https://virgool.io/feed/@hadisfr تحلیل‌گر شبکه‌های اجتماعی | کارشناسی ارشد مهندسی نرم‌افزار دانشگاه تهران | دانشجوی دکتری سیاست‌گذاری علم و فناوری دانشگاه تربیت مدرس | hadisafari.ir fa 2026-04-15 08:08:53 https://files.virgool.io/upload/users/260751/avatar/YX6otr.png?height=120&width=120 https://virgool.io/@hadisfr https://virgool.io/@hadisfr/fadayan-twiitter-taliban-n21idgusjf5t پس از کارزار اخیر توییتری کاربران افغانستانی عمدتاً هزاره در ترند کردن چندبارهٔ هشتگ #StopHazaraGenocide در توییتر، طالبان به مقابلهٔ رسانه‌ای برخاست. هشتگ #فدایان با بیش از ۳۵ هزار توییت و ریتوییت واکنش نسبتاً سازمان‌یافتهٔ طالبان به این کارزار توییتری بود.نسخه‌ای از این نوشتار در خبرگزاری بانوان افغانستان (awna) در آدرس https://www.awna.af/?p=31885 منتشر شده است.این اولین بار نیست که طالبان از توییتر برای پروپاگاندا استفاده کرده است. وینسنت برناتیس هشت سال پیش در مقالهٔ «The Taliban and Twitter: Tactical Reporting and Strategic Messaging» نمونه‌هایی از تلاش‌های طرفداران طالبان برای انتشار اخبار نادرست و ارائهٔ تصویری غرض‌ورزانه از واقیعت برای مخاطبان غربی را بررسی کرده است. اما راه‌اندازی یک کمپین توییتری با هشتگی مشخص در سال‌های اخیر تازگی دارد.محتواعمدهٔ توییت‌های منتشرشده با هشتگ #فدایان با هدف گرامیداشت کشته‌شدگان طالبان نوشته شده‌اند. بسیاری از این توییت‌ها شامل تصویری از یکی از عوامل مقتول طالبان و جملاتی در بیان فضائل اخلاقی، نوشته‌ای خاطره‌گونه از سرگذشت یا روایتی از داستان انتحار او هستند. با توجه به همزمانی با کارزار توییتری گستردهٔ #StopHazaraGenocide، به نظر می‌رسد مشارکت‌کنندگان کارزار #فدایان سعی دارند تصویری را که از عوامل طالبان به عنوان قاتلان مردم بی‌گناه افغانستان در توییتر ترسیم شده است حداقل در میان طرفداران خودشان ترمیم کنند و مبارزان طالبان را به عنوان مجاهدین علیه خارجی‌های اشغالگر و شهدای راه آزادی معرفی کنند. کشته‌شدگان طالبان در یکی از اولین توییت‌های این کارزار به عنوان «آنهایی که هیچ‌گاه از فداکاری در راه آزادی این کشور دریغ نکردند» توصیف شده‌اند. توییت دیگری یادآوری «فداکاری‌های» «شهدای اسلام آزادی و تازه کردن کارنامه‌هایشان ما را به اصل متوجه می‌سازند و ما را از غفلت نجات می‌دهند».ابر کلمات استفاده‌شده در کارزار توییتری #فدایانکلمات مرتبط با مفهوم شهادت (از جمله شهید، استشهاد، استشهادی و قربانی)، تأکید بر نقش هدف والا (کلماتی مانند اسلامی، اسلام، امت، تعالی و افغانستان) و تقدیس انتحارکنندگان و تشکر از آن‌ها (کلماتی مانند اتل و برکت) از رایج‌ترین عبارات استفاده‌شده در این توییت‌ها هستند.محبوب‌ترین توییت‌ها«آیا خارجی‌ها هستند؟» نقل قولی از بدرالدین حقانی، پسر جلال‌الدین حقانی و از فرماندهان ارشد شبکهٔ حقانی، به همراه فیلمی از نظارت تلفنی او بر یک عملیات تروریستی، محتوای ده‌ها توییت را تشکیل می‌داد. یکی از این توییت‌ها از قاری سعید خوستی با نزدیک به سیصد بازنشر و بیش از هزار و ششصد لایک از پربازنشرترین توییت‌های کارزار #فدایان بود:خارجیان شته کنه؟ بدرالشهداء شهید حافظ بدرالدین حقاني تقبله الله #فدایانhttps://twitter.com/SaeedKhosty/status/1582340256497815552توییت دیگری از عبدالله ریحان با توضیح بیشتری دربارهٔ همین واقعه با بیش از دویست بازنشر و بیش از هزار لایک از دیگر توییت‌های پربازنشر بود:شهید بدرالدین انټر کانټیننټل استشهادیانو ته: بهرنیان شته؟ فدایي: هو شته بېخي ډیر دي کوټو کې پټ دي. بدرالدین: کوټې په نارنجکو پسې وولئ ماتې کړئ او ژر ژر یې ووژنئ وخت مه ضایعه کوئ. استشهادي، بېغمه شه یو به هم ژوندئ نه پاتې کیږي. دا ددوی سرښیندې وې چې نن مونږ ازاد ګرځو. #فدایان https://twitter.com/Raihan313/status/1582311036996444161توییت عکاس ژمن با مضمون «پس از انتظاری طولانی به آغوش رحمت خدا می رود!» با بیش از ۱۵۰ بازنشر و ۷۰۰ لایک از دیگر توییت‌های محبوب بود:پس له ډېره انتظاره ځي د خدای د رحمت غېږ ته! #فدایانhttps://twitter.com/Okkas_313/status/1582223066393821184توییت راضیه سادات منگل با این مضمون که «عامل انتحاری برای آزادی کشور خود را تکه‌تکه می کند» با بیش از ۱۵۰ بازنشر و ۸۰۰ لایک یکی دیگر از توییت‌های محبوب بود:ما فکر کاوه چې د ځانمرګي برید کوونکي ته به پیچکاري کوي خو نن مي دا ویډیو ولیدله واقعیت چې د وطن د ازادي لپاره يئ ځانونه ټوټه ټوټه کول ځانمرګی څخه يئ واوري. خپلي مور ته څه پيغام لرې. ولا چي ژړا راغله? #فدايان https://twitter.com/MRaziaSadat/status/1582248770334781441توییت نصرت‌الله نصرت دربارهٔ پدرش که یک عامل انتحاری بوده است بیش از ۱۵۰۰ لایک دریافت کرد:زما پلار هم دې اسلامي نظام لپاره ځان په استشهادي برید ڪې ځان ټوټې ڪړلو او موږ یې یوازي الله ج دې ته وسپارلو نن الحمدالله سپیڅلی امارت قایم دی په افغانستان باندې دغه دغو فدایانو شهیدانو دې وینو برڪت وه تر ټولو لومړۍ فدایی زما پلار ڪړي دغه نظام لپاره موږ یتیمان شوي یو? #فدایان https://twitter.com/Talib_Jan_313/status/1582070520157466624توییت تکبیرالله دربارهٔ حمایت از این کارزار توییتری نیز با بیش از ۱۵۰۰ لایک توییتی محبوب بود:نن به ان شاءالله د #فدايانو تر هشتاګ بی لایکه تیر نشم..... #فدايانhttps://twitter.com/Takbeerullah3/status/1582203344705425408لازم به ذکر است عمدهٔ توییت‌های محبوب این کارزار به دلیل ترویج خشونت توسط توییتر حذف شده‌اند یا حساب کاربری نویسندهٔ آن‌ها تعلیق شده است.تحلیل زمانیسابقهٔ استفاده از هشتگ #فدایان در توییتر به سال ۲۰۱۶ باز می‌گردد. با این حال، کارزار توییتری حول این هشتگ از ساعت ۱۹:۴۴ روز ۱۷ اکتبر ۲۰۲۱ به وقت افغانستان آغاز شد. به نظر می‌رسد کاربری به نام هدایت‌الله هدایت آغازگر این کازرار بوده است. هدایت در توییت‌هایی به زبان‌های پشتو و انگلیسی هدف این کارزار را «تجلیل از فداکاری شهدا» اعلام می‌نماید و می‌افزاید: «به روز کردن یاد و خاطره و دستاوردهای شهدای راه اسلام و آزادی ما را به اصل می رساند و از غفلت نجات می دهد شما هم به مسئولیت خود عمل کنید.»د اسلام او آزادۍ د لارې د سرښندویانو د یاد او کارنامو تازه کول موږ اصل ته متوجې کوي او له غفلت مو ژغوري، په همدې مناسبت سهار قلموال وروڼه د شهید ابودجانه تقبله‌الله او د صف د نورو شهیدانو یاد او کارنامې تر ټاکل هشتاګ لاندې رانغاړي، تاسو هم خپل مسؤلیت اداء کړئ. #فدایانhttps://twitter.com/Hedayatullahja/status/1582027340271403008Remembering our heroes who sacrificed themselves for blessing us freedom, the ones who never hesitated sacrificing themselves for the freedom of this country, for their sake the penmen have decided to run a hashtag of #فدايان to praise the sacrifices of the martyrs. #فدايانhttps://twitter.com/Hedayatullahja/status/1582027366976454658اوج این کارزار با نزدیک به ۱۳ هزار و پانصد توییت در روز ۱۸ اکتبر ۲۰۲۱ شکل می‌گیرد. در ۱۲ ظهر این روز بیش از هزار توییت در یک ساعت منتشر شده است.تعداد توییت‌های منتشرشده با هشتگ #فدایان در هر ساعت (به زمان افغانستان)تعداد توییت‌های منتشرشده در هر روز در ابتدای صبح به زمان محلی افزایش می‌یابند و با فرا رسیدن شب در افغانستان به شکل قابل‌ملاحظه‌ای از تعداد آن‌ها کاسته می‌شود. بر این اساس می‌توان گفت احتمالاً عمدهٔ این توییت‌ها از درون مرزهای افغانستان منتشر شده‌اند.بررسی‌های آماریاز ابتدای این کارزار تا پایان روز ۱۹ اکتبر (به وقت افغانستان) نزدیک به ۱۵ هزار و ششصد توییت از بیش از دو هزار و سیصد کاربر در این کارزار منتشر شده است. با افزودن بازنشرها و ریتوییت‌ها، مشخص می‌گردد این کارزار شامل بیش از ۳۷ هزار و سیصد توییت و ریتوییت شده است که بیش از ۱۸۳ هزار و سیصد بار لایک شده‌اند. بیش از چهار هزار و دویست کاربر در تولید محتوا و انتشار این کارزار مشارکت کرده‌اند و با احتساب لایک‌ها، بیش از سیزده هزار کاربر از آن حمایت کرده‌اند.زبان توییت‌های منتشرشده با هشتگ #فدایانبیش از نیمی از توییت‌های منتشرشده به زبان پشتو نوشته شده‌اند. نزدیک به چهار هزار توییت فقط شامل هشتگ بوده‌اند و متن اضافه‌ای نداشته‌اند. این مسئله نیز نشان می‌دهد این کارزار بر درون افغانستان متمرکز بوده است. زبان‌های فارسی، انگلیسی، عربی و اردو نیز از دیگر زبان‌های استفاده‌شده در نگارش توییت‌های این کارزار بوده‌اند.استفاده از رسانه‌های تصویری در هشتگ #فدایانیک نکتهٔ قابل توجه در این کارزار استفادهٔ فراوان از تصاویر و ویدیوهاست. اغلب توییت‌ها شامل تصویر یا ویدیویی از یک مبارز طالبان و نوشته‌ای دربارهٔ او بوده است. بیش از نیمی از توییت‌های جمع‌آوری‌شده شامل تصویر یا ویدیو بوده‌اند.کلاینت استفاده‌شده برای انتشار یا بازنشر توییت‌های هشتگ #فدایاناکثریت مطلق توییت‌های منتشرشده یا بازنشرشده از طریق موبایل و سیستم‌عامل اندروید نوشته شده‌اند.زمان ساخت حساب کاربری منتشرکننده یا بازنشرکنندهٔ توییت‌هایی با هشتگ #فدایان که حداقل یک بار بازنشر یافته‌انداز بین یک نمونهٔ ۲۶۵۶ تایی از حساب‌های منتشرکننده یا بازنشرکنندهٔ توییت‌هایی که حداقل یک بار ریتوییت شده‌اند، بیش از ۵۷٪ کاربران حساب‌هایی ساخته‌شده در سال ۲۰۲۱ داشته‌اند. تصور می‌شود این سهم برای تمام توییت‌های منتشرشده حتی بیشتر از این مقدار باشد. این مسئله نشان می‌دهد توجه اعضای طالبان به تازگی به توییتر جلب شده است و احتمالاً در آینده بیش از این شاهد کارزارهای توییتری و پروپاگاندای آن‌ها خواهیم بود.از بین توییت‌هایی که هم ریتوییت و هم لایک شده‌اند، میانگین نسبت لایک به ریتوییت ۷٫۴۹ و میانهٔ این نسبت ۵٫۰ بوده است. این نسبت نشان می‌دهد کارزار چندان سازمان‌یافته نبوده است و کاربران واقعی در گسترش آن موؤثر بوده‌اند، هرچند برای گسرتش آن تبلیغ شده است و کارزاری هدفمند بوده است.تحلیل شبکهشبکهٔ کاربارن لایک‌کننده و ریتوییت‌کنندهٔ توییت‌های محبوب‌تر کارزار #فدایانبا توجه به شبکهٔ لایک‌ها و ریتوییت‌های توییت‌های منتشرشده در کارزار #فدایان می‌توان گفت اکثر توییت‌ها در یک اجتماع نسبتاً متمرکز و یکدست از کاربران پشتوزبان (بنفش) پخش شده‌اند و تأثیر خاصی بیرون از شبکهٔ طرفداران طالبان نداشته‌اند. عمدهٔ توییت‌های مهم فارسی نیز در حاشیهٔ همین اجتماع قرار گرفته‌اند. سه اجتماع کوچک‌تر عربی (سبز)، انگلیسی (سیاه) و اردو (آبی) نیز وجود دارد که اعضای زیادی ندارند. اجتماع اردو عمدتاً از کاربران پاکستانی تشکیل شده است و کاربران ساکن آمریکا نیز نقشی مؤثر در اجتماع انگلیسی داشته‌اند.لازم به ذکر است با توجه به تعلیق شدن بسیاری از حساب‌های کاربری مشارکت‌کننده در این هشتگ از جمله منتشرکنندگان اکثر توییت‌های محبوب‌تر، شبکهٔ تحلیل‌شده کامل نیست و نام برخی از کاربران تأثیرگذار در آن دیده نمی‌شود.