Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.31.0 · метрики 2.10.0 · 2026-08-18 12:44 UTC

adidas / lakehouse-engine

The Lakehouse Engine is a configuration driven Spark framework, written in Python, serving as a scalable and distributed engine for several lakehouse algorithms, data flows and utilities for Data Products.

PythonApache-2.0★ 294 зірки⑂ 52 форкиз лист. 2022 р.Переглянути на GitHub ↗
ТипБібліотекаяк це визначено
#big-data#configuration-driven#data-engineering#data-quality#databricks#delta-lake#framework#great-expectations#lakehouse#spark

adidas/lakehouse-engine має індекс здоров’я 60 зі 100, що відповідає смузі «Помірний». Найвищий показник — Vitality (67/100), найнижчий — Security (21/100). Останнє оновлення — сьогодні. Більшість нещодавньої роботи виконує один учасник.

60
загалом / 100
Помірний

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»).

60
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 57 калібровано до 60 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

adidasОрганізація
218 підписників33 публічні репозиторіїз січ. 2018 р.

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

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікаціяТеги
PyPIlakehouse-engine2.2.03 910250 днів томуframeworkbig-datasparkdatabricksdata-qualitydata-engineeringgreat-expectationslakehousedelta-lakeconfiguration-driver

Метрики за категоріями

Життєздатність

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

67Добрий · 21% загального індексу

Активність розробки

51Помірний
Як обчислюється оцінка
36/36Свіжість push — останній push 0 дн. тому
2.8/36Ритм комітів — 4/52 тижнів із комітами
7/18Обсяг комітів — 5 комітів за останній рік
0/10OpenSSF Scorecard: Maintained — немає даних
Використані вхідні дані
commits_last_year5
human_commit_share1
days_since_last_push0
active_weeks_last_year4

Дисципліна релізів

92Відмінний
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 21 релізів
36/36Свіжість релізів — останній реліз 0 дн. тому
19.8/27Ритм релізів — реліз кожні ~62,1 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count21
latest_release_tagv2.2.0
releases_from_tagsні
days_since_latest_release0
mean_days_between_releases62,1

Спільнота та впровадження

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

66Добрий · 17% загального індексу

Популярність і впровадження

61Помірний
Як обчислюється оцінка
40/60Зірки — 294 зірок
14.2/25Форки — 52 форків
6.7/15Спостерігачі — 17 спостерігачів
Використані вхідні дані
forks52
stars294
watchers17
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_badges0
has_contributingтак
has_issue_templateні
has_code_of_conductні
readme_badge_services—
has_pull_request_templateтак

Впровадження в екосистемі (завантаження)

60Помірний
Як обчислюється оцінка
47.9/80Щомісячні завантаження — 3 910 завантажень/місяць у pypi
0/20Залежні пакети в реєстрі — ця екосистема цього не повідомляє
Використані вхідні дані
packageslakehouse-engine
dependents—
ecosystemspypi
total_downloads—
monthly_downloads3 910
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?

63Помірний · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

12Критичний
Як обчислюється оцінка
9/54Бас-фактор — на 1 контриб’ютор(ів) припадає половина всіх комітів
0/22.5Розподіл комітів — головний контриб’ютор — автор 100% комітів
1.4/13.5Широта контриб’юторів — 1 контриб’юторів
0/10OpenSSF Scorecard: Contributors — немає даних
Використані вхідні дані
bus_factor1
contributors_sampled1
top_contributor_share1

Реактивність на issue та PR

70Добрий
Як обчислюється оцінка
28/42Вирішення issue — закрито 67% issue
22.5/30Прийняття PR — злито 3/4 вирішених PR
0/13Newcomer PR acceptance — за 30 дн. не вирішено жодного PR від новачка
0/15OpenSSF Scorecard: Code-Review — немає даних
Використані вхідні дані
merged_prs3
open_issues1
closed_issues2
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d0
issue_closed_ratio0,667
closed_unmerged_prs1
first_time_authors_30d0
first_time_prs_merged_30d0
first_time_prs_decided_30d0
Виключено з оцінювання (немає даних або не застосовно): Newcomer PR acceptance. Залишкові ваги перенормовано.

