Neste exercício, iremos explorar a evolução de código em sistemas reais.

Iremos utilizar a ferramenta GitEvo. Essa ferramenta analisa a evolução de código em repositórios Git nas seguintes linguagens: Python, JavaScript, TypeScript e Java.

Você deve submeter via Moodle apenas o link do seu fork, conforme descrito abaixo.

Selecione um repositório relevante na linguagem de sua preferência (Python, JavaScript, TypeScript ou Java). Você pode encontrar projetos interessantes nos links abaixo:

• Python: https://github.com/topics/python?l=python
• JavaScript: https://github.com/topics/javascript?l=javascript
• TypeScript: https://github.com/topics/typescript?l=typescript
• Java: https://github.com/topics/java?l=java

Instale a ferramenta GitEvo com o comando:

pip install gitevo

Rode a ferramenta no repositório selecionado através do seguinte comando (dependendo da linguagem do projeto que escolheu):

# Python
$ gitevo -r python <git_url>

# JavaScript
$ gitevo -r js <git_url>

# TypeScript
$ gitevo -r ts <git_url>

# Java
$ gitevo -r java <git_url>

Onde <git_url> é URL do repositório a ser analisado. Por exemplo, para analisar o projeto Flask escrito em Python:

$ gitevo -r python https://github.com/pallets/flask

Ao rodar a ferramenta GitEvo, o arquivo index.html é gerado com diversos gráficos de evolução de código.

Abra o arquivo index.html e observe com atenção os gráficos gerados.

Selecione um dos gráficos de evolução e explique-o com suas palavras. Por exemplo, você pode:

• Detalhar a evolução ao longo do tempo,
• Detalhar se as curvas estão de acordo com boas práticas,
• Explicar grandes alterações nas curvas,
• Explorar a documentação do repositório em busca de explicações para grandes alterações
• Etc.

Seja criativo!

Para responder este exercício, primeiramente, você deve fazer um fork deste repositório. No Moodle, você deve submeter apenas a URL do seu fork.

Em seguida, adicione o arquivo gerado index.html no seu fork.

Por fim, responda as questões abaixo no seu fork:

1. Repositório selecionado: https://github.com/keras-team/keras

2. Gráfico selecionado: Production and test files

3. Explicação: Primeiramente, observa-se que a quantidade de arquivos de produção (production files) é uma função monotonicamente crescente do tempo. De fato, esse é o comportamento esperado de um sistema ativo em constante evolução, pois a cada ano há a implementação de novas features e a expansão do sistema como um todo. Entretanto, a curva que representa a evolução dos arquivos de testes com o tempo não acompanha esse crescimento monotônico da curva de arquivos de produção. Em vias gerais, isso não é um bom indício, pois é esperado que, quando novos arquivos de produção forem feitos, também devem ser gerados novos arquivos de teste. Uma possível explicação para a queda do número de arquivos de teste de 2023 para 2024 pode ser uma retirada de arquivos de teste antigos e que testavam classes ou funcionalidades que foram retiradas de 2023 para 2024. De fato, houve um grande progresso nos arquivos de produção nesse intervalo de tempo, ou seja, é possível que os arquivos de teste antigos tenham sido retirados por terem se tornados obsoletos.