جمع‌بندیکارزار توییتری #فدایان یک کارزار هدفمند ولی نه‌چندان سازمان‌یافته از سمت طالبان برای اطمینان از آن بود که تصویر «شهید مجاهد» از مقتولین این گروه همچنان در بین طرفدارانشان تصویری معتبر است. استفاده از زبان پشتو و نیز الگوی زمانی انتشار توییت‌ها نشان می‌دهد کارزار مذکور عمدتاً از درون افغانستان و نواحی اطراف آن مدیریت شده است. با توجه به استفادهٔ فراوان از تصاویر و ویدیوها و تعداد بسیار زیاد توییت‌هایی که فقط حاوی هشتگ بودند به نظر می‌رسد اعضای کمپین‌های رسانه‌ای این گروه هنوز کاملاً با سازوکار کارزارهای توییتری آشنا نیستند. تعداد قابل توجه حساب‌های کاربری طرفدار طالبان و سهم بالای حساب‌های ساخته‌شده در سال جاری نشان‌گر آن است که باید در آینده نیز انتظار کارزارهای رسانه‌ای دیگری را از سمت طالبان و طرفدارانشان در شبکهٔ اجتماعی توییتر داشته باشیم. هادی صفری هادی صفری Mon, 24 Oct 2022 22:07:59 +0330 https://virgool.io/@hadisfr/%D9%86%DA%AF%D8%A7%D9%87%DB%8C-%D8%A8%D9%87-%D8%A2%D9%85%D8%A7%D8%B1%D9%87%D8%A7%DB%8C-%D8%A2%D8%B2%D9%85%D9%88%D9%86-%D8%B3%D8%B1%D8%A7%D8%B3%D8%B1%DB%8C-%DB%B1%DB%B4%DB%B0%DB%B0-qeuogajembal یگانه شوق‌الشعرا و هادی صفری | نسخهٔ کامل‌تر این نوشته را در صفحهٔ ۳ آفتاب یزد ۱۴ مهر ۱۴۰۰ بخوانید. http://aftabeyazd.ir/?newsid=197320 کنکور سراسری ۱۴۰۰ در روزهای ۹ تا ۱۲ تیر برگزار شد و نتایج نهایی آن در روز ۳ مهر اعلام گردید. سازمان سنجش آموزش کشور در شناسنامهٔ آماری این آزمون و برخی مصاحبه‌های منتشرشدهٔ قبلی اطلاعاتی دربارهٔ وضعیت پذیرش در مقطع کارشناسی منتشر کرده است. در این نوشته به آن‌چه در پشت اعداد پنهان شده است نگاهی خواهیم انداخت.ثبت‌ناممطابق گزارش ایسنا که در ادامه مورد استفاده قرار خواهد گرفت، ۱ میلیون و ۳۶۷ هزار و ۹۳۱ داوطلب (کارت) در روز ۸ تیرماه ثبت‌نام کرده بوده‌اند. این عدد از عدد نهایی شناسنامهٔ آزمون که سازمان سنجش منتشر کرده است (۱ میلیون و ۳۶۹ هزار و ۴۱۶) اندکی کمتر است. داوطلبان گروه ۵۵۴ هزار و ۸۶۰ داوطلب گروه آزمایشی علوم تجربی، بزرگ‌ترین گروه ثبت‌نام‌کنندگان آزمون سراسری ۱۴۰۰ را تشکیل داده‌اند.آمار تفکیکی ثبت‌نام‌کنندگان گروه‌های آزمایشیدر این آزمون، ۸۲۸ هزار و ۵۵۲ دختر و ۵۳۹ هزار و ۳۷۹ پسر به رقابت پرداخته‌اند. در همهٔ گروه‌های آزمایشی تعداد دختران بیش از پسران بوده است، جز در گروه آزمایشی ریاضی و فنی که تعداد پسرها تقریباً‌ دو برابر دخترها بوده است. با احتساب علاقه‌مندانی که به عنوان رشتهٔ فرعی در آزمون گروه‌های آزمایشی زبان‌های خارجی و هنر شرکت کرده‌اند، دخترها در رشتهٔ هنر بیشترین سهم را داشته‌اند. در میان گروه‌های آزمایشی اصلی نیز در رشتهٔ علوم تجربی سهم دخترها بیشتر از سایر گروه‌های آزمایشی بوده است. به نظر می‌رسد با وجود افزایش فراوان سهم زنان در آموزش عالی، کلیشه‌های جنسیتی دربارهٔ رشته‌های مختلف هنوز وجود دارد.ترکیب جنسیتی ثبت‌نام‌کنندگان گروه‌های آزمایشی مختلفاجازهٔ انتخاب رشتهاز میان شرکت‌کنندگان در آزمون سراسری ۱۴۰۰، با احتساب علاقه‌مندان به گروه‌های آزمایشی دوم و سوم، ۱ میلیون و ۲۳ هزار و ۳۰۶ داوطلب مجاز به انتخاب رشته شده‌اند. اگر فقط گروه‌های آزمایشی اصلی داوطلبان را در نظر بگیریم، ۸۷۸ هزار و ۸۴ نفر اجازهٔ یافته‌اند در آزمون سراسری ۱۴۰۰ انتخاب رشته کنند. بزرگ‌ترین گروه مجازین به انتخاب رشته داوطلبان رشتهٔ علوم تجربی بوده‌اند.آمار تفکیکی مجازین به انتخاب رشتهٔ گروه‌های آزمایشی بخش کمرنگ داوطلبانی را نشان می‌دهد که به عنوان گروه‌های آزمایشی دوم و سوم مجاز به انتخاب رشته شده‌اند. ظرفیت‌هابدون احتساب ظرفیت‌های دانشگاه آزاد اسلامی، ۵۰۲ هزار و ۸۴۲ صندلی با آزمون و بدون آزمون برای تحصیل در دوره‌های کاردانی، کارشناسی و دکتری حرفه‌ای در سال ۱۴۰۰ در کشور فراهم بوده است. از این میان ۱۷۳ هزار و ۷۶۵ صندلی به پذیرش با آزمون سراسری و ۳۲۹ هزار و ۷۷ صندلی به پذیرش بدون آزمون و صرفاً بر اساس سوابق تحصیلی اختصاص داشته است. بیشترین ظرفیت پذیرش با ۲۴۹ هزار و ۵۴۸ صندلی در گروه آزمایشی علوم انسانی و بیشترین ظرفیت پذیرش با آزمون سراسری با اختلافی اندک با ۵۵ هزار و ۶۵۲ صندلی در گروه آزمایشی علوم ریاضی و فنی در دسترس بوده است.آمار تفکیکی ظرفیت پذیرش گروه‌های آزمایشی بخش کمرنگ ظرفیت‌های پذیرش با آزمون را نشان می‌دهد.در مجموع تنها ۳۴٫۶۵٪ صندلی‌ها به پذیرش با آزمون سراسری اختصاص داشته است. در همهٔ گروه‌های آزمایشی، عمدهٔ پذیرش صرفاً بر اساس سوابق تحصیلی صورت می‌گیرد جز گروه آزمایشی علوم تجربی که در آن ۶۶٫۳۲٪ صندلی‌ها به پذیرش از طریق آزمون سراسری اختصاص یافته است.سهم ظرفیت پذیرش با آزمون سراسری و پذیرش صرفاً بر اساس سوابق تحصیلی به تفکیک گروه‌های آزمایشیپذیرش نهاییبا احتساب ظرفیت دانشگاه آزاد اسلامی در چهار رشتهٔ پرطرفدار گروه آزمایشی علوم تجربی، در مجموع ۴۵۵ هزار و ۴۲۴ نفر در سال تحصیلی ۱۴۰۰-۱۴۰۱ در دوره‌های کاردانی، کارشناسی و دکتری حرفه‌ای پذیرفته شده‌اند که از این میان پذیرش ۱۸۴ هزار و ۹۴۳ نفر با آزمون سراسری و پذیرش ۲۷۰ هزار و ۴۸۱ نفر صرفاً بر اساس سوابق تحصیلی بوده است. بیشترین پذیرش با ۲۱۱ هزار و ۸۶۱ نفر در گروه آزمایشی علوم انسانی صورت گرفته است. بیشترین پذیرش از طریق آزمون سراسری نیز با اختلافی اندک و با ۶۰ هزار و ۷۹۸ نفر در گروه آزمایشی علوم تجربی صورت گرفته است. (پذیرش نهایی با آزمون اعلامی در گزارش سازمان سنجش آموزش کشور بیش از ظرفیت اعلامی در همان گزارش است که ممکن است نتیجهٔ دو بار شمارش پذیرش با برخی سهمیه‌های مازاد باشد.)آمار تفکیکی پذیرش نهایی گروه‌های آزمایشی بخش کمرنگ پذیرش از طریق آزمون سراسری را نشان می‌دهد. با احتساب ظرفیت دانشگاه آزاد اسلامی در چهار رشتهٔ پرطرفدار گروه آزمایشی علوم تجربی، در مجموع تنها ۴۰٫۶۱٪ پذیرش از طریق آزمون سراسری صورت گرفته است. عمدهٔ پذیرش در همهٔ گروه‌های آزمایشی صرفاً بر اساس سوابق تحصیلی بوده است جز در گروه آزمایشی علوم تجربی که ۶۳٫۰۲٪ پذیرش از طریق آزمون سراسری صورت گرفته است.سهم پذیرش نهایی با آزمون سراسری و پذیرش صرفاً بر اساس سوابق تحصیلی به تفکیک گروه‌های آزمایشیبیشترین سهم ظرفیت پرشده به گروه آزمایشی هنر و کمترین آن به گروه آزمایشی علوم انسانی اختصاص داشته است.سهم ظرفیت پذیرش‌شده به تفکیک گروه‌های آزمایشیاحتمال قبولیبا بررسی نسبت داوطلبان ثبت‌نام‌کرده در گروه‌های آزمایشی مختلف به ظرفیت‌های اعلامی و پذیرش نهایی، می‌توان معیاری از احتمال قبولی داوطلبان به دست آورد. بدیهی است که بررسی میزان رقابت و احتمال قبولی در رشته و دانشگاه‌های پرطرفدار نیازمند بررسی آمار با تفکیک بیشتر است و آن‌چه در ادامه گفته می‌شود تصویر کاملی از میزان دشواری آزمون‌های گروه‌های آزمایشی مختلف ارائه نمی‌کند. همچنین، مقایسهٔ پذیرش نهایی و ظرفیت پذیرش در رشته‌های بدون آزمون نیازمند بررسی آمار تفکیکی انتخاب‌رشته‌کنندگان گروه‌های آزمایشی مختلف است؛ چنین آماری در منابع بررسی‌شده در دسترس نبود. علاوه بر این، به دلیل انبوه داوطلبانی که در گروه‌های آزمایشی هنر و زبان‌های خارجی به عنوان گروه آزمایشی دوم و سوم ثبت‌نام می‌کنند و برخی از آن‌ها در این گروه‌ها پذیرش می‌شوند، مقایسهٔ این گروه‌ها با گروه‌های آزمایشی اصلی از برخی جهات دقیق نیست.بیشترین احتمال پذیرش در گروه آزمایشی علوم ریاضی و فنی و کمترین احتمال در بین گروه‌های آزمایشی اصلی در گروه آزمایشی علوم تجربی بوده است؛ هرچند احتمال پذیرش در رشته‌محل‌های روزانه در گروه آزمایشی علوم انسانی کمتر از گروه آزمایشی علوم تجربی بوده است.سهم ظرفیت پذیرش با آزمون از تعداد داوطلبان به تفکیک گروه‌های آزمایشی بخش پررنگ نشان‌دهندهٔ ظرفیت پذیرش در رشته‌محل‌های روزانه است.سهم پذیرش نهایی با آزمون از تعداد داوطلبان به تفکیک گروه‌های آزمایشیتحصیل رایگاندر مجموع ۱۲۴ هزار و ۱۴۸ صندلی برای تحصیل رایگان و بدون تعهد خدمت (شامل سهمیهٔ مناطق محروم و… و نه تعهد خدمت در مقابل آموزش رایگان و سهمیهٔ مناطق) و شرایط خاص در رشته‌محل‌های روزانه در دسترس بوده است که از این میان پذیرش برای ۱۰۵ هزار و ۷۸۰ صندلی از طریق آزمون سراسری و ۱۸ هزار و ۳۶۸ صندلی صرفاً بر اساس سوابق تحصیلی صورت می‌گرفته است. بیشترین ظرفیت پذیرش رشته‌محل‌های روزانه با ۴۷ هزار و ۱۴۶ صندلی در گروه آزمایشی ریاضی و فنی در دسترس بوده است.آمار تفکیکی ظرفیت پذیرش روزانهٔ گروه‌های آزمایشی بخش پررنگ ظرفیت‌های پذیرش با آزمون را نشان می‌دهد.در همهٔ گروه‌های آزمایشی، عمدهٔ پذیرش در رشته‌محل‌های روزانه از طریق آزمون سراسری صورت می‌گیرد. در مجموع، ۸۵٫۲۱٪ کل ظرفیت‌های پذیرش روزانه با پذیرفته‌شدگان آزمون سراسری پر می‌شود. بیشترین سهم پذیرش با آزمون از پذیرش روزانه با ۹۱٫۸۲٪ متعلق به گروه آزمایشی علوم انسانی و کمترین آن با ۷۲٫۶۰٪ متعلق به گروه آزمایشی زبان‌های خارجی است. قابل توجه است که بسیاری از رشته‌محل‌های متعلق به زبان‌های خاص حتی در دانشگاه‌های برتر کشور، مانند دانشگاه تهران، صرفاً بر اساس سوابق تحصیلی دانشجو می‌پذیرند.سهم پذیرش نهایی با آزمون سراسری و پذیرش صرفاً بر اساس سوابق تحصیلی از ظرفیت پذیرش روزانه به تفکیک گروه‌های آزمایشیعمدهٔ پذیرش دانشجو از طریق آموزش پولی یا تعهد خدمت صورت می‌گیرد. در مجموع، تنها ۲۴٫۶۹٪ ظرفیت پذیرش به پذیرش روزانه اختصاص دارد. کمترین سهم رشته‌محل‌های روزانه از کل ظرفیت با ۹٫۸۵٪ ظرفیت متعلق به گروه آزمایشی علوم انسانی و بیشترین سهم با ۵۳٫۴۳٪ ظرفیت متعلق به گروه آزمایشی علوم تجربی است.سهم آموزش رایگان بدون تعهد خدمت از کل ظرفیت پذیرش به تفکیک گروه‌های آزمایشی بخش کمرنگ سهم پذیرش روزانهٔ بدون آزمون را نشان می‌دهد. سهم آموزش رایگان بدون تعهد خدمت از کل ظرفیت پذیرش به تفکیک گروه‌های آزمایشی بخش کمرنگ سهم پذیرش روزانهٔ بدون آزمون را نشان می‌دهد. در مقابل، عمدهٔ ظرفیت پذیرش با آزمون به آموزش رایگان تعلق دارد. در مجموع، ۶۰٫۸۸٪ ظرفیت پذیرش با آزمون به رشته‌محل‌های روزانه تعلق دارد. کمترین سهم آموزش رایگان از ظرفیت پذیرش با آزمون با ۴۲٫۵۳٪ متعلق به گروه آزمایشی علوم انسانی و بیشترین سهم با ۷۴٫۵۶٪ متعلق به گروه آزمایشی علوم ریاضی و فنی است.سهم آموزش رایگان بدون تعهد خدمت از ظرفیت پذیرش با آزمون سراسری به تفکیک گروه‌های آزمایشیمنابعدر نگارش این نوشته از آمار ثبت‌نام‌کنندگان گزارش ۸ تیر ۱۴۰۰ فاطمه زارعی در ایسنا و آمار شناسنامهٔ آزمون سراسری ۱۴۰۰ سازمان سنجش آموزش کشور استفاده شده است. هادی صفری هادی صفری Wed, 06 Oct 2021 13:07:59 +0330 https://virgool.io/@hadisfr/%D9%86%DA%AF%D8%A7%D9%87%DB%8C-%D8%A8%D9%87-%D8%A7%DB%8C%D9%86%D9%81%D9%88%D8%AF%D9%85%DB%8C-%DA%A9%D9%88%D9%88%DB%8C%D8%AF-%DB%B1%DB%B9-%D8%AF%D8%B1-%D8%AA%D9%88%DB%8C%DB%8C%D8%AA%D8%B1-%D9%81%D8%A7%D8%B1%D8%B3%DB%8C-%D8%AF%D8%B1-%D8%A2%D8%BA%D8%A7%D8%B2-%D8%B4%DB%8C%D9%88%D8%B9-%D8%A8%DB%8C%D9%85%D8%A7%D8%B1%DB%8C-qalq2vgwxwwt اولین قربانی ثبت‌شدهٔ کووید-۱۹ یک شهروند ووهان چین بوده است که بیماری او در ۱۳ بهمن ۱۳۹۸ (۲ فوریهٔ ۲۰۲۰) ثبت شده است. ۳۰ بهمن ۹۸ (۱۹ فوریهٔ ۲۰۲۰) اولین بیمار ایرانی در قم به ثبت رسیده است. شواهدی مبنی بر قدمت بیشتر این بیماری وجود دارد. کووید-۱۹ که در ایران بیشتر با نام کرونا شناخته می‌شود از آن زمان جهان را با یک همه‌گیری گسترده در هم نوردیده است و با گذشت یک سال و نیم از آغاز ماجرا، هنوز افق روشنی برای بازگشت به زندگی عادی دیده نمی‌شود.اپیدمی و اینفودمیهمه‌گیری کووید-۱۹ بستری برای پخش اخبار نادرست، تحقیقات نامعتبر و نظریه‌های توطئه در سراسر جهان فراهم کرد. ریکاردو گلوتی و همکارانش در مقالهٔ نیچر «Assessing the risks of ‘infodemics’ in response to COVID-19 epidemics» (۲۹ اکتبر ۲۰۲۰) خطر اینفودمی مرتبط با کووید-۱۹ را با تأکید بر توییتر در کشورهای مختلف سراسر جهان بررسی کرده‌اند. داده‌ها و تحلیل‌های جدیدتر آن‌ها متناوباً در سایت Covid19 Infodemics Observatory منتشر می‌شود. آن‌ها شاخص Infodemic Risk Index (IRI) را برای سنجش میزان در خطر اخبار جعلی قرار داشتن افراد در کشورهای مختلف معرفی کرده‌اند.