[已咕]一个脑洞:为什么需要镜像站


最近一直在处理 https://mirrors.sjtug.sjtu.edu.cn 的一些事情,突然有了一些脑洞记录下来:

镜像站的目的主要有2个: 1. 分流主源与临近的镜像源,降低带宽压力 2. 加速用户的下载

同时,镜像站的资源是有限的,主要包括: 1. 网络资源(从上游pull,向用户分发push) 2. 硬盘资源(从上游pull时候的write,向用户分发时候的(带cache)的read)

“镜像”并不一定真的要全量下载到本地硬盘,只需要对用户透明即可。根据这个定义,反代也是一种“镜像”。

这里不考虑一致性的问题,默认看到上游任何一段连续时间的文件内容都是被允许的:很多上游源(arch)已经弃疗了,有的用两阶段同步(debian)缓解问题,只有少数(kali)之类的还在push mirroring。

同时,假设push的间隔是每天一次。

目前有三种常用的“镜像”方式:全量pull、带/不带cache的反向代理。

对以上提到的目的与资源,我们希望用定量的方式来衡量: 1. 镜像前后能让主源与附近的源降低多少流量 2. 用户下载的速度能提升多少 3. pull的时候每次需要多少流量?push的时候每天总共需要多少流量? 4. write的时候每次会写入多少?push的时候每天总共会读取多少?

我们用这几个因素来衡量一下这几种方式的好坏:

镜像前后能让主源与附近的源降低多少流量

这个问题主要取决于: 1. 这个镜像能分流多少用户(流量)? 2. 这些用户(流量)原来会去哪?

对于一个已经在运行的镜像站来说,1是可以通过观测得到的,2的话取决于镜像本身的性质:一部分用户会选择通过手动配置/auto ping选择自己最熟悉、最快的镜像站,也有一部分用户会选择中心源。

在假设 1. 这种选择和地域无关 2. 用户在同等熟悉情况下,会选择和geoloc最接近的镜像站 3. 用户对镜像站的熟悉程度和这个镜像站的流量成正比 的情况下:

TODO…