[例会] 数据驱动的开源软件社区可持续性关键要素实证研究

[will-ww]

Description

摘要：开源软件（OpenSourceSoftware, OSS）是推动技术革新和效率提升的重要力量，促进了现代社会的数字化发展。近年来，开源软件的规模和复杂性不断增加，项目之间的上下游依赖与开发者社区的群体协作构成了庞大的数字生态系统，特别是以GitHub为首的社交编码与代码托管平台极大地影响了软件的协作模式和开发流程，在促进了全球分布式协作急剧扩张的同时也引发了一些问题。例如，一些项目在创建和发展时期获得了大量的关注，却由于各种原因后续无人再维护，对依赖于该项目的下游生态造成了影响；再如，由于开源协作在线上异步进行，对社区中开发者的工作习惯与群体协作模式缺乏理解，导致开发者流失或不平衡的工作负载；这些问题都影响了一个社区的长久稳定发展。如何确保开源软件社区的可持续性成为了学术和工业界的研究重点。如今，以 Git 和 GitHub 为代表的软件开发支撑工具与平台的广泛应用积累了海量的开源软件开发流程中产生的过程数据，对这些数据的采集、存储、建模和分析有助于洞察开源软件社区的发展动态，并进一步理解影响开源可持续性的关键问题。有鉴于此，本文致力于在项目、开发者、组织三个层面上理解开源软件社区可持续性的关键要素，采集、抽取并建模开源生态大数据中的关键信息，综合分析开源软件社区的行为特征、发展模式和治理机制，为开源生态的可持续发展提供实证研究支持和策略建议。具体的，本文面向开源软件社区可持续性的三个关键要素：项目生命周期，开发者群体协作和社区激励机制，首先设计并提出一套数据服务系统作为量化分析的基础设施，然后针对上述要素展开由开源生态数据驱动的实证研究。本文的主要工作与贡献总结如下：

• （1）面向开源平台数据，设计并实现了开源场景下的信息服务系统 OpenDigger，为本文的实证研究提供工具支撑：OpenDigger 系统持续采集以 GitHub 协作日志为主的全域开源平台生态数据，集成了数据采集、数据存储、指标体系、标签系统和分析模型，通过开放接口和交互式工具允许开发者、研究人员和项目管理者深入挖掘开源开发者的行为特征，项目的健康度指标，社区的协作与影响力机制。OpenDigger 已为各类报告和国家标准提供重要支撑，并为本文的三个实证研究工作提供数据，指标与分析模型服务，证明了该系统的可用性。
• （2） 面向开源项目，提出了软件被弃用的原因和退出机制的最佳实践，并识别出典型的生命周期模式与可持续关键指标：本文通过对 361 个曾一度十分受欢迎但已被归档的开源项目的深入研究，识别出了 16 种开源软件被弃用或迁移的原因，提出了一套三阶段项目退出路径，从“活跃周期、开发高峰、衰退期长度”这三个维度总结了项目的生命周期模式，并使用决策树分类模型识别出巴士系数贡献者（BusFactorContributor, BFC）这一开源可持续性的关键指标。本文的工作可用于最小化项目衰退带来的影响，理解项目的演化与生命周期模式，并为如何可持续性治理项目提供启示与实践策略。
• （3）面向开源开发者，提出了基于线性统计模型的行为活跃度评价算法MDA，并基于该算法设计了 4WH 分析框架：Multi-Dimensional Activity, MDA 算法综合考虑多种开发者行为，适用于社区群体协作状态的分析。基于该算法，本文提出了“谁在何时在哪里做什么”的 4WH 分析框架。通过对 GitHub 上的 1454 万个账户进行基于 MDA 的大规模分析，和对开源基金会下 10 万账户的案例研究，本文识别出在全域下活跃开发者的基线和工作量分布，发现群体协作中存在 90/10 的不均衡负载，并揭示了活跃开发者在行为特征与昼夜节律上的协作特点。本文提出的 4WH 分析框架可以帮助社区管理者更加了解开发者的活动和社区群体协作的健康状态。
• （4）面向开源社区，提出了基于图网络模型的协作贡献度评价算法 OpenRank，并基于该算法设计了 ORL 激励机制：OpenRank 算法基于开发者在 Issue/PR 中的贡献关系构建协作网络，并引入了社区治理模型 Apache Way 中提倡的价值主张，将其应用于游戏化激励机制中。本文基于协作贡献度量化分析在企业场景下落地实施了贡献积分排行榜 OpenRank Leaderboard，ORL。通过对开发者进行问卷访谈和对项目进行指标维度上的 RDD 分析，验证了 OpenRank 贡献度评价算法的有效性，并证明 ORL 作为一种后验型社区激励机制可以有效促进良好的开源社区氛围与开源协作行为。

一个开源软件社区的重要组成部分离不开项目、开发者和社区机制三方面的要素。本文以开源平台协作日志数据流为数据基础，以项目的生命周期、开发者的群体协作模式和社区的激励机制为切入点，对开源软件社区的可持续的关键要素展开数据驱动的实证研究。本研究为理解和推进开源软件的演化、治理和可持续性提供了重要的视角和实证支持，为开源社区的健康和活力提供了重要策略和分析工具。

报告 PPT：0315-Pre-defense.pdf