Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-09-16 03:13 UTC

Glitni / dlt-saga

Config-driven data ingestion and SCD2 historization framework built on dlt

PythonApache-2.0★ 6 Sterne⑂ 0 Forksseit Apr. 2026Auf GitHub ansehen ↗
ArtKommandozeilenwerkzeugBibliothekwie das ermittelt wird

Glitni/dlt-saga erreicht einen Gesundheitsindex von 84 von 100 und liegt damit im Bereich Exzellent. Am stärksten schneidet es bei Engineering Quality (92/100) ab, am schwächsten bei Community & Adoption (49/100). Zuletzt heute aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

84
gesamt / 100
Exzellent

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.

84
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 71 wird auf der veröffentlichten Indexskala auf 84 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

GlitniOrganisation
3 Follower2 öffentliche Reposseit März 2022

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPIdlt-saga0.32.0-54vor 12 Tagendltdata-pipelineetlscd2historizationdata-engineeringbigquerydatabricksduckdbazurepipelineconfig-driven

Metriken nach Kategorie

Vitalität

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

86Exzellent · 21 % des Gesamtindex

Entwicklungsaktivität

77Gut
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 0 Tagen
13.2/36Commit-Rhythmus — 19/52 Wochen mit Commits
18/18Commit-Volumen — 296 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year296
human_commit_share1
days_since_last_push0
active_weeks_last_year19

Release-Disziplin

100Außergewöhnlich
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 54 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 12 Tagen
27/27Release-Rhythmus — ein Release etwa alle 5,8 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count54
latest_release_tagv0.32.0
releases_from_tagsnein
days_since_latest_release12
mean_days_between_releases5,8
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): OpenSSF Scorecard: Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert.

Community & Verbreitung

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

49Schwach · 17 % des Gesamtindex

Popularität & Verbreitung

11Kritisch
Wie die Bewertung erfolgt
11.3/60Stars — 6 Stars
0/25Forks — 0 Forks
0/15Watcher — 0 Watcher
Verwendete Eingangsdaten
forks0
stars6
watchers0
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

92Exzellent
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (Apache-2.0)
18/18CONTRIBUTING-Leitfaden
13.5/13.5Verhaltenskodex
0/7.2Issue-Vorlage
6.3/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges5
has_contributingja
has_issue_templatenein
has_code_of_conductja
readme_badge_servicescodecov.io, github.com, shields.io
has_pull_request_templateja

Nachhaltigkeit & Governance

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

58Mittel · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

17Kritisch
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
0.5/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 98 % der Commits
4.1/13.5Breite der Beitragenden — 3 Beitragende
3/10OpenSSF Scorecard: Contributors — project has 1 contributing companies or organizations -- score normalized to 3
Verwendete Eingangsdaten
bus_factor1
contributors_sampled3
top_contributor_share0,976

Reaktionsfähigkeit bei Issues & PRs

83Exzellent
Wie die Bewertung erfolgt
42/42Issue-Lösungsquote — 100 % der Issues geschlossen
29.9/30PR-Annahme — 290/291 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
0/15OpenSSF Scorecard: Code-Review — Found 2/30 approved changesets -- score normalized to 0
Verwendete Eingangsdaten
merged_prs290
open_issues0
closed_issues190
prs_merged_7d1
prs_decided_7d1
prs_merged_30d11
prs_decided_30d11
issue_closed_ratio1
closed_unmerged_prs1
first_time_authors_30d0
first_time_prs_merged_30d0
first_time_prs_decided_30d0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Newcomer PR acceptance. Die verbleibenden Gewichte wurden renormalisiert.

