自己动手：bash脚本工具统计git历史， 发掘谷歌在Android项目奥秘

和几个项目经理朋友聊到项目工作量评估，公司内部对代码量，工程师的工作量通常有集成工具记录和衡量，但是如何比对其它业界的项目效率就成立讨论焦点，比如Google的Android工程师的代码出产效率，每个项目都花费了多少人力等等。受人之托，从Android的Git历史中研究以下这些问题，于是有了这个Bash脚本工具。

最新版本的github.com下载链接 https://github.com/neokidd/ghist2db

使用这个工具的前提是你有包含完整Git历史信息的Android的代码库，一般来说，是用"repo sync"来完成的下载的代码库，可以是全部project，也可以是部分的，比如说是用"repo sync framewors/base"这样单独sync的某些project。

repo for-all -c ghist2db.sh

输出结果是在代码库顶级目录下的一个ginfo.db文件，然后就可以用sqlite3来取得许多有趣的统计信息。比如在Android 4.0.4上，谷歌工程师commit的次数一共是155416，最多的工程师是三位大神是[email protected]， [email protected] （Diane Hackbod, 大名鼎鼎的framework工程师）， [email protected]。另外，如何假设每个谷歌工程师每周3次commit，那么Android 4.0.4共花费了51805 staff*week的工作量。
源代码如下：

#!/bin/bash

usage()
{
    echo "ghist2db -- convert Android git history to sqlite db."
    echo "Usage:"
    echo "repo forall -c ghist2db.sh"
    echo "or, run it separately for each repo project"
}

find_repo_top()
{
    cwd=$1
    while [ "$cwd" != "" -a "$cwd" != "~" ]; do
       if [ -f $cwd/.repo/repo/main.py ]; then 
           repo_top=$cwd
           return
       fi
       cwd=${cwd%\/*}
   done
}

if [ "$repo_top"=="" ]; then
  #echo "repo_top is empty, need to call find_repo_top"
  find_repo_top `pwd`
fi

if [ "$repo_top" == "" ]; then
    echo "seems you're not in a Android repo, please cd to Android repo!"
    usage; exit 1
fi
repo_name=${repo_top##*\/}
#echo "repo_top: " $repo_top
#echo "repo_name: " $repo_name

proj=`pwd | awk -F"$repo_name"/ '{print $2}'`

echo "populating git info in $proj..."

# step 1: print git history logs in with "--pretty" format option, so that it's ready as sql sentences.
git log --pretty=format:"insert into googler_info (h, ae, ce, at, proj) values ('%h', '%ae', '%ce', '%at', '$proj');" [email protected] > googler_info.txt

# step 2: group all insert operations into one commit.
echo -e "begin;\n$(cat googler_info.txt)\ncommit;" > final_googler_info.sql

# step 3: add lines for creating table.
echo -e "create table if not exists googler_info(
     _id             integer primary key autoincrement,
     h               text not null,
     ae               text not null,
     ce               text not null,
     at               text not null,
     proj             text not null);
\n$(cat final_googler_info.sql)" > final_googler_info.sql

# step 4: create the db file
echo "inserting to db..."
sqlite3 "$repo_top"/ginfo.db < final_googler_info.sql
echo "done."

实现上有这么几个key points:

1. step1中，定制git log的输出历史格式，重点是--pretty参数，让输出直接是sql语句。另外--author可以指定只输出@google.com的作者，就是只看googler的代码贡献。这里取以下这些字段，更多的可以看man page （man git-log）
 %h: abbreviated commit hash
 %ae: author email
 %ce: committer email

 %at: author date, UNIX timestamp

2. step2中，把这些单独的sql语句组合成事务，目的是避免过多的插入事务对DB产生不必要的负担。

3. step3中，在开头加入创建db的语句，注意需要用到if not exists。

4. step4中，用sqlite3来执行这些sql语句。

5. Android原生的repo for-all负责遍历每个project，并运行ghist2db.sh这个脚本。所有信息被插入同一个db。

几个值得注意的细节：
1. Bash的字符串操作有许多方法。一类是用sed或者awk，比如line 36行，另一类用sh或者bash的内建方法，比如find_repo_top()中用到的子串的查找，${cwd%\/*}，${repo_top##*\/}。参考资料：
Bash string manipulating:
http://tldp.org/LDP/abs/html/string-manipulation.html
SED：
http://www.doc88.com/p-0079912374852.html

2. Bash的if比较语句，[]里的语句和“[”之间需要有空格，开始是总是不习惯这样写。另外，字符串比较, 变量需要quote，比如"$cwd" != "~"。

3. 在指定行插入text，方法有多种，比如还是sed的方法，如果仅在开头或者结尾插入，可以echo源文件，在前后添加，如果step2中。sed的好用方法还可以参见这里（比如sed -i）：
http://superuser.com/questions/246837/how-do-i-add-text-to-the-beginning-of-a-file-in-bash
http://www.doc88.com/p-0079912374852.html

4. Bash调试：用bash -x选项，得到每行的输入参数，方便查找问题。