Registro público
Informe de salud del softwareesquema 0.16.0 · métricas 2.10.0 · 2026-07-20 22:08 UTC

scaleoutsystems / scaleout-client

Scaleout Edge: Sovereign Edge AI orchestration and Federated Learning

PythonApache-2.0★ 169 estrellas⑂ 43 forksdesde jul 2020Ver en GitHub ↗
TipoBibliotecaHerramienta de línea de comandoscómo se determina
#federated-machine-learning#fedml#federated-learning#edge-ml#fleet-learning#keras-tensorflow#pytorch#scikit-learn#tensorflow#edge-ai

scaleoutsystems/scaleout-client tiene un índice de salud de 69 sobre 100, lo que lo sitúa en la banda Bueno. Su puntuación más alta es Sustainability & Governance (77/100) y la más baja, AI Readiness (36/100). Se actualizó por última vez hace 10 días. 2 personas concentran la mayor parte del trabajo reciente.

69
global / 100
Bueno

Índice de salud del software

Las métricas se agrupan en categorías ponderadas sobre una escala estandarizada de 1 a 100. El resultado global parte de su media ponderada, calibrada contra la distribución del registro público para que las bandas tengan significado percentil; cuando la evidencia pública activa la Política de Jurisdicciones de Alto Riesgo, la calificación se ajusta y recibe un límite «En riesgo» de 34.

69
Excepcional93-100El nivel más alto del registro (≈ el 5% superior); cumple prácticamente todos los criterios evaluados
Excelente80-92Sólido en todos los frentes; carencias menores
Bueno65-79Saludable; carencias limitadas y manejables
Moderado50-64Aceptable con carencias notables; se recomienda revisión
Débil35-49Debilidades sustanciales en varias áreas
En riesgo20-34Debilidades significativas; su adopción exige cautela
Crítico1-19Problemas graves (proyecto abandonado, un solo mantenedor, sin higiene)
VitalidadComunidad yAdopciónSostenibilidady GobernanzaCalidad deIngenieríaSeguridadPreparaciónpara IA

Perfil de puntuación

Cada eje es una categoría. La forma importa más que la media: un proyecto sano llena toda la figura, mientras que un perfil de picos y cráteres indica que la fortaleza en una dimensión enmascara el riesgo en otra.

El resultado global ponderado 62 se calibra a 69 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

ScaleoutOrganización
58 seguidores47 repositorios públicosdesde nov 2018

Este repositorio está respaldado por una organización: una custodia compartida y responsable que puede sobrevivir a cualquier mantenedor individual.

Ecosistemas de paquetes

RegistroPaqueteVersiónDescargas / mesVersionesÚltima publicación
PyPIscaleout1.0.5-8hace 10 días
PyPIscaleoututil1.0.52837hace 10 días

Métricas por categoría

Vitalidad

¿Está vivo el proyecto: se escribe código y se publican versiones?

72Bueno · 21% del índice global

Actividad de desarrollo

53Moderado
Cómo se puntúa
28.8/36Recencia de push — último push hace 10 días
6.9/36Cadencia de commits — 10/52 semanas con commits
11.7/18Volumen de commits — 19 commits en el último año
6/10OpenSSF Scorecard: Maintained — 8 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 6
Datos de entrada utilizados
commits_last_year19
human_commit_share—
days_since_last_push10
active_weeks_last_year10

Disciplina de publicación

100Excepcional
Cómo se puntúa
27/27Publica versiones — 75 versiones publicadas
36/36Recencia de las versiones — última versión hace 10 días
27/27Cadencia de publicación — una versión cada ~43,6 días
0/10OpenSSF Scorecard: Signed-Releases — sin datos
Datos de entrada utilizados
releases_count75
latest_release_tagv1.0.5
releases_from_tagsno
days_since_latest_release10
mean_days_between_releases43,6
Excluidos de la puntuación (sin datos o no aplicable): OpenSSF Scorecard: Signed-Releases. Los pesos restantes se han renormalizado.

Comunidad y Adopción

¿Tiene el proyecto usuarios, descargas, atención y unas condiciones acogedoras para quienes contribuyen?

