Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-10-24 23:29 UTC

DataDog / datadog-lambda-python

The Datadog AWS Lambda Layer for Python

Python · ShellApache-2.0★ 102 Sterne⑂ 53 Forksseit Apr. 2019Auf GitHub ansehen ↗
ArtBibliothekwie das ermittelt wird

DataDog/datadog-lambda-python erreicht einen Gesundheitsindex von 94 von 100 und liegt damit im Bereich Außergewöhnlich. Am stärksten schneidet es bei Sustainability & Governance (92/100) ab, am schwächsten bei AI Readiness (54/100). Zuletzt vor 1 Tag aktualisiert. 5 Mitwirkende tragen den Großteil der jüngsten Arbeit.

94
gesamt / 100
Außergewöhnlich

Software-Gesundheitsindex

Metriken werden auf einer standardisierten Skala von 1–100 in gewichtete Kategorien gruppiert. Der Gesamtwert beginnt als ihr gewichtetes Mittel, kalibriert auf die Verteilung des öffentlichen Registers, sodass die Stufen Perzentilbedeutung tragen; sobald öffentliche Evidenz die Richtlinie für Hochrisikojurisdiktionen auslöst, wird die Bewertung angepasst und erhält die Obergrenze Gefährdet von 34.

94
Außergewöhnlich93-100Die Spitzengruppe des Registers (≈ obere 5 %); erfüllt im Wesentlichen alle geprüften Kriterien
Exzellent80-92Durchgehend stark; geringfügige Lücken
Gut65-79Gesund; Lücken sind begrenzt und beherrschbar
Mittel50-64Akzeptabel mit deutlichen Lücken; Überprüfung empfohlen
Schwach35-49Wesentliche Schwächen in mehreren Bereichen
Gefährdet20-34Erhebliche Schwächen; eine Übernahme erfordert Vorsicht
Kritisch1-19Schwerwiegende Probleme (aufgegeben, nur ein Maintainer, keine Hygiene)
VitalitätCommunity &VerbreitungNachhaltigkeit &GovernanceEngineering-QualitätSicherheitAI Readiness

Bewertungsprofil

Jede Achse ist eine Kategorie. Die Form zählt mehr als der Durchschnitt — ein gesundes Projekt füllt die gesamte Fläche, während ein Profil aus Spitzen und Kratern bedeutet, dass Stärke in einer Dimension Risiken in einer anderen verdeckt.

Der gewichtete Gesamtwert 80 wird auf der veröffentlichten Indexskala auf 94 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

Datadog, Inc.Organisation · verifizierte Domain
3.367 Follower1.211 öffentliche Reposseit Aug. 2010

Dieses Repository wird von einer Organisation getragen — geteilte, rechenschaftspflichtige Trägerschaft, die jeden einzelnen Maintainer überdauern kann.

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPIdatadog_lambda8.130.02.248.169123vor 3 Tagendatadogawslambdalayer

Metriken nach Kategorie

Vitalität

Lebt das Projekt — wird Code geschrieben und werden Releases ausgeliefert?

91Exzellent · 21 % des Gesamtindex

Entwicklungsaktivität

92Exzellent
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 1 Tagen
28.4/36Commit-Rhythmus — 41/52 Wochen mit Commits
18/18Commit-Volumen — 127 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 20 commit(s) and 1 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year127
human_commit_share0,96
days_since_last_push1
active_weeks_last_year41

Release-Disziplin

90Exzellent
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 100 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 3 Tagen
27/27Release-Rhythmus — ein Release etwa alle 31,3 Tage
0/10OpenSSF Scorecard: Signed-Releases — Project has not signed or included provenance with any releases.
Verwendete Eingangsdaten
releases_count100
latest_release_tagv8.130.0
releases_from_tagsnein
days_since_latest_release3
mean_days_between_releases31,3

Community & Verbreitung

Hat das Projekt Nutzer, Downloads, Aufmerksamkeit und ein einladendes Umfeld für Beitragende?