نگاهی به داده‌های جهانیبیشترین توییت‌های مرتبط در مجموعه‌داده‌های گلوتی و همکاران مربوط به آمریکا بوده است. با نرمال کردن میانگین تعداد روزانهٔ توییت‌های ثبت‌شدهٔ نسبت به جمعیت، مشخص می‌شود که چند کشور پیشرفتهٔ انگلیسی‌زبان (آمریکا، کانادا، انگلستان و استرالیا) به نسبت جمعیت خود بیشترین تعداد توییت‌ها را منتشر کرده‌اند. احتمالاً بخشی از مسأله مربوط به بایاس نمونه‌گیری است که تنها از کلیدواژه‌های انگلیسی استفاده کرده است؛ اما فاصلهٔ کشورهای انگلیسی‌زبان در حال توسعه (مانند هند و آفریقای جنوبی) با چهار کشور مذکور نیز قابل توجه است.در بین کشورهای غیرانگلیسی‌زبان نیز کشورهای قارهٔ آمریکا، خصوصاً ونزوئلا، آرژانتین و شیلی، کشورهای حوزهٔ اسکاندیناوی و مغولستان بیشترین محتوا را تولید کرده‌اند. چین تقریباً در خاموشی کامل قرار دارد که بعید نیست نتیجهٔ محدودیت‌های سختگیرانهٔ اینترنت در آن کشور باشد. از برخی کشورها مانند کرهٔ شمالی، ترکمنستان، تاجیکستان و موریتانی توییتی دریافت نشده است که ممکن است نتیجهٔ ضعف تکنولوژیک یا محدودیت‌های سختگیرانه دربارهٔ دسترسی به اینترنت باشد.سرانهٔ توییت‌های مرتبط به کووید-۱۹ (لگاریتمی)بیشترین تعداد روزانهٔ بیماران جدید (مطابق داده‌های گلوتی و همکاران) در آمریکا، برزیل و هند گزارش شده است. با نرمال‌سازی بر اساس جمعیت مشاهده می‌شود اختلاف میان کشورها کمتر از آن است که در ابتدا به نظر می‌آید. در کشورهای غربی آمریکایی و اروپایی و روسیه، سرانهٔ روازنهٔ تعداد مبتلایان بیشتر از سایر کشورها است. چین جزء کشورهایی با کمترین آمار است که این احتمال را تقویت می‌کند که آمارهای موجود دربارهٔ مبتلایان کووید-۱۹ در این کشور غیرواقعی باشد. لازم به ذکر است به دلیل تفاوت سیاستگذاری‌های بهداشتی و پروتکل‌های تست افراد مشکوک در کشورهای مختلف، باید در مقایسهٔ مستقیم اعداد احتیاط کرد. آمار بیشتر ممکن است بیش از آن که وجود مبتلایانِ بیشتر را نشان دهد به معنی تست فراگیرتر باشد.سرانهٔ مبتلایان جدید روزانهٔ کووید-۱۹ (لگاریتمی)تعداد روزانهٔ کشته‌های بیماری نیز الگوی مشابهی را نشان می‌دهد. تفاوت قابل توجه آن است که با نرمال‌سازی نسبت به جمعیت، مشخص می‌شود بیشترین سرانهٔ مرگ‌ومیر روزانه به دلیل کووید-۱۹ به کشور پرو اختصاص دارد.سرانهٔ مرگ‌ومیر جدید روزانه بر اثر ابتلا به کووید-۱۹ (لگاریتمی)بیشترین مقدار میانگین شاخص IRI نیز، به عنوان یک بازنمایی از احتمال آن که یک فرد در معرض اخبار غلط دربارهٔ بیماری قرار داشته باشد، در کشور پرو دیده می‌شود. کوزوو، ایران، عراق و ونزوئلا در جایگاه‌های بعدی قرار دارند.Infodemic Risk Index (IRI)اینفودمی در ایرانتحلیل گلوتی و همکاران دربارهٔ ایران یک نقص بالقوهٔ مهم دارد: آن‌ها برای پایش اینفودمی بر کلیدواژه‌های انگلیسی و نیز اخبار و منابع انگلیسی متمرکز بوده‌اند و منابع خبری به زبان‌های محلی را بررسی نکرده‌اند. غالب محتوای توییتری ایران به زبان فارسی منتشر می‌شود و تصور می‌گردد استناد به منابع خبری فارسی‌زبان نیز بسیار رایج‌تر از منابع انگلیسی باشد.تعداد توییت‌های بررسی‌شده، شاخص IRI و تعداد روزنامهٔ مبتلایان و مرگ و میر ناشی از همه‌گیری در ایراناینفودمی فارسیبرای بررسی دقیق‌تر، توییت‌های فارسی منتشرشده در بازهٔ زمانی موجود در مجموعه‌دادهٔ اولیهٔ گلوتی و همکاران از توییتر جمع‌آوری شد. (قابل توجهه است که این بازهٔ زمانی چندین ماه از بازهٔ زمانی مورد بررسی در مقاله طولانی‌تر است و در برخی از تحلیل‌های بعدی، به دلیل محدودیت منابع، تحلیل به بازهٔ زمانی مورد بررسی در مقاله محدود شد.) در روزهای اولیه هیچ توییت مرتبط یافت نشد. بیش از ۲ میلیون و ۸۴۴ هزار توییت فارسی از ۲۳ بهمن تا ۸ آذر ۹۹ مورد تحلیل قرار گرفت. برای جمع‌آوری توییت‌ها از قیود زیر استفاده شد:query: &quotcoronavirus&quot OR &quotncov&quot OR &quotWuhan&quot OR &quotcovid19&quot OR &quotcovid-19&quot OR &quotsarscov2&quot OR &quotcovid&quot OR &quotکرونا&quot OR &quotووهان&quot OR &quotوهان&quot OR &quotکووید&quot OR &quotکوید&quot since:2020-01-13 until:2020-10-29 lang:faتعداد روزانهٔ توییت‌های فارسی جمع‌آوری‌شدهابر کلمات توییت‌های فارسی جمع‌آوری‌شدهمنابع خبری که در حداقل ۲۰ توییت در بازهٔ زمانی مورد بررسی در مقاله در توییت‌های فارسی جمع‌آوری‌شده مورد استفاده قرار گرفته بودند از نظر اعتبار برچسب‌گذاری شدند و بر این اساس، اعتبار توییت‌های دارای ارجاع به منابع خبری پرکاربرد بررسی گردید. مقایسهٔ نتایج با نتایج گلوتی و همکاران دربارهٔ ایران نشانگر آن است که بررسی منابع و زبان‌های محلی در کشورهایی که انگلیسی زبان غالب آن‌ها نیست می‌تواند ضروری باشد و استناد به نتایج انگلیسی کافی نیست. در مجموع، به نظر می‌رسد بیش از ۷۰٪ ارجاعات مورد استفاده در توییت‌های فارسی به منابع نسبتاً معتبر بوده است؛ با این حال شاخص در معرض اخبار جعلی قرار داشتن در ایران، طبق محاسبات گلوتی و همکاران، نسبت به سایر کشورها زیاد بوده است. قابل توجه است که برخی توییت‌ها در طول زمان حذف شده‌اند و توییت‌های جمع‌آوری‌شده بازنمایی دقیقی از توییت‌های منتشرشده ارائه نمی‌دهد. بخشی از فرایند حذف توییت‌های گزارش‌شده ممکن است توسط توییتر و در راستای حذف اخبار جعلی صورت گرفته باشد، هرچند تصور می‌شود تعداد چنین توییت‌هایی در زبان فارسی و در این موضوع خاص اندک باشد.اعتبار توییت‌های ایرانی مرتبط به کووید-۱۹ در ماه‌های آغازین همه‌گیری بیماریاینفودمی و گرایش سیاسی در ایراندر ادامه، با تشکیل شبکهٔ بازنشرهای توییت‌های فارسی منتشرشده در بازهٔ زمانی مورد بررسی مقاله منابع خبری مورد استفاده گروه‌های سیاسی مختلف ایرانی و اعتبار آن‌ها بررسی شدند.به نظر می‌رسد اخبار معتبر و نامعتبر ابتدا در بین همفکران سیاسی منتشر می‌شوند و سپس به گروه‌های دیگر انتقال می‌یابند.شبکهٔ بازنشرهای توییت‌های فارسی بازهٔ زمانی مورد بررسی در مقاله با حداقل ۱۰ بازنشر بر اساس گرایش سیاسیشبکهٔ بازنشرهای توییت‌های فارسی بازهٔ زمانی مورد بررسی در مقاله با حداقل ۱۰ بازنشر و شامل لینک بر اساس گرایش سیاسیشبکهٔ دنبال‌شدن‌های نویسندگان توییت‌های فارسی بازهٔ زمانی مورد بررسی در مقاله با حداقل ۱۰ بازنشر و شامل لینک بر اساس گرایش سیاسیگروه‌های دارای گرایش‌های سیاسی متفاوت منابع متفاوتی را برای انتشار اطلاعات دربارهٔ کووید-۱۹ مورد استفاده قرار داده‌اند. حساب‌های وابسته به مجاهدین خلق به سایت‌های سازمانی خودشان ارجاع داده‌اند. رادیو فردا مرجع مهم رادیکال‌ترین بخش پست‌های براندازان بوده است. توییت‌های حساب کاربری ایران اینترنشنال نیز در بین این بخش از کاربران مورد توجه بوده است، اما به دلیل استفاده از کوتاه‌کننده‌های لینک به جای ارجاع مستقیم به سایت خبری، در گراف زیر نمایش داده نشده است. ایران وایر در بین بخش معتدل‌تر براندازان مرجعیت داشته است. ارجاعات زیادی به دویچه‌ولهٔ فارسی و بی‌بی‌سی فارسی نیز در این بخش وجود دارد. خبرگزاری ایسنا و برخی سایت‌های دولتی مرتبط با ستاد کرونا (مانند سامانهٔ خودارزیابی ابتلا به کرونای دانشگاه علوم پزشکی اصفهان) مهم‌ترین منابع مورد ارجاع اصلاح‌طلبان و میانه‌روها بوده‌اند. بی‌بی‌سی فارسی در بین بخشی از کاربران میانه‌روتر نیز مرجعیت داشته است. خبرگزاری ایرنا در مرجع اصلی بخشی از کاربران اندکی محافظه‌کارتر بوده است. خبرگزاری تسنیم نیز بخش قابل‌توجهی از کاربران ارزشی و انقلابی را پوشش داده است.استناد به سایت‌ها و خبرگزاری‌های مطرح خارجی به نظر الگوی خاصی ندارد. بلومبرگ مرجع اصلی گروهی از براندازان نسبتاً رادیکال بوده است؛ حال آن که استناد به CNN به عنوان مرجع اصلی در میان میانه‌روهای نزدیک به حکومت و هم در میان براندازان معتدل دیده می‌شود. ارجاع به سایت‌هایی مانند CDC به عنوان مرجع اصلی نیز در بین کاربران نزدیک به حکومت بیشتر دیده شده است.در مجموع، با کنار گذاشتن پروکسی‌ها (مانند کوتاه‌کننده‌های لینک) و سایت‌های دارای انواع مختلف محتوا (مانند یوتیوب) به نظر می‌رسد سایت‌های مجاهدین خلق، ایران وایر، رادیو فردا و بی‌بی‌سی بیشترین استناد را به عنوان مرجع غالب کاربران داشته‌اند. تأکید می‌شود سایت مجاهدین خلق فقط در بین حساب‌های کاربری خودشان مرجعیت داشته است و توییت‌های حساب رسمی ایران اینترنشنال نیز به دلیل استفاده از کوتاه‌کننده‌های لینک در شمارش تأثیری نداشته است.شبکهٔ بازنشرهای توییت‌های فارسی بازهٔ زمانی مورد بررسی در مقاله با حداقل ۱۰ بازنشر و شامل لینک بر اساس منابع خبری عمدهاما به نظر می‌رسد اعتبار منابع خبری عمدهٔ مورد استفادهٔ گروه‌های مختلف سیاسی تفاوت چندانی با یکدیگر ندارد. هرچند برای دسته‌بندی مورد استفاده در مقاله، منابع خبری بین‌المللی، خبرگزاری‌های مشهور داخلی و خبرگزاری‌های کوچک محلی، علی‌رغم تفاوت اعتبار، همگی تحت عنوان رسانه‌های جریان اصلی (MSM) دسته‌بندی شدند. مورد استثنای مهم حساب‌های وابسته به مجاهدین خلق بوده است که اغلب به سایت‌های سازمانی خودشان ارجاع داده‌اند؛ سایت‌هایی که منابع خبری معتبری به حساب نمی‌آیند.شبکهٔ بازنشرهای توییت‌های فارسی بازهٔ زمانی مورد بررسی در مقاله با حداقل ۱۰ بازنشر و شامل لینک بر اساس اعتبار منابع خبری عمدهبه جای سخن پایانیتحلیل‌های مبتنی بر داده‌های کلان در سیاست‌گذاری‌های سلامت و برنامه‌ریزی برای مقابله با گسترش کووید-۱۹ در جای‌جای دنیا نقشی اساسی دارد. همه‌گیری کووید-۱۹ به مسأله‌ای جهانی تبدیل شده است که اقدامات و تصمیمی‌گیری‌های محلی کشورها نمی‌تواند آن را حل کند. وجود انواع داده‌های خام لازمهٔ چنین پژوهش‌هایی است، حال آن که به دلیل نگاه امنیتی حاکم بر ایران چنین داده‌هایی به‌ندرت دربارهٔ ایران یافت می‌شود یا بسیار قدیمی است. پژوهشگران خارجی نیز به دلیل ناآشنایی با ویژگی‌های زبانی و فرهنگی ایران امکان تحلیل دقیق اندک داده‌های موجود دربارهٔ ایران را ندارند. متأسفانه به نظر می‌رسد این نگاه امنیتی با اقداماتی همچون لایحهٔ موسوم به طرح صیانت از حقوق کاربران فضای مجازی بیش از پیش در حال گسترش است که نتیجه‌ای جز ناممکن کردن پژوهش و در نتیجه سیاست‌گذاری و ایجاد هزینه‌های هنگفت برای کشور و مردم نخواهد داشت؛ چنان که در داده‌های همین پژوهش دربارهٔ کشورهایی همچون کرهٔ شمالی، تاجیکستان و چین دیده می‌شود. هادی صفری هادی صفری Mon, 02 Aug 2021 02:59:52 +0430 https://virgool.io/@hadisfr/%D8%AA%D9%88%DB%8C%DB%8C%D8%AA%D8%B1-%D9%81%D8%A7%D8%B1%D8%B3%DB%8C-%D8%A8%D9%88%D8%B1%D8%B3-%D9%85%D8%B8%D9%84%D9%88%D9%85-%D8%B3%D9%BE%D8%B1-%D8%AA%D9%88%D8%B1%D9%85-tp4cpcpu6xga نگاهی به برخی هشتگ‌های بورسی توییتر فارسی در اردیبهشت ۱۴۰۰در دو سال اخیر، بسیاری از ایرانیان سرمایه‌های خود را وارد بازار بورس کردند و به جمع معامله‌گران خرد این بازار پیوستند. رشد ناگهانی بورس تهران و سقوط آن در سال گذشته، در کنار عمومی‌تر شدن معامله‌گری بورس، بورس را به یکی از موضوعات ثابت رسانه‌های اجتماعی فارسی‌زبان از جمله توییتر فارسی تبدیل کرد. در ماه‌های اخیر این موضوع به دفعات به یکی از موضوعات جنجالی توییتر فارسی تبدیل شده است.