68Bueno · 17% del índice global

Popularidad y adopción

53Moderado
Cómo se puntúa
36.1/60Estrellas — 169 estrellas
13.5/25Forks — 43 forks
3.3/15Observadores — 5 observadores
Datos de entrada utilizados
forks43
stars169
watchers5
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Salud de la comunidad

85Excelente
Cómo se puntúa
22.5/22.5README
22.5/22.5Licencia — licencia reconocida (Apache-2.0)
18/18Guía CONTRIBUTING
13.5/13.5Código de conducta
0/7.2Plantilla de issues
0/6.3Plantilla de PR
Datos de entrada utilizados
has_readmesí
has_licensesí
readme_badges—
has_contributingsí
has_issue_templateno
has_code_of_conductsí
readme_badge_services—
has_pull_request_templateno

Sostenibilidad y Gobernanza

¿Sobrevivirá el proyecto a sus personas: factor bus, capacidad de respuesta, quién lo respalda y mantenimiento del paquete?

77Bueno · 23% del índice global

Resiliencia de mantenedores (factor bus)

54Moderado
Cómo se puntúa
25.2/54Factor bus — la mitad de los commits recae en 2 contribuyente(s)
13/22.5Distribución de commits — el principal contribuyente firma el 42% de los commits
5.4/13.5Amplitud de contribuyentes — 4 contribuyentes
10/10OpenSSF Scorecard: Contributors — project has 4 contributing companies or organizations
Datos de entrada utilizados
bus_factor2
contributors_sampled4
top_contributor_share0,421

Capacidad de respuesta a issues y PR

78Bueno
Cómo se puntúa
41.2/42Resolución de issues — 98% de issues cerradas
24/30Aceptación de PR — 735/917 PR decididos fusionados
0/13Newcomer PR acceptance — ningún PR de un contribuyente primerizo decidido en 30 d
3/15OpenSSF Scorecard: Code-Review — Found 4/19 approved changesets -- score normalized to 2
Datos de entrada utilizados
merged_prs735
open_issues2
closed_issues107
prs_merged_7d—
prs_decided_7d—
prs_merged_30d—
prs_decided_30d—
issue_closed_ratio0,982
closed_unmerged_prs182
first_time_authors_30d—
first_time_prs_merged_30d—
first_time_prs_decided_30d—
Excluidos de la puntuación (sin datos o no aplicable): Newcomer PR acceptance. Los pesos restantes se han renormalizado.

Propiedad y custodia

84Excelente
Cómo se puntúa
30/30Respaldo de la propiedad — propiedad de una organización
0/20Dominio verificado — el estado de dominio verificado no se leyó para esta organización
12.7/25Alcance del propietario — 58 seguidores de scaleoutsystems
24.2/25Trayectoria — 47 repos públicos, cuenta de ~7 años
Datos de entrada utilizados
followers58
owner_typeOrganization
is_verified—
owner_loginscaleoutsystems
public_repos47
account_age_days2804
Excluidos de la puntuación (sin datos o no aplicable): Dominio verificado. Los pesos restantes se han renormalizado.

Mantenimiento de paquetes

100Excepcional
Cómo se puntúa
25/25Publicado y resoluble — 2 paquete(s) en pypi
35/35Recencia de publicación — última publicación hace 10 días
20/20Historial de versiones — 8 versiones en el registro
20/20No obsoleto — activo, ni obsoleto ni retirado
Datos de entrada utilizados
packagesscaleout, scaleoututil
ecosystemspypi
any_deprecatedno
min_days_since_publish10

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

40Débil · 19% del índice global

Prácticas de ingeniería

24En riesgo
Cómo se puntúa
0/24Flujos de trabajo de CI
24/24Pruebas presentes
0/16Configuración de linter
0/9.6Hooks de pre-commit
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — 0 out of 9 merged PRs checked by a CI test -- score normalized to 0
Datos de entrada utilizados
has_cino
has_testssí
has_editorconfigno
has_linter_configno
has_precommit_configno