73Gut · 17 % des Gesamtindex

Popularität & Verbreitung

53Mittel
Wie die Bewertung erfolgt
32.5/60Stars — 102 Stars
14.3/25Forks — 53 Forks
6.2/15Watcher — 14 Watcher
Verwendete Eingangsdaten
forks53
stars102
watchers14
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

77Gut
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (Apache-2.0)
18/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
0/7.2Issue-Vorlage
6.3/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges4
has_contributingja
has_issue_templatenein
has_code_of_conductnein
readme_badge_servicesgithub.com, shields.io
has_pull_request_templateja

Ökosystem-Verbreitung (Downloads)

100Außergewöhnlich
Wie die Bewertung erfolgt
80/80Downloads pro Monat — 2.248.169 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagesdatadog_lambda
dependents—
ecosystemspypi
total_downloads—
monthly_downloads2.248.169
unverified_packages_excluded—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Abhängige in der Registry. Die verbleibenden Gewichte wurden renormalisiert.

Nachhaltigkeit & Governance

Überdauert das Projekt die Menschen, die es tragen — Bus-Faktor, Reaktionsfähigkeit, Trägerschaft und Paketpflege?

92Exzellent · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

89Exzellent
Wie die Bewertung erfolgt
45.9/54Bus-Faktor — 5 Beitragende decken die Hälfte aller Commits ab
19.7/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 13 % der Commits
13.5/13.5Breite der Beitragenden — 61 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 15 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor5
contributors_sampled61
top_contributor_share0,126

Reaktionsfähigkeit bei Issues & PRs

83Exzellent
Wie die Bewertung erfolgt
39.6/42Issue-Lösungsquote — 94 % der Issues geschlossen
23.3/30PR-Annahme — 559/719 entschiedene PRs gemergt
6.5/13Newcomer PR acceptance — 1/2 PRs von Erstbeitragenden in 30 Tagen gemergt
13.5/15OpenSSF Scorecard: Code-Review — Found 24/26 approved changesets -- score normalized to 9
Verwendete Eingangsdaten
merged_prs559
open_issues8
closed_issues131
prs_merged_7d3
prs_decided_7d4
prs_merged_30d9
prs_decided_30d11
issue_closed_ratio0,942
closed_unmerged_prs160
first_time_authors_30d2
first_time_prs_merged_30d1
first_time_prs_decided_30d2

Eigentümerschaft & Trägerschaft

100Außergewöhnlich
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
20/20Verifizierte Domain
25/25Reichweite des Inhabers — 3.367 Follower von DataDog
25/25Kontohistorie — 1.211 öffentliche Repos, Kontoalter ca. 16 Jahre
Verwendete Eingangsdaten
followers3.367
owner_typeOrganization
is_verifiedja
owner_loginDataDog
public_repos1.211
account_age_days5.914

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 3 Tagen
20/20Versionshistorie — 123 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesdatadog_lambda
ecosystemspypi
any_deprecatednein
min_days_since_publish3

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

78Gut · 19 % des Gesamtindex

Engineering-Praktiken

94Außergewöhnlich
Wie die Bewertung erfolgt
24/24CI-Workflows — 4 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — .flake8
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 28 out of 28 merged PRs checked by a CI test -- score normalized to 10
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_configja
has_precommit_configja

Dokumentation

55Mittel
Wie die Bewertung erfolgt
30/30README
0/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://docs.datadoghq.com/integrations/amazon_lambda/#installing-and-using-the-datadog-layer
10/10Repository-Beschreibung
0/10Topics
0/10Wiki
Verwendete Eingangsdaten
topics—
has_wikinein
homepagehttps://docs.datadoghq.com/integrations/amazon_lambda/#installing-and-using-the-datadog-layer
docs_sitehttps://docs.datadoghq.com/integrations/amazon_lambda/#installing-and-using-the-datadog-layer
has_readmeja
has_docs_dirnein
has_descriptionja

Sicherheit

Sind die sichtbaren Sicherheits- und Lieferkettenpraktiken belastbar, ohne ungeklärte Exposition gegenüber Hochrisikojurisdiktionen?

