الگوریتم کافئین گوگل چیست؟

کافئین یک بروزرسانی رتبه‌بندی نبود؛ یک زیرساخت کاملاً تازه برای ایندکس‌کردن وب بود که گوگل در ۹ ژوئن ۲۰۱۰ عرضه کرد. پیش از کافئین، ایندکس گوگل هر چند هفته یک‌بار به‌صورت دسته‌ای بروزرسانی می‌شد؛ کافئین این چرخه را با ایندکس‌گیری پیوسته و جهانی جایگزین کرد و نتایج را طبق اعلام خودِ گوگل ۵۰ درصد تازه‌تر ساخت.

پیش از تابستان ۲۰۱۰، ایندکس گوگل از چند لایهٔ جدا تشکیل شده بود که هرکدام با سرعت متفاوتی بروزرسانی می‌شدند؛ لایهٔ اصلی معمولاً هر چند هفته یک‌بار بازسازی می‌شد. مشکل اینجا بود که بروزرسانی هر لایه نیاز به تحلیل دوبارهٔ کل وب داشت، پس فاصلهٔ زمانی بین پیداشدن یک صفحهٔ تازه و در دسترس‌بودنش برای جست‌وجو می‌توانست هفته‌ها طول بکشد.

گوگل در ۱۰ اوت ۲۰۰۹ نسخهٔ آزمایشی سیستم تازه‌اش را روی آدرس sandbox.google.com منتشر کرد تا کاربران بتوانند نتایج آن را با ایندکس وقت مقایسه کنند. مت کاتس همان زمان روی وبلاگ شخصی‌اش تأکید کرد این یک بروزرسانی رتبه‌بندی نیست: «این بروزرسانی اساساً زیرساختی است؛ بیشتر رتبه‌بندی نتایج جست‌وجو باید همان باشد، چون چیزی که تغییر می‌کند زیرساخت پشت‌صحنه است».

نسخهٔ نهایی در ۹ ژوئن ۲۰۱۰ با پستی از کری گرایمز، مهندس نرم‌افزار گوگل، رسماً معرفی شد. طبق همان پست، «کافئین ۵۰ درصد نتایج تازه‌تری نسبت به ایندکس قبلی ما ارائه می‌دهد و بزرگ‌ترین مجموعه محتوای وبی است که تا آن زمان ارائه کرده‌ایم».

تفاوت اصلی در نحوهٔ کار بود: به‌جای بروزرسانی دوره‌ای کل ایندکس، کافئین وب را در تکه‌های کوچک تحلیل می‌کرد و ایندکس را به‌صورت پیوسته و جهانی بروز نگه می‌داشت؛ یعنی صفحهٔ تازه یا اطلاعات تازه، مستقیم به ایندکس اضافه می‌شد، نه اینکه منتظر چرخهٔ بعدی بماند.

مقیاس این زیرساخت هم در همان پست توصیف شده بود: کافئین هر ثانیه صدها هزار صفحه را به‌صورت موازی پردازش می‌کرد و نزدیک به ۱۰۰ میلیون گیگابایت فضای ذخیره‌سازی در یک پایگاه‌داده مصرف می‌کرد؛ عددی که گوگل آن را معادل ۶۲۵ هزار آیپاد بزرگ توصیف کرد.

کافئین هیچ‌وقت قرار نبود رتبه‌بندی را مستقیم تغییر دهد؛ کارش آماده‌کردن زیرساختی بود که بعدها الگوریتم‌های واقعی رتبه‌بندی مثل تازگی محتوا (چند ماه بعد) و حتی پاندا و پنگوئن روی آن سوار شدند. بدون این زیرساخت، اجرای سریع و مکرر آن الگوریتم‌ها روی کل وب عملاً ممکن نبود.

کری گرایمز، مهندس نرم‌افزار گوگل، در معرفی رسمی کافئین: «کافئین ۵۰ درصد نتایج تازه‌تری نسبت به ایندکس قبلی ما ارائه می‌دهد.»

کافئین حدود پنج ماه پیش از تازگی محتوا (نوامبر ۲۰۱۱) عرضه شد و دقیقاً همان زیرساختی بود که تازگی محتوا برای کارکردن به آن نیاز داشت؛ بدون ایندکس پیوستهٔ کافئین، تشخیص محتوای «چند دقیقه‌ای تازه» عملاً ممکن نبود.

کافئین یک الگوریتم رتبه‌بندی با نسخه‌های متعدد نبود، بلکه یک انتقال زیرساختی یک‌باره بود؛ این جدول مسیر رسیدن به آن را نشان می‌دهد:

این سه مورد اغلب با هم اشتباه گرفته می‌شوند چون هر سه به «زمان» و «تازگی» مربوط‌اند؛ تفاوت اصلی در این است که کدام‌یک زیرساخت است و کدام‌یک الگوریتم رتبه‌بندی:

طبق پست رسمی معرفی کافئین، این زیرساخت هر ثانیه صدها هزار صفحه را به‌صورت موازی پردازش می‌کرد و نزدیک به ۱۰۰ میلیون گیگابایت فضا در یک پایگاه‌داده مصرف می‌کرد؛ گوگل این حجم را معادل ۶۲۵ هزار آیپاد بزرگ آن دوره توصیف کرد. این اعداد نشان می‌دهند چرا این پروژه یک الگوریتم ساده نبود، بلکه یک بازسازی کامل زیرساخت جست‌وجو بود که ماه‌ها پیش از عرضهٔ نهایی، از اوت ۲۰۰۹، به‌صورت آزمایشی روی sandbox.google.com در دسترس عموم قرار گرفته بود.