Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.34.0 · метрики 2.10.0 · 2026-08-29 07:16 UTC

Lightning-AI / litData

Speed up model training by fixing data loading.

PythonApache-2.0★ 611 зірок⑂ 105 форківз лют. 2024 р.Переглянути на GitHub ↗
ТипІнструмент командного рядкаБібліотекаяк це визначено

Lightning-AI/litData має індекс здоров’я 92 зі 100, що відповідає смузі «Відмінний». Найвищий показник — Vitality (88/100), найнижчий — Security (60/100). Останнє оновлення було 4 дні тому. Більшість нещодавньої роботи виконують 2 учасники.

92
загалом / 100
Відмінний

Індекс здоров'я програмного забезпечення

Метрики згруповано у зважені категорії на шкалі 1–100. Загальна оцінка починається як їхнє зважене середнє, відкаліброване за розподілом публічного реєстру, тож діапазони мають перцентильний зміст; коли публічні дані активують Політику юрисдикцій високого ризику, рейтинг коригується й отримує верхню межу 34 («У зоні ризику»).

92
Винятковий93-100Верхній щабель реєстру (≈ топ-5%); відповідає практично всім перевіреним критеріям
Відмінний80-92Сильний за всіма напрямами; незначні прогалини
Добрий65-79Здоровий; прогалини обмежені та керовані
Помірний50-64Прийнятний, але з помітними прогалинами; рекомендовано перевірку
Слабкий35-49Суттєві недоліки в кількох сферах
У зоні ризику20-34Суттєві слабкі місця; впровадження потребує обережності
Критичний1-19Серйозні проблеми (покинутий, єдиний мейнтейнер, без базової гігієни)
ЖиттєздатністьСпільнота тавпровадженняСталість таврядуванняІнженернаякістьБезпекаГотовність доШІ

Профіль оцінок

Кожна вісь — окрема категорія. Форма важить більше, ніж середнє: здоровий об'єкт заповнює всю фігуру, тоді як профіль із піками та провалами означає, що сила в одному вимірі маскує ризик в іншому.

Зважений загальний бал 78 калібровано до 92 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

⚡️ Lightning AI Організація
6 857 підписників30 публічних репозиторіївз груд. 2019 р.

За цим репозиторієм стоїть організація — спільна, підзвітна опіка, здатна пережити будь-якого окремого мейнтейнера.

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікаціяТеги
PyPIlitdata0.2.72240 069744 дні томуdeep-learningpytorchaistreamingclouddata-processing
Gogithub.com/Lightning-AI/litDatav0.2.72-724 дні тому—

Метрики за категоріями

Життєздатність

Чи живий проєкт — чи пишеться код і чи виходять релізи?

88Відмінний · 21% загального індексу

Активність розробки

86Відмінний
Як обчислюється оцінка
36/36Свіжість push — останній push 4 дн. тому
22.2/36Ритм комітів — 32/52 тижнів із комітами
18/18Обсяг комітів — 133 комітів за останній рік
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
Використані вхідні дані
commits_last_year133
human_commit_share0,8
days_since_last_push4
active_weeks_last_year32

Дисципліна релізів

90Відмінний
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 73 релізів
36/36Свіжість релізів — останній реліз 4 дн. тому
27/27Ритм релізів — реліз кожні ~9,8 дн.
0/10OpenSSF Scorecard: Signed-Releases — Project has not signed or included provenance with any releases.
Використані вхідні дані
releases_count73
latest_release_tagv0.2.72
releases_from_tagsні
days_since_latest_release4
mean_days_between_releases9,8

Спільнота та впровадження

Чи має проєкт користувачів, завантаження, увагу та влаштовані умови для контриб’юторів?

77Добрий · 17% загального індексу

Популярність і впровадження

68Добрий
Як обчислюється оцінка
45.2/60Зірки — 611 зірок
16.8/25Форки — 105 форків
5.6/15Спостерігачі — 11 спостерігачів
Використані вхідні дані
forks105
stars611
watchers11
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Здоров'я спільноти

77Добрий
Як обчислюється оцінка
22.5/22.5README
22.5/22.5Ліцензія — визнана ліцензія (Apache-2.0)
18/18Настанови CONTRIBUTING
0/13.5Кодекс поведінки
0/7.2Шаблон issue
6.3/6.3Шаблон PR
Використані вхідні дані
has_readmeтак
has_licenseтак
readme_badges4
has_contributingтак
has_issue_templateні
has_code_of_conductні
readme_badge_servicesshields.io
has_pull_request_templateтак

Впровадження в екосистемі (завантаження)

90Відмінний
Як обчислюється оцінка
71.7/80Щомісячні завантаження — 240 069 завантажень/місяць у go, pypi
0/20Залежні пакети в реєстрі — ця екосистема цього не повідомляє
Використані вхідні дані
packageslitdata, github.com/Lightning-AI/litData
dependents—
ecosystemsgo, pypi
total_downloads—
monthly_downloads240 069
unverified_packages_excluded—
Виключено з оцінювання (немає даних або не застосовно): Залежні пакети в реєстрі. Залишкові ваги перенормовано.