Documentación

65Bueno
Cómo se puntúa
30/30README
0/25Directorio de documentación
15/15Sitio de documentación / página del proyecto — https://www.scaleoutsystems.com
10/10Descripción del repositorio
10/10Topics — 10 topics
0/10Wiki
Datos de entrada utilizados
topicsfederated-machine-learning, fedml, federated-learning, edge-ml, fleet-learning, keras-tensorflow, pytorch, scikit-learn, tensorflow, edge-ai
has_wikino
homepagehttps://www.scaleoutsystems.com
docs_sitehttps://www.scaleoutsystems.com
has_readmesí
has_docs_dirno
has_descriptionsí

Seguridad

¿Son sólidas las prácticas visibles de seguridad y de cadena de suministro, sin exposición jurisdiccional de alto riesgo sin resolver?

52Moderado · 16% del índice global

Postura de seguridad

45Débil
Cómo se puntúa
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — branch protection not enabled on development/release branches
0/2.5CI-Tests — 0 out of 9 merged PRs checked by a CI test -- score normalized to 0
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
1.5/7.5Code-Review — Found 4/19 approved changesets -- score normalized to 2
2.5/2.5Contributors — project has 4 contributing companies or organizations
0/10Dangerous-Workflow — sin datos
0/7.5Dependency-Update-Tool — no update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Licencia — license file detected
4.5/7.5Maintained — 8 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 6
0/5Packaging — sin datos
0/5Pinned-Dependencies — sin datos
0.5/5SAST — SAST tool is not run on all commits -- score normalized to 1
5/5Security-Policy — security policy file detected
0/7.5Signed-Releases — sin datos
0/7.5Token-Permissions — sin datos
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
Datos de entrada utilizados
sourceopenssf_scorecard
checks_evaluated13
scorecard_versionv5.5.0
checks_inconclusive5
scorecard_aggregate4,5
Excluidos de la puntuación (sin datos o no aplicable): Dangerous-Workflow, Packaging, Pinned-Dependencies, Signed-Releases, Token-Permissions. Los pesos restantes se han renormalizado.

Avisos de dependencias

80Excelente
Cómo se puntúa
14.8/35Dependencias directas libres de avisos conocidos — 1 afectados: click 8.3.1 (high 7.2)
25/25Dependencias indirectas libres de avisos conocidos — ninguna dependencia indirecta tiene un aviso conocido
40/40Sin avisos pendientes — ningún aviso lleva público más de 90 días
Datos de entrada utilizados
sourceosv
advisories1
affected_packages1
assessed_packages23
unassessed_packages0
affected_by_severityhigh 1
direct_affected_packages1
Se cotejó el cierre de dependencias en tiempo de ejecución de pypi:scaleout@1.0.5 —lo que arrastra la instalación del paquete publicado—: 23 paquetes. No se analiza la alcanzabilidad.

Preparación para IA

¿Hasta qué punto está el repositorio preparado para desarrollarse y mantenerse con agentes de codificación de IA? Tiene un peso deliberadamente pequeño (4%): las herramientas para agentes son una señal real de mantenimiento, pero un repositorio sin ninguna puede alcanzar igualmente 100/100.

36Débil · 4% del índice global

Contexto y guía para agentes

1Crítico
Cómo se puntúa
0/45Instrucciones para agentes — sin CLAUDE.md / AGENTS.md / reglas de editor
0/15Documentación legible por máquinas (llms.txt)
0/40Historial de commits legible — sin datos
Datos de entrada utilizados
has_llms_txtno
llms_txt_url—
legible_history_share—
agent_instruction_files—
agent_instruction_max_bytes—
Excluidos de la puntuación (sin datos o no aplicable): Historial de commits legible. Los pesos restantes se han renormalizado.

Bucle de verificación (compilación / pruebas / verificación de tipos)

31En riesgo
Cómo se puntúa
0/18Arranque con un solo comando
22/22Pruebas automatizadas
0/11Configuración de lint / formato
0/11Verificación estática de tipos
0/10Entorno reproducible
0/10Práctica demostrada con agentes — sin datos
0/8Mantenimiento automatizado — sin datos
0/10OpenSSF Scorecard: Pinned-Dependencies — sin datos
Datos de entrada utilizados
has_nixno
has_testssí
lockfiles—
has_dockerfileno
typed_languageno
bootstrap_files—
has_devcontainerno
has_linter_configno
typecheck_configs—
agent_commit_share—
toolchain_manifests—
dependency_bot_commit_share—
Excluidos de la puntuación (sin datos o no aplicable): Práctica demostrada con agentes, Mantenimiento automatizado, OpenSSF Scorecard: Pinned-Dependencies. Los pesos restantes se han renormalizado.