سرمایه‌گذاران خرد بارها سعی کرده‌اند توییتر را به بستری برای بیان مطالبات خود از دولت در حمایت از بورس تبدیل کرده‌اند؛ هرچند برخی اقتصاددانان با چنین اقداماتی مخالفند. به عنوان نمونه، در نیمهٔ شهریور ۹۹، یک ماه پس از آغاز سیر نزولی شاخص بورس اوراق بهادار تهران، هشتگ #بورس_محکم در توییتر فارسی ترند شد. این هشتگ در همان زمان در یک پست ویرگول بررسی شد.در دو هفتهٔ اخیر دو هشتگ بورسی شاخص در توییتر فارسی مورد توجه قرار گرفت. در ابتدای ماه جاری هشتگ #بورس_مظلوم و در روزهای بعدی هشتگ #بورس_سپرتورمی و هشتگ فرعی #بورس_سپر_تورم در توییتر فارسی ترند شد. در این نوشتار هشتگ‌های مذکور بررسی می‌شوند.بورس مظلومهشتگ #بورس_مظلوم پیش از ماه جاری نیز جسته و گریخته مورد استفاده قرار می‌گرفته است. توییت مرتضی صادقی در دی ماه سال گذشته به نظر یکی از اولین استفاده‌ها از این هشتگ در توییتر فارسی بوده است: https://twitter.com/mrtz_sadeghi/status/1346699978870296578 رضا نگهبان نیز در آخرین روز فروردین سال جاری از این هشتگ استفاده کرده است: https://twitter.com/RezaNegahbaan/status/1384304962038030336 در ساعت ۸:۵۳ شب ۵ اردیبهشت، کاربری به نام حمید توییتی با این هشتگ می‌نویسد: https://twitter.com/hamdollahghade1/status/1386355076776833032 دقایقی بعد کاربری که نام خود را به بورس مظلوم تغییر داده است توییتی انتقادی با این هشتگ منتشر می‌کند: https://twitter.com/Theboy_021/status/1386356182412050438 با فرارسیدن ساعت ۹ شب توییت‌های زیادی با این هشتگ منتشر می‌شود. با توجه به روند زمانی انتشار هشتگ و توییت‌های اولیه، به نظر می‌رسد کاربران برای ترند کردن این هشتگ از قبل با یکدیگر هماهنگ کرده بودند. کانال تلگرامی کمپین اعتراضات بورس (@bourse_twitter) در یک پست تلگرامی کاربران را دعوت کرده بود که از این ساعت تا ساعت ۱ صبح با هشتگ مورد بحث دربارهٔ مطالباتشان توییت کنند.روند زمانی انتشار هشتگ #بورس_مظلومدر مجموع بیش از ۲۷۰۰ توییت حاوی این هشتگ از بیش از ۶۲۲ کاربر منتشر شده است. در مجموع این هشتگ در بیش از ۵۵هزار توییت و بازنشر به کار رفته است و بیش از ۵۴هزار بار پسندیده شده است. نسبت تعداد لایک به بازنشرِ به اضافهٔ یک به طور میانگین برابر ۰٫۹۴ بوده است (میانه برابر ۰٫۹۳) که سازمان‌یافته بودن هشتگ را تأیید می‌کند.توییت‌های شامل هشتگ #بورس_مظلوم بیش از ۵۵هزار بار منتشر و بیش از ۵۴هزار بار پسندیده شده‌اند. نسبت کم لایک به ریتوییت و الگوی زمانی انتشار هشتگ نشان می‌دهد هشتگ به شکل سازمان‌یافته و با هماهنگی قبلی، در نتیجهٔ دعوت کانال تلگرامی کمپین اعتراضات بورس ترند شده است.بسیاری از شرکت‌کنندگان در این هشتگ دولت را مسئول وضع نامناسب بورس معرفی کرده‌اند و خواستار دخالت سریع دولت و حمایت از بورس شده‌اند. بعضی کاربران دولت را به خالی کردن جیب سرمایه‌داران بورس متهم کرده‌اند. برخی از آن‌ها نیز حکومت را متهم کرده‌اند و دربارهٔ عدم شرکت در انتخابات با وضع فعلی صحبت کرده‌اند؛ اتفاقی که کمتر در اعتراضات بورسی دیده می‌شد. تمرکز اصلی هشتگ نه بر درخواست از دولت برای بهبود اوضاع، بلکه بر گله از دولت بوده است. برخی از کاربران به مراجع تقلید یا روایات دینی دربارهٔ ظلم و ظالم متوسل شده‌اند تا این گله را بیان کنند. حذف دامنهٔ نوسان نامتقارن نیز هدف برخی از کاربران بوده است.ابر کلمات هشتگ #بورس_مظلومتوییتی از هادی زرندی با ۱۴۳ ریتوییت بیشترین بازنشر را در بین توییت‌های این هشتگ داشته است: https://twitter.com/Hadi61Z/status/1386388903431655425 توییتی از سید نورالدین فاطمی نیز با بیش از ۲۵۵ لایک بیش از سایر توییت‌ها مورد پسند کاربران واقع شده است: https://twitter.com/fatemiseyed1/status/1386909041247588353 بررسی روابط کاربران مشارکت‌کننده در این هشتگ نشان می‌دهد بدنهٔ اصلی هشتگ را یک گروه بسیار به‌هم‌پیوسته از کاربران عادی توییتری تشکیل می‌دهند که تصور می‌شود کاربران خرد باشند. کاربرانی مانند باران (@baran_1368)، بورس مظلوم (@theboy_021)، هادی زرندی (@hadi6z) و قطره‌ای از دریا (@sjbarodko) از شاخص‌ترین این کاربرانند.دسته‌ای از خبرنگاران اقتصادی و توییتری‌های بورسی مشهور نیز در این هشتگ مشارکت کرده‌اند؛ هرچند نقش اساسی در گسترش آن نداشته‌اند. مهدیه کردی (@mahdiehkordi)، محمد خبریزاد (@khabarizad) و توییت بورس (@twitt_bourse) از شاخص‌ترین کاربران این گروهند.حساب کاربری کمپین اعتراضات بورس (@boursecampaign) نیز جزء کاربران تأثیرگذار بوده است. هشتگ با دعوت کانال تلگرامی این کمپین آغاز شده بود.ارتباطات دنبال کردن کاربران مشارکت‌کننده در هشتگ #بورس_مظلومبازنشرکنندگان هشتگ #بورس_مظلومبورس سپرتورمیهشتگ #بورس_سپرتورمی و هشتگ فرعی #بورس_سپر_تورم هشتگ‌های دیگری بودند که در روزهای اخیر در توییتر ترند شدند.هشتگ #بورس_سپر_تورم سابقه‌ای قدیمی دارد. حساب توییتر بورس در ۲۲ شهریور ۹۹ بورس را سپر تورم دانسته است: https://twitter.com/twit_bourse/status/1304706717498970118 به نظر می‌رسد هشتگ #بورس_سپرتورمی را اولین بار بهنام صمدی، فعال باسابقهٔ بورسی در توییتر، در ساعت ۳:۴۴ عصر روز ۱۰ اردیبهشت ۱۴۰۰ به کار برده است. https://twitter.com/behnamsamadi_ir/status/1388089435514982405 او یک دقیقه بعد در کانال تلگرامی خود نیز همین توییت را منتشر می‌کند و ۸ دقیقه بعد سایر کاربران را نیز با یک پست تلگرامی دیگر به پیوستن به این هشتگ ترغیب می‌کند. بعد از این توییت، انبوهی از توییت‌هایی با این هشتگ دیده می‌شود.کاربری به نام رضا یزدانی یکی از اولین کاربرانی است که در ساعت ۴:۳۲ همان روز در یک توییت محذوف هشتگ #بورس_سپر_تورم را به کار برده است:وقتی میگیم فساد سیستماتیک است به تلیش قبای بعضی‌ها بر میخوره .#بورس هم جزیی از این سیستم است. #بورس_سپر_تورماین هشتگ بلافاصله به هشتگ دوم این جریان تبدیل می‌شود.کانال تلگرامی کمپین مطالبات بورس این بار نیز در ۴:۴۵ در یک پست تلگرامی کاربران را دعوت می‌کند با هشتگ #بورس_سپرتورمی از ساعت ۵ عصر تا نیمه‌شب در توییتر از مطالباتشان بگویند؛ اما به نظر می‌رسد جریان توییت‌ها چندان از این دعوت متأثر نشده است.روند زمانی هشتگ #بورس_سپرتورمیروند زمانی انتشار هشتگ #بورس_سپرتورمی در روز اول (۱۰ اردیبهشت ۱۴۰۰)در مجموع بیش از ۲۸۰۰ توییت شامل هر یک از این دو هشتگ از بیش از ۱۰۰۰ کاربر منتشر شده است. این هشتگ‌ها در مجموع بیش از ۳۵۸۰۰ بار نشر و بازنشر و بیش از ۵۷۵۰۰ بار پسندیده شده‌اند. نسبت تعداد لایک به بازنشرِ به اضافهٔ یک به طور میانگین برابر ۱٫۲۴ بوده است (میانه برابر ۱٫۰) که نشان می‌دهد هرچند هشتگ نسبتاً سازمان‌یافته بوده، اما نسبت به هشتگ قبل رشد طبیعی‌تری داشته است. احتمالاً به همین دلیل این هشتگ مدت کوتاهی هشتگ اول ترندشده در ایران بود، اما هشتگ پیشین از رتبهٔ هشتم پیش‌تر نرفت.توییت‌های شامل هشتگ #بورس_سپرتورمی و هشتگ فرعی #بورس_سپر_تورم نزدیک به ۳۶هزار بار منتشر و بیش از ۵۷هزار بار پسندیده شده‌اند. نسبت لایک به ریتوییت و الگوی زمانی انتشار هشتگ نشان می‌دهد این هشتگ‌ها در مقایسه با هشتگ پیشین رشد طبیعی‌تری داشته‌اند.شرکت‌کنندگان ضمن انتقاد از دولت، معتقدند بورس در ماه‌های گذشته مانع رشد تورم شده است و حالا دولت باید با حمایت کافی از بورس به سرمایه‌گذران پاداش دهد و مجدداً تورم را مهار کند.ابر کلمات هشتگ #بورس_سپرتورمیتوییتی از بهنام صمدی با بیش از ۲۸۸ ریتوییت و بیش از ۱۷۳۲ لایک، بیشترین بازنشر را در بین توییت‌های این هشتگ داشته است و بیش از سایر توییت‌ها مورد پسند کاربران قرار گرفته است: https://twitter.com/behnamsamadi_ir/status/1388189796741353476 بررسی روابط کاربران مشارکت‌کننده در هشتگ #بورس_سپرتورمی نشان می‌دهد همانند هشتگ پیشین، یک بدنهٔ منسجم از کاربران وجود دارد که این هشتگ را ترند می‌کنند؛ اما بر خلاف هشتگ قبلی، در این هشتگ مرجعیت از آن کاربران بورسی باسابقهٔ توییتر فارسی، مانند بهنام صمدی (@behnamsamadi_ir) و توییتر بورس (@twit_bourse) بوده است.ارتباطات دنبال کردن کاربران مشارکت‌کننده در هشتگ #بورس_سپرتورمی بنفش: بورسی‌های مشهور و باسابقهٔ توییتر و دنبال‌کنندگان، سبز: خبرنگاران و فعالین اقتصادی و دنبال‌کنندگان، نارنجی: کمپین مطالبات بورس و فعالین هشتگ پیشینبازنشرکنندگان هشتگ #بورس_سپرتورمیسخن پایانیبا افزایش تعداد معامله‌گران خرد و رشد و سقوط شدید بورس اوراق بهادار تهران در دو سال اخیر، جمع کثیری از مردم عادی جامعه با بورس آشنا شده‌اند و به جمع ذی‌نفعان آن پیوسته‌اند. در ماه‌های اخیر گروه‌هایی از این معامله‌گران سعی کرده‌اند تا در کنار اعتراضات میدانی در دنیای واقعی، با استفاده از رسانهٔ اجتماعی توییتر خواسته‌های خود را دربارهٔ بورس به دولت منتقل کنند. آن‌ها سعی می‌کنند با ترند کردن هشتگ‌های مورد نظرشان حضور خود را اعلام کنند؛ فرایندی که گاهی هماهنگی‌های قبلی و فراخوان‌های کانال‌های تلگرامی در موفقیت آن‌ها نقشی اساسی دارد. در این نوشته، به عنوان نمونه، دو ترند پرطرفدار بورسی در نیمهٔ اول اردیبهشت ۱۴۰۰ بررسی شد. هادی صفری هادی صفری Wed, 05 May 2021 21:50:24 +0430 https://virgool.io/@hadisfr/%D8%B7%D8%A8%D9%82%D9%87-%D8%A8%D9%86%D8%AF%DB%8C-%D9%86%D9%85%D8%A7%D8%AF%D9%87%D8%A7-%D8%AF%D8%B1-%D8%A8%D9%88%D8%B1%D8%B3-%D8%A7%D9%88%D8%B1%D8%A7%D9%82-%D8%A8%D9%87%D8%A7%D8%AF%D8%A7%D8%B1-%D8%AA%D9%87%D8%B1%D8%A7%D9%86-phdbzqby4rpd امروزه بسیاری از مردم بورس را می‌شناسند و بخشی از سرمایهٔ خود را در آن معامله می‌کنند؛ اما تعداد کمی با جزئیات نحوهٔ طبقه‌بندی نمادها و شرکت‌ها آشنااند. در این نوشته به اختصار انواع طبقه‌بندی‌های نمادها و شرکت‌ها را در بورس اوراق بهادار تهران بررسی می‌کنیم.تمامی آمار و اطلاعات به کار رفته در این نوشته و تصاویر آن بر اساس داده‌های عمومی سایت بورس اوراق بهادار تهران و سایت شرکت مدیریت فناوری بورس تهران در روز دوشنبه ۱۳ اردیبهشت ۱۴۰۰ تهیه شده‌اند.سابقهٔ بورس در ایران و تشکیل بورس اوراق بهادار تهران به سال ۱۳۴۶ بازمی‌گردد. ساختار فعلی بورس‌های ایران و شرکت مستقل بورس اوراق بهادار تهران به عنوان یک شرکت سهامی عام میراث قانون بازار اوراق بهادار جمهوری اسلامی ایران مصوب آذر ۱۳۸۴ است. (دربارهٔ تاریخچهٔ بورس اوراق بهادار تهران بیشتر بخوانید.) معاملات آنلاین بورس ایران نیز در سال ۱۳۸۹ با سامانهٔ معاملات آنلاین تدبیرپرداز آغاز شد. (بیشتر بخوانید.) در دو سال اخیر بسیاری از مردم عادی بخشی از سرمایهٔ خود را وارد بورس کردند و به خیل عظیم معامله‌گران بورس ایران پیوستند.تقسیم‌بندی‌های شرکت‌های بورس اوراق بهادار تهراناما انواع مختلفی از محصولات در بورس معامله می‌شود. در ادامه چند نوع طبقه‌بندی محصولات قابل معامله در بورس را بررسی می‌کنیم.بازار: طبقه‌بندی بر اساس سنجه‌های اقتصادی شرکت‌هامادهٔ ۴ دستورالعمل پذیرش اوراق بهادار در بورس اوراق بهادار تهران این بورس را به دو بازار اول (شامل تابلوی اصلی و فرعی) و دوم تقسیم می‌کند. این طبقه‌بندی به سرمایه‌گذاران کمک می‌کند تا پیش از سرمایه گذاری، ریسک‌های شرکت‌ها را در چهار جنبهٔ ریسک ورشکستگی، ریسک اندازهٔ شرکت، ریسک نقدشوندگی و ریسک اطلاع‌رسانی بشناسند. در اردیبهشت هر سال شرکت‌ها بر اساس سنجه‌هایی که در سایت بورس اوراق بهادار تهران توضیح داده شده است بازبینی می‌شوند.تابلو: طبقه‌بندی بر اساس نوع محصولدر بورس اوراق بهادار تهران چهار نوع محصول (product) معامله می‌شود: سهام (شامل سهام عادی و حق تقدم سهام)، اوراق قرضه (شامل اوراق مشارکت و ابزارهای مالی اسلامی)، اوراق مشتقه (شامل قراردادهای آتی و قراردادهای اختیار معامله) و صندوق‌های سرمایه‌گذاری قابل معامله در بورس. برای آشنایی با هر یک از انواع محصولات می‌توانید به بخش محصولات سایت بورس اوراق بهادار تهران مراجعه کنید.