调查方法

2025 开发者生态系统调查

调查于 2025 年 4 月至 6 月开展。为确保样本具有代表性，我们通过下述流程清理了数据。最终，本报告的结论基于来自 194 个国家和地区的 24,534 名开发者的反馈。数据加权标准详见本节结尾部分。

2025 开发者生态系统报告是一份公开报告。报告内容仅可用于非商业用途，如此处所述。

数据清理

仅当受访者回答了编程语言使用相关问题时，我们才会将其不完整回复纳入统计。我们还应用了 34 项标准来识别并排除可疑回复，例如：

  • 填写过快的调查。
  • 来自相同 IP 地址的调查，以及回复极其相似的调查。如果相同 IP 地址的两份回复有 75% 以上相同，我们将保留最完整的那一份。
  • 答案相互矛盾的调查，例如，“18-20 岁”和“16 年以上的专业经验”。
  • 几乎所有多选题都只选择了一个选项的调查。
  • 使用同一电子邮件地址提交的多份调查。在这种情况下，我们将保留最完整的调查。

减轻回复负担

今年的调查有 585 个问题。

我们的目标是覆盖多个研究领域，因此每位受访者会根据此前的答题情况看到部分调查内容，而非全部。例如，有关 Go 的问题只显示给使用 Go 的程序员。此外，我们随机显示各个问题和部分，以进一步减轻每位受访者的作答负担。

参与者平均需要 30 分钟来完成调查。我们已经设法简化调查流程，我们的目标是明年进一步提高效率。

受访者定位

我们通过 Google Ads、X 广告、Facebook 广告、Instagram、Reddit、Quora、B 站、脉脉、知乎、dev.to、Codezine、TLDR、IT Media 和 JetBrains 自己的通讯渠道邀请了潜在受访者。我们还向用户小组和技术社区渠道发布了链接，并建议受访者与同侪分享调查链接。

国家和地区

我们从 19 个地理区域收集了足够大的样本。开发者最多的 11 个国家 – 巴西、加拿大、中国、法国、德国、印度、日本、韩国、西班牙、英国和美国 – 形成了各自独立的区域。其余国家被分为以下八个额外地区：

  • 非洲
  • 比荷卢和北欧
  • 中欧
  • 中南美洲（不包括巴西）
  • 东欧、巴尔干半岛和高加索地区
  • 中东和中亚
  • 北部和东部地中海（包括塞浦路斯、以色列和葡萄牙）
  • 东南亚和大洋洲（包括澳大利亚和新西兰）

在每个地区，我们从广告或受访者的推荐等外部来源收集了至少 300 份回复。

本地化

为了最大限度地提高参与度并适应不同的参与者，调查以 10 种语言提供：英语、中文、法语、德语、日语、韩语、巴西葡萄牙语、俄语、西班牙语和土耳其语。

减少抽样偏倚

我们根据来源对回复进行了加权处理。我们将外部渠道收集的回复作为基准数据集，这些渠道对 JetBrains 用户的偏向性较低，例如 X、Facebook、Instagram、Quora 平台上的付费广告，以及推荐渠道。然后，我们对每位受访者的回复应用了三阶段加权程序，以更均衡地呈现全球开发者群体的整体情况。

第一阶段：根据每个地区的专业开发者数量进行调整

在第一阶段，我们汇总了针对不同国家收集的回复。随后，我们将各国家专业开发者数量预估应用于这些数据中。

首先，我们获取了两类数据：一是来自 19 个地区、通过各类社交网络投放广告定向获取的专业开发者与在职学生的调查数据；二是通过各类同行推荐获取的数据。然后，我们按照这 19 个地区的预估专业开发者数量，对这些回复进行加权。这确保了回复的分布与每个国家专业开发者的人口规模相匹配。

第二阶段：目前就业和失业的开发者比例

在第二阶段，我们将每个国家学生与失业受访者的比例统一调整为 17%。我们这样做是为了确保与上一年的调查方法保持一致，因为这是我们唯一可用的数量预估。

至此，我们从外部来源获得了许多回复，并按地区和就业状况完成加权。

第三阶段：就业状况、编程语言和 JetBrains 产品使用

第三阶段相当复杂，包括通过求解方程组获得的计算结果。我们利用了这些加权回复，对于每个地区的开发者，除了他们的就业状况外，我们还计算了 30 多种编程语言各自的份额，以及回答“我目前使用 JetBrains 产品”和“我从未听说过 JetBrains 或其产品”的受访者比例。这些比例成为方程中的常量。

下一步是再添加其他来源的两个回复群组：JetBrains 内部沟通渠道（例如 JetBrains 社交媒体帐户和我们的研究小组）和针对特定编程语言用户的社交网络广告活动。

求解一个包括线性方程和不等式的系统

我们设计了一个包括 30 多个线性方程和不等式的系统，这些方程和不等式描述了以下信息：

  • 填写过快的调查。
  • 受访者的加权系数（例如，样本中的 Fiona 代表了法国 180 位软件开发者的平均情况）。
  • 受访者回复的特定值（例如，Pierre 使用 C++，他是一名全职开发者，之前从未听说过 JetBrains）。
  • 在受访者中的必要比率（例如，27% 的开发者在过去 12 个月中使用过 C++，等等）。

为了使用权重系数的最小方差（非常重要！）求解此方程组，我们使用了 Goldfarb 和 Idnani 的对偶方法（1982，1983），这种方法帮助我们为 24,534 名受访者校核了最优的各个权重系数。

挥之不去的偏倚

尽管采取了这些措施，可能仍存在一些偏倚，因为平均而言，JetBrains 用户可能更愿意完成调查。今年，我们额外采取了纠正措施，即，将他们在数据集中的比例降低 10%，也就是将他们的回复比例乘以 0.9。

尽管我们试图控制调查分布并应用智能加权，但社区和开发者生态系统仍在不断发展，一些意外数据波动的可能性并不能完全消除。

原始数据

想自己深入挖掘结果吗？下载匿名调查回复，看看您能发现什么！

本报告仅涵盖主要亮点，但原始数据包含全部 500 余个调查问题。

下载原始数据

未来，我们将持续更新并改进我们的调查方法。敬请期待 2026 开发者生态系统调查！

JetBrains Tech Insights Lab

加入我们的社区，一起塑造 JetBrains 产品的未来

加入我们的实验室，分享您的使用体验、反馈和意见，您的参与将直接影响我们产品的开发。您的见解将帮助我们更深入地了解和读懂开发者社区，最终为您打造出更出色的工具。

注册