Eigentümerschaft & Trägerschaft

47Schwach
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain
4.3/25Reichweite des Inhabers — 3 Follower von Glitni
12.5/25Kontohistorie — 2 öffentliche Repos, Kontoalter ca. 4 Jahre
Verwendete Eingangsdaten
followers3
owner_typeOrganization
is_verifiednein
owner_loginGlitni
public_repos2
account_age_days1.653

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 12 Tagen
20/20Versionshistorie — 54 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesdlt-saga
ecosystemspypi
any_deprecatednein
min_days_since_publish12

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

92Exzellent · 19 % des Gesamtindex

Engineering-Praktiken

94Außergewöhnlich
Wie die Bewertung erfolgt
24/24CI-Workflows — 4 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — pyproject.toml ([tool.ruff])
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 30 out of 30 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

90Exzellent
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://github.com/Glitni/dlt-saga/wiki
10/10Repository-Beschreibung
0/10Topics
10/10Wiki
Verwendete Eingangsdaten
topics—
has_wikija
homepage—
docs_sitehttps://github.com/Glitni/dlt-saga/wiki
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

66Gut · 16 % des Gesamtindex

Sicherheitslage

60Mittel
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
6/7.5Branch-Protection — branch protection is not maximal on development and all release branches
2.5/2.5CI-Tests — 30 out of 30 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
0/7.5Code-Review — Found 2/30 approved changesets -- score normalized to 0
0.8/2.5Contributors — project has 1 contributing companies or organizations -- score normalized to 3
10/10Dangerous-Workflow — no dangerous workflow patterns detected
0/7.5Dependency-Update-Tool — no update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Lizenz — license file detected
7.5/7.5Maintained — 30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
5/5Packaging — packaging workflow detected
5/5Pinned-Dependencies — all dependencies are pinned
0/5SAST — SAST tool is not run on all commits -- score normalized to 0
5/5Security-Policy — security policy file detected
0/7.5Signed-Releases — keine Daten
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
6.8/7.5Vulnerabilities — 1 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate6
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert.

Abhängigkeits-Advisories

90Exzellent
Wie die Bewertung erfolgt
35/35Direkte Abhängigkeiten ohne bekannte Advisories — keine direkte Abhängigkeit trägt ein bekanntes Advisory
18.2/25Indirekte Abhängigkeiten ohne bekannte Advisories — 1 betroffen: paramiko 4.0.0 (low 3.4)
36.9/40Keine offenen Advisories — 1 Paket(e) mit Advisory seit über 90 Tagen unbehandelt; ältestes vor 133 Tagen veröffentlicht
Verwendete Eingangsdaten
sourceosv
advisories2
affected_packages1
assessed_packages74
unassessed_packages0
affected_by_severitylow 1
direct_affected_packages0
Abgeglichen wurde die Laufzeit-Abhängigkeitshülle von pypi:dlt-saga@0.32.0 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 74 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.

77Gut · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

85Exzellent
Wie die Bewertung erfolgt
45/45Agentenanweisungen — .claude/CLAUDE.md
0/15Maschinenlesbare Doku (llms.txt)
40/40Lesbare Commit-Historie — 100 von 100 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share1
agent_instruction_files.claude/CLAUDE.md
agent_instruction_max_bytes33.700

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

71Gut
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — mise.toml
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — pyproject.toml ([tool.ruff])
0/11Statische Typprüfung
10/10Reproduzierbare Umgebung — lockfile
0/10Belegte Agentenpraxis — keine von Agenten verfassten Commits unter den letzten 100
0/8Automatisierte Wartung — keine automatisierten Abhängigkeits-Updates beobachtet
10/10OpenSSF Scorecard: Pinned-Dependencies — all dependencies are pinned
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilesuv.lock
has_dockerfilenein
typed_languagenein
bootstrap_filesmise.toml
has_devcontainernein
has_linter_configja
typecheck_configs—
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0

AI-Code-Lesbarkeit für Modelle

54Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
53.8/55Handhabbare Dateigrößen — 6/272 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes81.932
source_files_sampled272
oversized_source_files6

Maschinenlesbare AI-Schnittstellen

100Außergewöhnlich
Wie die Bewertung erfolgt
0/40API-Schema (OpenAPI/GraphQL/proto) — für diese Art von Software nicht anwendbar
0/20MCP-Server — für diese Art von Software nicht anwendbar
40/40Lauffähige Beispiele — example
Verwendete Eingangsdaten
example_dirsexample
has_mcp_signalnein
api_schema_files—
interfaces_expected_of—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): API-Schema (OpenAPI/GraphQL/proto), MCP-Server. Die verbleibenden Gewichte wurden renormalisiert.

