GitHub可能是克隆俱乐部，但Java代码是最原始的
我们中间谁还没有从GitHub复制一些代码到我们正在从事的工作中？ 毕竟，代码共享是GitHub的存在理由。 但是，该网站上有大量的复制猫。
一个基于UC Irvine的国际研究人员团队开始研究代码在复制之间如何变化。 但是随着结果的出现，“惊人的”重复率导致他们改变了焦点。
研究人员分析了超过4.28亿个文件，代表使用Java，C ++，Python和JavaScript编写的450万个非叉子项目。 其中，他们发现只有8500万个唯一文件。 总体而言，GitHub上超过70％的代码由先前创建的文件的克隆组成。
朋友，这真是太多复制粘贴了。
而“最原始代码”奖授予了……
有趣的是，编程语言之间存在相当大的差异。 有些语言是Dolly的忠实拥护者 ，有些则不是。
根据Lopez等人的说法 ，这种变化是惊人的。 JavaScript的文件复制率最高，只有6％的不同文件。 C ++略胜一筹，相差23％，其次是Python，相差28％。 Java是最独特的，大约有60％的原始文件。
这是他们的代码重复图。 y轴是每个项目的提交数； x轴是项目中文件的数量。 每个图块的值是图块中所有项目的重复文件百分比。 红色的深阴影意味着任何给定项目的更多克隆。
项目级分析表明，在9％到31％的项目中至少包含80％的文件可以在其他地方找到。
为了增加趣味性，研究人员为最经常使用的项目挖掘了数据。 即批量复制文件，没有任何更改。
- Java – Minecraft-API和PhoneGap
- C ++ – GNU ISO C ++库，作业模板和Arduino示例
- Python –仙人掌，Shadowsocks，Scons
- JavaScript – Adobe PhoneGap的Hello World Template7，可在多达1746个项目中找到
C ++学习者也许不会公然欺骗对方吗？
收到
为什么这么重要？ 并不是说我们每个人都被for窃。 研究人员非常清楚，这是对其他希望“随机采样” GitHub数据集的数据科学家的警告。 例如，考虑到JavaScript中重复项的绝对数量，如果您不控制克隆，就很难得出什么流行的结论。
为了解决这个问题，他们创建了DéjàVu ，这是一个用于克隆信息检索和简单源代码/项目/数据集分析的Web服务。 如果您有兴趣，他们在Java，C ++，Python和JavaScript上有很多文件映射GitHub上的克隆文件。
DéjàVu依靠社区的帮助。 因此，如果您想标记一些克隆，它们将很乐意为您提供帮助。
翻译自: https://jaxenter.com/github-clone-club-java-code-139149.html