பயனர்கள் தங்கள் சொந்த உள்ளடக்கத்தை (யுஜிசி - பயனர் உருவாக்கிய உள்ளடக்கம்) உருவாக்கக்கூடிய ஒவ்வொரு சேவையும் வணிகச் சிக்கல்களைத் தீர்ப்பதற்கு மட்டுமல்ல, யுஜிசியில் விஷயங்களை ஒழுங்கமைக்க வேண்டிய கட்டாயத்தில் உள்ளது. மோசமான அல்லது தரம் குறைந்த உள்ளடக்கத்தை நிர்வகிப்பது, பயனர்களுக்கான சேவையின் கவர்ச்சியைக் குறைக்கும், அதன் செயல்பாட்டையும் முடிவுக்குக் கொண்டுவரும்.
யூலா மற்றும் ஒட்னோக்ளாஸ்னிகிக்கு இடையேயான சினெர்ஜி பற்றி இன்று நாங்கள் உங்களுக்கு கூறுவோம், இது யூலாவில் விளம்பரங்களை திறம்பட கட்டுப்படுத்த உதவுகிறது.
பொதுவாக சினெர்ஜி என்பது மிகவும் பயனுள்ள விஷயம், நவீன உலகில், தொழில்நுட்பங்கள் மற்றும் போக்குகள் மிக விரைவாக மாறும்போது, அது ஒரு உயிர்காக்கும். ஏற்கனவே கண்டுபிடித்து உங்கள் முன் கொண்டுவரப்பட்ட ஒன்றை கண்டுபிடிப்பதில் ஏன் பற்றாக்குறை வளங்களையும் நேரத்தையும் வீணடிக்க வேண்டும்?
படங்கள், உரை மற்றும் இணைப்புகள் - பயனர் உள்ளடக்கத்தை மதிப்பிடுவதற்கான முழுப் பணியையும் நாங்கள் எதிர்கொள்ளும் போது நாங்கள் அதையே நினைத்தோம். எங்கள் பயனர்கள் ஒவ்வொரு நாளும் மில்லியன் கணக்கான உள்ளடக்கங்களை யூலாவில் பதிவேற்றுகிறார்கள், மேலும் தானியங்கி செயலாக்கம் இல்லாமல் இந்தத் தரவை கைமுறையாக மதிப்பிடுவது முற்றிலும் சாத்தியமற்றது.
எனவே, நாங்கள் ஒரு ஆயத்த மிதமான தளத்தைப் பயன்படுத்தினோம், அந்த நேரத்தில் ஒட்னோக்ளாஸ்னிகியைச் சேர்ந்த எங்கள் சகாக்கள் "கிட்டத்தட்ட முழுமையான" நிலைக்கு முடித்திருந்தனர்.
ஏன் Odnoklassniki?
ஒவ்வொரு நாளும், பல்லாயிரக்கணக்கான பயனர்கள் சமூக வலைப்பின்னலுக்கு வந்து பில்லியன் கணக்கான உள்ளடக்கங்களை வெளியிடுகிறார்கள்: புகைப்படங்கள் முதல் வீடியோக்கள் மற்றும் உரைகள் வரை. Odnoklassniki மிதமான இயங்குதளமானது மிகப் பெரிய அளவிலான தரவைச் சரிபார்க்கவும் ஸ்பேமர்கள் மற்றும் போட்களை எதிர்க்கவும் உதவுகிறது.
12 ஆண்டுகளாக அதன் கருவியை மேம்படுத்தி வருவதால், சரி மிதமான குழு நிறைய அனுபவங்களைக் குவித்துள்ளது. அவர்கள் தங்களின் ஆயத்த தீர்வுகளைப் பகிர்ந்துகொள்வது மட்டுமல்லாமல், எங்கள் குறிப்பிட்ட பணிகளுக்கு ஏற்றவாறு அவர்களின் தளத்தின் கட்டமைப்பைத் தனிப்பயனாக்குவதும் முக்கியம்.
இனிமேல், சுருக்கத்திற்காக, சரி மிதமான தளத்தை "தளம்" என்று அழைப்போம்.
எல்லாம் எப்படி வேலை செய்கிறது
யூலா மற்றும் ஒட்னோக்ளாஸ்னிகி இடையே தரவு பரிமாற்றம் நிறுவப்பட்டது .
