阿捷外传之Git代码统计：DotNetCore + PowerBI 实现Git仓库日志分析

前言

2020年3月初春，虽然春节已经过去一个多月，大街上还未恢复往年的热闹。由于春节前夕突然降临的冠状病毒，导致很多员工无法回到城市复工。春节之后，阿捷所在的公司考虑到复工带来的风险，通知所有员工以远程的方式在家办公。

某一天，PM联系到阿捷，说目前有一个需求，想要对各个项目组的Git仓库提交信息进行相关统计，让阿捷调研一下。于是阿捷查了一番资料，了解到可以直接用原生 Git 命令行的方式来实现。

即使用内置的 git log 命令，提取仓库下的提交日志。

实践经过

git log 默认的输出格式是下面这个样子：

其中，上面的输出内容里主要包含了以下4种信息：

Commit 信息，每次提交的一个hash值；
Author 相关信息，提交的作者和及邮箱信息；
Commit Message, 提交时填写的信息，可能会包含多行文字。

Date 信息，这个信息中除了有日期时间，还包含时区信息。例如，从上图中可以看到有一条记录的日期为 Mon Mar 2 22:06:13 2020 -0800，其中最后的 -0800 就是所在的时区，即西八区，根据时区地图，可以看到 -0800是在美国西部湾区。中国处于东八区，所以如果是在中国提交的话，时区部分将会是 +0800 。

除了以上的4个基础信息，PM还想要拿到每次提交时变动的代码行数，阿捷通过查询Git Log 的命令行文档，了解到可以通过追加配置项 git log --shortstat 来输出变更的行数，如下图所示。

另外，git log 也考虑到输出格式化的问题，可以使用特殊的占位符指定输出格式。经过反复实验，优化后的命令如下：

git log --all --pretty="%x40%h%x2C%an%x2C%ad%x2C%x22%s%x22%x2C" --shortstat | tr "\n" " " | tr "@" "\n"

通过上面的魔幻配置，基本上能从每条提交记录中提取出需要的列，然后用逗号方式进行拼接，最终可以生成出CSV格式的文件。

然而这种方式始终不够优雅，命令中额外使用了 tr 对字符串进行处理，这意味着在目标机器上也要有这个工具，否则无法运行，而 windows 上只能通过安装第三方工具实现。

另外一点是扩展性问题，命令行对于csv这种简单的格式处理还好说，如果要输出JSON格式的话，就不好办了，而且命令行的配置项几乎没人能看懂，以后维护起来免不了要996。

基于上述痛点，阿捷又在网上搜寻了一番，最终在MVP大佬的一篇博客（https://edi.wang/post/2019/3/26/operate-git-with-net-core）中找到了蛛丝马迹。根据博客中的内容来看，可以通过一款名为libgit2sharp（https://github.com/libgit2/libgit2sharp）的类库，实现我们的需求。

libgit2sharp内部嵌套了一个基于C语言实现的Git内核，它自身对外提供一系列和Git操作相关的接口，并且它的上游核心仓库libgit2(https://github.com/libgit2/），提供了对包括Python,PHP,C#在内的多种语言的支持。而且项目是开源的，由社区进行维护。

阿捷经过简单上手，觉得提供的API可以满足需要，然后快速制作出了一个简易的命令行程序。核心代码如下：

using (var repo = new Repository(workdir))
{Console.WriteLine("all commit count:" + repo.Commits.Count());foreach (Commit commit in repo.Commits){var commitDto = new GitCommitLogDto{CommitHash = commit.Sha,AuthorName = commit.Author.Name,AuthorEmail = commit.Author.Email,MessageShort = commit.MessageShort,AuthorDate = commit.Author.When.DateTime,};var patch = GetPatchInfo(repo, commit);if (patch != null){commitDto.LinesAdded = patch.LinesAdded;commitDto.LinesDeleted = patch.LinesDeleted;};Console.WriteLine(commitDto.ToString());list.Add(commitDto);}
}

由于有了良好封装和结构化数据的支持，理论上可以将结果转化成任何格式，包括CSV，JSON，XML等，并且可以很方便地对数据格式进行任意加工。

考虑到工具在实际使用时，面临着跨平台和环境依赖的问题，于是阿捷使用了DoNetCore3.0提供的新特性，将程序打包成了不依赖安装环境的可执行文件，不需要安装外部依赖，开箱即用，最终打包的命令如下：

# publish win-x64
dotnet publish -c Release -o publish/win-x64 -r win-x64 /p:PublishSingleFile=true /p:IncludeSymbolsInSingleFile=true /p:PublishTrimmed=true#publish linux-x64
dotnet publish -c Release -o publish/linux-x64 -r linux-x64 /p:PublishSingleFile=true /p:IncludeSymbolsInSingleFile=true /p:PublishTrimmed=true

然后因为是开源项目，可以用GitHub的高性能构建机器，阿捷使用了yml文件为项目制作了自动构建的流水线，每次提交代码后自动触发编译生成出新的二进制文件。

除了CSV文件的部分，PM那还需要制作出相关报表，对CSV中的数据进行统计。阿捷考察了目前市面上流行的BI工具，最终选择了免费的PowerBI桌面版（https://powerbi.microsoft.com/zh-cn/）。

PowerBI是由微软出品的一款专业的用于商业智能方向的报表工具，桌面版内嵌了一套高性能的计算引擎，不需要安装任何依赖，开箱即用。而且支持的数据源种类非常多，CSV文件完全不在话下。

阿捷首先用吃狗粮的态度，用自己制作的命令行工具，从AspNetCore（https://github.com/dotnet/aspnetcore）的官方Github仓库中提取出了共计4万多提交信息，数据如下：

然后，阿捷经过对PowerBI简单的上手，制作出了下面几张报表。

上图中可以看到AspNetCore中仓库提交记录是最早从2013年开始的。

上图中，可以看到2017和2018年是提交次数和增加行数最多的一年，参考aspnetcore的发布时间，可以知道这期间经历了从1.1到2.0和2.2之间的迭代。

上面两张图展示了根据提交者的邮箱后缀，对提交次数和增加行数的统计。可以看出，来自微软员工的提交占了相当的分量，并且来自外部的贡献者也很广泛，说明AspNetCore有着广泛的社区贡献者。

上述两种图展示的提交的日期主要分布在周一到周五之间的工作日，在提交的时间分布上，主要集中在上午10点到下午5点之间。

后记

有了DotNetCore和PowerBI的助力，阿捷很轻松地搞定了PM的需求，为了发扬回馈社区的精神，阿捷将项目托管在了GitHub上，仓库链接：https://github.com/leansoftX/dotnet-gitstats。有需要的小伙伴可以直接拿来食用。目前项目还在早期阶段，欢迎动手能力强的小伙伴增加新功能，提交ISSUE或PR。

参考资源