Сталість та врядування

Чи переживе проєкт своїх людей — бас-фактор, реактивність, хто за ним стоїть і як супроводжуються пакети?

75Добрий · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

62Помірний
Як обчислюється оцінка
25.2/54Бас-фактор — на 2 контриб’ютор(ів) припадає половина всіх комітів
13.8/22.5Розподіл комітів — головний контриб’ютор — автор 39% комітів
13.5/13.5Широта контриб’юторів — 58 контриб’юторів
10/10OpenSSF Scorecard: Contributors — project has 12 contributing companies or organizations
Використані вхідні дані
bus_factor2
contributors_sampled58
top_contributor_share0,387

Реактивність на issue та PR

69Добрий
Як обчислюється оцінка
35.2/42Вирішення issue — закрито 84% issue
26.1/30Прийняття PR — злито 527/605 вирішених PR
6.5/13Newcomer PR acceptance — злито 1/2 PR від новачків за 30 дн.
1.5/15OpenSSF Scorecard: Code-Review — Found 4/30 approved changesets -- score normalized to 1
Використані вхідні дані
merged_prs527
open_issues43
closed_issues221
prs_merged_7d2
prs_decided_7d2
prs_merged_30d19
prs_decided_30d21
issue_closed_ratio0,837
closed_unmerged_prs78
first_time_authors_30d2
first_time_prs_merged_30d1
first_time_prs_decided_30d2

Власність та опіка

78Добрий
Як обчислюється оцінка
30/30Підтримка власника — у власності організації
0/20Верифікований домен
25/25Охоплення власника — 6 857 підписників у Lightning-AI
22.9/25Послужний список — 30 публічних репозиторіїв, вік облікового запису ~6 р.
Використані вхідні дані
followers6 857
owner_typeOrganization
is_verifiedні
owner_loginLightning-AI
public_repos30
account_age_days2 462

Супровід пакетів

100Винятковий
Як обчислюється оцінка
25/25Опубліковано й доступно — 2 пакет(ів) у go, pypi
35/35Свіжість публікацій — остання публікація 4 дн. тому
20/20Історія версій — 74 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packageslitdata, github.com/Lightning-AI/litData
ecosystemsgo, pypi
any_deprecatedні
min_days_since_publish4

Інженерна якість

Чи наявні базові інженерні практики та документація?

88Відмінний · 19% загального індексу

Інженерні практики

94Винятковий
Як обчислюється оцінка
24/24Процеси CI — 8 процес(ів) CI
24/24Наявні тести
16/16Конфігурація лінтера — pyproject.toml ([tool.ruff])
9.6/9.6Pre-commit-хуки
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 30 out of 30 merged PRs checked by a CI test -- score normalized to 10
Використані вхідні дані
has_ciтак
has_testsтак
has_editorconfigні
has_linter_configтак
has_precommit_configтак

Документація

80Відмінний
Як обчислюється оцінка
30/30README
25/25Каталог документації
15/15Сайт документації / домашня сторінка — https://lightning-ai.github.io/litdata/
10/10Опис репозиторію
0/10Теми
0/10Wiki
Використані вхідні дані
topics—
has_wikiні
homepage—
docs_sitehttps://lightning-ai.github.io/litdata/
has_readmeтак
has_docs_dirтак
has_descriptionтак

Безпека

Чи міцні видимі практики безпеки й ланцюга постачання, без непослабленої пов’язаності з юрисдикціями високого ризику?

60Помірний · 16% загального індексу

Стан безпеки

50Помірний
Як обчислюється оцінка
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — немає даних
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
0.8/7.5Code-Review — Found 4/30 approved changesets -- score normalized to 1
2.5/2.5Contributors — project has 12 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
2.5/2.5Ліцензія — 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
3/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 6
0/5SAST — SAST tool is not run on all commits -- score normalized to 0
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 — 10 existing vulnerabilities detected
Використані вхідні дані
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate5
Виключено з оцінювання (немає даних або не застосовно): Branch-Protection. Залишкові ваги перенормовано.