இந்த கருவியை நாங்கள் ஏன் தேர்ந்தெடுத்தோம்:
- யூலாவில், அனைத்து விளம்பரங்களும் பின்-மதிப்பீடு செய்யப்பட்டவை, எனவே ஆரம்பத்தில் ஒத்திசைவான பதில் தேவைப்படவில்லை.
- ஒரு மோசமான பத்தி நடந்தால் மற்றும் யூலா அல்லது ஒட்னோக்ளாஸ்னிகி கிடைக்கவில்லை, சில உச்ச சுமைகள் உட்பட, காஃப்காவிலிருந்து தரவு எங்கும் மறைந்துவிடாது, பின்னர் படிக்கலாம்.
- இயங்குதளம் ஏற்கனவே காஃப்காவுடன் ஒருங்கிணைக்கப்பட்டது, எனவே பெரும்பாலான பாதுகாப்பு சிக்கல்கள் தீர்க்கப்பட்டன.
யூலாவில் பயனரால் உருவாக்கப்பட்ட அல்லது மாற்றியமைக்கப்பட்ட ஒவ்வொரு விளம்பரத்திற்கும், தரவுகளுடன் ஒரு JSON உருவாக்கப்படும், இது காஃப்காவில் அடுத்தடுத்த மதிப்பீட்டிற்காக வைக்கப்படும். காஃப்காவிலிருந்து, அறிவிப்புகள் மேடையில் ஏற்றப்படுகின்றன, அங்கு அவை தானாகவே அல்லது கைமுறையாக தீர்மானிக்கப்படுகின்றன. மோசமான விளம்பரங்கள் ஒரு காரணத்துடன் தடுக்கப்படுகின்றன, மேலும் தளம் மீறல்களைக் கண்டறியாதவை "நல்லது" எனக் குறிக்கப்படும். பின்னர் அனைத்து முடிவுகளும் யூலாவுக்கு திருப்பி அனுப்பப்பட்டு சேவையில் பயன்படுத்தப்படும்.
முடிவில், யூலாவைப் பொறுத்தவரை, இவை அனைத்தும் எளிமையான செயல்களுக்குக் கீழே வருகின்றன: ஒட்னோக்ளாஸ்னிகி தளத்திற்கு ஒரு விளம்பரத்தை அனுப்பவும் மற்றும் "சரி" என்ற தீர்மானத்தை திரும்பப் பெறவும் அல்லது ஏன் "சரி" இல்லை.
தானியங்கி செயலாக்கம்
விளம்பரம் மேடையில் வந்த பிறகு என்ன நடக்கும்? ஒவ்வொரு விளம்பரமும் பல நிறுவனங்களாக பிரிக்கப்பட்டுள்ளது:
- பெயர்,
- விளக்கம்,
- புகைப்படங்கள்,
- பயனர் தேர்ந்தெடுத்த வகை மற்றும் விளம்பரத்தின் துணைப்பிரிவு,
- цена.
பிளாட்பார்ம் ஒவ்வொரு நிறுவனத்திற்கும் நகல்களைக் கண்டறிய கிளஸ்டரிங் செய்கிறது. மேலும், உரை மற்றும் புகைப்படங்கள் வெவ்வேறு திட்டங்களின்படி தொகுக்கப்பட்டுள்ளன.
கிளஸ்டரிங் செய்வதற்கு முன், சிறப்பு எழுத்துக்கள், மாற்றப்பட்ட எழுத்துக்கள் மற்றும் பிற குப்பைகளை அகற்ற உரைகள் இயல்பாக்கப்படுகின்றன. பெறப்பட்ட தரவு N-கிராம்களாக பிரிக்கப்பட்டுள்ளது, அவை ஒவ்வொன்றும் ஹாஷ் செய்யப்படுகின்றன. இதன் விளைவாக பல தனித்துவமான ஹாஷ்கள் உள்ளன. உரைகளுக்கு இடையிலான ஒற்றுமை தீர்மானிக்கப்படுகிறது விளைந்த இரண்டு தொகுப்புகளுக்கு இடையில். ஒற்றுமை வாசலை விட அதிகமாக இருந்தால், உரைகள் ஒரு கிளஸ்டராக இணைக்கப்படும். ஒத்த கிளஸ்டர்களுக்கான தேடலை விரைவுபடுத்த, MinHash மற்றும் Locality-sensitive hashing பயன்படுத்தப்படுகின்றன.