Власність та опіка

88Відмінний
Як обчислюється оцінка
30/30Підтримка власника — у власності організації
0/20Верифікований домен — статус підтвердженого домену для цієї організації не зчитано
16.8/25Охоплення власника — 218 підписників у adidas
23.2/25Послужний список — 33 публічних репозиторіїв, вік облікового запису ~8 р.
Використані вхідні дані
followers218
owner_typeOrganization
is_verified—
owner_loginadidas
public_repos33
account_age_days3 147
Виключено з оцінювання (немає даних або не застосовно): Верифікований домен. Залишкові ваги перенормовано.

Супровід пакетів

100Винятковий
Як обчислюється оцінка
25/25Опубліковано й доступно — 1 пакет(ів) у pypi
35/35Свіжість публікацій — остання публікація 0 дн. тому
20/20Історія версій — 25 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packageslakehouse-engine
ecosystemspypi
any_deprecatedні
min_days_since_publish0

Інженерна якість

Чи наявні базові інженерні практики та документація?

62Помірний · 19% загального індексу

Інженерні практики

60Помірний
Як обчислюється оцінка
24/24Процеси CI — 1 процес(ів) CI
24/24Наявні тести
0/16Конфігурація лінтера
0/9.6Pre-commit-хуки
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — немає даних
Використані вхідні дані
has_ciтак
has_testsтак
has_editorconfigні
has_linter_configні
has_precommit_configні

Документація

65Добрий
Як обчислюється оцінка
30/30README
0/25Каталог документації
15/15Сайт документації / домашня сторінка — https://adidas.github.io/lakehouse-engine-docs/
10/10Опис репозиторію
10/10Теми — 10 тем
0/10Wiki
Використані вхідні дані
topicsbig-data, configuration-driven, data-engineering, data-quality, databricks, delta-lake, framework, great-expectations, lakehouse, spark
has_wikiні
homepagehttps://adidas.github.io/lakehouse-engine-docs/
docs_sitehttps://adidas.github.io/lakehouse-engine-docs/
has_readmeтак
has_docs_dirні
has_descriptionтак

Безпека

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

21У зоні ризику · 16% загального індексу

Стан безпеки

1Критичний
Як обчислюється оцінка
0/30Політика безпеки (SECURITY.md)
0/25Конфігурація Dependabot
0/25Файли фіксації залежностей — опублікована бібліотека — lockfile є справою застосунків, не очікується
0/20Процес CodeQL
Використані вхідні дані
sourcefile_signals
lockfiles—
manifestscicd/requirements.txt, cicd/requirements_azure.txt, cicd/requirements_cicd.txt, cicd/requirements_dq.txt, cicd/requirements_os.txt, cicd/requirements_sftp.txt, cicd/requirements_sharepoint.txt, pyproject.toml
has_codeql_workflowні
has_security_policyні
has_dependabot_configні
Виключено з оцінювання (немає даних або не застосовно): Файли фіксації залежностей. Залишкові ваги перенормовано.

Сповіщення про залежності

100Винятковий
Як обчислюється оцінка
35/35Прямі залежності без відомих сповіщень — жодна пряма залежність не має відомих сповіщень
0/25Непрямі залежності без відомих сповіщень — транзитивний набір не відокремлюється від залежностей розробки й тестування в цьому обсязі
0/40Немає задавнених сповіщень — жодне сповіщення не має дати публікації
Використані вхідні дані
sourceosv
advisories71
affected_packages9
assessed_packages76
unassessed_packages1
affected_by_severitycritical 2, high 3, moderate 3, low 1
direct_affected_packages0
Виключено з оцінювання (немає даних або не застосовно): Непрямі залежності без відомих сповіщень, Немає задавнених сповіщень. Залишкові ваги перенормовано. Звірено 76 резолвлених залежностей із OSV. 1 не вдалося оцінити — немає резолвленої версії, непідтримувана екосистема або поза межами звітованого переліку пакетів. Цей репозиторій не публікує пакета, який резолвить індекс, тож натомість оцінено граф залежностей репозиторію. Цей граф змішує закріплені версії для розробки й тестування зі справді постачаними залежностями, тож оцінюються лише задекларовані runtime-залежності; транзитивні знахідки подаються як контекст і в оцінку не входять. 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.