Legibilidad del código para modelos

55Moderado
Cómo se puntúa
0/45Código verificable por tipos — Python sin configuración de verificación de tipos
55/55Tamaños de archivo manejables — 0/99 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes47.137
source_files_sampled99
oversized_source_files0

Interfaces legibles por máquina

100Excepcional
Cómo se puntúa
40/40Esquema de API (OpenAPI/GraphQL/proto) — scaleout-util/scaleout.proto
0/20Servidor MCP — no aplicable a este tipo de software
40/40Ejemplos ejecutables — examples
Datos de entrada utilizados
example_dirsexamples
has_mcp_signalno
api_schema_filesscaleout-util/scaleout.proto
interfaces_expected_of—
Excluidos de la puntuación (sin datos o no aplicable): Servidor MCP. Los pesos restantes se han renormalizado.

Datos clave

169estrellas de GitHub
4contribuidores
19commits en los últimos 12 meses
10días desde el último push
75versiones publicadas
2factor bus
2issues abiertas
PyPIecosistemas de paquetes

Advertencias de recopilación de datos

  • Could not fetch pypi package 'scaleout-client-workspace' from its registry

Más detalle

OpenSSF Scorecard 4.5 / 10
4.5agregado

Evaluación de seguridad independiente y agnóstica en cuanto a herramientas, procedente del proyecto de código abierto OpenSSF Scorecard. Cada comprobación premia una práctica de seguridad, no la herramienta de un proveedor concreto. Las comprobaciones que Scorecard no pudo determinar se marcan como n/d y se excluyen de la puntuación de seguridad (nunca se cuentan como cero).Scorecard v5.5.0 · 2026-07-20 22:07 UTC

10Binary-Artifactsno binaries found in the repo
0Branch-Protectionbranch protection not enabled on development/release branches
0CI-Tests0 out of 9 merged PRs checked by a CI test -- score normalized to 0
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
2Code-ReviewFound 4/19 approved changesets -- score normalized to 2
10Contributorsproject has 4 contributing companies or organizations
n/dDangerous-Workflowno workflows found
0Dependency-Update-Toolno update tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
6Maintained8 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 6
n/dPackagingpackaging workflow not detected
n/dPinned-Dependenciesno dependencies found
1SASTSAST tool is not run on all commits -- score normalized to 1
10Security-Policysecurity policy file detected
n/dSigned-Releasesno releases found
n/dToken-PermissionsNo tokens found
10Vulnerabilities0 existing vulnerabilities detected
Dependencias directas 17
RegistroPaqueteRestricción de versiónManifiesto
PyPIscaleoututil—pyproject.toml
PyPIscaleout—pyproject.toml
PyPInumpy>=1.21.6scaleout-client-python/pyproject.toml
PyPIpsutil—scaleout-client-python/pyproject.toml
PyPIscaleoututil==1.0.5scaleout-client-python/pyproject.toml
PyPIclick==8.3.1scaleout-client-python/pyproject.toml
PyPIurllib3>=2.6.0scaleout-client-python/pyproject.toml
PyPIgrpcio==1.78.0scaleout-util/pyproject.toml
PyPIgrpcio-tools==1.78.0scaleout-util/pyproject.toml
PyPIprotobuf==6.33.5scaleout-util/pyproject.toml
PyPInumpy>=2.2.6scaleout-util/pyproject.toml
PyPIrequests>=2.31scaleout-util/pyproject.toml
PyPIurllib3>=2.6.0scaleout-util/pyproject.toml
PyPIpyjwt>=2.12.0scaleout-util/pyproject.toml
PyPIvirtualenv==20.36.1scaleout-util/pyproject.toml
PyPIcryptography>=46.0.5scaleout-util/pyproject.toml
PyPIPyYAML~=6.0scaleout-util/pyproject.toml
Todas las dependencias 47

