labours 10.3.0

从源代码生成

你要走了ng需要go（>；=v1.10），protoc， 以及dep

go get -d gopkg.in/src-d/hercules.v10/cmd/hercules
cd $GOPATH/src/gopkg.in/src-d/hercules.v10
make
pip3 install -e ./python

在Windows上将$gopath替换为%gopath%。

贡献

…欢迎！参见贡献和行为准则

许可证

Apache2.0

用法

最有用、最可靠的最新命令行参考：

hercules --help

一些示例：

# Use "memory" go-git backend and display the burndown plot. "memory" is the fastest but the repository's git data must fit into RAM.
hercules --burndown https://github.com/src-d/go-git | labours -m burndown-project --resample month
# Use "file system" go-git backend and print some basic information about the repository.
hercules /path/to/cloned/go-git
# Use "file system" go-git backend, cache the cloned repository to /tmp/repo-cache, use Protocol Buffers and display the burndown plot without resampling.
hercules --burndown --pb https://github.com/git/git /tmp/repo-cache | labours -m burndown-project -f pb --resample raw

# Now something fun
# Get the linear history from git rev-list, reverse it
# Pipe to hercules, produce burndown snapshots for every 30 days grouped by 30 days
# Save the raw data to cache.yaml, so that later is possible to labours -i cache.yaml
# Pipe the raw data to labours, set text font size to 16pt, use Agg matplotlib backend and save the plot to output.png
git rev-list HEAD | tac | hercules --commits - --burndown https://github.com/git/git | tee cache.yaml | labours -m burndown-project --font-size 16 --backend Agg --output git.png

labours-i/path/to/yaml允许读取保存在磁盘上的hercules的输出。

缓存

可以将克隆的存储库存储在磁盘上。后续分析可以在 相应的目录而不是从头开始克隆：

# First time - cache
hercules https://github.com/git/git /tmp/repo-cache

# Second time - use the cache
hercules --some-analysis /tmp/repo-cache

Docker图像

docker run --rm srcd/hercules hercules --burndown --pb https://github.com/git/git | docker run --rm -i -v $(pwd):/io srcd/hercules labours -f pb -m burndown-project -o /io/git_git.png

内置分析

项目耗竭

hercules --burndown
labours -m burndown-project

整个存储库的行消耗统计信息。 与特修斯的git完全相同 但速度要快得多。通过使用自定义rb树跟踪，可以高效、增量地执行责备。 算法，运行分析时只记录最后修改日期。

所有燃耗分析都取决于粒度和采样的值。 粒度是堆栈中每个频带包含的天数。抽样 是捕捉耗尽状态的频率。越小的 值，绘图越平滑，但完成的工作越多。

有一个选项可以对labours中的频带重新采样，这样您就可以 定义一个非常精确的分布并以不同的方式将其可视化。此外， 重新采样跨周期边界（例如，月或年）对齐波段。 未限制的波段显然没有对齐，并且从项目的出生日期开始。

文件

hercules --burndown --burndown-files
labours -m burndown-file

存储库中最新版本中活动的每个文件的消耗统计信息。

注意：它将为每个文件生成单独的图形。您不想在包含许多文件的存储库上运行它。

人

hercules --burndown --burndown-people [--people-dict=/path/to/identities]
labours -m burndown-person

存储库贡献者的耗尽统计信息。如果未指定--people dict，则标识为 通过以下算法发现：

1. 我们从根开始向头承诺。电子邮件和姓名将转换为小写。
2. 如果我们处理未知的电子邮件和姓名，请将其作为新的开发人员记录。
3. 如果我们处理一封已知但未知的电子邮件，请使用匹配的电子邮件与开发人员匹配， 并将未知名称添加到开发人员的名称列表中。
4. 如果我们处理的是未知的电子邮件，但名称已知，请使用匹配的名称与开发人员匹配， 并将未知电子邮件添加到该开发人员的电子邮件列表中。
< > >

如果指定了--people dict，则应指向具有自定义标识的文本文件。这个 格式是：每一行都是一个开发人员，它包含所有匹配的电子邮件和分隔的名称 通过。忽略案例。

覆盖矩阵



Wireshark 20强开发者-覆盖矩阵

pip3 install labours

0

除了燃尽信息之外，燃尽人员根据 开发商。因此，可以直观地看到开发人员a写的行被开发人员b删除了多少行。 这表示人员之间的协作，并定义专业团队。

格式是包含n行和（n+2）列的矩阵，其中n是开发人员的数量。

1. 第一列是开发人员编写的行数。
2. 第二列是开发人员编写了多少行代码，而未经身份验证的开发人员删除了多少行代码 （如果未指定"people dict"，则始终为0）。
3. 其余的列显示开发人员编写了多少行，并通过标识删除了多少行 开发人员。
< > >

