利用 GitHub 统计分析编程语言发展趋势

英文原文：GitHub language trends and the fragmenting landscape

　　Donnie Berkholz 分析了 GitHub 的数据，试图通过 GitHub 新建代码仓库的比例，分析编程语言的热度：

　　说明

　　关于这张图，有几点需要说明的：

• 只统计新项目，不包括 fork。
• 包括了 2008-2013 年期间在 GitHub 位居前 10 的语言（不包括编辑器配置语言）。
• GitHub 最早主要是 Rails 社区在用。
• 2009 年，Perl 暴涨，这是因为 GitPAN 项目把所有的 CPAN 模块都导入了 GitHub。
• GitHub 的语言检测是根据代码的行数。所以一个项目如果将大量的 JavaScript 库拷贝进去的话，可能会被误认为是 JavaScript 项目。
• 这里显示的是百分比，而不是数量。所以下降的曲线并不意味着更少的新项目，而是意味着其他语言的增长更快。

　　趋势

　　下面我们就每个语言单独给出统计图，以便更清楚地显示单个语言的趋势：

　　从这些曲线中，我们可以看到这些趋势：

• GitHub 成为主流： Ruby 曲线的下降，Java、PHP、Python 等曲线的上扬，意味着 GitHub 从 Rails 社区走向主流。
• JavaScript 的崛起： JavaScript 的增长是最明显的趋势。这部分归功于 Node 的兴起。当然，正如我们上面分析的，其中也包含一些误判的仓库。
• Windows 和 iOS 开发默默无闻： 令人惊讶的是，C# 和 Objective-C 所占比例很低，而且几乎看不出增长。这说明这两个社区的生态不鼓励开源。

　　push

　　如果不从新建项目的角度来观察，而是从 push 数目来考察，又会有什么结果呢？答案是趋势和新建项目基本一致，只有两处不同：Perl 在 2009 年的 push 数比例增长了 4.1%，而 Ruby 在 2008 年减少了 3.5%。

　　这可能是因为项目的主要开发集中在第一年，绝大多数项目 （98%） 只在创建的第 1 年有提交，然后就再也没有修改了。以前的另一项研究表明， 87% 的项目的贡献者不超过 5 人。由于贡献者稀缺，因此项目很难得到长期维护。

　　issue

　　从 issue 提交的数目则可以看出使用情况。让我们看一下各语言的 issue 提交趋势：

　　这些图形和根据新项目统计的结果相当接近。Ruby、Python、C++ 的峰值应当归功于 GitHub 早期的一些超级流行的项目，当时的 GitHub 上的项目总数还不大，所以统计结果会受这些明星项目的影响较大。

　　撇开这些不论，我们仍能看出一些趋势（侧重于和新项目分析不同的地方）：

• JavaScript 增长趋缓： JavaScript 一直在增长，但是增速有所放缓，趋向于稳定在 25% 左右的比例。从新建项目的统计中也能看出这一点，但是在这里更明显。
• Ruby 在 2009 年后显著下降： 这应该可以从上文所说的 GitHub 走向主流得到解释。
• Java 和 PHP 经过增长之后已趋于稳定： 经过增长之后，两者的比例都稳定在 10% 左右。

　　用户

　　如果我们统计使用某语言为主要语言的新用户数，又会有什么结果呢？从这个角度统计，更能反映每个用户的偏好，而不会偏向创建大量仓库、提交大量 issue 的活跃用户。

　　从上图中我们可以看到一些趋势：

• 长期而言，几乎所有语言都呈现下降趋势： 除了 Java 和 CSS 之外，大部分语言都呈现下降趋势。可能的愿意是：使用非主流语言的用户越来越多，有些浅度用户不提交代码，无法判断他们使用的语言，而随着 GitHub 日趋主流，这两类用户越来越多。
• 就长期而言，Java 呈现增长态势： 这是唯一从长期来看呈现增长态势的语言，这点意味着 GitHub 被越来越多的企业用户使用。

　　比较

　　将以上的统计结果合并在一起，更方便对比，也更容易排除偶然因素的影响：

　　从中很明显的可以看出，GitHub 上主流的语言只有五种： JavaScript、Ruby、Java、PHP 和 Python。此外，CSS 有挤入主流的趋势，C 和 C++ 勉强可以算主流。除此以外的语言所占比例都很低，即使增速极其迅猛的 Go 目前而言仍然不算主流，还要看未来一两年的发展。

　　碎片化

　　接下来我们统计上述 12 种语言之外的语言，结果发现，无论是新增用户数、新项目数，还是 issue 数，总体而言都有明显的增长。

　　注意，新用户的增速相比其他两者要高很多，这很可能是因为上面提到的浅度用户增长迅速的原因。

　　总体来说，编程语言日趋碎片化，GitHub 则日趋主流。

　　原始数据