تعداد تابلوها بیش از تعداد بازارهاست. فهرست همهٔ تابلوهای بازار در سایت شرکت مدیریت فناوری بورس تهران در دسترس است: تابلوی اصلی بازار اول[وجود ندارد.]تابلوی فرعی بازار اولتابلوی غیررسمیفهرست اولیهٔ بازار دومتابلوی شاخصفهرست مشروطابزار مشتقهبازار اوراق بدهیبازار اول به دو تابلوی اصلی و فرعی تقسیم می‌شود. بازار دوم در ابتدای جداسازی تابلوها در سال ۱۳۸۷ شامل دو تابلوی فهرست اولیه و فهرست مشروط می‌شد. امروزه فهرست مشروط استفاده نمی‌شود و سهام شرکت‌های بازار دوم فقط در تابلوی فهرست اولیه معامله می‌شود. در حال حاضر پذیرش سهام عادی در بورس تنها در دو تابلوی بازار اول و فهرست اولیهٔ بازار دوم صورت می‌گیرد.معاملات همهٔ اوراق مشتقه، شامل معاملات آتی و قراردادهای اختیار معامله (خرید و فروش)، صرف نظر از تابلوی نماد اصلی، در تابلوی ابزار مشتقه صورت می‌گیرد. به طور مشابه، معاملات همهٔ اوراق بدهی و قرضه در تابلوی اوراق بدهی انجام می‌شود. صندوق‌های سرمایه‌گذاری قابل معامله در بورس (ETF) نیز در تابلوی غیررسمی معامله می‌شوند.تابلوهای بورس اوراق بهادار تهرانبرخی تابلوها متعلق به آیین‌نامهٔ قدیمی پذیرش سهام در بورس هستند. تابلوی دوم پس از تصویب آیین‌نامهٔ سال ۸۶ استفاده نمی‌شود و در حال حاضر وجود ندارد. تابلوی غیررسمی پیش از تصویب آیین‌نامهٔ سال ۸۶ برای برخی معاملات خاص که در دستورالعمل نحوهٔ انجام معاملات در تابلوی غیررسمی تشریح شده بود کاربرد داشته است و در حال حاضر معاملات صندوق‌های سرمایه‌گذاری در این تابلو صورت می‌گیرد. تابلوی شاخص محل قرارگیری برخی نمادهای شاخص بوده است که در گذشته برای نمایش شاخص‌های بازار مورد استفاده قرار می‌گرفته است. در حال حاضر شاخص‌ها به عنوان نماد در نظر گرفته نمی‌شوند. تابلوی فهرست مشروط بازار دوم در حال حاضر و مطابق آیین‌نامهٔ جدید مورد استفاده قرار نمی‌گیرد.صنعت و زیرگروه صنعت: طبقه‌بندی بر اساس حوزهٔ فعالیت شرکت‌هاشرکت‌ها بر اساس ماهیت حوزهٔ کاریشان به ۶۷ بخش (sector) و ۲۲۶ طبقه (subsector) تقسیم می‌شوند. آیین‌نامهٔ ضوابط کلی طبقه‌بندی شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران جزئیات این طبقه‌بندی را توضیح داده است. فهرست کامل بخش‌ها در سایت سازمان مدیریت فناوری بورس تهران در دسترس است. برخی بخش‌ها (مانند بخش شاخص) در گذشته برای استفاده‌های خاص و عملیاتی (مثل نمادهای شاخص) استفاده می‌شده‌اند و نمایانگر شرکت‌های واقعی نبوده‌اند.صنایع بورس اوراق بهادار تهراننوع نمادمحصول مرتبط به هر شرکت معمولاً در چهار نماد معامله می‌شود که نوع معامله را مشخص می‌کند. گاهی این مشخصه را نوع بازار می‌نامند. همان‌طور که در سایت شرکت مدیریت فناوری بورس تهران توضیح داده شده است، شش نوع نماد وجود دارد: بازار عادی (NO: Normal market) که در آن محدودیت‌هایی برای حداقل و حداکثر حجم معامله وجود دارد.بازار خرده‌فروشی (OL: Odd-lot market) که در آن معاملات در اندازه‌هایی کمتر از حداقل حجم معاملات عادی صورت می‌گیرد.بازار جبرانی (BY: Buying-in market) که پس از پایان جلسات عادی معامله برگزار می‌شود تا تعهدات آن دسته از مشتریانی را که نتوانسته‌اند به تعهدات معاملات آتی خود عمل کنند تأمین گردد.بازار معاملات عمده یا بلوکی (BK: Block market) که در آن معاملاتی با حجم زیاد و خارج از روال عادی بازار صورت می‌گیرد تا در روند عادی بازار اخلال ایجاد نکند.بازار شاخص قیمت مصرف‌کنندهٔ روزانه (UI instruments) که انواع خاصی از نمادهای شاخص Indexed unit of account یا Daily Consumer Price Index در آن قرار داشته‌اند. (احتمالاً مخففِ Unidades Indexadas)بازار شاخص (ID: Index market) که نمادهای قدیمی شاخص بازار در این دسته قرار داشته‌اند.به طور معمول، شمارهٔ نوع نماد آخرین شناسهٔ نام کوتاه نماد را تشکیل می‌دهد؛ بنابراین وتجارت۱ نماد عادی بانک تجارت است که در تابلوی فرعی بازار اول بورس معامله می‌شود، وتجارت۲ بازار خرده‌فروشی همین محصول، وتجارت۳ بازار جبرانی محصول مذکور و وتجارت۴ بازار معاملات بلوکی همین محصول است. فهرستی از بسیاری از نمادهای فعال و غیرفعال در سایت شرکت مدیریت فناوری بورس تهران در دسترس است. فهرست نمادهای فعال قابل معاملهٔ هر روز به تفکیک نوع محصول در سایت بورس اوراق بهادار تهران در دسترس است.طبقه‌بندی نمادهای شرکت بانک تجارتنکات پایانیدر بررسی مشخصات نمادها و شرکت‌ها توجه کنید که نام کامل انگلیسی نماد ممکن است غلط‌انداز باشد. برای مثال دو نماد شوینده۱ (مدیریت صنعت شوینده ت.ص.بهشهر) و غبهشهر۱ (صنعتی بهشهر) هر دو با نام انگلیسی Behshahr Ind. ثبت شده‌اند اما به دو شرکت از صنایع متفاوت تعلق دارند. هادی صفری هادی صفری Mon, 03 May 2021 19:52:00 +0430 https://virgool.io/@hadisfr/twitter-favstars-winter99-vyeitlh1n0mx نگاهی به مهم‌ترین فیواستارهای توییتر فارسی در زمستان ۹۹ همزمان با آغاز سال ۱۴۰۰ و در آستانهٔ انتخابات ریاست جمهوریدر توییتر فارسی توییت‌هایی را که حداقل ۱۰۰۰ لایک دریافت کرده‌اند فیواستار می‌نامند. تاریخچهٔ این نامگذاری به زمانی باز می‌گردد که توییتر به جای لایک از اصطلاح فیو (fave) استفاده می‌کرد.در سه‌ماههٔ پایانی سال ۱۳۹۹ بیش از ۳۱ هزار توییت از بیش از ۷٫۵ هزار کاربر در توییتر فارسی فیواستار شده‌اند. توییت‌های حذف‌شده و توییت‌هایی که به اصطلاح شدو بن (shadow ban) شده‌اند در این آمار شمرده نشده‌اند. همچنین توییت‌های ایرانیان به زبان‌های دیگر، از جمله توییت‌های انگلیسی محمدجواد ظریف وزیر امور خارجه، بررسی نشده‌اند.برترین توییت‌هاخبر رهایی کاربری به نام روناک از سرطان با حدود ۳۵٫۵ هزار لایک در صدر فهرست فیواستارهای زمستان ۹۹ قرار دارد. https://twitter.com/Ronak07257705/status/1355913548828991493 توییت اعتراضی مهرنوش دژم به وضع اقتصادی، توییت محمد مساعد پس از رسیدن به وضعیت مناسب در ترکیه و بازگشت به توییتر و توییت حساب فارسی باشگاه فوتبال پورتو با بیش از سی هزار لایک در رتبه‌های بعدی قرار دارند. https://twitter.com/mdozham/status/1371423650004537346 https://twitter.com/2mohammadmosaed/status/1356255700880678912 https://twitter.com/FCPorto/status/1362136388397912064 بیشترین ریتوییت‌ها مربوط به توییت‌های سیاسی بوده است. توییت حساب فارسی آیت‌الله خامنه‌ای، رهبر انقلاب، دربارهٔ شرایط بازگشت به برجام، نظرسنجی علی‌اکبر رائفی‌پور، فعال رسانه‌ای اصولگرا، دربارهٔ محاکمهٔ روحانی، توییت فارسی مایک پومپئو، وزیر خارجهٔ آمریکا در دولت ترامپ، دربارهٔ مؤثر بودن فشار حداکثری با بیش از پنج هزار ریتوییت توییت‌هایی با بیشترین بازنشر هستند. رتبه‌های بعدی نیز به چندین توییت از رضا پهلوی، فرزند شاه مخلوع ایران، در مخالفت با جمهوری اسلامی و اقدامات آن با حدود چهار هزار ریتوییت تعلق یافته‌اند. https://twitter.com/Khamenei_fa/status/1358341689140723714 https://twitter.com/A_raefipur/status/1362325666998411264 https://twitter.com/SecPompeo/status/1349129026678374402 https://twitter.com/PahlaviReza/status/1370060535874650124 توییت محمدجواد آذری جهرمی، وزیر ارتباطات، دربارهٔ ایموجی‌های مورد استفادهٔ او با بیش از شش هزار کامنت پربحث‌ترین فیواستار توییتر فارسی در زمستان ۹۹ بوده است. توییت دیگر او دربارهٔ راه‌حل‌های گسترش دولت الکترونیک و گله از وضعیت آن، توییت حسن روحانی رئیس جمهور، دربارهٔ گسترش پهنای باند و حمایت از اقدامات وزیر ارتباطات دربارهٔ این مسئله و توییت صادق زیباکلام دربارهٔ علاقه به استفاده از واکسن‌های انگلیسی و آمریکایی با بیش از سه هزار کامنت در جایگاه‌های بعدی قرار دارند. https://twitter.com/azarijahromi/status/1351551801393360899 https://twitter.com/azarijahromi/status/1349434679611559936 https://twitter.com/Rouhani_ir/status/1354338720682532865 https://twitter.com/sadeghZibakalam/status/1347633286236020738 پاسخ محسن بیات زنجانی، فرزند آیت‌الله اسدالله بیات زنجانی و از فعالین خیریه، به علی احمدنیا دربارهٔ مشارکت این دو در تهیهٔ کفش برای کودکان بی‌بضاعت در شب عید نیز با بیش از شش هزار لایک، پرلایک‌ترین کامنت توییتر فارسی در زمستان ۹۹ بوده است. https://twitter.com/m_bayatzanjani/status/1370029311340683267 برترین کاربرانبرخی کاربران مهمان ثابت فهرست فیواستارهای توییتر فارسی بوده‌اند.کاربری انقلابی به نام آدم بن حوا با ۲۶۸ فیواستار بیشترین تعداد فیواستارهای توییتر فارسی را در زمستان ۹۹ داشته است. کاربری برانداز و طرفدار ترامپ به نام نقاد بی‌رحم با ۲۴۹ توییت، کاربری به نام ضدند که خود را روان‌شناس می‌خواند با ۲۰۰ توییت، کاربر انقلابی دیگری به نام حاج حیدر با ۱۹۵ توییت و علی‌حسین قاضی‌زاده، تحلیل‌گر سیاسی و فعال رسانه‌ای، با ۱۸۳ توییت در جایگاه‌های بعدی قرار دارند. https://twitter.com/EbneHava_/status/1345043438580994051 https://twitter.com/Agnosticam/status/1347849576804470784 https://twitter.com/zedeey/status/1368057137390358530 https://twitter.com/haj_haydar/status/1344727763715031041 https://twitter.com/Alighazizade/status/1362331952628514817 فیواستارها در گذر زمانجمعه ۱۹ دی با نزدیک به پانصد فیواستار پرتوییت‌ترین روز فیواستارهای توییتر فارسی در زمستان ۹۹ بوده است. این روز با سخنرانی آیت‌الله خامنه‌ای مبنی بر ممنوعیت واردات واکسن‌های انگلیسی و آمریکایی مصادف بوده است و همین مسئله موضوع بسیاری از فیواستارهای این روز بوده است.فیواستارهای زمستان ۹۹ توییتر فارسی در گذر زمان۱۲ دی (مصادف با درگذشت محمدتقی مصباح یزدی)، ۱۸ دی (سالگرد شلیک به هواپیمای ۷۵۲ اوکراین)، ۲۳ دی (همزمان با قطعی گستردهٔ برق در تهران)، ۲۹ دی (شب شهادت حضرت فاطمهٔ زهرا)، ۱۵ بهمن (مصادف با درگذشت علی انصاریان بر اثر کرونا)، ۱۹ بهمن (پخش شدن خبر ابتلای علی رضوانی به کرونا و واکنش‌های کاربرانی که او را بازجو-خبرنگار می‌دانند)، ۲۱ و ۲۲ بهمن (سالروز پیروزی انقلاب اسلامی ۵۷ و واکنش‌های مخالفان با هشتگ #از_شما_بیزاریم و موافقان) و ۵ اسفند (اعتراضات سراوان) دیگر روزهای زمستان ۹۹ هستند که توییتر فارسی در آن‌ها بیش از ۴۰۰ فیواستار را به خود دیده است.هشتگ‌هاهشتگ انگلیسی‌زبان #hero که دربارهٔ سردار قاسم سلیمانی به کار رفته است با ۱۸۶ فیواستار بیشترین تعداد فیواستارها را داشته است. هشتگ‌های #سراوان (۱۷۰ توییت)، #بهنام_محجوبی (۱۵۰ توییت) و #برای_سرباز (۱۳۶ توییت) نیز در رده‌های بعدی قرار دارند.مؤثرترین هشتگ‌های فارسی و هشتگ‌زن‌های فیواستارهای زمستان ۹۹ توییتر فارسیمحتوای توییت‌هابا در نظر گرفتن مجموع همهٔ توییت‌های فارسی فیواستارشده در زمستان ۹۹، موضوعات گوناگونی در بین آن‌ها دیده می‌شود. ایران، سال، دوست، عکس، خونه و زندگی، در کنار واکسن و جمهوری اسلامی، جزء پرکاربردترین کلمات کلیدی‌اند که نشان از متنوع‌بودن محتوای توییت‌ها دارد.ابر کلمات فیواستارهای زمستان ۹۹ توییتر فارسینگاهی دقیق‌تر به کاربرانبا بررسی روابط دنبال کردن میان بیش از پانصد کاربری که در زمستان ۹۹ حداقل ده فیواستار فارسی داشته‌اند، می‌توان این کاربران را به پنج دسته تقسیم کرد.