从本站后台的统计上看,OutfoxBot 这个爬虫最近非常频繁,辛勤的程度都超过了 GoogleBot, 快赶上 Yahoo Slurp了。
Awstats 给出的信息只有一个联系方式: [email protected] . 网络上搜索了一下,没有很清晰的结果,从这个分析来看,这个机器人似乎和搜狐有关(名字也有点像),莫非是搜狗的么? 但是搜狗站点上并没有提供更多关于爬虫的信息。
分类归档: Web
DreamHost Power Outage Again!
有点恼火。Dreamhost 最近频繁的出问题。今天又是几个小时的 Severe Power Outage。去 DreamHost Status 看一看,最近一两个月来三天两头的有问题。难道真的是用户数量太多了,管理上带来了问题?
Movable Type 3.3x 的 Tag 功能
把 Blog 升级到了 3.31. 因为模版还是使用的旧模版. 所以 MT 3.31 的 Tag 功能没体现出来. 修改了一下,现在单篇归档的 Tag 已经可以看到了. 记录如下:
1) 修改 CSS 模版 加入:
.entry-tags {
margin: 0 0 5px 5px;
}
.entry-tags-header,
.entry-tags-list,
.entry-tag { display: inline; }
.entry-tags-list {
list-style:none;
padding: 0px;
}
2) URL_rewrite, 美化 URL
编辑根目录下的 .htaccess 文件, 添加:
RewriteEngine on
RewriteRule tag/(.+) /mt/mt-search.cgi?tag=$1&blog_id=1
第一个 mt 是你的 mt 安装的相对目库. 最后的 blog_id 值填入你的具体值即可. 我的是 1.
3) 修改 Individual Entry Archive 的模版
在 < $MTEntryMore > 后面加入:
<MTEntryIfTagged>
<div class=”entry-tags”>
<h2 class=”entry-tags-header”>本则 Blog 所属的Tag:</h2>
<ul class=”entry-tags-list”>
<MTEntryTags>
<li class=”entry-tag”><a href=”/tag/<$MTTagName encode_url=”1″$>”<$MTTagName$></a></li>
</MTEntryTags>
</ul>
</div>
</MTEntryIfTagged>
4) rebuild 所有的单篇归档.
如果不允许做 URL_rewrite ,则 模版中的 Link 修改为:
<a href="<$MTTagSearchLink$>"><$MTTagName$></a></MTEntryTags>
最后效果请参考本则 Blog 全文.
了解一下 Technorati 的后台数据库架构
Technorati (现在被阻尼了, 可能你访问不了)的 Dorion Carroll在 2006 MySQL 用户会议上介绍了一些关于 Technorati 后台数据库架构的情况.
基本情况
目前处理着大约 10Tb 核心数据, 分布在大约 20 台机器上.通过复制, 多增加了 100Tb 数据, 分布在 200 台机器上. 每天增长的数据 1TB. 通过 SOA 的运用, 物理与逻辑的访问相隔离, 似乎消除了数据库的瓶颈. 值得一提的是, 该扩展过程始终是利用普通的硬件与开源软件来完成的. 毕竟 , Web 2.0 站点都不是烧钱的主. 从数据量来看,这绝对是一个相对比较大的 Web 2.0 应用.
Tag 是 Technorati 最为重要的数据元素. 爆炸性的 Tag 增长给 Technorati 带来了不小的挑战.
2005 年 1 月的时候, 只有两台数据库服务器, 一主一从. 到了 06 年一月份, 已经是一主一从, 6 台 MyISAM 从数据库用来对付查询, 3 台 MyISAM 用作异步计算.
一些核心的处理方法:
1) 根据实体(tags/posttags))进行分区
衡量数据访问方法,读和写的平衡.然后通过不同的维度进行分区.( Technorati 数据更新不会很多, 否则会成为数据库灾难)
2) 合理利用 InnoDB 与 MyISAM
InnoDB 用于数据完整性/写性能要求比较高的应用. MyISAM 适合进行 OLAP 运算. 物尽其用.
3) MySQL 复制
复制数据到从主数据库到辅数据库上,平衡分布查询与异步计算, 另外一个功能是提供冗余. 如图:
后记
拜读了一个藏袍的两篇大做(mixi.jp:使用开源软件搭建的可扩展SNS网站 / FeedBurner:基于MySQL和JAVA的可扩展Web应用) 心痒难当, 顺藤摸瓜, 发现也有文档提及 Technorati , 赶紧照样学习一下. 几篇文档读罢, MySQL 的 可扩展性让我刮目相看.
或许,应该把注意力留一点给 MySQL 了 .
–End.