பிஹாஷ் படங்களை ஒப்பிடுவது முதல் நரம்பியல் நெட்வொர்க்கைப் பயன்படுத்தி நகல்களைத் தேடுவது வரை படங்களை ஒட்டுவதற்கான பல்வேறு விருப்பங்கள் புகைப்படங்களுக்காக கண்டுபிடிக்கப்பட்டுள்ளன.
கடைசி முறை மிகவும் "கடுமையானது". மாடலைப் பயிற்றுவிக்க, மூன்று படங்கள் (N, A, P) தேர்ந்தெடுக்கப்பட்டன, இதில் N ஆனது Aக்கு ஒத்ததாக இல்லை, மேலும் P என்பது A ஐப் போன்றது (ஒரு அரை-நகலாகும்). பின்னர் நரம்பியல் வலையமைப்பு A மற்றும் P ஆகியவற்றை முடிந்தவரை நெருக்கமாகவும், A மற்றும் N ஐ முடிந்தவரை நெருக்கமாகவும் உருவாக்க கற்றுக்கொண்டது. முன் பயிற்சி பெற்ற நெட்வொர்க்கிலிருந்து உட்பொதிவுகளை எடுத்துக்கொள்வதை விட இது குறைவான தவறான நேர்மறைகளை விளைவிக்கிறது.
நரம்பியல் வலையமைப்பு படங்களை உள்ளீடாகப் பெறும்போது, அவை ஒவ்வொன்றிற்கும் ஒரு N(128)-பரிமாண வெக்டரை உருவாக்குகிறது மற்றும் படத்தின் அருகாமையை மதிப்பிடுவதற்கு ஒரு கோரிக்கை செய்யப்படுகிறது. அடுத்து, நெருங்கிய படங்கள் நகல்களாகக் கருதப்படும் வரம்பு கணக்கிடப்படுகிறது.
pHash ஒப்பீட்டைத் தவிர்ப்பதற்காக, ஒரே தயாரிப்பை வெவ்வேறு கோணங்களில் இருந்து புகைப்படம் எடுக்கும் ஸ்பேமர்களை மாடல் திறமையாகக் கண்டறிய முடியும்.
நரம்பியல் நெட்வொர்க் மூலம் நகல்களாக ஒட்டப்பட்ட ஸ்பேம் புகைப்படங்களின் எடுத்துக்காட்டு.
இறுதி கட்டத்தில், நகல் விளம்பரங்கள் உரை மற்றும் படம் இரண்டிலும் ஒரே நேரத்தில் தேடப்படும்.
இரண்டு அல்லது அதற்கு மேற்பட்ட விளம்பரங்கள் ஒரு கிளஸ்டரில் ஒன்றாக ஒட்டிக்கொண்டால், கணினி தானாகவே தடுப்பதைத் தொடங்குகிறது, இது சில அல்காரிதங்களைப் பயன்படுத்தி, எந்த நகல்களை நீக்க வேண்டும் மற்றும் எதை விட்டு வெளியேற வேண்டும் என்பதைத் தேர்ந்தெடுக்கிறது. எடுத்துக்காட்டாக, ஒரு விளம்பரத்தில் இரண்டு பயனர்கள் ஒரே புகைப்படங்களைக் கொண்டிருந்தால், கணினி சமீபத்திய விளம்பரத்தைத் தடுக்கும்.
உருவாக்கப்பட்டவுடன், அனைத்து கிளஸ்டர்களும் தொடர்ச்சியான தானியங்கி வடிகட்டிகள் வழியாக செல்கின்றன. ஒவ்வொரு வடிப்பானும் கிளஸ்டருக்கு ஒரு மதிப்பெண்ணை வழங்குகிறது: இந்த வடிப்பான் அடையாளம் காணும் அச்சுறுத்தலைக் கொண்டிருப்பது எவ்வளவு சாத்தியம்.
