通過Stack Overflow分析編程語言大勢
Stack Overflow 是世界各地開發者交流技術的地方，不但有各路高手回答問題分享經驗，而且還提供對所有帖子的檢索，絕對是一個知識寶庫。每每看到別人動輒幾萬而我剛剛過千 的聲望，總希望投資一個有潛力的編程語言方便混分。心動不如行動，讓我們借助 Power BI 分析一下。
思路很簡單，只要對 Stack Overflow 帖子進行統計，一定能夠找到一些端倪，能夠讓我們一窺編程的大勢走向。比如，Stack Overflow 本身是基于 C# 以及 SQL Server 開發運營的，這點讓許多 Java 粉絲扼腕。那么到底是 C# 還是 Java 在 Stack Overflow 上更火爆呢？好在 Stack Overflow 允許用戶對帖子上打的標簽，我們只需要累加一下即可。
首先建立數據模型。在這里可 以下載到 Stack Overflow 往年的帖子，解壓縮之后是一個 26GB 的 xml 文件。這個文件是由過往所有的帖子組成，每個帖子還有具體的時間、標題、標簽、正文、評論等等。可惜 Power Query 不能很好地以流模式處理這個 xml 文件，直接導入將會導致內存不夠的異常，囧。
為今之計，只有通過代碼簡化這個 xml 了：
- 我們關心的只是時間和標簽之間的關聯，其他信息完全可以跳過。
- 由于時間和標簽有相當的重復，對時間和標簽進行范式化便可以大大節約空間。簡而言之，就是用字典對時間和標簽建立序列號到字符串的映射，時間和標簽的關系是建立在序列號之上的。 </ol>
很快就可以用 C# 實現以上需求，源代碼可以在 https://github.com/qisamuelzhang/soanalytics 找到。第一次寫 C# 代碼，特此感謝 Ben 同學的代碼審閱。
程序將會生成三個文件：Tags 是標簽字典，Times 是時間字典，而 Posts 是標簽序列號到時間序列號的映射，三個文件合起來不過 192MB，對于 Power BI 就是小菜一碟。分別導入這三個文件，建立數據模型如下：
現在可以顯示結果了！從 2008 年至今，C#以微弱優勢力壓 Java 成為狀元，相關的 ASP .Net、.Net 以及 SQL Server 分列 12、16 以及 21 位。看樣子 C# 在企業軟件開發領域仍然舉足輕重。榜眼 Java 實力不俗，不過只有相關的 Android 進入前 20，貌似大家都拿 Java 搞 Android 了？探花是這幾年高調奢華的 JavaScript，相關的 jQuery、HTML、CSS、Ajax 分列6、9、13、22，潛力巨大。移動設備開發方面，Android、iOS、iPhone、Objective C 分5、11、15、17 位。其他上榜的還有 PHP、Python 以及 Ruby 和 RoR，輕量級的網絡應用開發語言。總體而言，網絡應用以及移動開發是 Stack Overflow 帖子的核心，Cloud First Mobile First 的口號與大勢還是很契合的，我軟威武！
下圖統計了發帖的時間，可以看出這幾年 Stack Overflow 的發展還是比較迅猛的。同時，開發者們都是相當勤奮的，每年只有圣誕節前后有個巨大的滑落稍事休息，其他時候都是生命不息編碼不止：
除了簡單的趨勢，我們還可以通過 Power Pivot 的 measure 功能對比標簽個數。比如可以定義 Java 標簽個數如下：
Count of Java:=COUNTROWS(FILTER(Posts, RELATED(Tags[Tag])="java"))
這樣我們可以進行 Java 與 C# 對比，如下。雖然 C# 總數仍然占優，但是 Java 在這幾年反超了 C# 而且優勢在繼續擴大。當然，其中的主要原因之一還是 Android 的火爆：
iOS 與 Android 相比總量還是有差距，不過漲勢相當（咦，Windows Phone 去哪兒了）：
最后看一下 Hadoop。雖然總數不高，但是漲幅迅猛，絕對是潛力股：
你決定好了如何投資了嗎？
Excel 文件可以從這里下載。