Eckdaten

6GitHub-Sterne
3Mitwirkende
296Commits, letzte 12 Monate
0Tage seit letztem Push
54Releases
1Bus-Faktor
0offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • pypi download statistics for 'dlt-saga' unavailable this scan (stats endpoint failed after retries); adoption may be under-evidenced

Weitere Details

OpenSSF Scorecard 6.0 / 10
6.0Gesamtwert

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 · 2026-09-16 03:12 UTC

10Binary-Artifactsno binaries found in the repo
8Branch-Protectionbranch protection is not maximal on development and all release branches
10CI-Tests30 out of 30 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
0Code-ReviewFound 2/30 approved changesets -- score normalized to 0
3Contributorsproject has 1 contributing companies or organizations -- score normalized to 3
10Dangerous-Workflowno dangerous workflow patterns detected
0Dependency-Update-Toolno update tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
10Packagingpackaging workflow detected
10Pinned-Dependenciesall dependencies are pinned
0SASTSAST tool is not run on all commits -- score normalized to 0
10Security-Policysecurity policy file detected
k. A.Signed-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
9Vulnerabilities1 existing vulnerabilities detected
Direkte Abhängigkeiten 9
RegistryPaketVersionsvorgabeManifest
PyPIdlt>=1.18.0,<2.0.0pyproject.toml
PyPIjinja2>=3.1.0pyproject.toml
PyPIpydantic>=2.11.7pyproject.toml
PyPIpyyaml>=6.0.2pyproject.toml
PyPItyper>=0.16.0pyproject.toml
PyPIconnectorx>=0.4.4pyproject.toml
PyPIpandas>=2.3.1,<4pyproject.toml
PyPIpolars>=1.37.1pyproject.toml
PyPIpyarrow>=21.0.0pyproject.toml
Alle Abhängigkeiten 180

