Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.34.0 · метрики 2.10.0 · 2026-09-12 05:49 UTC

scaleoutsystems / scaleout-client

Scaleout Edge: Sovereign Edge AI orchestration and Federated Learning

PythonApache-2.0★ 169 зірок⑂ 42 форкиз лип. 2020 р.Переглянути на GitHub ↗
ТипІнструмент командного рядкаБібліотекаяк це визначено
#federated-machine-learning#fedml#federated-learning#edge-ml#fleet-learning#keras-tensorflow#pytorch#scikit-learn#tensorflow#edge-ai

scaleoutsystems/scaleout-client має індекс здоров’я 63 зі 100, що відповідає смузі «Помірний». Найвищий показник — Sustainability & Governance (72/100), найнижчий — AI Readiness (36/100). Останнє оновлення було 63 дні тому. Більшість нещодавньої роботи виконують 2 учасники.

63
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»).

63
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 59 калібровано до 63 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

ScaleoutОрганізація
58 підписників47 публічних репозиторіївз лист. 2018 р.

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

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікація
PyPIscaleoututil1.0.5-763 дні тому
PyPIscaleout1.0.5223863 дні тому

Метрики за категоріями

Життєздатність

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

63Помірний · 21% загального індексу

Активність розробки

38Слабкий
Як обчислюється оцінка
18/36Свіжість push — останній push 63 дн. тому
6.9/36Ритм комітів — 10/52 тижнів із комітами
11.7/18Обсяг комітів — 19 комітів за останній рік
1/10OpenSSF Scorecard: Maintained — 2 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 1
Використані вхідні дані
commits_last_year19
human_commit_share—
days_since_last_push63
active_weeks_last_year10

Дисципліна релізів

100Винятковий
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 75 релізів
36/36Свіжість релізів — останній реліз 63 дн. тому
27/27Ритм релізів — реліз кожні ~43,6 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count75
latest_release_tagv1.0.5
releases_from_tagsні
days_since_latest_release63
mean_days_between_releases43,6
Виключено з оцінювання (немає даних або не застосовно): OpenSSF Scorecard: Signed-Releases. Залишкові ваги перенормовано.

Спільнота та впровадження

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

68Добрий · 17% загального індексу

Популярність і впровадження

53Помірний
Як обчислюється оцінка
36.1/60Зірки — 169 зірок
13.4/25Форки — 42 форків
3.3/15Спостерігачі — 5 спостерігачів
Використані вхідні дані
forks42
stars169
watchers5
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Здоров'я спільноти

85Відмінний
Як обчислюється оцінка
22.5/22.5README
22.5/22.5Ліцензія — визнана ліцензія (Apache-2.0)
18/18Настанови CONTRIBUTING
13.5/13.5Кодекс поведінки
0/7.2Шаблон issue
0/6.3Шаблон PR
Використані вхідні дані
has_readmeтак
has_licenseтак
readme_badges0
has_contributingтак
has_issue_templateні
has_code_of_conductтак
readme_badge_services—
has_pull_request_templateні

Сталість та врядування

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

72Добрий · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

54Помірний
Як обчислюється оцінка
25.2/54Бас-фактор — на 2 контриб’ютор(ів) припадає половина всіх комітів
13/22.5Розподіл комітів — головний контриб’ютор — автор 42% комітів
5.4/13.5Широта контриб’юторів — 4 контриб’юторів
10/10OpenSSF Scorecard: Contributors — project has 3 contributing companies or organizations -- score normalized to 10
Використані вхідні дані
bus_factor2
contributors_sampled4
top_contributor_share0,421

Реактивність на issue та PR

78Добрий
Як обчислюється оцінка
41.2/42Вирішення issue — закрито 98% issue
24/30Прийняття PR — злито 735/917 вирішених PR
0/13Newcomer PR acceptance — за 30 дн. не вирішено жодного PR від новачка
3/15OpenSSF Scorecard: Code-Review — Found 4/19 approved changesets -- score normalized to 2
Використані вхідні дані
merged_prs735
open_issues2
closed_issues107
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d0
issue_closed_ratio0,982
closed_unmerged_prs182
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

67Добрий
Як обчислюється оцінка
30/30Підтримка власника — у власності організації
0/20Верифікований домен
12.7/25Охоплення власника — 58 підписників у scaleoutsystems
24.2/25Послужний список — 47 публічних репозиторіїв, вік облікового запису ~7 р.
Використані вхідні дані
followers58
owner_typeOrganization
is_verifiedні
owner_loginscaleoutsystems
public_repos47
account_age_days2 857

Супровід пакетів

100Винятковий
Як обчислюється оцінка
25/25Опубліковано й доступно — 2 пакет(ів) у pypi
35/35Свіжість публікацій — остання публікація 63 дн. тому
20/20Історія версій — 8 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packagesscaleoututil, scaleout
ecosystemspypi
any_deprecatedні
min_days_since_publish63

Інженерна якість

Чи наявні базові інженерні практики та документація?