60Помірний · 4% загального індексу

Контекст і настанови для агентів

48Слабкий
Як обчислюється оцінка
45/45Інструкції для агентів — AGENTS.md
0/15Машиночитана документація (llms.txt)
3.4/40Читабельна історія комітів — намір зазначено у 2 з 31 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtні
llms_txt_url—
legible_history_share0,065
agent_instruction_filesAGENTS.md
agent_instruction_max_bytes9 077

Цикл верифікації (збірка / тести / перевірка типів)

56Помірний
Як обчислюється оцінка
18/18Розгортання однією командою — Makefile
22/22Автоматизовані тести
0/11Конфігурація лінтера / форматера
0/11Статична перевірка типів
10/10Відтворюване середовище — Dockerfile
0/10Підтверджена практика роботи з агентами — серед останніх 31 комітів немає створених агентом
0/8Автоматизоване супроводження — автоматичних оновлень залежностей не виявлено
0/10OpenSSF Scorecard: Pinned-Dependencies — немає даних
Використані вхідні дані
has_nixні
has_testsтак
lockfiles—
has_dockerfileтак
typed_languageні
bootstrap_filesMakefile
has_devcontainerні
has_linter_configні
typecheck_configs—
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0

Читабельність коду для моделей

55Помірний
Як обчислюється оцінка
0/45Типізований код — Python без конфігурації перевірки типів
54.8/55Керовані розміри файлів — 1/266 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languagePython
largest_source_bytes75 672
source_files_sampled266
oversized_source_files1

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 — samples
Використані вхідні дані
example_dirssamples
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

294зірок GitHub
1контриб'юторів
5комітів за останні 12 місяців
0днів від останнього пушу
21релізів
1бас-фактор
1відкритих issue
PyPIпакетних екосистем

Попередження щодо збору даних

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • deps.dev does not index pypi:lakehouse-engine@2.2.0; advisories assessed against the repository dependency graph instead
  • OpenSSF Scorecard did not return a usable result (2026/08/18 12:43:37 Warning: PATs stored in env variables GITHUB_AUTH_TOKEN and GITHUB_TOKEN differ. Scorecard will use the former.); skipping Scorecard checks

Докладніше

Історія зірок і форків 0 ★ / 52 ⇿
0Зірки
52Форки
17Релізи

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.

01020304050605152023-102025-032026-08
Мажорні 1Мінорні 11Патчі 5

Кожна точка охоплює 3 днів.