Сповіщення про залежності

100Винятковий
Як обчислюється оцінка
35/35Прямі залежності без відомих сповіщень — жодна пряма залежність не має відомих сповіщень
25/25Непрямі залежності без відомих сповіщень — жодна непряма залежність не має відомих сповіщень
0/40Немає задавнених сповіщень — жодне сповіщення не має дати публікації
Використані вхідні дані
sourceosv
advisories0
affected_packages0
assessed_packages20
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Виключено з оцінювання (немає даних або не застосовно): Немає задавнених сповіщень. Залишкові ваги перенормовано. Звірено з runtime-замиканням залежностей pypi:litdata@0.2.72 — тим, що тягне за собою встановлення опублікованого пакета, — 20 пакетів. Досяжність не аналізується.

Готовність до ШІ

Наскільки репозиторій оснащений для розробки та супроводу за участі ШІ-агентів? Має свідомо малу вагу (4%): агентний інструментарій — реальний сигнал супроводу, але репозиторій без нього все одно може отримати 100/100.

74Добрий · 4% загального індексу

Контекст і настанови для агентів

55Помірний
Як обчислюється оцінка
0/45Інструкції для агентів — немає CLAUDE.md / AGENTS.md / правил редактора
15/15Машиночитана документація (llms.txt) — llms.txt опубліковано на сайті проєкту (https://lightning.ai/llms.txt)
40/40Читабельна історія комітів — намір зазначено у 80 з 80 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtтак
llms_txt_urlhttps://lightning.ai/llms.txt
legible_history_share1
agent_instruction_files—
agent_instruction_max_bytes—

Цикл верифікації (збірка / тести / перевірка типів)

85Відмінний
Як обчислюється оцінка
18/18Розгортання однією командою — Makefile, docs/Makefile
22/22Автоматизовані тести
11/11Конфігурація лінтера / форматера — pyproject.toml ([tool.ruff])
0/11Статична перевірка типів
10/10Відтворюване середовище — lockfile
10/10Підтверджена практика роботи з агентами — 30 з останніх 100 комітів створено агентом або з його зазначенням
8/8Автоматизоване супроводження — 18 з останніх 100 комітів — автоматичні оновлення залежностей
6/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 6
Використані вхідні дані
has_nixні
has_testsтак
lockfilesgo.sum
has_dockerfileні
typed_languageні
bootstrap_filesMakefile, docs/Makefile
has_devcontainerні
has_linter_configтак
typecheck_configs—
agent_commit_share0,3
toolchain_manifestssimulator/go.mod
dependency_bot_commit_share0,18

Читабельність коду для моделей

54Помірний
Як обчислюється оцінка
0/45Типізований код — Python без конфігурації перевірки типів
53.7/55Керовані розміри файлів — 5/218 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languagePython
largest_source_bytes111 325
source_files_sampled218
oversized_source_files5

Машиночитні інтерфейси

100Винятковий
Як обчислюється оцінка
0/40Схема API (OpenAPI/GraphQL/proto) — не застосовно до цього типу програмного забезпечення
0/20Сервер MCP — не застосовно до цього типу програмного забезпечення
40/40Придатні до запуску приклади — examples, notebooks
Використані вхідні дані
example_dirsexamples, notebooks
has_mcp_signalні
api_schema_files—
interfaces_expected_of—
Виключено з оцінювання (немає даних або не застосовно): Схема API (OpenAPI/GraphQL/proto), Сервер MCP. Залишкові ваги перенормовано.

Ключові факти

611зірок GitHub
58контриб'юторів
133комітів за останні 12 місяців
4днів від останнього пушу
73релізів
2бас-фактор
43відкритих issue
Go, PyPIпакетних екосистем

Попередження щодо збору даних

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

Докладніше

Історія зірок і форків 0 ★ / 105 ⇿
0Зірки
105Форки
72Релізи

Коли додано кожну зірку й форк — зібрано з GitHub і згруповано за днями. Кумулятивне зростання розміщено просто над денними додаваннями, з яких воно складається, тож їх видно одне проти одного: рівномірне органічне накопичення виглядає зовсім інакше, ніж різкий короткочасний сплеск. Там, де цю різницю можна виміряти, її подано як автентичність росту.

02040608010012010332024-022025-052026-08
Мажорні 0Мінорні 1Патчі 70

Кожна точка охоплює 3 днів.

OpenSSF Scorecard 5.0 / 10
5.0сукупно

Незалежна, не прив'язана до інструментів оцінка безпеки від відкритого проєкту OpenSSF Scorecard. Кожна перевірка винагороджує практику безпеки, а не інструмент конкретного постачальника. Перевірки, які Scorecard не зміг визначити, позначено н/д і виключено з оцінки безпеки (вони ніколи не зараховуються як нуль).Scorecard v5.5.0 · 2026-08-29 07:15 UTC