40Слабкий · 19% загального індексу

Інженерні практики

24У зоні ризику
Як обчислюється оцінка
0/24Процеси CI
24/24Наявні тести
0/16Конфігурація лінтера
0/9.6Pre-commit-хуки
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — 0 out of 9 merged PRs checked by a CI test -- score normalized to 0
Використані вхідні дані
has_ciні
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://www.scaleoutsystems.com
10/10Опис репозиторію
10/10Теми — 10 тем
0/10Wiki
Використані вхідні дані
topicsfederated-machine-learning, fedml, federated-learning, edge-ml, fleet-learning, keras-tensorflow, pytorch, scikit-learn, tensorflow, edge-ai
has_wikiні
homepagehttps://www.scaleoutsystems.com
docs_sitehttps://www.scaleoutsystems.com
has_readmeтак
has_docs_dirні
has_descriptionтак

Безпека

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

52Помірний · 16% загального індексу

Стан безпеки

40Слабкий
Як обчислюється оцінка
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 3 contributing companies or organizations -- score normalized to 10
0/10Dangerous-Workflow — немає даних
0/7.5Dependency-Update-Tool — no update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Ліцензія — license file detected
0.8/7.5Maintained — 2 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 1
0/5Packaging — немає даних
0/5Pinned-Dependencies — немає даних
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 — немає даних
0/7.5Token-Permissions — немає даних
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
Використані вхідні дані
sourceopenssf_scorecard
checks_evaluated13
scorecard_versionv5.5.0
checks_inconclusive5
scorecard_aggregate4
Виключено з оцінювання (немає даних або не застосовно): Dangerous-Workflow, Packaging, Pinned-Dependencies, Signed-Releases, Token-Permissions. 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:scaleoututil@1.0.5 — 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.

36Слабкий · 4% загального індексу

Контекст і настанови для агентів

1Критичний
Як обчислюється оцінка
0/45Інструкції для агентів — немає CLAUDE.md / AGENTS.md / правил редактора
0/15Машиночитана документація (llms.txt)
0/40Читабельна історія комітів — немає даних
Використані вхідні дані
has_llms_txtні
llms_txt_url—
legible_history_share—
agent_instruction_files—
agent_instruction_max_bytes—
Виключено з оцінювання (немає даних або не застосовно): Читабельна історія комітів. Залишкові ваги перенормовано.

Цикл верифікації (збірка / тести / перевірка типів)

31У зоні ризику
Як обчислюється оцінка
0/18Розгортання однією командою
22/22Автоматизовані тести
0/11Конфігурація лінтера / форматера
0/11Статична перевірка типів
0/10Відтворюване середовище
0/10Підтверджена практика роботи з агентами — немає даних
0/8Автоматизоване супроводження — немає даних
0/10OpenSSF Scorecard: Pinned-Dependencies — немає даних
Використані вхідні дані
has_nixні
has_testsтак
lockfiles—
has_dockerfileні
typed_languageні
bootstrap_files—
has_devcontainerні
has_linter_configні
typecheck_configs—
agent_commit_share—
toolchain_manifests—
dependency_bot_commit_share—
Виключено з оцінювання (немає даних або не застосовно): Підтверджена практика роботи з агентами, Автоматизоване супроводження, OpenSSF Scorecard: Pinned-Dependencies. Залишкові ваги перенормовано.

Читабельність коду для моделей

55Помірний
Як обчислюється оцінка
0/45Типізований код — Python без конфігурації перевірки типів
55/55Керовані розміри файлів — 0/99 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languagePython
largest_source_bytes47 137
source_files_sampled99
oversized_source_files0

Машиночитні інтерфейси

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

Ключові факти

169зірок GitHub
4контриб'юторів
19комітів за останні 12 місяців
63днів від останнього пушу
75релізів
2бас-фактор
2відкритих issue
PyPIпакетних екосистем

Попередження щодо збору даних

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • Could not fetch pypi package 'scaleout-client-workspace' from its registry
  • pypi download statistics for 'scaleoututil' unavailable this scan (stats endpoint failed after retries); adoption may be under-evidenced

Докладніше

Історія зірок і форків 0 ★ / 42 ⇿
0Зірки
42Форки
70Релізи

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.

0102030404022020-102023-072026-04
Мажорні 0Мінорні 32Патчі 31

Кожна точка охоплює 6 днів.

OpenSSF Scorecard 4.0 / 10
4.0сукупно

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 · 2026-09-12 05:49 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 3 contributing companies or organizations -- score normalized to 10
н/дDangerous-Workflowno workflows found
0Dependency-Update-Toolno update tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
1Maintained2 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 1
н/дPackagingpackaging workflow not detected
н/дPinned-Dependenciesno dependencies found
1SASTSAST tool is not run on all commits -- score normalized to 1
10Security-Policysecurity policy file detected
н/дSigned-Releasesno releases found
н/дToken-PermissionsNo tokens found
10Vulnerabilities0 existing vulnerabilities detected
Прямі залежності 17
РеєстрПакетОбмеження версіїМаніфест
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
Усі залежності 47

Повний розв'язаний набір залежностей із графа залежностей GitHub: 16 прямих і 31 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

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

Встановлення pypi:scaleoututil@1.0.5 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 scaleoutsystems/scaleout-client. Читати поруч →

96flwrlabs/flowerFlower: A Friendly Federated AI FrameworkВинятковий100onnx/onnxOpen standard for machine learning interoperabilityВинятковий100microsoft/onnxruntimeONNX Runtime: cross-platform, high performance ML inferencing and training acceleratorВинятковий86GiacomoSaccaggi/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+.Відмінний100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.Винятковий99ray-project/rayRay is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.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.