没有什么效果，像DigiByte这样直接复制/粘贴的项目，能耐它何？
还有一个有意思的发现是，像CryptoMiso这样的数据平台往往只抓取一个代码库（repositories）的数据。比如以太坊就有很多个代码库，只抓取一个数据往往无法全面反映出以太坊的活跃度。
实际上，以太坊有大量超级活跃的代码库。
你可能会想，那我们换个数据平台怎么样？行啊，我们就来看看另一个数据平台Coincheckup，通过对过去一年的提交数进行筛选，很遗憾，数据显示结果与上面如出一辙，DigiByte和Particl仍然分别排在第8位和第12位。
要找到以太坊，需要往后翻三页。就连比特金（Bitcoin Gold）这样连一条提交都没有的项目，也排在了以太坊的前面。
还有更虐的，很多看起来提交数很多的项目，实际上掺了不少「水分」。
比如有些提交就是用pixel art画了个像素风格的画，也能算做有效的数据。
除此之外，利用这些数据平台去查看项目的GitHub活跃度指数，也是件及其麻烦的事。你要一个一个的去看各个项目的数据，然后再把这些数据放到一起来对比。
不仅如此，正如上面提到很多数据网站抓取的库很单一，你还要再确定这些库抓取的对不对。总之，非常麻烦。
那么，要想更科学的获取项目的GitHub活跃度指数该怎么办呢？
事件 vs. 提交，谁更靠谱？
从上面可以看出，按照项目的提交数这个标准来判断项目的活跃度，根本无法有效的反映出项目实际的活跃度。
因此，有些开发者认为，现有的排名机制不好，更科学的方法应该是基于「项目在GitHub上所产生的事件」。那么，事件到底又指什么呢？
事件（event）可以包括以下几个维度：
代码推送（code pushes）数量；
互动行为数量，包括添加/删除/编辑/评论等行为；
pull request交互数量，包括在PRs里的添加/删除/编辑等；
GitHub Wiki编辑数量；
commits的评论数；
开源代码库数量。
通过事件（event）来判断项目的活跃度还有一个好处，那就是所有事件的返回格式都是统一的。如下面代码所示：
调用语句也非常简单：
通过「事件」来获取GitHub项目的活跃度，不仅能避免上面的问题，还有以下好处：
避免了对某个项目代码库代码的分叉，就能自动继承该项目的事件数据；
历史抓去记录不可更改；
开发者活跃度数据更多元，不仅有提交代码数量，还包括上面提到的种种维度。
通过这样的判断标准再来筛选，我们得到了以下结果：
看到了吗，以太坊和比特币妥妥出现在了它们应该出现的位置上，而那些在现有筛选机制上排名靠前的项目，如DigiByte、比特金等，则一个都没有出现！
利用这一方法，我们也对ERC20 Token进行了筛选，得到的结果也靠谱了很多：
从上图可以看出，排在最前面的分别是：Status, EOS, BAT, Golem，甚至连波场（TRON）这样近期被黑的厂商，也排在了相对客观的位置。
其他有意思的发现
通过今天的文章，我们可以得出一个结论：GitHub项目的活跃度指数，基于事件比基于提交数更科学，也可以避开很多坑。
同时，通过数据的结果来看，也能看出一些有意思的现象：比如ERC20项目的开发者活跃度，比很多区块链平台项目高得多。
这意味着，以太坊已经吸引到了大量的优质开发者基于这个平台做开发。
作为开发者之一，相信通过科学的方法筛选和分析数据，找的项目会更靠谱。从今天起，也尝试起来吧。
PS. 本文提到通过事件（event）筛选开发者活跃度的数据平台为：
https://santiment.net
最新热文：
大力戳↑↑↑ 加入区块链大本营读者⑦号群
（群满加微信 qk15732632926 入群）
（内容转载请联系微信：qk15732632926）
（商务合作请联系微信：fengyan-1101）