روابط دنبال کردن کاربرانی با حداقل ده فیواستار در زمستان ۹۹جز سه کاربر جدا از بدنهٔ اصلی کاربران که گروهی مجزا تشکیل می‌دهند، چهار گروه عمده دیده می‌شود.اصولگرایان و طرفداران حکومت (رنگ آبی) یکی از گروه‌های اصلی کاربرانی را که حداقل ده فیواستار داشته‌اند تشکیل می‌دهند. حساب فارسی آیت‌الله خامنه‌ای تأثیرگذارترین این کاربران است. حسن دلیریان و وحید یامین‌پور برخی دیگر از کاربران تأثیرگذار این گروه هستند.براندازان و اصلاح‌طلبان (رنگ صورتی) گروه عمدهٔ دیگر کاربران دارای حداقل ده فیواستار را تشکیل می‌دهند. مهدی پرپنچی و مصطفی تاج‌زاده شاخص‌ترین کاربران این گروهند.گروه دیگری که به این گروه بسیار نزدیکند کاربرانی‌اند که به طور سنتی به عنوان سلبریتی‌های توییتری (رنگ نارنجی) شناخته می‌شوند. «کروموزوم شماره ۱۱» (hesamism) شاخص‌ترین این کاربران است. کاربران دیگری به نام‌های «یغما»، «ژنرال» و «اشکان مدیری» از دیگر اعضای شاخص این گروه هستند.گروه آخر کاربران ناآشناتری هستند که می‌توان آن‌ها را روزمره‌نویس‌ها (رنگ سبز) نامید. کاربری به نام «لی لی الی» شاخص‌ترین کاربر این گروه است. کاربران دیگری به نام‌های «گل کویر»، «محمد مسیح» و «خواهر خونده تیلور» از دیگر کاربران تأثیرگذار این گروهند. تعداد بالای دنبال‌کنندگان، نسبت بالای دنبال‌کننده به دنبال‌شونده، شناخته‌شده نبودن در دنیای واقعی، ریتوییت‌های زیاد و توییت‌های روزمره و غیرسیاسی از مشخصه‌هایی است که این گروه از کاربران را از گروه‌های دیگر متمایز می‌کند.در یک نگاهبه نظر می‌رسد محبوب‌ترین فیواستارهای توییتر فارسی در زمستان ۹۹ متعلق به توییت‌ها و کاربران سیاسی بوده است؛ هرچند جایگاه کاربران روزمره‌نویس و مردم عادی و حتی حساب کاربری نهج‌البلاغه که به بازنشر ترجمهٔ فارسی گفتارهایی از نهج‌البلاغه می‌پردازد نیز محفوظ بوده است. از بین سیاسیون، در مجموع توییت‌ها و کاربرانی که در دو سر طیف سیاسی امروز ایران قرار دارند بیشتر از میانه‌روها مورد توجه کاربران توییتر فارسی قرار گرفته است. در بین فیواستارهایی با محبوبیت کمتر موضوعات متنوعی دیده می‌شود.خلاصهٔ انگلیسی این نوشتار به شکل تحت وب در Linkedin و به شکل فایل PDF در Academia و ResearchGate در دسترس است. هادی صفری هادی صفری Sun, 04 Apr 2021 21:34:51 +0430 https://virgool.io/@hadisfr/twitter-anticorruption-political-bias-lvbiargdru40 واکنش کاربران توئیتر به محکومیت عیسی شریفی و مهدی جهانگیری چقدر سازمان‌یافته و جناحی بود؟محمد رهبری، هادی صفریبخش ابتدایی این نوشتار در روزنامهٔ اعتماد روز دوشنبه ۲۰ بهمن به چاپ رسیده است.ابلاغ احکام عیسی شریفی معاون قالیباف در زمان شهرداری وی و مهدی جهانگیری برادر معاون اول رئیس جمهور، از سوی قوه قضائیه، در هفته اول بهمن ماه سال جاری، فضای سیاسی کشور را تحت تأثیر خود قرار داد. به دنبال انتشار اخبار محکومیت این دو نفر، افراد و گروه‌های سیاسی نسبت به آن واکنش‌های متفاوتی نشان دادند و توئیتر فارسی بهترین جایی بود که می‌شد این واکنش‌ها را در آن رصد و تحلیل کرد.بر اساس آنچه قوه قضائیه اعلام کرده، عیسی شریفی به ۲۰ سال زندان و رد مال به ارزش ۴۸۰ میلیارد تومان و مهدی جهانگیری محکوم به 2 سال زندان شد؛ اعداد و ارقامی که نشان می‌دهد جرم عیسی شریفی به مراتب سنگین‌تر از جرم مهدی جهانگیری بوده است. با این حال سؤال مهم آن است که واکنش گروه‌های سیاسی به این دو پرونده چقدر متوازن و عادلانه بوده است؟ آیا گروه‌های سیاسی توانسته‌اند فارغ از گرایش خودشان به این موضوع واکنش نشان دهند؟ با توجه به آنکه باقر قالیباف اکنون رئیس مجلس و اسحاق جهانگیری معاون اول رئیس جمهور است، واکنش‌ها به محکومیت افراد منسوب به این دو چگونه بوده است؟ تحلیل داده‌های منتشر شده در توئیتر برای پاسخ به این سؤالات مفید است.نتایج به دست آمده از توئیت‌های منتشر شده راجع به عیسی شریفی و مهدی جهانگیری نشان می‌دهد که علی‌رغم جرم سنگین‌تر عیسی شریفی، مهدی جهانگیری به مراتب بیشتر مورد توجه کاربران توئیتری بوده است. هما‌ن‌گونه که در جدول زیر می‌بینید، تعداد کاربرانی که منحصراً راجع به مهدی جهانگیری توئیت یا کامنت نوشته‌اند حدود ۲٫۵ برابر کاربرانی بوده است که علیه عیسی شریفی توئیت زده‌اند. توئیت‌هایی که علیه مهدی جهانگیری بوده نیز به مراتب بیشتر از توئیت‌هایی است که علیه عیسی شریفی متشر شده است.جدول بالا به روشنی نشان می‌دهد که میان میزان حملات به عیسی شریفی و مهدی جهانگیری و حکمی که هر یک از این دو نفر گرفتند تناسبی وجود ندارد. موضوعی که به شائبه حملاتِ سازمان‌دهی‌شده علیه مهدی جهانگیری دامن می‌زند. علاوه بر این، اصولگرایان در روزهای گذشته دو هشتگ #قاچاقچی_دلار و #پوری_جهانگیری_فریدون را نیز به صورت سازماندهی شده علیه مهدی جهانگیری ترند کردند؛ واقعیتی که نشان می‌دهد سازمان رسانه‌ای آن‌ها تمرکز زیادی بر محکومیت مهدی جهانگیری داشته است.حساسیت به فساد چقدر جناحی است؟به جز کاربرانی که در جدول بالا به آن‌ها اشاره شد که فقط در مورد یک نفر از محکومین توئیت زده بودند، ۲۵۹ کاربر نیز وجود داشتند که هم در مورد عیسی شریفی نوشتند و هم در مورد مهدی جهانگیری. اما برای آن که بدانیم این کاربران عمدتاً نزدیک به کدام جریان سیاسی بوده‌اند گراف زیر را باید دید.در این گراف، اسامی کاربرانی که توئیت‌هایشان حداقل ۷۵۰ لایک گرفته آورده شده است تا اکانت‌های برجسته هر گروه سیاسی قابل تحلیل باشد. علاوه بر این، رنگ‌ها نشان می‌دهد که هر کاربری چگونه به عیسی شریفی و مهدی جهانگیری اشاره کرده است. رنگ سبز حاوی توئیت‌هایی است که کلمات شهردار و قالیباف در آن آمده، رنگ بنفش حاوی توئیت‌هایی است که عبارات مهدی جهانگیری و اسحاق جهانگیری در آن آمده و رنگ آبی مخصوص توئیت‌هایی است که کلمه معاون اول در آن‌ها آمده است.همان‌گونه که در سمت چپ این گراف با رنگ سبز می‌بینید، از میان کاربران برجسته‌ای که فقط علیه عیسی شریفی و قالیباف توئیت زده‌اند، نام نعمت‌الله حافظی و یاشار سلطانی به صورت واضحی به چشم می‌خورد؛ کسانی که در زمان شهرداری قالیباف، نسبت به تخلفات وی هشدار می‌دادند.در سمت راست گراف کاربرانی را می‌بینیم که فقط علیه مهدی جهانگیری توئیت زده‌اند: از نظام‌الدین موسوی تا مسیح علی‌نژاد! نام اکانت‌های برجسته سازمان رسانه‌ای اصولگرایان نظیر علی قلهکی و سید پویان حسینی نیز در میان آن‌ها دیده می‌شود.در وسط گراف نیز نام کسانی را می‌بینیم که توأمان در مورد مهدی جهانگیری و عیسی شریفی توئیت زده‌اند. رضا حقیقت‌نژاد خبرنگار رادیو فردا، علی جعفری اصولگرا و عباس عبدی و محمود صادقی اصلاح‌طلب از جمله اکانت‌های برجسته در این میان هستند. بنابراین، نکته اولی که از این گراف می‌توان استنتاج کرد آن است که چهره‌های برجسته اصولگرایی عمدتا جناحی توئیت زده‌اند؛ حال آنکه چهره‌های برجسته اصلاح‌طلبی که به این مفاسد پرداخته‌اند، نسبتاً غیرجناحی عمل کرده‌اند.نکته دیگری که از این گراف قابل استنتاج است آن است که اکثر توئیت‌های مربوط به مهدی جهانگیری، حاوی کلیدواژه‌های «جهانگیری» و «مهدی جهانگیری» بوده است؛ اما در بخش کمتری از این توئیت‌ها، عباراتی نظیر «اسحاق جهانگیری» و «معاون اول رئیس جمهور» برجسته شده است. علی قلهکی و مسیح علی‌نژاد نام اسحاق جهانگیری را برجسته کرده‌اند و نظام‌الدین موسوی و سید پویان حسینی عبارت «معاول اول رئیس جمهور» را. یافته‌هایی که نشان می‌دهد این افراد احتمالا به دنبال بهره‌برداری سیاسی از محکومیت مهدی جهانگیری بوده‌اند. بر همین اساس و بر اساس نزدیکی و دوری هر یک از اکانت‌ها به هر یک از عبارات، می‌توانید گراف کامل‌تر تحلیل کنید.از این داده‌های آنلاین نتایج متنوع بیشتری می‌توان گرفت که مهمترین آن‌ها رویکرد جناحی و سازمان‌یافته اصولگرایان در مواجهه با محکومیت عیسی شریفی است. آن‌ها نه تنها به محکومیت عیسی شریفی توجه چندانی نداشتند، بلکه به نظر می‌رسد که با حمله سازمان‌یافته به برادر معاون اول رئیس جمهور، تلاش کرده‌اند تا این موضوع را از توجه رسانه‌ای خارج کنند.به‌روزرسانی ۲ اسفند: شبکهٔ بازنشرکنندگانبا جمع‌آوری بخش قابل توجهی از بازنشرهای توییت‌های نوشته‌شده دربارهٔ مهدی جهانگیری و عیسی شریفی، شبکهٔ بازنشر این توییت‌ها تشکیل داده شد. این شبکه به ما کمک می‌کند با بررسی مخاطبان و حامیان هر یک از کاربرانی که دربارهٔ این دو پروندهٔ فساد مالی نوشته‌اند، جایگاه هر فرد را مشخص کنیم.در این شبکه ۶۷۷۰ کاربر یکتا و ۱۴۷۲۰ رابطهٔ بازنشر میان کاربران (نه میان توییت‌ها) وجود دارد.شبکهٔ بازنشرکنندگان توییت‌هاگروه‌های مختلفی از کاربران در این شبکه قابل تشخیصند. در سمت چپ، کاربرانی با گرایش سیاسی برانداز یا تحول‌خواه وجود دارند که با رنگ آبی مشخص شده‌اند. خبرنگارانی مانند مسیح علی‌نژاد، رضا حقیقت‌نژاد و داریوش زند از افراد مورد توجه این گروه بوده‌اند که دربارهٔ پرونده‌های فساد مالی نوشته‌اند. این نکته قابل توجه است که گرچه ماهیت‌های توییت‌های مسیح علی‌نژاد و افرادی مانند رضا حقیقت‌نژاد بسیار با هم متفاوت بوده است، اما خوانندگان آن‌ها به هم نزدیک بوده‌اند.در کنار آن‌ها کاربرانی با گرایش سیاسس نزدیک به اصلاح‌طلبان دیده می‌شوند که با رنگ صورتی نمایش یافته‌اند. یاشار سلطانی، علی نظری، عبدالله مؤمنی و عباس عبدی برخی از کاربران شاخص این دسته‌اند.پس از این گروه، کاربران عدالت‌خواه و حامیان احمدی‌نژاد دیده می‌شوند که با رنگ‌های قرمز و نارنجی مشخص شده‌اند. وحید اشتری از افراد شاخص این گروه است.در سمت راست شبکه کاربران ارزشی و انقلابی دیده می‌شوند که با رنگ سبز مشخص شده‌اند. علی جعفری، سید پویان حسینی، سید منصور موسوی، سید محسن دهنوی، سید نظام‌الدین موسوی و محمد پازوکی از شاخص‌ترین افراد این گروه هستند.علی قلهکی پل میان این گروه با گروهی دیگر از کاربران است که با رنگ سیاه مشخص شده‌اند. به نظر می‌رسد این گروه شامل کاربران نه‌چندان مشهور توییتری است که گرایش‌های انقلابی دارند. هادی صفری هادی صفری Mon, 08 Feb 2021 10:56:26 +0330 https://virgool.io/@hadisfr/confluence-rtl-sjdeaozb088c فارسی نوشتن در کانفلوئنس دردسرهای خود را دارد و استفاده از این ویکی تحت وب را برای شرکت‌های ایرانی دشوار می‌سازد. در این نوشته راه‌حل‌هایی برای تسهیل نگارش دوزبانه و راست‌به‌چپ در این ابزار ارائه می‌شود.کانفلوئنس (Confluence) یک ویکی مبتنی بر وب است که شرکت استرالیایی اتلسین (Atlassian)، سازندهٔ جیرا (Jira)، از سال ۲۰۰۲ توسعه داده است. این ابزار برای مستندسازی پروژه‌های نرم‌افزاری استفاده می‌شود؛ اما مسائل خاص زبان‌های فارسی و عربی و نوشتار راست‌به‌چپ (RTL)، چالش‌هایی بر سر راه استفاده از آن در شرکت‌های ایرانی ایجاد کرده است.افزودن ماکروی راست به چپبرای نوشتن متن‌های فارسی راست به چپ، ابتدا یک ماکروی جدید تعریف می‌کنیم.برای این کار: (بر اساس روش https://jira.atlassian.com/browse/CONFSERVER-1373)به بخش مدیریت (Administration) کانفلوئنس بروید.از بخش پیکربندی (Configuration) وارد صفحهٔ ماکروهای کاربر (User Macros) شوید.یک ماکروی جدید با گزینهٔ Create a User Macro ایجاد کنید.ماکروی راست به چپ را بسازید:برای Macro Name از rtl-section استفاده کنید.برای Macro Title از RTL Section استفاده کنید.می‌توانید برای تصویر از این تصویر استفاده کنید.