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 16 paquetes directos y 31 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPIclick8.3.1directa
PyPIcryptography—directa
PyPIgrpcio1.78.0directa
PyPIgrpcio-tools1.78.0directa
PyPInumpy—directa
PyPInumpy1.24.4directa
PyPInumpy1.26.4directa
PyPIprotobuf6.33.5directa
PyPIpyjwt—directa
PyPIpyyaml—directa
PyPIrequests—directa
PyPIscaleout—directa
PyPIscaleoututil—directa
PyPIscaleoututil1.0.5directa
PyPIurllib3—directa
PyPIvirtualenv20.36.1directa
PyPIchart-studio—indirecta
PyPIdash1.12.0indirecta
PyPIdocker—indirecta
PyPIdocker5.0.2indirecta
PyPIdocker6.1.1indirecta
PyPIfedn—indirecta
PyPIfire0.3.1indirecta
PyPIflask1.0indirecta
PyPImonai—indirecta
PyPImypy—indirecta
PyPIpandas—indirecta
PyPIplotly—indirecta
PyPIpyloudnorm0.1.1indirecta
PyPIpymongo3.7.1indirecta
PyPIpytest—indirecta
PyPIpytest-cov—indirecta
PyPIpytest-order—indirecta
PyPIresponses—indirecta
PyPIscikit-learn—indirecta
PyPIscipy—indirecta
PyPIsphinx-code-tabs—indirecta
PyPIsphinx-copybutton—indirecta
PyPIsphinx-rtd-theme—indirecta
PyPItensorflow—indirecta
PyPItensorflow-macos—indirecta
PyPItensorflow-metal—indirecta
PyPItorch—indirecta
PyPItorch2.5.1indirecta
PyPItorchaudio2.5.1indirecta
PyPItorcheval0.0.7indirecta
PyPItorchvision—indirecta
Avisos de dependencias 1

Instalar pypi:scaleout@1.0.5 arrastra 23 paquetes, directos y transitivos: 1 tienen avisos conocidos, de los cuales 1 son dependencias directas.

PaqueteVersiónRelaciónGravedadAvisosCorregido en
click8.3.1directaalta18.3.3

Un aviso significa que la versión registrada en el grafo de dependencias cae dentro del rango afectado de un aviso. No se analiza la alcanzabilidad, y el grafo incluye fijaciones de desarrollo y prueba: un hallazgo puede referirse al utillaje y no al software distribuido.

Informe JSON sin procesar legible por máquina

Comentarios

¿Algo no cuadra en este informe, o hay ideas que compartir? Mediciones erróneas, herramientas no detectadas, ideas, preguntas: todo es bienvenido. Cada mensaje se lee y recibe respuesta.

El mensaje se conserva durante el inicio de sesión.

Registros relacionados

Repositorios inspeccionados que comparten etiquetas de catálogo o ecosistemas con scaleoutsystems/scaleout-client. Leer en paralelo →

100microsoft/onnxruntimeONNX Runtime: cross-platform, high performance ML inferencing and training acceleratorExcepcional100onnx/onnxOpen standard for machine learning interoperabilityExcepcional80GiacomoSaccaggi/scomp_linkEnd-to-end ML toolkit automating the complete workflow — data profiling, preprocessing, feature engineering, model selection, training, validation, explainability, drift monitoring, fairness checks, and interactive HTML reporting. Includes a full CLI for zero-code ML pipelines. Python 3.10+.Excelente100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.Excepcional100ray-project/rayRay is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.Excepcional99openvinotoolkit/nncfNeural Network Compression Framework for enhanced OpenVINO™ inferenceExcepcional

Las puntuaciones son señales, no garantías. Reflejan prácticas públicamente visibles en GitHub; no son una auditoría de código ni una garantía de seguridad.

Los datos ausentes se excluyen y los pesos se renormalizan; nunca se puntúan como cero. La metodología es versionada y abierta: métricas v2.10.0, esquema v0.16.0 — metodología completa · wiki de métricas.

Cómo se sitúa un resultado dentro del registro general: estadísticas agregadas — PyPI.