எடுத்துக்காட்டாக, விளம்பரத்தில் உள்ள விளக்கத்தை கணினி பகுப்பாய்வு செய்து அதற்கான சாத்தியமான வகைகளைத் தேர்ந்தெடுக்கிறது. பின்னர் அது அதிகபட்ச நிகழ்தகவு கொண்ட ஒன்றை எடுத்து விளம்பரத்தின் ஆசிரியரால் குறிப்பிடப்பட்ட வகையுடன் ஒப்பிடுகிறது. அவை பொருந்தவில்லை என்றால், தவறான வகைக்காக விளம்பரம் தடுக்கப்படும். நாங்கள் கருணையும் நேர்மையும் கொண்டவர்கள் என்பதால், விளம்பரம் மட்டுப்படுத்தப்படுவதற்கு எந்த வகையைத் தேர்ந்தெடுக்க வேண்டும் என்பதை பயனருக்கு நேரடியாகச் சொல்கிறோம்.
தவறான வகைக்கு தடுப்பதற்கான அறிவிப்பு.
இயந்திர கற்றல் எங்கள் மேடையில் வீட்டிலேயே உணர்கிறது. எடுத்துக்காட்டாக, அதன் உதவியுடன் ரஷ்ய கூட்டமைப்பில் தடைசெய்யப்பட்ட பொருட்களின் பெயர்கள் மற்றும் விளக்கங்களில் தேடுகிறோம். மேலும் நரம்பியல் நெட்வொர்க் மாதிரிகள் படங்களை உன்னிப்பாக "ஆராய்கின்றன", அவற்றில் URLகள், ஸ்பேம் உரைகள், தொலைபேசி எண்கள் மற்றும் அதே "தடைசெய்யப்பட்ட" தகவல்கள் உள்ளனவா என்பதைப் பார்க்கவும்.
தடைசெய்யப்பட்ட தயாரிப்பை சட்டப்பூர்வ வேடமிட்டு விற்க முயலும் சந்தர்ப்பங்களில், தலைப்பு அல்லது விளக்கத்தில் எந்த உரையும் இல்லை என்றால், நாங்கள் படக் குறியிடலைப் பயன்படுத்துகிறோம். ஒவ்வொரு படத்திற்கும், படத்தில் உள்ளதை விவரிக்கும் 11 ஆயிரம் வெவ்வேறு குறிச்சொற்களை சேர்க்கலாம்.
ஹூக்காவை சமோவர் போல் மாற்றி விற்பனை செய்ய முயல்கின்றனர்.
சிக்கலான வடிப்பான்களுக்கு இணையாக, எளிமையானவை கூட வேலை செய்கின்றன, உரை தொடர்பான வெளிப்படையான சிக்கல்களைத் தீர்க்கின்றன:
- எதிர்ப்பு மருந்து;
- URL மற்றும் தொலைபேசி எண் கண்டறிதல்;
- உடனடி தூதர்கள் மற்றும் பிற தொடர்புகள் பற்றிய குறிப்பு;
- குறைக்கப்பட்ட விலை;
- எதுவும் விற்பனைக்கு இல்லாத விளம்பரங்கள் போன்றவை.
இன்று, ஒவ்வொரு விளம்பரமும் 50 க்கும் மேற்பட்ட தானியங்கு வடிப்பான்களின் சிறந்த சல்லடை வழியாக செல்கிறது, அவை விளம்பரத்தில் ஏதேனும் மோசமானதைக் கண்டறிய முயற்சி செய்கின்றன.
டிடெக்டர்கள் எதுவும் வேலை செய்யவில்லை என்றால், விளம்பரம் "பெரும்பாலும்" சரியான வரிசையில் இருப்பதாக யூலாவுக்கு பதில் அனுப்பப்படும். இந்த பதிலை நாமே பயன்படுத்துகிறோம், மேலும் விற்பனையாளருக்கு குழுசேர்ந்த பயனர்கள் புதிய தயாரிப்பு கிடைப்பது குறித்த அறிவிப்பைப் பெறுவார்கள்.
விற்பனையாளரிடம் புதிய தயாரிப்பு உள்ளது என்ற அறிவிப்பு.
