如何在BigQuery中获取给定回购协议的GitHub星星总数？

我的目标是随着时间的推移跟踪我的BigQuery回购协议的受欢迎程度

我想使用公开可用的BigQuery数据集，如或

GitHub数据集

sample_repos

不包含星号计数的快照：

SELECT
  watch_count
FROM
  [bigquery-public-data:github_repos.sample_repos]
WHERE
  repo_name == 'angular/angular'

返回5318

GitHub归档是事件的时间线。我可以尝试将它们全部相加，但这些数字与GitHub UI中的数字不匹配。我猜是因为它不包括非STAR行动。以下是我使用的查询：

SELECT
  COUNT(*)
FROM
  [githubarchive:year.2011],
  [githubarchive:year.2012],
  [githubarchive:year.2013],
  [githubarchive:year.2014],
  [githubarchive:year.2015],
  [githubarchive:year.2016],
  TABLE_DATE_RANGE([githubarchive:day.], TIMESTAMP('2017-01-01'), TIMESTAMP('2017-03-30') )
WHERE
  repo.name == 'angular/angular'
  AND type = "WatchEvent"

返回24144

实际值为21921

#standardSQL
SELECT 
  COUNT(*) naive_count,
  COUNT(DISTINCT actor.id) unique_by_actor_id, 
  COUNT(DISTINCT actor.login) unique_by_actor_login 
FROM `githubarchive.month.*` 
WHERE repo.name = 'angular/angular'
AND type = "WatchEvent"

天真的计数：有些人明星和联合国明星，和明星再次。这会创建重复的监视事件

按演员id计数唯一：每个人只能主演一次。我们可以数一数（但我们不知道它们是否未上映，所以总数将低于此）

按参与者登录唯一：某些历史月份缺少“actor.id”字段。我们可以改为查看“actor.login”字段（但有些人会更改登录名）

或者，感谢GHTorrent项目：

#standardSQL
SELECT COUNT(*) stars
FROM `ghtorrent-bq.ght_2017_01_19.watchers` a
JOIN `ghtorrent-bq.ght_2017_01_19.projects` b
ON a.repo_id=b.id
WHERE url = 'https://api.github.com/repos/angular/angular'
LIMIT 10

20567，截至2017年1月19日

---

相关的：

• 当一个项目的名称发生变化时会发生什么

• 在他们更新之前，如何获取更新的正确数据

---

githubarchive方法似乎是角度/角度的一个很好的近似方法，但是当我尝试使用

bazelbuild/bazel

时，我实际上得到了3320（实际上是6033）。而

ghtorrent bq

方法更接近。但是我需要最新的数据，数据集是否每天更新？每周？有趣的评论，我添加了2个额外的答案（考虑将新问题提交给stack overflow，作为使此对话框太长的一个选项）随后在此处提出的问题：这里：