纵观 IT 行业几十年的发展，开源软件从黑客的理想之国，已经变成一股推进计算机及相关行业不停进步的巨大力量。

各大科技巨头也纷纷投入到开源的怀抱，那么到底哪家巨头才是真正的开源之王？正是本文要和大家讨论的。

分析了 2017 年截至今日 GitHub 上发布的所有项目，对于每个 GitHub 用户都尽量分辨了他们属于哪个组织，并且只关注 2017 年增长超过 20 个 star 的仓库。

Microsoft 似乎有大约 1,300 名员工积极地将代码推送到 GitHub 上的 825 个顶级存储库。

Google 在 GitHub 上大约有 900 名活跃用户，共推送约 1100 个顶级库。

亚马逊在 GitHub 上大概只有 134 名活跃员工，只推送 158 个顶级项目代码。

活跃用户和项目的 Star 数并不是等比的：比如，Google 员工贡献的代码仓库只比 Microsoft 多 25%，但是这些存储库收集到的 Star 数远多于 25%（530,000 VS 260,000）。亚马逊仓库 2017 的 Star 数为 27000。

前三的排名中，值得一提是微软，大家都知晓开源世界是微软的死敌，2001 年，微软当时的 CEO 鲍尔默曾向开源社区开炮，他把 Linux 系统比作癌症，甚至力劝政府不要对开源项目提供支持。

但十年后事情却发生了大反转，微软自己主动开源了 Kinect，而当时这款产品是微软的当家花旦。尤其近些年，微软的态度越发开放，对开源社区敞开了怀抱，并连续加入 Linux 基金会、原生云计算基金会，而且都是白金会员。

Google 的项目 Star 数排行第一的就是 TensorFlow，但除了它还有许多非常有价值的项目比如十分流行的 Web 前端框架 Angular，比如 Kubernetes 等。

亚马逊的排名远远落后于谷歌和微软。那么，他们中间还有哪些企业呢？RedHat，IBM，Pivotal，Intel 和 Facebook 也做出了突出贡献。

Facebook 和 IBM（美国）的 GitHub 用户数量与亚马逊数量相差无几，但是他们贡献的项目 Star 已经远超亚马逊（尤其是 Facebook）

BAT 三巨头也在积极拥抱开源社区，有一些开源项目在 GitHub 上也是获得相当高的 Star 数，比如阿里巴巴的前端框架 Ant Design 等。

更详细的排名可查阅：https://medium.freecodecamp.org/the-top-contributors-to-github-2017-be98ab854e87

首先通过 GitHub Archive（https://www.githubarchive.org/）来获取数据来源。

再通过用户提交记录中的邮件地址来进行判断 GitHub 用户所属的公司。当然，并不是每个 GitHub 用户都会用企业邮件地址，这种数据就会被忽略不计。

使用的工具为：Google Big Query（https://cloud.google.com/bigquery/）

具体 SQL 代码如下：

#standardSQL
WITH
period AS (
  SELECT *
  FROM `githubarchive.month.2017*` a
),
repo_stars AS (
  SELECT repo.id, COUNT(DISTINCT actor.login) stars, APPROX_TOP_COUNT(repo.name, 1)[OFFSET(0)].value repo_name 
  FROM period
  WHERE type='WatchEvent'
  GROUP BY 1
  HAVING stars>20
), 
pushers_guess_emails_and_top_projects AS (
  SELECT *, REGEXP_EXTRACT(email, r'@(.*)') domain
  FROM (
    SELECT actor.id
      , APPROX_TOP_COUNT(actor.login,1)[OFFSET(0)].value login
      , APPROX_TOP_COUNT(JSON_EXTRACT_SCALAR(payload, '$.commits[0].author.email'),1)[OFFSET(0)].value email
      , COUNT(*) c
      , ARRAY_AGG(DISTINCT TO_JSON_STRING(STRUCT(b.repo_name,stars))) repos
    FROM period a
    JOIN repo_stars b
    ON a.repo.id=b.id
    WHERE type='PushEvent'
    GROUP BY  1
    HAVING c>3
  )
)
SELECT * FROM (
  SELECT domain
    , githubers
    , (SELECT COUNT(DISTINCT repo) FROM UNNEST(repos) repo) repos_contributed_to
    , ARRAY(
        SELECT AS STRUCT JSON_EXTRACT_SCALAR(repo, '$.repo_name') repo_name
        , CAST(JSON_EXTRACT_SCALAR(repo, '$.stars') AS INT64) stars
        , COUNT(*) githubers_from_domain FROM UNNEST(repos) repo 
        GROUP BY 1, 2 
        HAVING githubers_from_domain>1 
        ORDER BY stars DESC LIMIT 3
      ) top
    , (SELECT SUM(CAST(JSON_EXTRACT_SCALAR(repo, '$.stars') AS INT64)) FROM (SELECT DISTINCT repo FROM UNNEST(repos) repo)) sum_stars_projects_contributed_to
  FROM (
    SELECT domain, COUNT(*) githubers, ARRAY_CONCAT_AGG(ARRAY(SELECT * FROM UNNEST(repos) repo)) repos
    FROM pushers_guess_emails_and_top_projects
    #WHERE domain IN UNNEST(SPLIT('google.com|microsoft.com|amazon.com', '|'))
    WHERE domain NOT IN UNNEST(SPLIT('gmail.com|users.noreply.github.com|qq.com|hotmail.com|163.com|me.com|googlemail.com|outlook.com|yahoo.com|web.de|iki.fi|foxmail.com|yandex.ru', '|')) # email hosters
    GROUP BY 1
    HAVING githubers > 30
  )
  WHERE (SELECT MAX(githubers_from_domain) FROM (SELECT repo, COUNT(*) githubers_from_domain FROM UNNEST(repos) repo  GROUP BY repo))>4 # second filter email hosters
)
ORDER BY githubers DESC