இதன் விளைவாக, ஒவ்வொரு விளம்பரமும் மெட்டாடேட்டாவுடன் “அதிகமாக வளர்ந்துள்ளது”, அவற்றில் சில விளம்பரம் உருவாக்கப்படும்போது உருவாக்கப்படுகின்றன (ஆசிரியரின் IP முகவரி, பயனர் முகவர், இயங்குதளம், புவிஇருப்பிடம் போன்றவை), மீதமுள்ளவை ஒவ்வொரு வடிப்பானாலும் வழங்கப்படும் மதிப்பெண் ஆகும். .
அறிவிப்பு வரிசைகள்
ஒரு விளம்பரம் மேடையில் வரும்போது, கணினி அதை வரிசைகளில் ஒன்றில் வைக்கிறது. ஒவ்வொரு வரிசையும் ஒரு கணித சூத்திரத்தைப் பயன்படுத்தி உருவாக்கப்படுகிறது, இது விளம்பர மெட்டாடேட்டாவை ஏதேனும் மோசமான வடிவங்களைக் கண்டறியும் வகையில் இணைக்கிறது.
எடுத்துக்காட்டாக, செயின்ட் பீட்டர்ஸ்பர்க்கிலிருந்து யூலா பயனர்களிடமிருந்து "செல்போன்கள்" பிரிவில் விளம்பரங்களின் வரிசையை நீங்கள் உருவாக்கலாம், ஆனால் அவர்களின் ஐபி முகவரிகள் மாஸ்கோ அல்லது பிற நகரங்களிலிருந்து வந்தவை.
வெவ்வேறு நகரங்களில் ஒரு பயனரால் வெளியிடப்பட்ட விளம்பரங்களின் எடுத்துக்காட்டு.
அல்லது நியூரல் நெட்வொர்க் விளம்பரங்களுக்கு ஒதுக்கும் மதிப்பெண்களின் அடிப்படையில் வரிசைகளை உருவாக்கலாம், அவற்றை இறங்கு வரிசையில் வரிசைப்படுத்தலாம்.
ஒவ்வொரு வரிசையும், அதன் சொந்த சூத்திரத்தின்படி, விளம்பரத்திற்கு இறுதி மதிப்பெண்ணை வழங்குகிறது. பின்னர் நீங்கள் வெவ்வேறு வழிகளில் தொடரலாம்:
- ஒரு விளம்பரம் ஒரு குறிப்பிட்ட வகை தடுப்பைப் பெறும் நுழைவாயிலைக் குறிப்பிடவும்;
- கைமுறை மதிப்பாய்வுக்காக வரிசையில் உள்ள அனைத்து விளம்பரங்களையும் மதிப்பீட்டாளர்களுக்கு அனுப்பவும்;
- அல்லது முந்தைய விருப்பங்களை இணைக்கவும்: தானியங்கி தடுப்பு வரம்பை குறிப்பிட்டு, இந்த வரம்பை எட்டாத விளம்பரங்களை மதிப்பீட்டாளர்களுக்கு அனுப்பவும்.
இந்த வரிசைகள் ஏன் தேவை? ஒரு பயனர் துப்பாக்கியின் புகைப்படத்தை பதிவேற்றினார் என்று வைத்துக்கொள்வோம். நரம்பியல் நெட்வொர்க் அதற்கு 95 முதல் 100 மதிப்பெண்களை ஒதுக்குகிறது மற்றும் படத்தில் ஆயுதம் இருப்பதை 99 சதவீத துல்லியத்துடன் தீர்மானிக்கிறது. ஆனால் மதிப்பெண் மதிப்பு 95% க்கும் குறைவாக இருந்தால், மாதிரியின் துல்லியம் குறையத் தொடங்குகிறது (இது நரம்பியல் நெட்வொர்க் மாதிரிகளின் அம்சமாகும்).
இதன் விளைவாக, மதிப்பெண் மாதிரியின் அடிப்படையில் ஒரு வரிசை உருவாக்கப்படுகிறது, மேலும் 95 முதல் 100 வரை பெற்ற விளம்பரங்கள் "தடைசெய்யப்பட்ட தயாரிப்புகள்" என தானாகவே தடுக்கப்படும். 95க்குக் குறைவான மதிப்பெண்களைக் கொண்ட விளம்பரங்கள் கைமுறையாகச் செயலாக்குவதற்காக மதிப்பீட்டாளர்களுக்கு அனுப்பப்படும்.