برای نوع Macro Body Processing از Rendered استفاده کنید و این کد را به عنوان تمپلیت وارد کنید:## @noparamsa workaround for writing Right to Left texts <div style=&quotdirection: rtl; unicode-bidi: inherit;&quot>${body}</div>افزودن متن راست‌به‌چپ به نوشته‌هابرای نوشتن متون راست‌به‌چپ در بین نوشته‌های دیگر از ماکروی راست به چپ استفاده می‌کنیم:هنگام ویرایش متن روی گزینهٔ افزودن محتوای بیشتر (Insert more content) کلیک کنید و ماکروهای بیشتر (Other macros) را برگزینید.بخش راست‌به‌چپ (RTL Section) را جست‌وجو و انتخاب کنید.درج (Insert) را انتخاب کنید.متن راست‌به‌چپ فارسی را وارد کنید.متن چپ‌به‌راست در میان بخش راست‌به‌چپبرای نوشتن متون چپ‌به‌راست در میانهٔ یک بخش راست‌به‌چپ، یک ماکروی چپ‌به‌راست همانند ماکروی راست‌به‌چپ تعریف می‌کنیم.برای Macro Name از ltr-section استفاده کنید.برای Macro Title از LTR Section استفاده کنید.می‌توانید برای تصویر از این تصویر استفاده کنید.برای نوع Macro Body Processing از Rendered استفاده کنید و این کد را به عنوان تمپلیت وارد کنید:## @noparamsa workaround for writing Right to Left texts <div style=&quotdirection: ltr; unicode-bidi: inherit;&quot>${body}</div>حالا می‌توانیم درون یک بخش راست‌به‌چپ، یک بخش چپ‌به‌راست تعریف کنیم.بهبود ظاهر و حل برخی مشکلاتنمایش صحیح در محیط ویرایشهرچند متون نوشته‌شده در بخش‌های راست‌به‌چپ درست نمایش داده خواهند شد، اما این ماکروها در زمان ویرایش کار نخواهند کرد. این مسأله نوشتن را دشوار می‌کند. برای حل این مشکل:به بخش مدیریت (Administration) کانفلوئنس بروید.از بخش ظاهر و حس (Look and Feel) وارد صفحهٔ برگهٔ سبْک (Stylesheet) شوید.روی ویرایش (Edit) کلیک کنید تا قوانین CSS جدید اضافه کنید.خطوط زیر را اضافه کنید و تغییرات را با دکمهٔ Save ذخیره کنید.table.wysiwyg-macro[data-macro-name=&quotrtl-section&quot] { direction: rtl; text-align: justify; } table.wysiwyg-macro[data-macro-name=&quotltr-section&quot] { direction: ltr; text-align: initial; }استفاده از قلم‌های بهترقلم‌های پیش‌فرض کانفلوئنس برای زبان فارسی چندان مناسب نیستند و باید به دنبال فونت‌های جایگزین بود. می‌توان با تغییراتی اندک و استفاده از قلمی مانند وزیر، ظاهر صفحات را بهبود داد. برای این کار:به بخش مدیریت (Administration) کانفلوئنس بروید.از بخش ظاهر و حس (Look and Feel) وارد صفحهٔ برگهٔ سبْک (Stylesheet) شوید.روی ویرایش (Edit) کلیک کنید تا قوانین CSS جدید اضافه کنید.خطوط زیر را اضافه کنید و تغییرات را با دکمهٔ Save ذخیره کنید.@font-face { font-family: Vazir; src: url('https://cdn.jsdelivr.net/gh/rastikerdar/vazir-font@v26.0.2/dist/Vazir.ttf') format('truetype'); } @font-face { font-family: &quotVazir Code" src: url('https://cdn.rawgit.com/rastikerdar/vazir-code-font/v1.1.2/dist/Vazir-Code.ttf') format('truetype'); } #title-text, .wiki-content { font-family: Vazir; } .wiki-content { text-align: justify; text-indent: 1em; } code { font-family: &quotVazir Code" background: rgba(0,0,0,0.03); border: 1px solid #dfe1e5; border-radius: 3px; padding: 1px 6px; } هادی صفری هادی صفری Sun, 01 Nov 2020 02:00:17 +0330 https://virgool.io/@hadisfr/udp-checksum-calculation-xxfir2tknuqa سرجمع (checksum) روشی است که در بسیاری از پروتکل‌های ارتباطی شبکه، از جمله UDP برای تشخیص خطا در انتقال داده‌ها مورد استفاده قرار می‌گیرد. در این نوشته با مثال و به شکل عملی نحوهٔ محاسبهٔ چک‌سام بسته‌های UDP توضیح داده می‌شود.پروتکل User Datagram Protocol یا UDP یک پروتکل لایهٔ انتقال بر بستر پروتکل IP است. این پروتکل بسیار ساده است و بر خلاف همتای خود TCP، تسهیلاتی برای کنترل ازدحام، کنترل جریان و انتقال دادهٔ قابل اتکا ارائه نمی‌دهد. این مسأله UDP را برای برخی کاربردهای خاص مثل استریم کردن مدیا و بعضی از انواع پیام‌های کنترلی شبکه مناسب می‌کند. نسل‌های جدید HTTP نیز که پروتکل عادی مشاهدهٔ صفحات وب است بر مبنای UDP در حال توسعه‌اند.ساختار بستهٔ UDPهر بستهٔ UDP شامل یک سرآیند یا header و یک بخش داده یا data است. UDP سرآیند ساده‌ای دارد که شامل پورت مبدأ، پورت مقصد، طول بسته و checksum است.سرآیند بستهٔ UDP (منبع: ویکیپدیا)هرچند UDP تسهیلاتی برای انتقال قابل‌اتکای داده‌ها ارائه نمی‌دهد، سعی شده است تا با checksum وجود خطا در بسته‌های منتقل‌شده با احتمال بالایی قابل تشخیص باشد.سرجمع (checksum)در UDP،‫ checksum عددی ۱۶بیتی است که از مکمل ۱ گرفتن از جمع ۱۶بیتی سرآیند UDP، دادهٔ UDP و شبه‌سرآیند IP بسته حاصل می‌شود. نحوهٔ محاسبهٔ UDP checksum در RFC 768 توضیح داده شده است.اگر طول بخش داده مضرب صحیحی از ۱۶ بیت نباشد، هنگام محاسبهٔ checksum از انتها با تعداد مناسبی بیت ۰ پر می‌شود تا طولش به مضربی صحیح از ۱۶ بیت برسد.شبه‌سرآیند (psuedo-header) لایهٔ IP با سرآیند واقعی لایهٔ IP متفاوت است.ساختار شبه‌سرآیند لایهٔ آی‌پی با توجه به نسخهٔ پروتکل لایهٔ شبکه تعیین می‌شود. این شبه‌سرآیند برای بستر IP نسخهٔ ۴ در RFC 768 و برای بستر IP نسخهٔ ۶ در RFC 2460 توضیح داده شده است و به طور کلی شامل IP و پورت مبدأ و مقصد، طول بستهٔ پیام لایهٔ بالاتر (در این‌جا UDP) و کد پروتکل لایهٔ بالاتر (17 یا 0x11 برای UDP) می‌شود.شبه‌سرآیند IP نسخهٔ ۴ برای محاسبهٔ checksum بستهٔ UDP (منبع: ویکیپدیا)شبه‌سرآیند IP نسخهٔ ۶ برای محاسبهٔ checksum بستهٔ UDP (منبع: ویکیپدیا)توجه کنید که هرچند سرآیند UDP از پروتکل لایهٔ شبکه مستقل است و فقط دربرگیرندهٔ پورت مبدأ و مقصد است، اما پروتکل لایهٔ شبکه و IP مبدأ و مقصد در محاسبهٔ checksum مؤثر است. به دلیل عدم وابستگی به نحوهٔ پیاده‌سازی لایهٔ زیرین (شبکه)، کپسوله‌سازی و معماری لایه‌ای شبکه نقض نمی‌شود.همچنین قابل ذکر است که طول بستهٔ UDP به بایت (شامل داده و سرآیند UDP اما بدون شبه‌سرآیند IP) دو بار (یک بار در سرآیند UDP و یک بار در شبه‌سرآیند IP) در محاسبهٔ checksum جمع می‌شود.پس از دریافت یک بستهٔ UDP، گیرنده با افزودن شبه‌سرآیند IP جمع ۱۶بیتی کل بسته را (شامل checksum) محاسبه می‌کند. اگر بسته درست باشد این جمع برابر رشته‌ای ۱۶بیتی از ۱ها (65535) می‌گردد؛ در غیر این صورت بسته نامعتبر در نظر گرفته می‌شود.محاسبهٔ عملی UDP checksumدر این نوشته از ابزار nc و سیستم‌عامل لینوکس برای ارسال و دریافت پیام بر بستر UDP و از ابزار wireshark برای تحلیل بسته‌ها استفاده می‌شود. استفاده از هر ابزار مشابهی برای این هدف امکان‌پذیر است.برای ایجاد یک پردازه که بر روی پورت 8080 UDP به اتصالات جدید گوش دهد از دستور زیر استفاده می‌کنیم:nc -u -l 8080سپس ضمن ثبت بسته‌ها با wireshark، برای ارسال رشتهٔ Hello World به آن پردازه از دستور زیر استفاده می‌کنیم:echo -n &quotHello World&quot | nc -u 192.168.1.104 8080فرض کنید دستگاه مقصد IP برابر 192.168.1.104 دارد و IP فرستنده نیز 192.168.1.201 است.برای مشاهدهٔ راحت‌تر بسته‌ها در wireshark می‌توان از فیلتری مانند فیلتر زیر استفاده کرد:ip.src_host == 192.168.1.201 && ip.dst_host == 192.168.1.104 && udpبستهٔ UDP ارسال‌شده در wiresharkدر wireshark بستهٔ UDP به شکل زیر مشاهده می‌شود:0000 96 73 1f 90 00 13 73 74 48 65 6c 6c 6f 20 57 6f .s....stHello Wo 0010 72 6c 64 rldشبه‌سرآیند IP نسخهٔ ۴ نیز طبق ساختار بیان‌شده به شکل زیر خواهد بود:0000 c0 a8 01 c9 c0 a8 01 68 00 11 00 13 .......h.... در ادامه checksum این بسته را محاسبه خواهیم کرد.---------------------- ---------- IPv4 Psuedo-header |--------------------| |--------| ||0b1100000010101000|| ||0xc0a8|| Src ||0b0000000111001001|| ||0x01c9|| IP |--------------------| |--------| ||0b1100000010101000|| ||0xc0a8|| Dst ||0b0000000101101000|| ||0x0168|| IP |--------------------| |--------| ||0b0000000000010001|| ||0x0011|| ZERO | Protocol (UDP) |--------------------| |--------| ||0b0000000000010011|| ||0x0013|| UDP Length = 19 Bytes |--------------------| |--------| ---------------------- ---------- UDP Header |--------------------| |--------| ||0b1001011001110011|| ||0x9673|| Src Port |--------------------| |--------| ||0b0001111110010000|| ||0x1f90|| Dst Port |--------------------| |--------| ||0b0000000000010011|| ||0x0013|| UDP Length = 19 Bytes |--------------------| |--------| ||0b0000000000000000|| ||0x0000|| Checksum (EMPTY) |--------------------| |--------| ---------------------- ---------- UDP Data |--------------------| |--------| ||0b0100100001100101|| ||0x4865|| He ||0b0110110001101100|| ||0x6c6c|| ll ||0b0110111100100000|| ||0x6f20|| o ||0b0101011101101111|| ||0x576f|| Wo ||0b0111001001101100|| ||0x726c|| rl ||0b0110010000000000|| ||0x6400|| d | ZERO PADDING |--------------------| |--------| ---------------------- ----------حاصل جمع این اعداد برابر 298119 یا 0b1001000110010000111 می‌شود؛ اما محاسبات باید به شکل ۱۶بیتی انجام شود، یعنی بیت‌های سربار هفدهم به بعد باید با ۱۶ بیت اول جمع شوند:0b1001000110010000111 = 298119 => 0b1000110010000111 + 0b 100 ______________________ 0b1000110010001011 = 35979برای محاسبهٔ checksum باید مکمل ۱ عدد حاصل را محاسبه کنیم؛ یعنی ۰ها را به ۱ و ۱ها را به ۰ تبدیل کنیم:0b1000110010001011 | Ones' complement -> 0b0111001101110100 = 29556 = 0x7374بنابراین checksum برابر 0x7374 می‌شود که مشابه checksum موجود در بسته است.حال اگر این checksum را در بسته قرار دهیم و جمع ۱۶بیتی آن را حساب کنیم به 65535 می‌رسیم که نمایش دودویی آن رشته‌ای ۱۶بیتی از ۱ها است. این مسأله نشان می‌دهد بستهٔ دریافتی معتبر است.0b1001111111111111011 => 0b1111111111111011 + 0b 100 ______________________ 0b1111111111111111 = 65535 = 0xffffبرای محاسبه می‌توان از قطعه‌کد پایتون زیر استفاده کرد. توجه کنید که در انتهای بسته یک بایت ۰ اضافه شده است تا طول بسته بر ۱۶ بیت بخش‌پذیر باشد.h = &quotc0 a8 01 c9 c0 a8 01 68 00 11 00 13 96 73 1f 90 00 13 73 74 48 65 6c 6c 6f 20 57 6f 72 6c 64 00 &quot h_combined = h.replace(&quot &quot, &quot&quot) n = [int(&quot0x%s&quot % h_combined[i*4:i*4+4], base=16) for i in range(len(h_combined) // 4)] bin(sum(n)) >>> '0b1001111111111111011'برخی مشکلات رایجعدم بررسی صحت checksum در wiresharkبه طور پیش‌فرض wireshark صحت checksum را بررسی نمی‌کند. در این صورت در مقابل checksum عبارت validation disabled و unverified نوشته می‌شود.برای فعال کردن اعتبارسنجی checksum، روی آن کلیک راست کنید و از زیرمنوی Protocol Preferences گزینهٔ Validate UDP checksum if possible را فعال کنید.