Усі залежності 77

Повний розв'язаний набір залежностей із графа залежностей GitHub: 0 прямих і 77 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
PyPIaiohttp3.13.3непряма
PyPIaiosmtpd1.4.6непряма
PyPIazure-core1.38.0непряма
PyPIbandit1.8.6непряма
PyPIblack24.4.0непряма
PyPIboto31.40.23непряма
PyPIbuild1.3.0непряма
PyPIbump2version1.0.1непряма
PyPIcachecontrol0.14.4непряма
PyPIdelta-spark4.0.0непряма
PyPIdistlib0.3.6непряма
PyPIfilelock3.20.3непряма
PyPIflake87.3.0непряма
PyPIflake8-black0.3.6непряма
PyPIflake8-bugbear24.12.12непряма
PyPIflake8-builtins3.0.0непряма
PyPIflake8-cognitive-complexity0.1.0непряма
PyPIflake8-comprehensions3.16.0непряма
PyPIflake8-docstrings1.7.0непряма
PyPIflake8-eradicate1.5.0непряма
PyPIflake8-expression-complexity0.0.11непряма
PyPIflake8-isort6.1.2непряма
PyPIflake8-mutable1.2.0непряма
PyPIflake8-quotes3.4.0непряма
PyPIghp-import2.1.0непряма
PyPIgreat-expectations1.11.0непряма
PyPIgriffe1.15.0непряма
PyPIh24.3.0непряма
PyPIimportlib-resources6.5.2непряма
PyPIisort6.0.1непряма
PyPIjinja23.1.6непряма
PyPIlxml6.0.0непряма
PyPImarkdown3.10непряма
PyPImarkdown-callouts0.4.0непряма
PyPImarkdown-exec1.12.1непряма
PyPImarkdown-include0.8.1непряма
PyPImarshmallow3.26.2непряма
PyPImergedeep1.3.4непряма
PyPImike2.0.0непряма
PyPImkdocs1.6.1непряма
PyPImkdocs-autorefs1.4.3непряма
PyPImkdocs-gen-files0.6.0непряма
PyPImkdocs-literate-nav0.6.2непряма
PyPImkdocs-macros-plugin1.5.0непряма
PyPImkdocs-material9.7.1непряма
PyPImkdocs-material-extensions1.3.1непряма
PyPImkdocs-section-index0.3.10непряма
PyPImkdocstrings1.0.0непряма
PyPImkdocstrings-crystal0.3.9непряма
PyPImkdocstrings-python2.0.1непряма
PyPImoto4.2.14непряма
PyPImsal1.32.3непряма
PyPImsgraph-sdk1.40.0непряма
PyPImypy1.17.1непряма
PyPInest-asyncio1.6.0непряма
PyPIparamiko4.0.0непряма
PyPIpendulum3.1.0непряма
PyPIpip-audit2.10.0непряма
PyPIpip-tools7.5.0непряма
PyPIpymdown-extensions10.20непряма
PyPIpynacl1.6.2непряма
PyPIpyspark4.0.0непряма
PyPIpytest8.4.1непряма
PyPIpytest-cov6.2.1непряма
PyPIpytest-sftpserver1.3.0непряма
PyPIpyyaml6.0.2непряма
PyPIpyyaml-env-tag0.1непряма
PyPIregex2023.6.3непряма
PyPIrequests2.32.4непряма
PyPItenacity9.0.0непряма
PyPItwine5.1.1непряма
PyPItypes-boto31.40.23непряма
PyPItypes-paramiko2.12.0непряма
PyPItypes-requests—непряма
PyPIurllib32.6.3непряма
PyPIwatchdog3.0.0непряма
PyPIwerkzeug3.1.6непряма
Сповіщення про залежності 9

Цей репозиторій не публікує пакета, який розпізнає індекс, тож оцінено його власний граф залежностей — 76 пакетів, серед яких є й піниї розробки та тестування, що ніколи не постачаються: 9 мають відомі сповіщення, з них 0 прямі. 1 не вдалося оцінити — немає резолвленої версії, непідтримувана екосистема або поза наведеним переліком пакетів.

ПакетВерсіяЗв'язокКритичністьСповіщеньВиправлено в
aiohttp3.13.3непрямакритична483.14.3
black24.4.0непрямакритична326.3.1
lxml6.0.0непрямависока26.1.0
pymdown-extensions10.20непрямависока611.0.1
urllib32.6.3непрямависока42.7.0
h24.3.0непрямапомірна24.4.1
pytest8.4.1непрямапомірна29.0.3
requests2.32.4непрямапомірна22.33.0
paramiko4.0.0непряманизька2—

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 adidas/lakehouse-engine. Читати поруч →

98feast-dev/feastThe Open Source Feature Store for AI/MLВинятковий98delta-io/deltaAn open-source storage framework that enables building a Lakehouse architecture with compute engines including Spark, PrestoDB, Flink, Trino, and Hive and APIsВинятковий96StarRocks/starrocksThe world's fastest open query engine for sub-second analytics both on and off the data lakehouse. With the flexibility to support nearly any scenario, StarRocks provides best-in-class performance for multi-dimensional analytics, real-time analytics, and ad-hoc queries. A Linux Foundation project.Винятковий95microsoft/SynapseMLSimple and Distributed Machine Learning Python Library porting ML algorithms for SparkВинятковий93delta-io/delta-sharingAn open protocol for secure data sharingВинятковий98delta-io/delta-rsA native Rust library for Delta Lake, with bindings into PythonВинятковий

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 v0.31.0 — повна методологія · вікі метрик.

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