张洋，王涛，尹刚，余跃，黄井泉

1. 国防科技大学计算机学院，湖南 长沙 410073；2. 绿色计算产业联盟，北京 100036；3. 湖南智擎科技有限公司，湖南 长沙 410073

1 引言

自20世纪末以来，开源软件在现代社会的各个领域得到了广泛的应用，取得了令人瞩目的成就。Black Duck公司2017年的调查报告[1]显示，全球86%的企业在搭建业务时全部或部分使用了开源软件，其中60%的公司还在增加开源软件的使用比重。开源软件的开发活动以互联网软件社区为平台，其开发过程和制品数据对外开放，允许不同类型的开发者参与其中，形成一种大众参与的开源模式[2]，给开源世界带来了强大的生产力。开源模式中大众贡献者可以自由地实践分布式协同，催生了许多群体化软件开发方法和一系列优质的开源社区。特别是，近年来云计算、大数据、人工智能、物联网等对国民经济发展产生重大影响的信息化基础设施绝大多数是以开源软件为核心构建而成的，开源软件已经在全球软件产业占据主导地位。

与传统工业化软件生产相比，大众化开源软件生产的开发数据和应用数据高度开放且规模巨大。目前，支持大众化软件生产和应用活动的开源社区包含了大量有价值的数据，如软件代码、软件版本、容器镜像等软件制品和过程数据，以及软件问答、软件评价等软件交流和反馈数据，这些数据涵盖开发数据、交付数据及应用数据等全维度数据类型，涉及开发制品、开发过程、软件产品、软件镜像、咨询讨论与应用问答等各个方面，具有规模巨大、碎片分散、快速膨胀的特点。……