Web Cache na Ipinaliwanag: Paano Gumagana ang Cache at Paano Ito Gamitin

Bawat pahinang nabuksan mo ay kopya. Hindi kinuha ng browser ang website; kumuha ito ng kopya mula sa isang cache, na may hawak na kopya mula sa ibang cache, na humingi lang sa aktwal na server kapag kinailangan. Ang kadena ng mga kopyang iyon ay ang web cache system, at karamihan ng panahon ay invisible na plumbings, hanggang sa biglang nawala ang pahinang kailangan mo, at naging kawili-wili ang tanong kung kaninong kopya ang natira.

Narito kung paano talaga gumagana ang bawat layer, alin ang pwede mo pang pasukin, at paano gamitin ang mga ito para makita ang pahinang hindi na umiiral.

Ano ba talaga ang web cache?

Ang web cache ay nakatabing kopya ng response, na pinapanatili sa pagitan ng origin server at ng iyong screen para mas mabilis at mas murang susunod na request. Iyon ang buong kahulugan. Sinasabi ng origin kung gaano katagal pwedeng gamitin ulit ang kopya, sa pamamagitan ng headers tulad ng Cache-Control at ETag; pinapakita ng cache ang kopya hanggang sa maging stale, tapos ay magsasagawa ng revalidation o kukuha ng bago.

Dalawang resulta ang sumusunod. Una, hindi iisang kopya ng bawat pahina ang web kundi libo-libo, nakakalat sa mga browser, server, at serbisyo. Pangalawa, halos wala sa mga kopyang iyon ang ginawa para mag-browse ka mamaya. Umiral ang mga ito para sa bilis, at karamihan ay nawawala sa isang iskedyul. Ang buong laro, kapag nawala ang isang pahina, ay ang paghahanap sa isang cache na ginawa para magtagal ng mga bagay.

Apat na uri ng web cache na alaga

Apat na layer ang mahalaga sa practice. Iba nang iba sila sa kung gaano katagal nagtatago ng mga bagay at kung pinapayagan ka bang pumasok:

Panoorin ang isang page load at makikita mo ang buong stack sa aksyon. Buksan ang isang site sa iyong telepono at ang browser cache ay magseserve ng anuman ang hawak na, ang pinakamalapit na CDN edge node ay magseserve ng karamihan ng natitira, at ang origin server ay gigising lang para sa walang kopya kahit sino. Pagkatapos ang bawat layer ay itatago ang kopya nito, bawat isa sa sarili nitong iskedyul, para sa sarili nitong rason, halos walang nag-isip sa iyo.

Browser cache: ang kopya sa sarili mong makina

Itinatago ng iyong browser ang mga imahe, script, stylesheet, at minsan buong pahina sa disk cache para hindi na dumaan sa network ang paulit-ulit na pagbisita. Ito lang ang web cache na pisikal na pag-aari mo, at halos walang silbi para sa sadyang pag-recover: walang browsing interface, tinanggal ng Chrome ang chrome://cache page nito ilang taon na ang nakalipas, ang mga entry ay nasa hashed filenames, at tahimik na tinatanggal ng cache ang mga bagay kapag kailangan na nito ang espasyo.

Dalawang piraso ng praktikal na halaga ang natitira. Kung binisita mo ang isang pahina bago ito bumagsak, ang reload mula sa iyong history ay paminsan-minsang magseserve mula sa cache bago dumating ang 404, mababa ang tsansa, walang gastos, subok lang. At ang iyong history ay laging nagtatago ng eksaktong URL, na siyang input na kailangan ng bawat recovery tool.

CDN at proxy cache: ang mga middleman

Sa pagitan mo at ng karamihan ng sikat na site ay isang content delivery network na nagtatago ng kopya sa mga edge location sa buong mundo, kasama ang anumang caching layer na idinagdag ng host. Sumusunod ang mga cache na ito sa headers ng origin, at ang isang maayos na config ay patuloy na magseserve ng stale content sandali matagpuan mamatay ang origin, ang stale-if-error directive ay umiiral para sa mga patay na server. Kaya mukhang buhay ang isang site nang ilang araw matapos ma-unplug ang server nito.

Para sa recovery, ituring ang CDN cache na parang panahon: pwede nitong panatilihing nakikita ang isang site nang kaunti, ngunit hindi mo pwedeng i-query, i-browse, o humingi ng kopya mula noong nakaraang taon. Ang corporate proxy cache ay parehong kuwento na may dagdag na layer ng sadyang opacity. Umiiral ang mga kopya; wala sa mga ito ay para sa iyo. Napanood ko minsan ang Magento store ng isang client na manatiling 'online' nang apat na araw matapos mamatay ang server, patuloy na magseserve ang CDN ng homepage at category pages habang tahimik na sumasalpak ang checkout. Mukhang buhay, isang museyo.