62Mittel · 16 % des Gesamtindex

Sicherheitslage

53Mittel
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
3/7.5Branch-Protection — branch protection is not maximal on development and all release branches
2.5/2.5CI-Tests — 28 out of 28 merged PRs checked by a CI test -- score normalized to 10
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
6.8/7.5Code-Review — Found 24/26 approved changesets -- score normalized to 9
2.5/2.5Contributors — project has 15 contributing companies or organizations
10/10Dangerous-Workflow — no dangerous workflow patterns detected
7.5/7.5Dependency-Update-Tool — update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Lizenz — license file detected
7.5/7.5Maintained — 20 commit(s) and 1 issue activity found in the last 90 days -- score normalized to 10
0/5Packaging — keine Daten
0/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
3.5/5SAST — SAST tool detected but not run on all commits
0/5Security-Policy — security policy file not detected
0/7.5Signed-Releases — Project has not signed or included provenance with any releases.
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
0/7.5Vulnerabilities — 27 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate5,3
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Packaging. Die verbleibenden Gewichte wurden renormalisiert.

Abhängigkeits-Advisories

100Außergewöhnlich
Wie die Bewertung erfolgt
35/35Direkte Abhängigkeiten ohne bekannte Advisories — keine direkte Abhängigkeit trägt ein bekanntes Advisory
25/25Indirekte Abhängigkeiten ohne bekannte Advisories — keine indirekte Abhängigkeit trägt ein bekanntes Advisory
0/40Keine offenen Advisories — kein Advisory trägt ein Veröffentlichungsdatum
Verwendete Eingangsdaten
sourceosv
advisories0
affected_packages0
assessed_packages14
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Keine offenen Advisories. Die verbleibenden Gewichte wurden renormalisiert. Abgeglichen wurde die Laufzeit-Abhängigkeitshülle von pypi:datadog_lambda@8.130.0 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 14 Paketen. Erreichbarkeit wird nicht analysiert.

AI Readiness

Wie gut ist das Repository dafür ausgestattet, mit KI-Coding-Agenten entwickelt und gepflegt zu werden? Trägt ein bewusst kleines Gewicht (4 %): Agenten-Tooling ist ein echtes Pflegesignal, doch ein Repository ohne jedes Signal kann weiterhin 100/100 erreichen.

54Mittel · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

55Mittel
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
15/15Maschinenlesbare Doku (llms.txt) — llms.txt wird von der Projektwebsite ausgeliefert (https://docs.datadoghq.com/llms.txt)
40/40Lesbare Commit-Historie — 89 von 96 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtja
llms_txt_urlhttps://docs.datadoghq.com/llms.txt
legible_history_share0,927
agent_instruction_files—
agent_instruction_max_bytes—

AI-Verify-Loop (Build / Test / Typprüfung)

53Mittel
Wie die Bewertung erfolgt
0/18Bootstrap mit einem Befehl
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — .flake8
0/11Statische Typprüfung
10/10Reproduzierbare Umgebung — Dockerfile, lockfile
10/10Belegte Agentenpraxis — 15 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
0/8Automatisierte Wartung — keine automatisierten Abhängigkeits-Updates beobachtet
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilespackage-lock.json, poetry.lock, yarn.lock
has_dockerfileja
typed_languagenein
bootstrap_files—
has_devcontainernein
has_linter_configja
typecheck_configs—
agent_commit_share0,15
toolchain_manifests—
dependency_bot_commit_share0

AI-Code-Lesbarkeit für Modelle

53Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
52.9/55Handhabbare Dateigrößen — 2/52 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes184.656
source_files_sampled52
oversized_source_files2

