■【インターネットアーカイブのキャッシュ保管率は、せいぜい１０～２０％程度】

http://q.hatena.ne.jp/1344478346

に一部書いたが、１３年前からコツコツと作っていたホームページのうち、

半分のサイトを、Hoopsという無料HPサービスで構築していた。

（もう半分はGeocitiesで構築）

Hoopsはその後楽天インフォシークがサービス継承したが、

２０１０年に楽天は突然無料HPサービス（iswebライト）の停止を宣言した。

※因みに、間もなく有料サービスiswebまでも停止を宣言する。

　ウェブアーカイブに対する楽天三木谷の無理解ぶりには唖然とするし、

　この一件のせいで、自分の中で、楽天は「嫌いな企業ワースト３」に入ってしまっている。

自サイト常連から、「早く復旧してくれ」の要望が多かったのだが、

いかんせん、消失したページ数が１，０００頁近く、

ファイル容量４０MB近くなので、都度都度アップするのは非常に困難。

そこで思いついた「迷案」が、

「インターネットアーカイブ　ウェイバックマシンに保管されているキャッシュページへの

　リンクを掲載することで、消失ページの代替とする」ことだった。

しかし、この迷案は、結局名案じゃなく迷案に留まった。

結論から言えば、ウェイバックマシンのキャッシュ保管率は、

せいぜい１０～２０％程度でしかなかったのである。

※結局、残り８０～９０％については、

　自宅PCのキャッシュを「はてなダイアリー」にアップせざるを得なく、今日時点で半分程度の復旧率。

ネットを見渡しても、

「インターネットアーカイブが、どれ位の割合でキャッシュを保管しているのか？」という

レポートは殆ど存在していない。

なので当初、自分は「キャッシュをほぼ１００％保管しているだろう」と思い込んでいたのだが、

どうやらそうではないらしい。

１，０００頁近くのサイトについて、都度都度「インターネットアーカイブに保管されているか？」を

実地検証した人は、恐らく日本では自分しかいないのではないか？

折角なので、「インターネットアーカイブはどういうページを保管しているか？」等について、

将来、他の人の参考になるように、傾向をレポートしておく。

１．「他サイトからリンクされているページ」の保存率は高い

　　恐らく、他サイトからロボットがやってくるから、と思われる。

２．インターネットアーカイブのキャッシュは２００１年と２００４年に多い

　　これは自分のページだけかもしれないが、この頃のキャッシュは結構ヒットする。

　　逆に言えば、２００５年にアップしたページの保存率は低い。

　　感覚論だが、２００４年以前にアップされたページのキャッシュ保管率は７０～８０％、

　　２００５年以降にアップされたページのキャッシュ保管率は５～１０％程度である。

３．２００９年以降は、殆どキャッシュされていない。

　　一説には、

　　「２００９年以降については、アーカイブ財団側の作業が間に合ってないため、キャッシュ公開に時間がかかるから」

　　とか

　　「著作権の問題があるので、ここ数年のキャッシュについては、アーカイブ財団側が意図的に公開を遅らせている」

　　との情報があるが、真偽は不明。

　　少なくとも、自分のHPを見る限り、２００９年以降でキャッシュされたケースはレア

　　（保管率１～２％程度？）

４．ページランクが高いページは保存されやすい。

　　自分のサイトのケースだと、

　　「鉄コの部屋」という鉄道コラムサイトは比較的保存されているが、

　　「コーヒーブレーク」という一般的なコラムサイトは保存率が良くない。

　　恐らく、「鉄コの部屋」のページランクが比較的高かったことが影響していると思われる。

Permalink | 記事への反応(1) | 19:54

ツイートシェア