数量不等于分量：八大语言开源生态的真实对比

比较编程语言生态时，最常见的说法是「哪门语言的项目最多」。这个问题好回答，但价值有限——它只告诉你数量，没告诉你分量。

我们持续追踪 GitHub 上超过 6.7 万个高星仓库，并每天记录它们的 star 变化。把这份语料按语言拆开，能看到一些比"谁的项目多"更有意思的东西。

先看原始数据

下面这张表是实时从我们的数据库读取的，不是截图：

三个值得注意的地方

一、仓库数量的领先者，中位数并不领先

Python 的仓库数量遥遥领先，几乎是第二名的 1.4 倍。但看中位数 star——也就是"随机挑一个该语言的项目，它大概有多少 star"——Python 反而落在 Go 和 TypeScript 后面。

这说明 Python 生态的广度极强：从科学计算到爬虫脚本到机器学习，什么都有人写。但广度的另一面是长尾很长，大量项目停留在刚过门槛的水平。

二、Go 的「精品率」最高

Go 的仓库数只有 Python 的三分之一，中位数却是所有语言里最高的。

一个合理的解释是领域集中。Go 的高星项目高度集中在云原生、DevOps、CLI 工具这几类——这些领域的使用者本身就是开发者，天然更容易给 star。相比之下 Python 覆盖的领域里，有大量使用者根本不上 GitHub。

三、总 star 和中位数讲的是两个故事

JavaScript 的总 star 数很高，但中位数在这几门语言里偏低。总量高是因为它有一批诞生早、积累久的巨型项目——那是历史沉淀。中位数偏低说明近年新增的项目里，能突围的比例在下降。

TypeScript 则相反：仓库数比 JavaScript 少，中位数却更高。这符合近几年新项目默认用 TypeScript 起手的趋势。

看看头部项目

数量和中位数之外，头部项目的构成也能说明生态性格。这是当前 star 最高的十个仓库：

值得注意的是，榜单前列有相当比例是学习资源和清单类项目，而不是可运行的软件。这类项目 star 极高但和语言生态的工程能力关系不大——分析语言生态时，把它们和框架、运行时放在一起比较是会失真的。

这份数据的边界

任何数据分析都该说清自己不能证明什么：

• 样本是"已经流行的项目"，不是 GitHub 全量。所以这里的中位数是"在已经跨过门槛的项目里的中位数"，比全站真实中位数高得多。
• star 不等于质量，也不等于使用量。它更接近"开发者可见度"。很多企业级关键库的 star 数远低于其实际重要性。
• 语言归类按 GitHub 的主语言判定。一个前端框架可能因为配置文件占比被判成别的语言。
• 不同语言的年龄不同。C 和 Java 的生态积累了几十年，Rust 只有十几年，直接比总量对后者不公平。

小结

如果你在做技术选型，比起"哪门语言项目多"，更值得问的是：我要的这个细分领域里，有多少可用的成熟项目。全局数量在这个问题上帮助有限。

这张表会随我们每天的抓取自动更新，你也可以在排行榜里按语言和分类自己筛。