Eckdaten

102GitHub-Sterne
61Mitwirkende
127Commits, letzte 12 Monate
1Tage seit letztem Push
100Releases
5Bus-Faktor
8offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 53 ⇿
0Sterne
53Forks
98Releases

Wann jeder Stern und Fork hinzugefügt wurde, von GitHub erfasst und nach Tagen gruppiert. Das kumulierte Wachstum steht direkt über den täglichen Zugängen, aus denen es besteht, sodass beide gegeneinander lesbar sind: stetiger organischer Zuwachs sieht ganz anders aus als ein abrupter, kurzlebiger Ausschlag. Wo dieser Unterschied messbar ist, wird er als Wachstumsauthentizität ausgewiesen.

01020304050605322019-072023-022026-10
Major 0Minor 40Patch 0

Jeder Punkt umfasst 7 Tage.

OpenSSF Scorecard 5.3 / 10
5.3Gesamtwert

Unabhängige, werkzeugneutrale Sicherheitsbewertung durch das quelloffene OpenSSF Scorecard. Jede Prüfung honoriert eine Sicherheits-Praxis, nicht das Werkzeug eines bestimmten Anbieters. Prüfungen, die Scorecard nicht ermitteln konnte, sind mit k. A. markiert und vom Sicherheitswert ausgeschlossen (nie als null gezählt).Scorecard v5.5.0 · 2026-10-24 23:28 UTC

10Binary-Artifactsno binaries found in the repo
4Branch-Protectionbranch protection is not maximal on development and all release branches
10CI-Tests28 out of 28 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
9Code-ReviewFound 24/26 approved changesets -- score normalized to 9
10Contributorsproject has 15 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained20 commit(s) and 1 issue activity found in the last 90 days -- score normalized to 10
k. A.Packagingpackaging workflow not detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
7SASTSAST tool detected but not run on all commits
0Security-Policysecurity policy file not detected
0Signed-ReleasesProject has not signed or included provenance with any releases.
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities27 existing vulnerabilities detected
Direkte Abhängigkeiten 10
RegistryPaketVersionsvorgabeManifest
PyPIdatadog>=0.51.0,<1.0.0pyproject.toml
PyPIwrapt>=1.11.2,!=2.2.0,<3pyproject.toml
PyPIddtrace—pyproject.toml
PyPIujson—pyproject.toml
PyPIurllib3—pyproject.toml
PyPIbotocore^1.34.0pyproject.toml
PyPIrequests—pyproject.toml
PyPIpytest—pyproject.toml
PyPIpytest-benchmark^4.0pyproject.toml
PyPIflake8^5.0.4pyproject.toml
Alle Abhängigkeiten 142

