GNote.Net | 记笔记

这几天看了点存储系统方面的文章，知道了一些几十，甚至上百TB级的系统，恐怖啊。
存储系统不是越大越精良越好，因为面对的应用不同，对存储系统的要求也会不同。一个基本要求是，在够用的情况下，尽可能的降低成本。

我们对存储系统的需求：

1.抽象（Abstract），可存储多种格式数据
2.可扩展（Scalable），容易扩展，以适应更大规模数据
3.可靠（Stable），长时间不间断服务
4.随机存取（Random Access）快速随机访问
5.海量存储（Large Size），TB级的数据
6.可记录，可监控，可恢复（Log，Monitor，Recovery）
7.垃圾空间可回收（Garbage Colection）
8.具有一定的容错性（Error Tollerance）
9.接口简单（Easy User Interface）

额外需求，低成本

在digg类的服务中，如何能让digg出的内容好看起来，或者说，让digg出的内容更符合读者自己的口味？方法只有一个，参与到digg的过程中去。

如果有读者抱怨内容不好看了，那首先要检讨自己是否参与到了投票过程中去，因为上榜的内容是由投票者决定的，反应了投票者的口味和喜好。这样的 内容会吸引相同口味的读者，并吸引部分人参与到投票中来。这是一个正反馈的过程，同一种口味的内容被放大，使整个投票出的内容单一化，失去了对更多人的吸 引力。这一过程通常也伴随着作弊的产生。

所以，digg内容的好快关键在用户参与的多少。在这种公共类的服务中，用户总是倾向于直接享用已有的成果而不贡献自己的力量。而digg.com却成功吸引了大量的用户参与到投票过程中来，这是为什么呢？抓虾 (zhuaxia.com)上的一篇文章对此进行了详细的分析，相关的网址如下

http://www.zhuaxia.com/item/429224469

http://www.20ju.com/content/V9668.htm

http://www.mywowo.com/news.asp?Gmail_ID=589

该文从投票成本，个人收益，潜在收益等几个方面分析了为什么digg.com能吸引众多的用户。digg.com可能很多人都不用不熟悉，但是可以参照国内最成功的digg–“抓虾热文”来说，上文中关于digg成功的特性，抓虾热文几乎都具备：

1）投票成本低，无论是学习成本还是操作成本。投票（推荐、收藏）在抓虾中只需要鼠标点击一下即可。

2）收藏结合web2.0的标签功能。在抓虾中，收藏也相当与对一篇文章投票，收藏的同时可以对文章打上标签，便于对个人收藏的整理。

3）投票和博客浏览无缝对接。抓虾同时是国内最好的RSS阅读器，在阅读各种信息的同时可以投票、收藏。

4）拥有社交功能。抓虾的社交功能刚刚起步，但可以看出抓虾做社区化阅读的决心，近期的产品（以抓虾的个人页面为代表）改进都在围绕其进行。

5）具备了普通媒体的效用。抓虾热文的品牌已经很响了，浏览量也很大，很多不用抓虾做阅读器的人也经常去看抓虾热文。抓虾热文可以提供优质的内容，并为内容网站带去可观的流量。

6）投票过程和个人利益的结合。这一点在抓虾中没有明显的体现，也是抓虾应该加强的一点。将个人利益和投票过程结合，能够更多的鼓励用户参与到投票过程中。

7）公共收益。抓虾热文作为一个信息的平台，提供最新、最前沿、最流行、最高质量的资讯，方便更多的人获得信息。

负面因素：最主要的负面因素是spam，这是各种信息提供平台发展到一定程度都会遇到的问题，随着影响力的增大，这些平台会逐渐成为各种 spam的目标。不过很高兴抓虾热文改版后对spam的控制的加强，热文中已经看不到明显的spam了。anti-spam还是要作为一个重要工作常抓不 懈。

对服务提供者来说，想让digg的内容更好看，根本的方法还是吸引用户的参与。
对用户来说，想看到更好的内容，根本的方法是参与到digg中去。开始投票、收藏、推荐吧。

anti-spam的思路可以分成两种

一：

增加spam的成本

二：

识别spam，清除掉

增加spam的成本，这种方法很常见

例如，对于digg类的应用来说因为

参与的人数众多，spam的成本就比较高

像网站注册或者发表评论和留言时输入验证码也是提高spam成本的方法

方法二识别spam就有点难了

可以观察一些特征，并设计算法来识别

高级一点的算法如机器学习或者数据挖掘等

但是如果spam的特征不明显就很难识别了

这就有一个识别率的问题

这里涉及到两点

一是识别spam的正确率，即有多少比例的spam被识别出来了

二是识别错误率，即有多少非spam被识别成spam了

相应的就有两种策略

是宁可错杀一千不可漏网一个呢

还是宁可漏网一千不可错杀一个呢

需要注意的还有

增加spam成本可能同时会增加正常用户的使用成本-例如使用识别码

其它问题

人手工参与到anti-spam的过程是否合适

我认为是合适的

却有人批评我们人工干预一些排名的确定

这种批评是没有道理的

那些标榜自己是完全机器生成而没有人工干预结果的是放屁！

因为

1.不可能没有人工干预，人工干预在很多时候，成本低，见效快。
2.算法是由人设计的，所以说机器生成的，也就是人生成的。如果不想让谁出现只要设计算法屏蔽就可以了，这样算不算没有人工干预而完全由机器生成呢。效果是一样的。
3.如果真的没有人工干预，那你打开各个搜索引擎的热门关键词排行榜，前十名一定有一半是色情词汇。

像搜索引擎不公布他们的排名算法一样，digg也不会公布他的排名算法
因为那无疑会带来严重的 abuse 和 spam

但是还是可以从现象观察出一些特点
有人已经做了这样的工作，懒得翻译，下面转贴一些
更详细的内容可以回源站浏览，地址如下
http://www.seopedia.org/tips-tricks/social-media/the-digg-algorithm-unofficial-faq/#more-394
http://www.pronetadvertising.com/articles/digg-makes-it-harder-to-get-dugg.html
http://blogs.zdnet.com/web2explorer/?p=108
http://blogs.zdnet.com/web2explorer/?p=109

测试一下，打算搬几篇文章过来