Batching Kafka Consumer é seguro?

Batching Kafka Consumer — Nerq Trust Score 56.8/100 (Grau C). Pontuação baseada em 2 independent trust signals. Última análise: 2026-03-20

Batching Kafka Consumer é um Python package com um Nerq Trust Score de 56.8/100 (C), com base em 3 dimensões de dados independentes. Última análise: 2026-03-20 Segurança: 90/100. Popularidade: 15/100. Dados obtidos de PyPI registry, GitHub repository, NVD, OSV.dev, and OpenSSF Scorecard. Última atualização: 2026-03-20. Dados legíveis por máquina (JSON).

Batching Kafka Consumer é seguro?

Detalhamento da Pontuação de Confiança — Batching Kafka Consumer has a Nerq Trust Score of 56.8/100 (C). Measured across 2 independent trust signals (as of 2026-03-20).

Análise de Segurança → Relatório de Privacidade →

Qual é a pontuação de confiança de Batching Kafka Consumer?

Batching Kafka Consumer tem uma Pontuação de Confiança Nerq de 56.8/100, obtendo grau C. Esta pontuação é baseada em 2 dimensões medidas independentemente.

Segurança
90
Popularidade
15

Quais são as principais descobertas de segurança de Batching Kafka Consumer?

O sinal mais forte de Batching Kafka Consumer é segurança com 90/100. Nenhuma vulnerabilidade conhecida foi detectada.

⚠Pontuação de segurança: 90/100 (forte)
⚠Popularidade: 15/100 — adoção comunitária

O que é Batching Kafka Consumer e quem o mantém?

AutorSentry Team and Contributors
CategoriaPython Packages
SourceN/A

Batching Kafka Consumer em outras plataformas

Mesmo desenvolvedor/empresa em outros registros:

Sentry.Extensions.Logging
50/100 · nuget
Sentry.NLog
50/100 · nuget
Sentry.AspNetCore.Grpc
50/100 · nuget
Sentry.Hangfire
50/100 · nuget
Sentry.Log4Net
50/100 · nuget

Pypi semelhantes por Pontuação de Confiança

awslambdaric (66)autograd-gamma (66)cchardet (66)brotli-asgi (66)anyconfig (66)
Ver todos os Pypi mais seguros →

Comparar

Batching Kafka Consumer vs awslambdaricBatching Kafka Consumer vs autograd-gammaBatching Kafka Consumer vs cchardet

Guia de Segurança: Batching Kafka Consumer

O que é Batching Kafka Consumer?

Batching Kafka Consumer é um pacote Python — Kafka Consumer abstraction that assists with processing batches and committing offsets..

Como Verificar a Segurança

Run pip audit or safety check. Review on PyPI for download stats.

Você também pode verificar a pontuação de confiança via API: GET /v1/preflight?target=batching-kafka-consumer

Principais Preocupações de Segurança para Python package

Ao avaliar qualquer Python package, observe: dependency vulnerabilities, malicious uploads, manutenção status.

Measured Signals

Batching Kafka Consumer has a Nerq Trust Score of 57/100 (C). This score is a composite of automated measurements of segurança, manutenção, community, and quality signals.

Pontos Principais

Perguntas Frequentes

Batching Kafka Consumer é seguro?
batching-kafka-consumer com um Nerq Trust Score de 56.8/100 (C). Sinal mais forte: segurança (90/100). Pontuação baseada em Segurança (90/100), Popularidade (15/100).
Qual é a pontuação de confiança de Batching Kafka Consumer?
batching-kafka-consumer: 56.8/100 (C). Pontuação baseada em Segurança (90/100), Popularidade (15/100). As pontuações são atualizadas quando novos dados estão disponíveis. API: GET nerq.ai/v1/preflight?target=batching-kafka-consumer
Quais são alternativas mais seguras ao Batching Kafka Consumer?
In the Pacotes Python category, mais Python package estão sendo analisados — volte em breve. batching-kafka-consumer scores 56.8/100.
Batching Kafka Consumer tem vulnerabilidades conhecidas?
Nerq verifica Batching Kafka Consumer contra NVD, OSV.dev e bancos de dados de vulnerabilidades. Score de segurança atual: 90/100.
Batching Kafka Consumer é mantido ativamente?
Score de manutenção de Batching Kafka Consumer: N/A. Verifique a atividade recente do repositório.
API: /v1/preflight Trust Badge API Docs

Veja também

Disclaimer: As pontuações de confiança da Nerq são avaliações automatizadas baseadas em sinais publicamente disponíveis. Não são endossos ou garantias. Sempre realize sua própria verificação.

Usamos cookies para análise e cache. Privacidade