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 11 direkte und 131 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIbotocore1.36.8direkt
PyPIdatadog0.51.0direkt
PyPIddtrace3.19.7direkt
PyPIflake85.0.4direkt
PyPIpytest8.3.4direkt
PyPIpytest-benchmark4.0.0direkt
PyPIrequests2.32.4direkt
PyPIrequests2.33.1direkt
PyPIujson5.10.0direkt
PyPIurllib31.26.20direkt
PyPIwrapt1.17.2direkt
npm2-thenable1.0.0indirekt
npm@iarna/toml2.2.5indirekt
npmansi-regex5.0.1indirekt
npmansi-styles4.3.0indirekt
npmappdirectory0.1.0indirekt
npmbalanced-match1.0.2indirekt
npmbluebird3.7.2indirekt
npmbrace-expansion1.1.14indirekt
npmbrace-expansion1.1.21indirekt
npmcamelcase5.3.1indirekt
npmchild-process-ext2.1.1indirekt
npmcliui6.0.0indirekt
npmcolor-convert2.0.1indirekt
npmcolor-name1.1.4indirekt
npmconcat-map0.0.1indirekt
npmcore-util-is1.0.3indirekt
npmcross-spawn6.0.6indirekt
npmd1.0.2indirekt
npmdecamelize1.2.0indirekt
npmduration0.2.2indirekt
npmemoji-regex8.0.0indirekt
npmes5-ext0.10.64indirekt
npmes6-iterator2.0.3indirekt
npmes6-symbol3.1.4indirekt
npmesniff2.0.1indirekt
npmevent-emitter0.3.5indirekt
npmext1.7.0indirekt
npmfind-up4.1.0indirekt
npmfs-extra10.1.0indirekt
npmfs.realpath1.0.0indirekt
npmget-caller-file2.0.5indirekt
npmglob7.2.3indirekt
npmglob-all3.3.1indirekt
npmgraceful-fs4.2.11indirekt
npmimmediate3.0.6indirekt
npminflight1.0.6indirekt
npminherits2.0.4indirekt
npmis-docker2.2.1indirekt
npmis-fullwidth-code-point3.0.0indirekt
npmis-plain-object2.0.4indirekt
npmis-primitive3.0.1indirekt
npmis-stream1.1.0indirekt
npmis-wsl2.2.0indirekt
npmisarray1.0.0indirekt
npmisexe2.0.0indirekt
npmisobject3.0.1indirekt
npmjsonfile6.2.0indirekt
npmjszip3.10.1indirekt
npmlie3.3.0indirekt
npmlocate-path5.0.0indirekt
npmlodash.get4.4.2indirekt
npmlodash.uniqby4.7.0indirekt
npmlodash.values4.3.0indirekt
npmlog6.3.2indirekt
npmminimatch3.1.5indirekt
npmnext-tick1.1.0indirekt
npmnice-try1.0.5indirekt
npmnode-fetch2.7.0indirekt
npmonce1.4.0indirekt
npmp-limit2.3.0indirekt
npmp-locate4.1.0indirekt
npmp-try2.2.0indirekt
npmpako1.0.11indirekt
npmpath-exists4.0.0indirekt
npmpath-is-absolute1.0.1indirekt
npmpath-key2.0.1indirekt
npmprocess-nextick-args2.0.1indirekt
npmreadable-stream2.3.8indirekt
npmreadable-stream3.6.2indirekt
npmrequire-directory2.1.1indirekt
npmrequire-main-filename2.0.0indirekt
npmrimraf3.0.2indirekt
npmsafe-buffer5.1.2indirekt
npmsafe-buffer5.2.1indirekt
npmsemver5.7.2indirekt
npmsemver7.7.4indirekt
npmserverless-plugin-datadog2.34.1indirekt
npmserverless-python-requirements6.1.2indirekt
npmset-blocking2.0.0indirekt
npmset-value4.1.0indirekt
npmsetimmediate1.0.5indirekt
npmsha256-file1.0.0indirekt
npmshebang-command1.2.0indirekt
npmshebang-regex1.0.0indirekt
npmshell-quote1.12.0indirekt
npmshell-quote1.8.3indirekt
npmsplit23.2.2indirekt
npmsprintf-kit2.0.2indirekt
npmstream-promise3.2.0indirekt
npmstring-width4.2.3indirekt
npmstring_decoder1.1.1indirekt
npmstring_decoder1.3.0indirekt
npmstrip-ansi6.0.1indirekt
npmtr460.0.3indirekt
npmtype2.7.3indirekt
npmuni-global1.0.0indirekt
npmuniversalify2.0.1indirekt
npmutil-deprecate1.0.2indirekt
npmwebidl-conversions3.0.1indirekt
npmwhatwg-url5.0.0indirekt
npmwhich1.3.1indirekt
npmwhich-module2.0.1indirekt
npmwrap-ansi6.2.0indirekt
npmwrappy1.0.2indirekt
npmy18n4.0.3indirekt
npmyargs15.4.1indirekt
npmyargs-parser18.1.3indirekt
PyPIbytecode0.16.1indirekt
PyPIcertifi2024.12.14indirekt
PyPIcharset-normalizer3.4.1indirekt
PyPIcolorama0.4.6indirekt
PyPIdeprecated1.2.18indirekt
PyPIenvier0.6.1indirekt
PyPIexceptiongroup1.2.2indirekt
PyPIidna3.10indirekt
PyPIimportlib-metadata8.5.0indirekt
PyPIiniconfig2.0.0indirekt
PyPIjmespath1.0.1indirekt
PyPImccabe0.7.0indirekt
PyPIopentelemetry-api1.29.0indirekt
PyPIpackaging24.2indirekt
PyPIpluggy1.5.0indirekt
PyPIpy-cpuinfo9.0.0indirekt
PyPIpycodestyle2.9.1indirekt
PyPIpyflakes2.5.0indirekt
PyPIpygments2.20.0indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIsix1.17.0indirekt
PyPItomli2.2.1indirekt
PyPItyping-extensions4.12.2indirekt
PyPIzipp3.20.2indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:datadog_lambda@8.130.0 zieht 14 Pakete nach sich, direkt und transitiv: 0 tragen bekannte Advisories, davon 0 direkte Abhängigkeiten.