10Binary-Artifactsno binaries found in the repo
н/дBranch-Protectioninternal error: error during branchesHandler.setup: internal error: some github tokens can't read classic branch protection rules: https://github.com/ossf/scorecard-action/blob/main/docs/authentication/fine-grained-auth-token.md
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
1Code-ReviewFound 4/30 approved changesets -- score normalized to 1
10Contributorsproject has 12 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate 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
6Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 6
0SASTSAST tool is not run on all commits -- score normalized to 0
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
0Vulnerabilities10 existing vulnerabilities detected
Усі залежності 58

Повний розв'язаний набір залежностей із графа залежностей GitHub: 0 прямих і 58 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
Gogopkg.in/yaml.v3v3.0.1непряма
PyPIav—непряма
PyPIboto3—непряма
PyPIcoverage—непряма
PyPIcryptography46.0.6непряма
PyPIdocutils—непряма
PyPIfilelock—непряма
PyPIfpdf—непряма
PyPIfsspec—непряма
PyPIgoogle-cloud-storage—непряма
PyPIjoblib—непряма
PyPIlightning—непряма
PyPIlightning-sdk2026.2.6непряма
PyPIlightning-utilities—непряма
PyPIlitdata—непряма
PyPImosaicml-streaming0.13.0непряма
PyPImyst-parser—непряма
PyPInames—непряма
PyPInbsphinx—непряма
PyPInumpy—непряма
PyPIobstore—непряма
PyPIpandas—непряма
PyPIpandoc—непряма
PyPIpdf2image—непряма
PyPIpillow—непряма
PyPIpolars—непряма
PyPIporter—непряма
PyPIpt-lightning-sphinx-theme—непряма
PyPIpyarrow—непряма
PyPIpypandoc-binary—непряма
PyPIpytest—непряма
PyPIpytest-asyncio—непряма
PyPIpytest-cov7.1.0непряма
PyPIpytest-random-order1.2.0непряма
PyPIpytest-rerunfailures16.1непряма
PyPIpytest-timeout2.4.0непряма
PyPIpytest-xdist—непряма
PyPIrequests—непряма
PyPIscikit-learn—непряма
PyPIsoundfile—непряма
PyPIsphinx—непряма
PyPIsphinx-autodoc-typehints—непряма
PyPIsphinx-copybutton—непряма
PyPIsphinx-paramlinks—непряма
PyPIsphinx-togglebutton—непряма
PyPIsphinxcontrib-fulltoc—непряма
PyPIsphinxcontrib-mockautodoc—непряма
PyPItifffile—непряма
PyPItorch—непряма
PyPItorchcodec—непряма
PyPItorchvision—непряма
PyPItqdm—непряма
PyPItransformers—непряма
PyPIurllib3—непряма
PyPIuvloop—непряма
PyPIviztracer—непряма
PyPIwheel—непряма
PyPIzstd—непряма
Сповіщення про залежності 0

Встановлення pypi:litdata@0.2.72 тягне 20 пакетів, прямих і транзитивних: 0 мають відомі сповіщення, з них 0 — прямі залежності.

Жодне відоме сповіщення не стосується оцінених залежностей.

Сповіщення означає, що версія, записана в графі залежностей, потрапляє в уражений діапазон. Досяжність не аналізується, а граф містить піниї розробки й тестування — знахідка може стосуватися інструментів, а не поставленого коду.

Звіт у форматі JSON машиночитний

Зворотний зв’язок

Помітили щось хибне у цьому звіті або маєте чим поділитися? Неправильні вимірювання, непомічені інструменти, ідеї, запитання — усе доречно. Кожне повідомлення читається й отримує відповідь.

Повідомлення збережеться під час входу.

Пов’язані записи

Перевірені репозиторії, що мають спільні каталожні теги або екосистеми з Lightning-AI/litData. Читати поруч →

100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.Винятковий100onnx/onnxOpen standard for machine learning interoperabilityВинятковий98ultralytics/ultralyticsUltralytics YOLO26, YOLO11, YOLOv8 — object detection, instance segmentation, semantic segmentation, image classification, pose estimation, object trackingВинятковий98huggingface/datasets🤗 The largest hub of ready-to-use datasets for AI models with fast, easy-to-use and efficient data manipulation toolsВинятковий97zenml-io/zenmlZenML 🙏: One AI Platform from Pipelines to Agents. https://zenml.io.Винятковий97Lightning-AI/pytorch-lightningPretrain, finetune ANY AI model of ANY size on 1 or 10,000+ GPUs with zero code changes.Винятковий

Оцінки — це сигнали, а не гарантії. Вони відображають публічно видимі практики на GitHub — це не аудит коду й не гарантія безпеки.

Відсутні дані виключаються, а ваги перенормовуються — нуль за відсутність ніколи не ставиться. Методологія версіонована й відкрита: метрики v2.10.0, схема v0.34.0 — повна методологія · вікі метрик.

Як окремий результат виглядає на тлі всього реєстру: сукупна статистика — PyPI, Go.