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 17 direkte und 163 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIconnectorx—direkt
PyPIconnectorx0.4.5direkt
PyPIdlt—direkt
PyPIdlt1.29.1direkt
PyPIjinja23.1.6direkt
PyPIpandas—direkt
PyPIpandas3.0.5direkt
PyPIpolars—direkt
PyPIpolars1.43.2direkt
PyPIpyarrow—direkt
PyPIpyarrow25.0.0direkt
PyPIpydantic—direkt
PyPIpydantic2.13.4direkt
PyPIpyyaml—direkt
PyPIpyyaml6.0.3direkt
PyPItyper—direkt
PyPItyper0.27.0direkt
PyPIadlfs—indirekt
PyPIadlfs2026.5.0indirekt
PyPIaiobotocore3.9.0indirekt
PyPIaiohappyeyeballs2.7.1indirekt
PyPIaiohttp3.14.3indirekt
PyPIaioitertools0.13.0indirekt
PyPIaiosignal1.4.0indirekt
PyPIannotated-doc0.0.5indirekt
PyPIannotated-types0.8.0indirekt
PyPIast-serialize0.6.0indirekt
PyPIattrs26.1.0indirekt
PyPIazure-core1.41.0indirekt
PyPIazure-identity—indirekt
PyPIazure-identity1.25.3indirekt
PyPIazure-keyvault-secrets—indirekt
PyPIazure-keyvault-secrets4.11.0indirekt
PyPIazure-storage-blob12.30.0indirekt
PyPIbcrypt5.0.0indirekt
PyPIboto31.43.56indirekt
PyPIbotocore1.43.56indirekt
PyPIcertifi2026.7.22indirekt
PyPIcffi2.1.0indirekt
PyPIcfgv3.5.0indirekt
PyPIcharset-normalizer3.4.9indirekt
PyPIclick8.4.2indirekt
PyPIcolorama0.4.6indirekt
PyPIcoverage7.15.3indirekt
PyPIcryptography50.0.0indirekt
PyPIdatabricks-sdk0.123.0indirekt
PyPIdatabricks-sql-connector4.4.0indirekt
PyPIdatabricks-zerobus-ingest-sdk1.4.0indirekt
PyPIdb-dtypes1.7.1indirekt
PyPIdecorator5.3.1indirekt
PyPIdistlib0.4.3indirekt
PyPIdlt-saga—indirekt
PyPIdlt-saga0.32.0indirekt
PyPIduckdb1.5.5indirekt
PyPIet-xmlfile2.0.0indirekt
PyPIfilelock3.32.2indirekt
PyPIfrozenlist1.8.0indirekt
PyPIfsspec2026.7.0indirekt
PyPIgcsfs—indirekt
PyPIgcsfs2026.7.0indirekt
PyPIgitdb4.0.12indirekt
PyPIgitpython3.1.62indirekt
PyPIgiturlparse0.15.0indirekt
PyPIgoogle-api-core2.33.0indirekt
PyPIgoogle-api-python-client—indirekt
PyPIgoogle-api-python-client2.198.0indirekt
PyPIgoogle-auth2.56.2indirekt
PyPIgoogle-auth-httplib20.4.0indirekt
PyPIgoogle-auth-oauthlib—indirekt
PyPIgoogle-auth-oauthlib1.4.0indirekt
PyPIgoogle-cloud-bigquery3.42.3indirekt
PyPIgoogle-cloud-bigquery-storage—indirekt
PyPIgoogle-cloud-bigquery-storage2.39.0indirekt
PyPIgoogle-cloud-core2.6.0indirekt
PyPIgoogle-cloud-run—indirekt
PyPIgoogle-cloud-run0.16.1indirekt
PyPIgoogle-cloud-secret-manager—indirekt
PyPIgoogle-cloud-secret-manager2.30.0indirekt
PyPIgoogle-cloud-storage—indirekt
PyPIgoogle-cloud-storage3.13.0indirekt
PyPIgoogle-cloud-storage-control1.12.0indirekt
PyPIgoogle-crc32c1.8.0indirekt
PyPIgoogle-resumable-media2.10.0indirekt
PyPIgoogleapis-common-protos1.75.0indirekt
PyPIgrpc-google-iam-v10.14.4indirekt
PyPIgrpcio1.83.0indirekt
PyPIgrpcio-status1.83.0indirekt
PyPIhttplib20.32.0indirekt
PyPIhumanize4.16.0indirekt
PyPIidentify2.6.19indirekt
PyPIidna3.18indirekt
PyPIiniconfig2.3.0indirekt
PyPIinvoke3.0.3indirekt
PyPIisodate0.7.2indirekt
PyPIjmespath1.1.0indirekt
PyPIjsonpath-ng1.8.0indirekt
PyPIlibrt0.13.0indirekt
PyPIlz44.4.5indirekt
PyPImarkdown-it-py4.2.0indirekt
PyPImarkupsafe3.0.3indirekt
PyPImdurl0.1.2indirekt
PyPImsal1.37.0indirekt
PyPImsal-extensions1.3.1indirekt
PyPImultidict6.7.1indirekt
PyPImypy—indirekt
PyPImypy2.3.0indirekt
PyPImypy-extensions1.1.0indirekt
PyPInodeenv1.10.0indirekt
PyPInumpy2.4.6indirekt
PyPInumpy2.5.1indirekt
PyPIoauthlib3.3.1indirekt
PyPIopenpyxl—indirekt
PyPIopenpyxl3.1.5indirekt
PyPIorjson3.11.9indirekt
PyPIpackaging26.2indirekt
PyPIparamiko4.0.0indirekt
PyPIpathspec1.1.1indirekt
PyPIpathvalidate3.3.1indirekt
PyPIpendulum3.2.0indirekt
PyPIplatformdirs4.11.0indirekt
PyPIpluggy1.6.0indirekt
PyPIpolars-runtime-321.43.2indirekt
PyPIpre-commit—indirekt
PyPIpre-commit4.6.1indirekt
PyPIpropcache0.5.2indirekt
PyPIproto-plus1.28.2indirekt
PyPIprotobuf6.33.6indirekt
PyPIpyasn10.6.4indirekt
PyPIpyasn1-modules0.4.2indirekt
PyPIpybreaker1.4.1indirekt
PyPIpycparser3.0indirekt
PyPIpydantic-core2.46.4indirekt
PyPIpygments2.20.0indirekt
PyPIpyjwt2.13.0indirekt
PyPIpynacl1.6.2indirekt
PyPIpyparsing3.3.2indirekt
PyPIpytest—indirekt
PyPIpytest9.1.1indirekt
PyPIpytest-cov—indirekt
PyPIpytest-cov7.1.0indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpython-discovery1.5.1indirekt
PyPIpytz2026.3.post1indirekt
PyPIpywin32312indirekt
PyPIrequests—indirekt
PyPIrequests2.34.2indirekt
PyPIrequests-oauthlib2.0.0indirekt
PyPIrequirements-parser0.13.1indirekt
PyPIrich15.0.0indirekt
PyPIrich-argparse1.8.0indirekt
PyPIruff—indirekt
PyPIruff0.16.1indirekt
PyPIs3fs2026.7.0indirekt
PyPIs3transfer0.19.2indirekt
PyPIsemver3.0.4indirekt
PyPIsetuptools—indirekt
PyPIsetuptools83.0.0indirekt
PyPIshellingham1.5.4indirekt
PyPIsimplejson4.1.1indirekt
PyPIsix1.17.0indirekt
PyPIsmmap5.0.3indirekt
PyPIsqlglot30.14.0indirekt
PyPItenacity9.1.4indirekt
PyPIthrift0.24.0indirekt
PyPItomli2.4.1indirekt
PyPItomlkit0.15.1indirekt
PyPItypes-pyyaml—indirekt
PyPItypes-pyyaml6.0.12.20260724indirekt
PyPItypes-requests—indirekt
PyPItypes-requests2.33.0.20260712indirekt
PyPItyping-extensions4.16.0indirekt
PyPItyping-inspection0.4.2indirekt
PyPItzdata2026.3indirekt
PyPIuritemplate4.2.0indirekt
PyPIurllib32.7.0indirekt
PyPIvirtualenv21.7.1indirekt
PyPIwheel—indirekt
PyPIwin-precise-time1.4.2indirekt
PyPIwrapt2.3.0indirekt
PyPIyarl1.24.5indirekt
Abhängigkeits-Advisories 1