Search engine at archive: cache na sadyang pinapakita

Ang search engine cache ay paboritong recovery trick ng publiko sa loob ng dalawang dekada: nagtatago ang Google ng viewable copy ng huling crawl nito, isang click lang mula sa bawat resulta. Tinanggal iyon ng Google noong February 2024, ang cache: operator at Cached links ay parehong nawala, at Bing ay unti-unting pinabababa ang bersyon nito. Nag-cache pa rin ang mga search engine ng web sa looban, ngunit isinara na ang bintana na pwedeng tingnan ng publiko.

Ang natitira ay ang layer na hindi kailanman naging cache kundi library: ang mga archive. Ang Wayback Machine ay nag-crawl sa isang iskedyul at kumukuha ng on-demand save sa pamamagitan ng Save Page Now. Nagse-save ang archive.today ng mga pahina sa request at nagre-render muna ng JavaScript. Naglalathala ang Common Crawl ng raw crawl data nang libre para kahit sino na handang i-query ang index nito. Ang mga kopyang ito ay ginawa para kunin ng mga estranghero dekada matapos, walang ibang layer ng web cache ang makakapagsabi niyan.

Paano gamitin ang web cache para makita ang nawalang pahina

1. Kumpirmahin ang eksaktong URL mula sa iyong browser history, ang link na sumalpak, o isang citation. Bawat cache lookup ay nagsisimula sa URL.
2. I-query ang Wayback Machine: web.archive.org/web/ na sinusundan ng URL. Ipapakita ng kalendaryo ang bawat snapshot; pumili ng malusog na taon, hindi ang parking-page era.
3. Suriin ang archive.today kasunod. Iba ang na-save na pahina sa ibang tuntunin, at ang JavaScript rendering nito ay nakukuha ang mga pahina na ipinapakita ng Wayback bilang empty shell.
4. Subukan ang Common Crawl index sa index.commoncrawl.org kung parehong miss, raw HTML, walang frills, minsan ang tanging kopya kahit saan.
5. Kung ilang araw lang nawala ang pahina, maghanap ng cached link sa Bing results habang umiiral pa ang feature na iyon, at subukang mag-reload mula sa sarili mong browser history.
6. Kapag ang isang pahina ay naging dalawampu mula sa parehong site, huminto. I-restore na lang ang site nang buo: nagbibigay ang website restore service ng libreng estimate, eksaktong bilang ng archived file, kabuuang laki, at locked na presyo, bago ka pumunta sa kahit ano.

Asahan ang halos walo sa sampung tagumpay para sa mga public page na umiral ng isang taon o higit pa. Ang mga kapalpakan ay nagkukumpol nang predictable: robots-blocked na site, login-gated na content, at pahinang tinanggal bago dumaan ang anumang crawler.

Kapag pinabayaan ka ng bawat web cache

May pahinang hindi kailanman na-copy kahit saan: masyadong bago, crawler-blocked, nasa likod ng login, o masyadong naka-render sa JavaScript kaya shell lang ang na-save ng archive na walang content. Kapag lahat ng cache ay lumabas na walang laman, ang trabaho ay magiging reconstruction mula retrieval, quoted-phrase search para maglabas ng syndication at quote, Wikipedia citation na nagli-link sa snapshot na hindi mo nakita, at ang hindi uso pero epektibong hakbang na mag-email sa awtor para sa kopya. Ang Old web page recovery ay naglalakad sa forensic route na iyon nang detalyado.

I-cache mo ang sarili mong bagay bago kailanganin

Ang maaasahang paraan para manalo sa laro ng web cache ay tumigil na umasa sa cache ng ibang tao. Para sa bawat pahinang pinapahalagahan mo, i-submit ito sa Save Page Now at sa archive.today para dalawang malayang archive ang maghawak nito, at itago ang lokal na kopya bilang PDF o single-file HTML. Para sa sarili mong site, maging mas boring pa: tunay na backup sa isang iskedyul. Bawat cache sa listahang ito ay aksidente na swerte mo lang; ang backup ay desisyon na sadyang ginawa mo.

At kung ang hinahanap mong pahina ay isa sa marami sa isang site na pag-aari mo, iwasan na ang piecemeal route: i-restore ang site mula sa archive nang isang beses gamit ang Restorix, i-deploy gamit ang kasamang single-file CMS, at hindi na mauulit ang recovery problem. Ipapakita ng tutorial ang buong proseso nang end to end.