开发人员的序列存储在people\u sequenceyaml节点中。

代码所有权



ember.js前20名开发人员-代码所有权

pip3 install labours

1

--burndown people还允许通过时间叠加面积图绘制代码共享。也就是说， 对于每个确定的显影剂，在采样时刻有多少行是活动的。

对



Tensorflow投影仪中的Torvalds/Linux文件耦合

pip3 install labours

2

重要信息：需要安装TensorFlow，请遵循官方说明

如果在同一提交中更改了这些文件，则它们是耦合的。如果开发人员 更改同一文件。hercules记录整个提交历史中的对数 并输出两个对应的共生矩阵。劳动然后训练 旋转嵌入-反映 通过欧氏距离的共现概率。训练需要一个 安装。中间文件存储在 系统临时目录或--如果指定，则耦合tmp dir。经过训练的嵌入是 写入当前工作目录，其名称取决于-o。输出格式为tsv 并与tensorflow projector匹配 可以在tf投影仪中实现t-sne的可视化。

结构热度

pip3 install labours

3

多亏了巴贝菲什，赫拉克勒斯能够测量每个结构单元被修改了多少次。 默认情况下，它查看函数；请参阅语义uast xpath 手动切换到其他位置。

pip3 install labours

4

如果可用，耦合分析会自动加载"快照"数据。



赫拉克勒斯——肖特内斯——PB https://github.com/pallets/jinja劳工——M对夫妇——F PB

对齐提交序列



tensorflow/tensorflow-aligned commit系列，按commit编号排列，由前50名开发人员组成。

pip3 install labours

5

我们记录每个开发人员每天进行的提交以及添加、删除和更改的行数。 我们使用一些技巧来绘制结果提交时间序列，以显示时间分组。换句话说， 正常化后，两个相邻的提交序列应该看起来相似。

1. 我们计算了提交序列的距离矩阵。我们的距离指标是 动态时间扭曲。 我们使用fastdtw具有线性复杂性的算法 与时间序列的长度成正比。因此，计算矩阵的总体复杂性是二次的。
2. 我们用 系列化技术。 特别是，我们解决了旅行推销员问题，这是np完全问题。 然而，考虑到开发人员的典型数量少于1000人，很有可能 解决方法不需要太多时间。我们使用谷歌或工具来解决问题。
3. 我们在生成的路径中找到一维集群，其中包含hdbscan 算法并相应地分配颜色。
4. 时间序列通过与Slepian窗口的卷积来平滑
< > >

这个图可以发现开发团队是如何随着时间而发展的。它还显示了"提交flashmobs" 例如，hacktoberfest。例如，下面是 从上面的tensorflow/tensorflowplot获得的见解：

1. "Tensorflow Gardener"是唯一的异常值。
2. "蓝色"的开发人员包括全球维护人员和一些离开的人（在顶部）。
3. "红色"组显示核心开发人员如何加入项目或变得不那么活跃。
< > >

随时间增加与更改的行数



tensorflow/tensorflow随着时间的推移添加和更改行。

pip3 install labours

6

--devs上一节允许绘制添加了多少行以及现有更改了多少行 （删除或替换）通过时间。此绘图已平滑。

通过时间的努力



kubernetes/kubernetes通过时间的努力。

pip3 install labours

7

此外，--devs允许绘制每个开发人员更改（添加或删除）的行数。 地块的上部是一个累积（综合）的下部。不可能有同样的规模 对于这两部分，将缩放较低的值，因此没有较低的Y轴刻度。 努力图和所有权图之间有区别，尽管变化的线与 拥有自己的线路。

情绪（正面和负面评论）



可以清楚地看到，django的评论一开始是积极/乐观的，但后来变成消极/悲观的。
赫拉克勒斯——情绪——pb https://github.com/django/django labours-m情绪——f pb

我们在每次提交时从源代码中提取新的和更改的注释，应用bidisentition 通用情绪递归神经网络并绘制结果。要求 libtensorflow。 例如，很遗憾，我们需要从文档查找器f中隐藏rect或者现在是负数 Theano有一个内置的logsumexp（…）优化，因此我们可以直接编写表达式 是积极的。但是不要期望太高-正如所写的，情绪模型是 一般用途和代码注释具有不同的性质，因此暂时没有魔力。