Die Installation von pypi:dlt-saga@0.32.0 zieht 74 Pakete nach sich, direkt und transitiv: 1 tragen bekannte Advisories, davon 0 direkte Abhängigkeiten.

PaketVersionBeziehungSchweregradAdvisoriesBehoben in
paramiko4.0.0indirektniedrig2—

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 Glitni/dlt-saga teilen. Nebeneinander lesen →

95airbytehq/airbyteOpen-source data movement for ELT pipelines and AI agents — from APIs, databases & files to warehouses, lakes, and AI applications. Both self-hosted and Cloud.Außergewöhnlich98rudderlabs/rudder-serverPrivacy and Security focused Segment-alternative, in Golang and React Außergewöhnlich94cloudquery/cloudqueryData pipelines for cloud config and security data. Build cloud asset inventory, CSPM, FinOps, and vulnerability management solutions. Extract from AWS, Azure, GCP, and 70+ cloud and SaaS sources.Außergewöhnlich98sqlfluff/sqlfluffA modular SQL linter and auto-formatter with support for multiple dialects and templated code.Außergewöhnlich97growthbook/growthbookOpen Source Feature Flags, Experimentation, and Product AnalyticsAußergewöhnlich97datacontract/datacontract-cliEnforce Data ContractsAußergewöhnlich

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.