人们经常问我 “有多少人使用 Dask？”

和任何非侵入式开源软件一样，对此问题的答案是“我不知道”。

有许多可能的指标可以衡量用户数量，例如下载量、GitHub 星标等等，但大多数都是非常不准确的。作为一名试图为其他维护者寻找工作机会的项目维护者，我有动力去采用我能找到的最高数字，但这多少有些不诚实。今天的这个数字是以这个可能不实的说法呈现的。

Dask 每天有 5 万到 10 万次下载。

这个数字来自查看 Python 包索引 (PyPI)（图片来源：pypistats.org）

这是一个巨大的数字，但几乎肯定是误导性的。常识告诉我们，每天不可能有 10 万个新的 Dask 用户。

机器人主导下载量统计

如果你深入研究这些数字，你会发现它们几乎完全是由于自动化流程。例如，在 Dask 的 10 万新用户中，令人惊讶的是，其中有相当一部分似乎正在运行 Linux。

虽然 Dask 作为分布式库确实经常在 Linux 上运行，但看到该部署中的每台机器都单独 pip 安装 Dask 将是很奇怪的。这些下载更有可能是自动化系统的结果，而不是个人用户。

根据传闻，如果你能获取到更精细的下载数据，你会发现一小组 IP 地址主导着下载量。这些 IP 地址大多来自持续集成服务，如 Travis 和 Circle，来自 AWS，或者来自世界上的一些例外情况（有时在中国有人试图镜像所有东西）。。

查看 Windows

因此，为了避免这种影响，我们开始只关注 Windows 下载量。

这里的数据量对我来说似乎更真实。这些月度数字折合每天大约 1000 次下载（OSX 和 Linux 可能乘以二或三），这更符合我的预期。

然而，即使这样也很奇怪。其结构与我的个人经验不符。为什么 2018 年的采用率变化如此之大？2019 年的那个大峰值是什么？根据传闻，维护者并没有注意到那里有用户数量的显著增长。相反，我们经历了随着时间的推移采用率的平稳持续增长（大多数长期软件的增长就是这样）。自 2018 年以来没有持续增长也很奇怪。根据传闻，Dask 在过去几年里一直保持着某种程度的稳定增长。这样的阶段性转变与观察到的现实不符（至少据我个人观察）。

绘图的 Jupyter Notebook 可在此处获取

文档浏览量

我最喜欢的指标是查看文档的每周独立用户数。

这是对用户数量的高估，因为很多人会查看文档而不使用该项目。这也是对用户数量的低估，因为许多用户不是每周都会查阅我们的文档（我多么希望他们会）。

这种增长模式符合我的预期，也符合我维护一个项目并使其在几年内稳步获得关注的经验。

图表取自 Google Analytics

依赖项

查看项目的依赖项也很重要。例如，地球科学和地理科学领域的许多用户通过另一个项目 Xarray 使用 Dask。这些用户直接使用 Dask 的可能性要小得多，但通常将 Dask 用作 Xarray 库的基础设施。我们可能应该将 Xarray 用户的一半也计算在内。

图表取自 Google Analytics，由来自 Xarray 的 Joe Hamman 提供

总结

Dask 每天大约有 10 万新用户（下载量统计），或者总共有大约 1 万用户（每周独立 IP）。在我看来，1 万这个数字听起来更可能，由于依赖项的存在，可能还会增加到 1.5 万。但事实是，没人真正知道。

衡量社区维护的开源软件的使用情况非常重要，因为我们试图评估它对社会的影响。这也是一个根本性的难题。我希望这篇博文能帮助强调这些数字可能具有误导性，并鼓励我们所有人更深入地思考如何估算影响。