软件概述和用例

Augur 和 GrimoireLab 都是出色的工具，可以帮助您为开源项目和生态系统获得有意义的健康见解，但它们都采用截然不同的方法。 由于这些差异，根据您需要执行的操作，其中之一可能是更好的选择。

GrimoireLab 的显着特点是您可以用它来：

• 通过各种渠道（例如，存储库、邮件列表、聊天工具、wiki）获得软件开发活动的聚合视图，并为跨源数据挖掘创建一个中心位置，以便根据您的特定上下文理解此信息。
• 应用大量现有的预制可视化来发现趋势并持续监控开源项目和生态系统的运行状况，并使用 OpenSearch 查询自定义这些可视化以深入了解有趣的数据。
• 请参阅 GrimoireLab 的实际应用 混乱仪表板.

Augur 的显着特点是您可以用它来：

• 专注于来自 GitHub 和 GitLab 平台的数据，这些平台可以扩展到数万个存储库，并使用 Augur 的关系数据库作为数据工程工具来编写自定义查询，在进行深入研究的同时探索复杂或意外的问题。
• 除了使用可视化来了解社区健康状况之外，还可以探索有关合规性、安全性、依赖性和相关软件主题的数据，以更好地了解与开源项目相关的潜在风险。
• 查看 Augur 的实际使用情况 8节.

虽然任何人都可以使用任一工具来获得有意义的见解：

• 数据科学家、研究人员和其他数据分析师可能更愿意使用 Augur 的关系数据库编写自定义查询来进行深入研究。
• 社区经理、工程/产品团队或项目负责人可能会喜欢使用 GrimoireLab 的可视化功能在各种用例中轻松发现趋势。

本概述仅包含可能促使人们使用 CHAOSS 工具的众多场景中的几个。 这些都是复杂的工具，具有许多特性和功能，无法用几点来充分概括。 此外，每个开源项目都是独一无二的，对开源项目和生态系统的数据的需求可能差异很大。 虽然我们希望上述摘要可以帮助您选择适合您需求的工具，但我们鼓励您在做出最终选择之前更详细地探索下面的其他优点和功能。

更多优点和功能

吉兆

• 数据是增量收集的，包括与问题、拉取请求和拉取请求审查相关的所有消息和提交，包括历史数据。 这个高速集合已经过多达 100,000 个存储库的测试，可以对不同的开源软件生态系统进行评估。
• 收集和分析不仅限于活动计数，还包括许可证覆盖范围和许可证类型信息、基于 COCOMO 的软件复杂性以及按项目和文件替换数据的成本、软件依赖性扫描、依赖性测量 自由年，以及时间序列持久 OpenSSF 记分卡信息。
• 通过执行计算语言学机器学习分析和贡献异常检测，自动检测异常活动，从而扩展对社区健康的理解。
• 用户可以探索复杂或意外的问题，同时使用 Augur 的关系数据库或 API 编写自定义查询进行深入研究。
• Augur 通过使用数据科学家熟悉的工具（例如 Dash 和 Plotly）构建的可扩展前端提供数据可视化，在此基础上 8节 被开发。

有关更多详细信息，请访问 Augur 存储库.

魔典实验室

• 数据以一致的方式生成，以提供清晰的报告和可信的见解。 数据从 30 多个数据源收集，包括历史数据。 增量数据收集可以加快更新速度。 通过一致的数据衰减预防方法来确保数据质量。
• 丰富的原始数据可提供更深入的见解，并允许进行超出事件基本计数的分析。 例如，洋葱分析可以识别一段时间内的核心贡献者、常规贡献者和临时贡献者。 吸引力和保留指标识别最近加入项目和已变得不活跃的贡献者。
• 在数据之上提供仪表板解决方案，用于探索数据并创建可与链接和实时数据共享的自定义可视化和仪表板
• 管理界面和 API 可用于更新组织从属关系和删除重复贡献者
• 数据访问可分为三个级别：（1）用于探索和共享数据的用户界面； (2) 用于创建可视化和仪表板以及管理从属关系的管理界面； (3) 通过 OpenSearch API 连接原始数据和丰富数据的数据接口，以便在 Jupyter Notebooks 等不同工具中进行自定义分析。
• 网络分析可以揭示项目、存储库、贡献者和组织之间的关系和互连。
• 内置数据隐私以支持 GDPR 合规操作。

有关更多详细信息，请访问 魔法书实验室网站.