متا اخیراً Owl را معرفی کرده است، سیستم توزیع محتوای داغ جدید خود که توزیع بالایی از اشیاء داده بزرگ را برای میزبان ها در ابر خصوصی متا فراهم می کند.
Owl متشکل از یک صفحه داده غیرمتمرکز مبتنی بر درختان توزیع همتا به همتا با یک صفحه کنترل متمرکز -
خدمات ردیاب است که ابرداده ها را در مورد همتاها، وضعیت حافظه پنهان آنها و بارگیری های مداوم نگه می دارد. همچنین یک رابط خط مشی قابل تنظیم را فراهم می کند که موارد استفاده توزیع متنوع را سفارشی می کند.
قبل از Owl، متا سه سیستم مختلف را برای حل این مشکل امتحان کرده بود.
به گزارش لینک بگیر دات کام به نقل از ایسنا، سخنگوی شرکت متا پلتفرمز در اطلاعیه ای به رویترز اعلام نمود: این شرکت در حال بررسی یک اپلیکیشن شبکه اجتماعی غیرمتمرکز مستقل برای به اشتراک گذاری به روزرسانی های متنی است. بر این باوریم که فرصتی برای یک فضای جداگانه وجود دارد که در آن، تولیدکنندگان محتوا و چهره های عمومی می توانند به روزرسانی های به موقع در رابطه با ی علایق خودرا به اشتراک گذارند.
وب سایت خبری هندی "مانی کنترل"، نخستین رسانه ای بود که به نقل از منابع آگاه، از ساخت این اپلیکیشن در متا آگاهی داده بود. طبق گزارش "مانی کنترل"، اپلیکیشن جدید متا از پروتکل شبکه اجتماعی غیرمتمرکز "اکتیویتی پاب" (ActivityPub) پشتیبانی خواهدنمود که در شبکه اجتماعی ماستودون و اپلیکیشن های مشابه آن، استفاده شده است.
در حالی که توییتر و فیس بوک ازطریق یک شرکت کنترل می شوند، پلتفرم های غیرمتمرکز مانند ماستودون، در هزاران سرور کامپیوتر نصب شده و توسط مدیران داوطلبی که سیستم هایشان را در چارچوب یک فدراسیون، به هم پیوند داده اند، اداره می گردند.
بر اساس گزارش رویترز، طبق گزارش "مانی کنترل"، اپلیکیشن جدید متا، تحت برند اینستاگرام خواهد بود و به کاربران اجازه می دهد بوسیله نام کاربری اینستاگرام خود، وارد اپلیکیشن شوند.
اولین پیاده سازی از کش سلسله مراتبی برای ارائه توزیع متمرکز محتوا استفاده کرد. عملکرد این سیستم آسان بود اما مشکلات مختلفی داشت. برای ذخیره سازی به ماشین های زیادی نیاز داشت. افزایش ناگهانی بار منجر به کاهش درخواست ها شد. تامین به دلیل نیازهای بالای زیرساختی سیستم چالش برانگیز بود.
در مجموعه بعدی پیاده‌سازی‌ها، مهندسان متا از دو راه‌حل بسیار غیرمتمرکز استفاده کردند: پیاده‌سازی BitTorrent آگاه از مکان و درخت توزیع همتا به همتا مبتنی بر هش.
این سیستم های بسیار غیرمتمرکز مقیاس بهتری نسبت به ذخیره سلسله مراتبی داشتند. اما آنها مجموعه جدیدی از چالش ها را معرفی کردند.
در این سیستم‌ها، همتایان تصمیم می‌گرفتند کجا واکشی کنند و چه چیزی را در حافظه پنهان کنند. هر یک از همتایان تصمیمات مستقلی گرفتند که در نتیجه نتایج نابهینه در مورد مکان واکشی به دست آمد. برای به دست آوردن وضعیت و سلامت سیستم، مهندسان باید داده ها را از همتایان جمع آوری و تجمیع می کردند.
در نتیجه، سیستم‌های بسیار غیرمتمرکز ناکارآمد بودند و نگهداری آنها دشوار بود، در حالی که سیستم‌های بسیار متمرکز مقیاس خوبی نداشتند.