如何高效统计GitHub团队在200+仓库中的Pull Request数量

核心方案：用GitHub GraphQL API批量查询 #

GraphQL支持嵌套查询和批量拉取数据，能彻底解决逐个仓库遍历的低效问题，还能更优雅处理分页。

第一步：先拿到团队所有成员 #

先一次性拉取团队成员的登录名，避免后续重复校验：

query GetTeamMembers($org: String!, $teamSlug: String!, $cursor: String) {
  organization(login: $org) {
    team(slug: $teamSlug) {
      members(first: 100, after: $cursor) {
        pageInfo {
          endCursor
          hasNextPage
        }
        nodes {
          login
        }
      }
    }
  }
}

循环请求直到hasNextPage为false，把所有成员login存下来。

第二步：批量拉取团队仓库的PR数据 #

直接查询团队名下的仓库，同时拉取这些仓库里属于团队成员的PR，一次请求能覆盖多个仓库：

query GetTeamPRs($org: String!, $teamSlug: String!, $memberLogins: [String!]!, $cursor: String) {
  organization(login: $org) {
    team(slug: $teamSlug) {
      repositories(first: 50, after: $cursor) {
        pageInfo {
          endCursor
          hasNextPage
        }
        nodes {
          name
          pullRequests(
            first: 100
            states: [OPEN, CLOSED, MERGED]
            createdBy: {login: $memberLogins}
            orderBy: {field: CREATED_AT, direction: DESC}
          ) {
            pageInfo {
              endCursor
              hasNextPage
            }
            nodes {
              createdAt
              author {
                login
              }
            }
          }
        }
      }
    }
  }
}

通过cursor分页处理仓库和PR的多页数据，一次请求最多能拉50个仓库、每个仓库100条PR，比REST API少N倍请求。

第三步：本地聚合统计 #

把拉取到的所有PR数据存在本地数组或数据库里，然后：

• 总数统计：直接数数组长度就行
• 每日提交量：按createdAt的日期部分（比如2024-05-20）分组，用计数器统计每天的数量（比如Python用collections.Counter，JS用reduce）

实用优化点 #

• 缓存数据：团队成员列表和已拉取的PR数据存本地缓存，避免重复请求浪费配额
• 处理请求限制：GitHub GraphQL的配额是5000点/小时，遇到403错误就等几分钟再重试，别硬怼
• 并行请求：可以并行处理仓库的分页请求，但别太猛，控制并发数不超配额

快速实现方案：用GitHub CLI+Shell脚本 #

不想写代码的话，用gh CLI结合shell脚本也能搞定，虽然效率不如GraphQL，但胜在快速：

1. 导出团队成员：gh api orgs/{你的组织名}/teams/{团队slug}/members --jq '.[].login' > members.txt
2. 导出团队仓库：gh api orgs/{你的组织名}/teams/{团队slug}/repos --jq '.[].full_name' > repos.txt
3. 遍历统计：

total_prs=0
declare -A daily_counts

while read repo; do
  gh api repos/$repo/pulls?state=all --paginate --jq '.[] | {created_at, author: .login}' | while read pr; do
    login=$(echo $pr | jq -r '.author')
    if grep -q "^$login$" members.txt; then
      ((total_prs++))
      date=$(echo $pr | jq -r '.created_at' | cut -c1-10)
      ((daily_counts[$date]++))
    fi
  done
done < repos.txt

echo "Total PRs: $total_prs"
echo "Daily counts:"
for date in "${!daily_counts[@]}"; do
  echo "$date: ${daily_counts[$date]}"
done

内容的提问来源于stack exchange，提问作者Legend ile