他把互联网“存”了起来！

Posted 2022-02-20 码农翻身

在刘慈欣的《三体》中，太阳系将要被二维化时，程心乘坐飞船来到了太阳系边沿的冥王星，在这里她遇到了曾经的执剑人罗辑。

罗辑向她介绍了人类的墓碑：地球文明博物馆。

在这里，人类希望把自己的文明信息保留十亿年！

但是当时的量子存储器，只能保存两千年。

U盘和硬盘，能保存五千年。

特殊金属制成的光盘， 10万年。

特殊的纸张和油墨制成的印刷品，20万年。

后来科学家们发现，唯一可行的办法是：把字刻在石头上！这样也许能保存1亿年。

最后，人类文明就变成了冥王星“石头”上的字迹。

每次看到这里我都挺震撼的，信息的长时间保存真难啊！

科幻总是能让人产生联想， 虽然不需要保存地球文明，但是想想我们的互联网，有多少数据早已经销声匿迹了？

有个统计说网页的平均寿命低得吓人：只有区区75天！

很多网页即使能被搜索引擎找到，打开时也经常会遇到404 not found。

能不能把全球互联网网页都找个地方保存起来呢？永不丢失呢？

这是个疯狂的想法，不过，还真有人这么干了！

照片中这位老帅哥叫做Brewster Kahle， 他的梦想就是做这件事情：把整个互联网都存起来！

像曾经的被战火摧毁的亚历山大图书馆那样，保存人类文明的知识。

很明显，这需要钱，很多钱。

幸运的是，Kahle是一位成功的连续创业者，是一位亿万富翁。

Kahle毕业于麻省理工，1992年创立了一家叫做WAIS的电子出版公司，可以让华尔街日报，纽约时报和大英百科全书之类的出版物在互联网上发布。

1995年，Kahle把这套系统卖给了美国在线，赚了1500万美元。

随后他又创立了Alexa Internet ，这个网站估计很多人听说过吧。

Alexa 以提供互联网流量数据，网站全球排名等信息闻名，1999年又以2.5亿美元被亚马逊收购。

在创立Alexa的时候，他很“狡猾”地在其中加入了一份合同，要求Alexa收集的所有内容副本都提供给他创立的另外一家非盈利机构： Internet Archive （互联网档案馆）。

这才是Kahle毕生追求的梦想。

（Internet Archive 总部）

到目前为止，互联网档案馆已经保存了：

5880 亿个网页

2800 万本书籍和文本

1400万 录音（包括22万场现场音乐会）

600万个视频（包括200万个电视新闻节目）

350 万张图片

580,000 个软件程序

（互联网档案馆的服务器）

仅仅是单个副本就占用了70多PB的空间（所有的内容至少存储两个副本）。

冷冰冰的数字可能大家可能没有感觉， 我分享一个我自己的故事。

20年前，我使用郑州商都信息港的免费空间，建立了一个个人主页， liuxin.shangdu.net。

这么多年过去了， 商都信息港早就没有了，这个网站也早就不能访问了。

但是，我却能在Kahle的互联网档案馆找到它的备份！

给大家瞅瞅，说实话，看到20年前的东西心情非常激动。

20年前的东西还能给你扒拉出来，你说牛不牛？

如果你也想找古老的资料，也可以去试一试：https://web.archive.org/

互联网档案馆不仅仅保存网页，还保存书籍。

为了把书籍数字化，他还制造了一个叫做Scribe的特殊扫描仪。

扫描仪分辨率超高，当然价格不菲， 扫描一页的成本是10美分，平均每本书300页，也就是一本书30美元，美国国会图书馆，有2600万本书，如果都扫描的话，需要花费在7.5亿美元。

有很多志愿者帮助扫描，如果你为它服务了三年，互联网档案馆会为你建立一座自己的雕像，以示感谢。

（据说仿秦始皇兵马俑，看起来有点吓人的不是？）

当然，Kahle就是再有钱，也架不住这么造下去，现在互联网档案馆是一家在美国运营的非营利组织。它的年度预算为 1000 万美元，主要收入来源于网络爬虫服务、合作伙伴、捐赠和Kahle-Austin 基金会。

总之，这是一个非常有意义，也非常有趣的项目，大家也可以去玩一下，看看自己的“老古董”是否也收藏在其中：

网页：

http://www.archive.org/web/web.php

视频：

http://www.archive.org/details/movies

音频：

http://www.archive.org/details/audio

软件：

http://www.archive.org/details/software

电子书：

http://www.archive.org/details/texts

（完）

最后，再介绍一下我的一个备份号“想躺平的程序员”，防止被人投诉后失联，请小伙伴们保存一下吧。

这个号不会空着，经常会发一下轻松有趣的东西，让大家在紧张的工作之余乐呵一下。