தோட்டாக்களுடன் சாக்லேட் பெரெட்டா. கைமுறையாக மிதமாக மட்டுமே! 🙂
கைமுறையாக மிதப்படுத்துதல்
2019 ஆம் ஆண்டின் தொடக்கத்தில், யூலாவில் உள்ள அனைத்து விளம்பரங்களிலும் சுமார் 94% தானாக மதிப்பிடப்படுகிறது.
பிளாட்ஃபார்ம் சில விளம்பரங்களைத் தீர்மானிக்க முடியாவிட்டால், அது அவற்றை கைமுறையாக மதிப்பாய்வு செய்ய அனுப்புகிறது. Odnoklassniki அவர்களின் சொந்த கருவியை உருவாக்கியது: மதிப்பீட்டாளர்களுக்கான பணிகள் விரைவான முடிவை எடுக்க தேவையான அனைத்து தகவல்களையும் உடனடியாகக் காண்பிக்கும் - விளம்பரம் பொருத்தமானது அல்லது தடுக்கப்பட வேண்டும், காரணத்தைக் குறிக்கிறது.
மேலும், கைமுறையான அளவீட்டின் போது சேவையின் தரம் பாதிக்கப்படாமல் இருக்க, மக்களின் பணி தொடர்ந்து கண்காணிக்கப்படுகிறது. எடுத்துக்காட்டாக, டாஸ்க் ஸ்ட்ரீமில், மதிப்பீட்டாளர் "பொறிகள்"-விளம்பரங்களைக் காட்டுகிறார், அதற்கான ஆயத்த தீர்வுகள் ஏற்கனவே உள்ளன. மதிப்பீட்டாளரின் முடிவு முடிக்கப்பட்ட முடிவுடன் ஒத்துப்போகவில்லை என்றால், மதிப்பீட்டாளருக்கு ஒரு பிழை வழங்கப்படும்.
சராசரியாக, ஒரு மதிப்பீட்டாளர் ஒரு விளம்பரத்தைச் சரிபார்க்க 10 வினாடிகள் செலவிடுகிறார். மேலும், சரிபார்க்கப்பட்ட அனைத்து விளம்பரங்களிலும் பிழைகளின் எண்ணிக்கை 0,5%க்கு மேல் இல்லை.
மக்கள் நிதானம்
ஒட்னோக்ளாஸ்னிகியைச் சேர்ந்த சகாக்கள் இன்னும் மேலே சென்று “பார்வையாளர்களின் உதவியை” பயன்படுத்திக் கொண்டனர்: அவர்கள் சமூக வலைப்பின்னலுக்கான கேம் விண்ணப்பத்தை எழுதினர், அதில் நீங்கள் ஒரு பெரிய அளவிலான தரவை விரைவாகக் குறிக்கலாம், சில மோசமான அறிகுறிகளை முன்னிலைப்படுத்தலாம் - ஒட்னோக்ளாஸ்னிகி மதிப்பீட்டாளர் () உள்ளடக்கத்தை மிகவும் சுவாரஸ்யமாக மாற்ற முயற்சிக்கும் சரி பயனர்களின் உதவியைப் பயன்படுத்திக் கொள்வதற்கான சிறந்த வழி.
ஃபோன் எண்ணைக் கொண்ட புகைப்படங்களை பயனர்கள் குறியிடும் கேம்.
பிளாட்ஃபார்மில் உள்ள எந்த விளம்பர வரிசையையும் Odnoklassniki Moderator கேமிற்கு திருப்பி விடலாம். கேம் பயனர்கள் குறிக்கும் அனைத்தும் சரிபார்ப்பிற்காக உள் மதிப்பீட்டாளர்களுக்கு அனுப்பப்படும். வடிப்பான்கள் இன்னும் உருவாக்கப்படாத விளம்பரங்களைத் தடுக்கவும், அதே நேரத்தில் பயிற்சி மாதிரிகளை உருவாக்கவும் இந்தத் திட்டம் உங்களை அனுமதிக்கிறது.
