Question

我的目标是随着时间的推移跟踪BigQuery repo的受欢迎程度。

我想使用公开的BigQuery数据集，例如GitHub Archive或the GitHub dataset

GitHub数据集sample_repos不包含星数的快照：

SELECT
  watch_count
FROM
  [bigquery-public-data:github_repos.sample_repos]
WHERE
  repo_name == 'angular/angular'

返回5318。

GitHub Archive是事件的时间表。我可以尝试将它们全部加起来，但数字与GitHub UI中的数字不匹配。我想因为它不算unstar行动。这是我使用的查询：

SELECT
  COUNT(*)
FROM
  [githubarchive:year.2011],
  [githubarchive:year.2012],
  [githubarchive:year.2013],
  [githubarchive:year.2014],
  [githubarchive:year.2015],
  [githubarchive:year.2016],
  TABLE_DATE_RANGE([githubarchive:day.], TIMESTAMP('2017-01-01'), TIMESTAMP('2017-03-30') )
WHERE
  repo.name == 'angular/angular'
  AND type = "WatchEvent"

返回24144

实际值为21,921

Answer 1

#standardSQL
SELECT 
  COUNT(*) naive_count,
  COUNT(DISTINCT actor.id) unique_by_actor_id, 
  COUNT(DISTINCT actor.login) unique_by_actor_login 
FROM `githubarchive.month.*` 
WHERE repo.name = 'angular/angular'
AND type = "WatchEvent"

天真伯爵：有些人出演并取消明星，并再次出演。这会创建重复的WatchEvents。

独特的演员ID数：每个人只能出演一次。我们可以统计这些（但我们不知道他们是否未加星标，所以总数将低于此数。）

演员登录的独特之处：某些历史月份缺少'actor.id'字段。我们可以查看'actor.login'字段（但有些人更改了他们的登录信息）。

或者，感谢GHTorrent项目：

#standardSQL
SELECT COUNT(*) stars
FROM `ghtorrent-bq.ght_2017_01_19.watchers` a
JOIN `ghtorrent-bq.ght_2017_01_19.projects` b
ON a.repo_id=b.id
WHERE url = 'https://api.github.com/repos/angular/angular'
LIMIT 10

20567，截至2017/01/19。

如何获取BigQuery中给定repo的GitHub星的总数？

1 个答案: