数据集概述
本数据集用于验证基础设施即代码（IaC）的项目内缺陷预测工具，基于Ansible语言的85个开源GitHub仓库构建，包含仓库列表、缺陷修复提交记录、修复文件信息、易故障文件列表、指标文件及项目分析结果，支持软件缺陷预测研究。
文件详解
- repositories.json
- 文件格式：JSON
- 字段映射介绍：记录符合筛选条件的开源GitHub仓库列表，筛选条件包括最近六个月有提交、至少2个版本、至少10%的IaC脚本文件等。
- fixing-commits.json
- 文件格式：JSON
- 字段映射介绍：提取自所选仓库的缺陷修复提交记录列表。
- fixed-files.json
- 文件格式：JSON
- 字段映射介绍：记录在缺陷修复提交中被修复的Ansible文件及其对应的缺陷引入提交信息。
- failure-prone-files.json
- 文件格式：JSON
- 字段映射介绍：通过仓库提交历史识别的易故障文件列表。
- metrics.zip
- 文件格式：ZIP（内含CSV文件）
- 字段映射介绍：包含各仓库的指标数据，分为IaC导向指标、增量指标和过程指标三类，分别对应IaC脚本结构属性、文件版本间变化量及开发过程特征。
- projects.zip
- 文件格式：ZIP
- 字段映射介绍：包含每个项目的分析数据，如预训练模型（*.joblib）、性能结果及递归特征消除结果，支持研究问题的验证。
数据来源
GitHub开源仓库及论文“Within-Project Defect Prediction of Infrastructure-as-Code using Product and Process Metrics”
适用场景
- 软件缺陷预测模型验证：用于验证基础设施即代码脚本的缺陷预测工具性能。
- 基础设施即代码质量分析：分析IaC脚本的结构属性、开发过程特征与缺陷的关联。
- 开发过程优化研究：探究开发过程指标对IaC脚本缺陷的影响，指导过程改进。
- 开源软件质量评估：基于GitHub仓库数据评估Ansible项目的缺陷风险与质量水平。