மிதமான முடிவுகளைச் சேமிக்கிறது
மதிப்பீட்டின் போது எடுக்கப்பட்ட அனைத்து முடிவுகளையும் நாங்கள் சேமிக்கிறோம், இதனால் நாங்கள் ஏற்கனவே முடிவு செய்த விளம்பரங்களை மீண்டும் செயலாக்க மாட்டோம்.
விளம்பரங்களின் அடிப்படையில் ஒவ்வொரு நாளும் மில்லியன் கணக்கான கிளஸ்டர்கள் உருவாக்கப்படுகின்றன. காலப்போக்கில், ஒவ்வொரு கிளஸ்டரும் "நல்லது" அல்லது "கெட்டது" என்று பெயரிடப்படுகிறது. ஒவ்வொரு புதிய விளம்பரமும் அல்லது அதன் திருத்தமும், ஒரு குறியுடன் ஒரு கிளஸ்டரில் நுழைந்தால், தானாகவே கிளஸ்டரிலிருந்தே ஒரு தீர்மானத்தைப் பெறுகிறது. ஒரு நாளைக்கு சுமார் 20 ஆயிரம் தானியங்கி தீர்மானங்கள் உள்ளன.
புதிய அறிவிப்புகள் எதுவும் கிளஸ்டருக்கு வரவில்லை என்றால், அது நினைவகத்திலிருந்து அகற்றப்பட்டு அதன் ஹாஷ் மற்றும் தீர்வு அப்பாச்சி கசாண்ட்ராவுக்கு எழுதப்படும்.
தளம் ஒரு புதிய விளம்பரத்தைப் பெறும்போது, அது முதலில் ஏற்கனவே உருவாக்கப்பட்டவற்றில் இதேபோன்ற கிளஸ்டரைக் கண்டுபிடித்து அதிலிருந்து ஒரு தீர்வை எடுக்க முயற்சிக்கிறது. அத்தகைய கொத்து இல்லை என்றால், மேடையில் கசாண்ட்ரா சென்று அங்கு பார்க்கிறது. நீங்கள் அதை கண்டுபிடித்துவிட்டீர்களா? கிரேட், கிளஸ்டருக்கு தீர்வைப் பயன்படுத்துகிறது மற்றும் யூலாவுக்கு அனுப்புகிறது. ஒவ்வொரு நாளும் சராசரியாக 70 ஆயிரம் இதுபோன்ற “மீண்டும்” முடிவுகள் எடுக்கப்படுகின்றன—மொத்தத்தில் 8%.
சுருக்கமாக
நாங்கள் இரண்டரை ஆண்டுகளாக Odnoklassniki மிதமான தளத்தைப் பயன்படுத்துகிறோம். நாங்கள் முடிவுகளை விரும்புகிறோம்:
- ஒரு நாளைக்கு 94% விளம்பரங்களை நாங்கள் தானாகவே கட்டுப்படுத்துகிறோம்.
- ஒரு விளம்பரத்தை மதிப்பிடுவதற்கான செலவு 2 ரூபிள் முதல் 7 கோபெக்குகளாக குறைக்கப்பட்டது.
- ஆயத்த கருவிக்கு நன்றி, மதிப்பீட்டாளர்களை நிர்வகிப்பதில் உள்ள சிக்கல்களை நாங்கள் மறந்துவிட்டோம்.
- அதே எண்ணிக்கையிலான மதிப்பீட்டாளர்கள் மற்றும் பட்ஜெட் மூலம் கைமுறையாக செயலாக்கப்பட்ட விளம்பரங்களின் எண்ணிக்கையை 2,5 மடங்கு அதிகரித்துள்ளோம். தானியங்கு கட்டுப்பாட்டின் காரணமாக கையேடு மிதமான தரமும் அதிகரித்துள்ளது, மேலும் 0,5% பிழைகள் ஏற்ற இறக்கமாக உள்ளது.
- புதிய வகை ஸ்பேம்களை வடிப்பான்கள் மூலம் விரைவாக மறைப்போம்.
- புதிய துறைகளை விரைவாக மிதமான நிலைக்கு இணைக்கிறோம் . 2017 முதல், யூலா ரியல் எஸ்டேட், காலியிடங்கள் மற்றும் ஆட்டோ செங்குத்துகளை சேர்த்துள்ளது.
ஆதாரம்: www.habr.com