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
:
-
Repositório selecionado: https://github.com/scrapy/scrapy
-
Gráfico selecionado: Function return type
-
Explicação: O gráfico "Function return type" mostra que, entre 2020 (0% de funções com tipo de retorno declarado, 3290 sem tipagem) e 2025 (31% com type hints, 1463 tipadas vs. 3244 não), houve uma adoção progressiva de boas práticas, iniciada em 2022 (6%) e acelerada em 2023–2025, possivelmente devido à migração para Python 3.10+ e introdução de ferramentas como mypy ou frameworks. Apesar da melhoria na legibilidade e prevenção de bugs, 69% das funções ainda não têm retorno tipado, indicando riscos de manutenção e legado pendente. Recomenda-se priorizar tipagem em módulos críticos.