Keine bekannten Advisories betreffen die bewerteten Abhängigkeiten.

Ein Advisory bedeutet, dass die im Abhängigkeitsgraphen erfasste Version in den betroffenen Bereich eines Advisories fällt. Erreichbarkeit wird nicht analysiert, und der Graph enthält Entwicklungs- und Test-Pins — ein Fund kann das Werkzeug betreffen und nicht die ausgelieferte Software.

JSON-Rohbericht maschinenlesbar

Feedback

Stimmt etwas in diesem Bericht nicht, oder gibt es Gedanken dazu? Falsche Messungen, übersehene Tools, Ideen, Fragen — alles ist willkommen. Jede Nachricht wird gelesen und beantwortet.

Die Nachricht bleibt bei der Anmeldung erhalten.

Verwandte Einträge

Geprüfte Repositories, die Katalog-Tags oder Ökosysteme mit DataDog/datadog-lambda-python teilen. Nebeneinander lesen →

100aws/serverless-application-modelThe AWS Serverless Application Model (AWS SAM) transform is a AWS CloudFormation macro that transforms SAM templates into CloudFormation templates.Außergewöhnlich100aws/aws-sam-cliCLI tool to build, test, debug, and deploy Serverless applications using AWS SAMAußergewöhnlich99aws-powertools/powertools-lambda-pythonA developer toolkit to implement Serverless best practices and increase developer velocity.Außergewöhnlich98aws-powertools/powertools-lambda-typescriptPowertools for AWS is a developer toolkit to implement Serverless best practices and increase developer velocity.Außergewöhnlich96aws/aws-sdk-pandaspandas on AWS - Easy integration with Athena, Glue, Redshift, Timestream, Neptune, OpenSearch, QuickSight, Chime, CloudWatchLogs, DynamoDB, EMR, SecretManager, PostgreSQL, MySQL, SQLServer and S3 (Parquet, CSV, JSON and EXCEL).Außergewöhnlich96pulumi/pulumi-awsAn Amazon Web Services (AWS) Pulumi resource package, providing multi-language access to AWSAußergewöhnlich

Bewertungen sind Signale, keine Garantien. Sie spiegeln öffentlich sichtbare Praxis auf GitHub wider — kein Code-Audit und keine Sicherheitsgarantie.

Fehlende Daten werden ausgeschlossen und die Gewichte neu normiert, nie als null bewertet. Die Methodik ist versioniert und offen: Metriken v2.10.0, Schema v0.34.0 — vollständige Methodik · Metriken-Wiki.

Wie ein einzelnes Ergebnis im Gesamtregister steht: aggregierte Statistiken — PyPI.