编者按：前文讲述了Digg Reader的产生并非偶然。然而要打造一款Google Reader的替代品并非易事。甚至Google Reader之父Chris Wetherell也为Digg团队感到担心。此为连载第四篇：所以你们要打造一款阅读器？（前文详情：连载一，连载二，连载三） “我很欣赏他们的抱负，这是一份苦差事。要完成好将面临难以想象的挑战。”Chris Wetherell 说。许多年前，Wetherell 建立了 Google Reader——被枪毙掉的产品中最受欢迎且最实用的产品之一。当谈到 Digg 团队面临什么时，他摇着头，发出了一声常常的叹息：“此时此刻，我为他们感到同情和恐惧。” RSS 阅读从技术上来说极度复杂。对于起步者来说，有一大堆的信息要抓取和整合。从博客到如《纽约时报》这类的主流出版物，再到日历订阅和种类繁多的个人服务。Digg 必须获取所有信息，并很快地反馈给你。 “数据库的之大是一个难以想象的挑战，”Wetherell 解释说，“互联网如此庞大，但它也只是一堆网页的集合。但 RSS 阅读数据存储潜在的大小可能几倍于互联网。”举个例子，一个网站可能有很多的订阅源，其中有一些是在搜索问题或标签时找到的订阅源，所有这些数据都要被收集到 Digg 的服务器中。Wetherell 说：“存储所有必要信息并将它们传送至一个世界级的 RSS 阅读器中，所花费的代价是巨大的。希望他们在银行里有一些积蓄。” 下面所说的可能是一种典型的阅读体验。比如说，你想要订阅你的 Flickr 中所有标签为“食物”的照片。那是 Digg 从 API 调用中抓取的一个特定照片子集。每次你打开 Digg Reader，它就要为你载入专属于你的数据。当越来越多的用户参与进来时，这需要非常强大而快速的计算能力。而这只是一个款阅读器要解决的众多问题之一。 当某位用户加载 Digg Reader 时，Digg 的服务器就要访问这位用户订阅的所有订阅源，找到用户上次访问之后加入的文章，然后将它们按逆向时间顺序整合起来。有两种方式来传递这些信息：Digg 等待用户发送载入请求（拉），或不断向他们推送新的文章（推）。后者速度更快，但将给服务器造成更大的负担。（目前，Digg 打算使用前者，最终期望能实现两者的混合使用。） 与此同时，阅读器要做许多的运算。在它推送文章之前，阅读器必须计算出哪些文章你已经读过，而哪些你还没有读过，并将这个信息展现出来。Digg 希望你对文章采取一些行动（至少是让你能够采取行动），因此它还必须把与每篇文章相关的数据记录下来：你把它分享到 Twitter 或 Facebook 上了吗？你 Digg 它了吗？你是否把它发送到 Pocket 或 Instapaper 以供日后阅读？如果答案是 Yes，它就需要通过相关的图标显示这个信息。——这或许没什么好说的，但这些信息是专属于你的，因此对每一位用户、每一篇文章，它都必须一次又一次地进行运算。 这还只是 Digg 团队要在三个月内解决的问题中最表层的一些，还有许许多多琐碎繁琐的问题等待着他们：数不清的对用户交互方式如何进行处理的小决策。比如，当人们思考如何“简单”移植现有产品时，大部分人从未考虑过的 API 缓存。而且所有交互处理都必须在非常短的时间内进行。对于一款 RSS 阅读器，它应该做到即时响应。 “速度快，利弊兼具。”Digg CTO Michael Young 解释说。他阐述的是对前端软件和后台数据的影响。“阅读器载入迅速、及时，这样我们就能第一时间获取到刚发布的文章。”这需要大量的工作，而时间是最关键的问题。“RSS 就很痛苦了。就拿《连线》的 RSS 来所说，我必须反复地检查。”（就在这时，Young 开始模仿起计算机访问服务器了）“有新的文章吗？有新的文章吗？有新的文章吗？如果频率很高的话，比如，每 15 分钟进行一次，一些网站就会阻止我的访问了。”更多情况下，每分钟就要进行一次。 从根本上说，这是一个残缺的体系。订阅者想要在新文章上线的第一时间就在 RSS 阅读器上看到它们。然而，除非发布者采取一种推送更新提示的方式，否则除了通过现阶段每 15 分钟才进行一次缓慢爬取订阅源的形式，Digg 阅读器是不可能知道的。有一些网站几个星期才发布一次，每 15 分钟进行一次的检测就足够了。但一些对于喷涌而出的新闻和服务讯息，如实时交通信息，这样的更新速度就实在太慢了。想像这样一个场景：Digg 在 3:00 爬取一次《连线》的订阅，但《连线》在 3:01 发出了一篇新文章，而我又恰好在 3:14 分载入了 Digg Reader。那么我就无法看到这篇新文章，即使在我载入之前相当一段时间，它已经发布了。 “想在 Google 之外解决这个问题，是让我陷入同情而紧张的思考中而忍不住摇头的巨大挑战之一。”Wetherell 说，“Google Reader 成功的原因之一是，它背后有世界上最棒的爬取系统做支撑。” 每个在互联网上发布信息的人都希望他的信息出现在 Google 上，因为 Google 就是流量的象征，而流量又是金钱的象征。发布者希望 Google 机器人尽可能多地访问他们的网站。但他们不一定希望几十个 RSS 阅读器一次又一次地检查他们的系统。太过频繁地访问，他们可能会处罚你，阻止你的机器人。失去了机器人，你也将失去你的读者。 当我于五月初拜访 Digg 时，白板上写满了待办事项。中间散落了一些如“国安局窃听”（现在看来，很有先见之明）和“Windows Phone 软件”（我问起这个时，他们只是笑笑）的笑话。然而 5 月 31 日时，大部分的待办事项已经完成，而且团队已经准备好把 Digg Reader 从测试服务器转移到 Digg.com 了。几乎与此同时，整个网站崩溃了。当 Young 意识到迎接所有访问 Digg 用户的是 503 error 时，他头都大了。天啊！ 本以为问题重大，结果是，他们只重启一下路由器就解决了。 （未完待续……）
| 
发表于 2013-6-24 14:46:23
收藏