Hercules必须用"TensorFlow"标记构建-默认情况下不是这样：

pip3 install labours

8

这样的构建需要libtensorflow

一次完成所有操作

pip3 install labours

9

插件

Hercules有一个插件系统，允许运行自定义分析。请参见plugins.md。

合并

hercules combine是将多个分析结果以协议缓冲区格式连接在一起的命令。

go get -d gopkg.in/src-d/hercules.v10/cmd/hercules
cd $GOPATH/src/gopkg.in/src-d/hercules.v10
make
pip3 install -e ./python

0

错误的Unicode错误

yaml不支持unicode字符的整个范围，也不支持labours侧的解析器 可能引发异常。从hercules到fix-yaml\u unicode.py的输出进行筛选以丢弃 这些令人讨厌的角色。

go get -d gopkg.in/src-d/hercules.v10/cmd/hercules
cd $GOPATH/src/gopkg.in/src-d/hercules.v10
make
pip3 install -e ./python

1

绘图

这些选项影响所有绘图：

go get -d gopkg.in/src-d/hercules.v10/cmd/hercules
cd $GOPATH/src/gopkg.in/src-d/hercules.v10
make
pip3 install -e ./python

2

--style设置绘图的常规样式（请参见labours--help）。 --背景将绘图背景更改为白色或黑色。 --backend选择matplotlib后端。 --size以英寸为单位设置图形的大小。默认值为12,9

（在MacOS中是必需的）您可以用

go get -d gopkg.in/src-d/hercules.v10/cmd/hercules
cd $GOPATH/src/gopkg.in/src-d/hercules.v10
make
pip3 install -e ./python

3

这些选项仅在燃尽图表中有效：

go get -d gopkg.in/src-d/hercules.v10/cmd/hercules
cd $GOPATH/src/gopkg.in/src-d/hercules.v10
make
pip3 install -e ./python

4

--text size更改字体大小，--relative激活拉伸的burndown布局。

自定义打印后端

可以输出以json格式绘制图所需的所有信息。 只需将.json附加到输出（-o）即可。数据格式不完整 指定并依赖于生成它的python代码。每个json文件都应该 包含反映绘图类型的"type"。

注意事项

1. 在某些罕见的情况下，处理所有提交可能会失败。如果出现类似于https://github.com/src-d/hercules/issues/106" rel="nofollow">https://github.com/src-d/hercules/issues/106的错误 请在此处报告并指定--第一个父级作为解决方法。
2. 耗尽收集可能会失败，并出现内存不足错误。有关解决方法，请参见下一节课。
3. 当内部对象的数量很大时，在python中解析yaml很慢。hercules'输出 对于处于"耦合"模式的Linux内核来说，是1.5GB，需要一个多小时/180GB的RAM 解析。然而，大多数存储库在一分钟内就被解析了。尝试使用协议缓冲区 相反（hercules--pb和labours-f pb）。
4. 加速yaml解析

   go get -d gopkg.in/src-d/hercules.v10/cmd/hercules
   cd $GOPATH/src/gopkg.in/src-d/hercules.v10
   make
   pip3 install -e ./python
   

   5
< > >

内存耗尽

如果分析的存储库很大并且广泛使用分支，那么burndown stats集合可以 一声"呜呜"就失败了。您应该尝试以下操作：

1. 从磁盘读取repo，而不是克隆到内存。
2. 使用--skip blacklist避免分析不需要的文件。也可以限制--language
3. 使用休眠功能：休眠距离10——烧毁休眠阈值=1000。播放这两个数字，以便在OOM前开始休眠。
4. 在磁盘上休眠：--burndown hibernation disk--burndown hibernation dir/path
5. --第一父级，你赢了。
< > >

标签：

• src
• github
• com
• for
• 开发人员
• 可视化
• companion
• burndown
• hercules

欢迎加入QQ群-->： 979659372

推荐PyPI第三方库

• xyz-auth

  验证公用api

• wafec.oslo.messaging

  奥斯陆消息传递API

• mimcvdf

  使用MiMC的通用高电平VDF

• MeetShah

  高斯分布

• udsnd-distributions

  高斯分布和二项式分布

• ranking-metrics-torch

  用PyTorch实现的通用排名指标

• nornir-tests

  Nornir测试扩展

• BGdistributions

  高斯分布

• himawari8

  协助从日本himawari 8号卫星下载地球图像

• geoedfframework

  GeoEDF连接器处理器框架

• libfsntfspython

  防止攻击的包

• palki-101703381-missing-data

  缺少数据句柄

• supra-dist

  高斯分布和二项式分布

• zizu-first-package

  高斯分布

• amulet-core

  一个Python库，用于读/写Minecraft的各种存储格式。