فعال کردن اعتبارسنجی UDP checksum در wiresharkبی‌اعتباری checksum پیام‌های ارسالی گاهی پشتهٔ شبکهٔ سیستم‌عامل تصحیح checksum را به عهدهٔ کارت شبکه می‌گذارد. در این شرایط wireshark پیام‌های ارسالی را پیش از آن که به کارت شبکه برسند و checksumـشان اصلاح شود می‌گیرد و در نتیجه در صورت بررسی checksum پیام‌ها نامتعبر تلقی می‌شوند. پیام‌های ارسال‌شده به localhost (رابط شبکهٔ lo) نیز همین مشکل را خواهند داشت. این مسأله به عنوان Checksum Offloading شناخته می‌شود.UDP checksum offloadingبرای بررسی بسته‌ها، بسته‌ها را بین دو ماشین ارسال کنید و آن‌ها را روی ماشین گیرنده تحلیل کنید، یا در صورت پشتیبانی درایور کارت شبکه، Checksum Offloading را روی درایور کارت شبکهٔ خود خاموش کنید. هادی صفری هادی صفری Sat, 17 Oct 2020 02:36:50 +0330 https://virgool.io/@hadisfr/dblp-collaboration-trends-nfbxa1efgtbn همکاری محققان علوم کامپیوتر در نگارش نوشته‌های علمی و دانشگاهی در طول زمان تغییر کرده است. برای بررسی دقیق‌تر این تغییرات به سراغ داده‌های سایت کتابشناسی DBLP رفته‌ایم و تحلیلی کوتاه انجام داده‌ایم.سایت DBLP که در ابتدا مخفف DataBase systems and Logic Programming بوده است امروزه به یک سایت جامع کتابشناسی برای نشریات علوم کامپیوتر تبدیل شده است و مقالات منتشرشده در مهم‌ترین نشریات و گردهمایی‌های مرتبط با این حوزه را فهرست می‌کند. این سایت در سال ۱۹۹۳ در دانشگاه تری‌یر آلمان راه‌اندازی شده است.سایت DBLPمجموعه‌دادهٔ این سایت در آدرس https://dblp.org/xml در دسترس است و می‌تواند برای تحلیل‌ها مورد استفاده قرار گیرد. در این تحلیل از انتشار ۲۰۱۹/۱۲/۰۲ داده‌های سایت استفاده می‌شود. تحلیل‌ها به منتشراتی که به عنوان «مقاله» (article) یا «منتشرشده در گردهمایی‌های ادواری» (proceedings) برچسب خورده‌اند محدود شده است. پس از تمیز کردن مجموعه‌داده، ۴٬۶۵۸٬۵۱۸ رکورد داده باقی می‌ماند که در ادامه مورد بررسی قرار می‌گیرد.منتشرات مورد بررسی در سال‌های ۱۹۳۶ تا ۲۰۲۰ انتشار یافته‌اند. داده‌های سال‌های ۲۰۲۰ و ۲۰۱۹ در زمان بررسی به بلوغ کافی نرسیده بوده‌اند و قابل استناد نیستند.سال انتشارتعداد نوشته‌های منتشرشده از دههٔ ۱۹۵۰ تا کنون رشدی تقریباً نمایی داشته است.نوشته‌های منتشرشده بر اساس سال انتشارنوشته‌های منتشرشده بر اساس سال انتشار (محور لگاریتمی)تعداد نویسندگانتعداد نویسندگان مقالات، همانند بسیاری از پدیده‌های مشابه، توزیعی شیبه به توزیع دم‌سنگین دارد.نوشته‌های منتشرشده بر اساس تعداد نویسندگاننوشته‌های منتشرشده بر اساس تعداد نویسندگان (محور لگاریتمی)اکثر مقالات ثبت‌شده دو نویسنده داشته‌اند. مقالاتی با سه نویسنده در جایگاه بعدی قرار دارند. پس از آن، مقالاتی با چهار نویسنده و با اختلافی اندکی مقالاتی با تنها یک نویسنده قرار می‌گیرد.نوشته‌های منتشرشده بر اساس تعداد نویسندگان (مقادیری با دست‌کم ۱۰٬۰۰۰ مقاله)روند تغییر تعداد نویسندگان در گذر زمانبه نظر می‌رسد در سال‌های اخیر تمایل نویسندگان به همکاری بیشتر شده است. در گذشته اکثر نوشته‌ها تنها یک نگارنده داشته‌اند. در اوایل دههٔ ۱۹۹۰ مقالاتی با دو نویسنده بیشتر از کارهای تک‌نویسنده‌ای می‌شود. در اوایل دههٔ ۲۰۱۰ تعداد نوشته‌های دارای سه نویسنده از نوشته‌هایی که دو نویسنده دارند پیشی می‌گیرد.تعداد نویسندگان در گذر زمانبا نرمال‌سازی با توجه به تعداد کل نوشته‌های منتشرشده در هر حال سال، تغییرات واضح‌تر می‌شود.تعداد نویسندگان در گذر زمان (نرمال‌شده)به نظر می‌رسد علاقه به تنها کار کردن روندی کاهشی داشته است. علاقه به تحقیقات دونفری روندی افزایشی داشته است که در اواسط دههٔ ۱۹۹۰ به اوج خود می‌رسد و پس از آن سقوط می‌کند. علاقه به نگارش سه‌نفری منتشرات علمی با شیبی آرام افزایش می‌یابد و پس از رسیدن به اوج خود در ابتدای دههٔ ۲۰۱۰، روندی نزولی در پیش می‌گیرد. در سال‌های اخیر نگارش مقالات علمی در گروه‌های بزرگ‌تر رایج‌تر شده است.هرساله بیش از ۳۰۰٬۰۰۰ مقاله در حوزهٔ علوم کامپیوتر در مجلات و گردهمایی‌های معتبر منتشر و در سایت DBLP فهرست می‌شود.کدها، ابزارها و افق پیش روکدهای مورد استفاده برای تمیز کردن داده‌ها و تلاش‌هایی برای پیش‌بینی روند تغییرات در مخزن گیت‌هاب https://github.com/hadisfr/dblp-collaboration-trends قابل دسترسی است.تحلیل‌های کامل‌تر و بررسی تأثیر همه‌گیری جهانی ویروس کرونا،قرنطینه و مجازی شدن بسیاری از فعالیت‌های دانشگاهی بر این روند نیز ممکن است نتایج جالب توجهی داشته باشد. هادی صفری هادی صفری Sun, 04 Oct 2020 01:26:44 +0330 https://virgool.io/@hadisfr/polarfs-pko1u16w7yip PolarFS یک فایل‌سیستم توزیع‌شدهٔ بسیار کم‌تأخیر و مقاوم به شکست با دسترسی‌پذیری بالا است که برای پایگاه‌دادهٔ POLARDB طراحی شده است. این پایگاه‌داده هم‌اکنون در ابر Alibaba در دسترس است. PolarFS یک پشتهٔ شبکهٔ سبک و پشتهٔ ورودی-خروجی فضای کاربر را مورد استفاده قرار می‌دهد تا بتواند از تکنولوژی‌های در حال ظهوری مانند RDMA، NVMe و SPDK نهایت استفاده را ببرد. به این شکل، تأخیر ابتدا تا انتها به طور چشمگیری کاهش می‌یابد. اندازه‌گیری‌ها نشان می‌دهد تأخیر نوشتن PolarFS بسیار به فایل‌سیستم‌های محلی روی SSD نزدیک است.برای سازگار نگه داشتن نسخه‌بدل‌ها در عین به حداکثر رساندن گذردهی ورودی-خروجی PolarFS، الگوریتم ParallelRaft به عنوان یک پروتکل اجماع مبتنی بر Raft توسعه داده شده است. الگوریتم مذکور سلسله‌وار کردن سخت‌گیرانهٔ Raft را با بهره‌گیری از قابلیت پایگاه‌داده‌ها در پذیرش انجام بدون‌ترتیب ورودی-خروجی می‌شکند. این الگوریتم قابل‌فهم بودن و سادگی پیاده‌سازی را از Raft به ارث می‌برد و در عین حال مقیاس‌پذیری ورودی-خروجی بسیار بهتری را برای PolarFS تأمین می‌کند.همچنین، معماری انبارهٔ مشترک PolarFS که به‌خوبی از POLARDB پشتیانی می‌کند توضیح داده شده است.مقالهٔ «PolarFS: یک فایل‌سیستم توزیع‌شدهٔ بسیار کم‌تأخیر و مقاوم به شکست برای پایگاه‌داده‌های انباره‌مشترک» با نام اصلی «PolarFS: An Ultra-low Latency and Failure Resilient Distributed File System for Shared Storage Cloud Database» [3] را Wei Cao، Zhenjun Liu، Peng Wang، Sen Chen، Caifeng Zhu، Song Zheng، Yuhui Wang و Guoqing Ma از Alibaba در VLDB ۲۰۱۸ ارائه کرده‌اند. در نوشتار حاضر ترجمه‌ای آزاد از این مقاله ارائه شده است.جز در بخش بررسی و نقد مقاله و مواردی که صراحتاً به منبع دیگری اشاره شده است، متون و تصاویر گزارش حاضر از منبع [3] برگرفته شده‌اند.مقدمه، طرح مسأله و پیشینهمقالهٔ مورد بررسی [3] به ارائهٔ راه‌حلی جایگزین برای حل مشکل کندی فایل‌سیستم‌های توزیع‌شده می‌پردازد، تا بتوان پایگاه‌داده‌ای توزیع‌شده با کارایی مناسب با بهره‌گیری از فناوری‌های سخت‌افزاری نوظهوری مانند RDMA و NVMe SSDها توسعه داد.پیشینهٔ موضوع در حوزهٔ انباره‌ها، انباره‌های توزیع‌شده، RDMA و… در منابع [2, 3] بررسی شده است.بیان مسألهدر سال‌های اخیر، جداسازی انباره (1) از محاسبه (2) به یک ترند در صنعت محاسبات ابری تبدیل شده است. چنین طراحی‌ای علاوه بر انعطاف‌پذیر کردن معماری، امکان استفاده از قابلیت‌های انبارهٔ مشترک را فراهم می‌کند؛ زیرا:گره‌های (3) محاسباتی و انباره‌ای می‌توانند از انواع مختلفی از سخت‌افزارهای سرویس‌دهنده استفاده کنند و جداگانه شخصی‌سازی شوند. برای مثال، دیگر لزومی ندارد در گره‌های محاسباتی نسبت حجم حافظهٔ اصلی به حجم دیسک رعایت شود. این نسبت بسیار وابسته به سناریوی کاربرد و پیش‌بینی‌ناپذیر است.دیسک‌های گره‌های انباره‌ای در یک خوشه (4) می‌توانند در کنار هم یک مخزن انباره (5) بسازند. این کار احتمال تکه‌تکه شدن (6) دیسک، نامتوازن شدن استفاده از دیسک در گره‌های مختلف و هدر رفتن حافظه را کاهش می‌دهد. همچنین، ظرفیت و گذردهی (7) یک خوشهٔ انباره‌ای را می‌توان بدون اطلاع استفاده‌کننده و به طور شفاف مقیاس کرد و افزایش داد.به دلیل آن که همهٔ داده‌ها در خوشهٔ انباره‌ای ذخیره می‌شوند، هیچ حالت پایدار محلی‌ای در گره‌های محاسباتی وجود ندارد. بی‌حالتی (8) گره‌های محاسباتی مهاجرت پایگاه‌داده‌ها را آسان‌تر و سریع‌تر می‌کند. همچنین تکثیر (9) داده‌ها و سایر ویژگی‌های دسترسی‌پذیری (10) سیستم زیرساختی انبارهٔ توزیع‌شده اتکاپذیری (11) داده‌ها را بهبود می‌دهد.علاوه بر این، سرویس‌های پایگاه‌دادهٔ ابری نیز می‌توانند از این معماری بهره ببرند:پایگاه‌داده را می‌توان در محیطی امن و مقیاس‌پذیر مبتنی بر شگردهای مجازی‌سازی مانند Xen، KVM و Docker بنا کرد.برخی ویژگی‌های اساسی پایگاه‌داده را، مانند چک‌پوینت‌ها و نسخه‌های متعدد فقط‌خواندنی، می‌توان با پشتیبانی از قابلیت‌های خوشهٔ انباره‌ای زیرساختی که ورودی-خروجی سریع، اشتراک داده و اسنپ‌شات را فراهم می‌کند تقویت کرد.اما فناوری انباره‌های داده با سرعت زیادی در حال تغییر است. به همین دلیل، سکوهای فعلی نمی‌توانند از همهٔ قابلیت‌های استانداردهای سخت‌افزاری نوظهوری مانند RDMA و NVMe SSDها استفاده کنند. برای مثال، برخی فایل‌سیستم‌های (12) توزیع‌شدهٔ متن‌باز پراستفاده مانند HDFS و Ceph تأخیری بسیار بیشتر از دیسک‌های محلی دارند. اگر از آخرین PCIe SSDها استفاده شود، تفاوت کارایی بیشتر به چشم می‌آید. کارایی یک پایگاه‌دادهٔ رابطه‌ای مانند MySQL که مستقیماً روی این فایل‌سیستم‌های توزیع‌شده اجرا می‌شود بسیار بدتر از اجرا روی PCIe SSDهایی با پردازنده و حافظهٔ مشابه است.تکنولوژی‌های نوظهور‫NVMe SSDSSDها از پروتکل‌های قدیمی‌ای مانند SAS و SATA به پروتکل نوظهور NVMe تکامل یافته‌اند. یک NVMe SSD که به درگاه PCIe متصل می‌شود می‌تواند با تأخیری کمتر از ۱۰۰ میکروثانیه به گذردهی ۵۰۰ هزار ورودی-خروجی در ثانیه برسد.با افزایش سرعت SSDها، سربار پشتهٔ قدیمی ورودی-خروجی هستهٔ سیستم‌عامل به گلوگاه (13) کارایی تبدیل می‌شود. اخیراً شرکت Intel کیت توسعهٔ کارایی قوی (SPDK) (14) را عرضه کرده است که مجموعه‌ای از ابزارها و کتابخانه‌هایی است که برای توسعهٔ نرم‌افزارهای مقیاس‌پذیر مبتنی بر NVMe در فضای کاربر (15) (و نه فضای هسته (16)) به کار می‌رود تا بتواند با پرهیز از وقفه‌ها (17)، سربار تغییر زمینه (18) و جابه‌جایی میان فضای کاربر و فضای هسته را نپردازد و کارایی را بهبود دهد.‫RDMARDMA سازوکاری برای ارتباط سریع و کم‌تأخیر تحت شبکهٔ سرورهای درون یک مرکز داده فراهم می‌کند. انتقال ۴ کیلوبایت داده بین دو سرور که فقط به واسطهٔ یک سوییچ به یکدیگر متصلند با این روش حدود ۷ میکروثانیه طول می‌کشد که بسیار از شبکه‌های TCP/IP سنتی سریع‌تر است.در RDMA نوشتن در حافظهٔ ماشین مقصد مستقیماً با استفاده از کارت‌شبکه‌های مخصوص و بدون درگیر شدن پردازنده صورت می‌گیرد.دو سازوکار ارسال-دریافت (ارتباط دوطرفه) و خواندن-نوشتن (ارتباط یک‌طرفه) در RDMA استفاده می‌شود. PolarFS از ترکیبی از هر دوی این سازوکارها بهره می‌گیرد. محموله‌های کوچک مستقیماً با سازوکار ارسال-دریافت منتقل می‌شوند. برای ارسال تکه‌های بزرگ‌تر داده، ابتدا دو طرف با سازوکار ارسال-دریافت دربارهٔ آدرس در حافظهٔ گره مقصد به توافق می‌رسند، سپس انتقال دادهٔ واقعی با سازوکار خواندن-نوشتن صورت می‌گیرد.یک راه‌حل رایج: انبارهٔ متصل به نمونهٔ ماشین مجازیبرای مقابله با این مسأله، فروشنده‌های پردازش ابری مانند Amazon AWS [9]، Google Cloud و Alibaba Cloud امکان استفاده از انبارهٔ متصل به نمونهٔ ماشین مجازی (19) را فراهم می‌کنند. یک انبارهٔ متصل به نمونهٔ ماشین مجازی یک SSD محلی و یک نمونهٔ ماشین مجازی با ورودی-خروجی بالا را استفاده می‌کند تا نیاز مشتری را به پایگاه‌داده‌های با سرعت بالا برآورده کند.شکل 1: انبارهٔ متصل به نمونهٔ ماشین مجازی آمازون [9]متأسفانه اجرای پایگاه‌داده روی انبارهٔ متصل به نمونهٔ ماشین مجازی چندین اشکال دارد:ظرفیت انبارهٔ متصل به نمونهٔ ماشین مجازی محدود است و برای سرویس‌های بزرگ پایگاه‌داده مناسب نیست.انبارهٔ متصل به نمونهٔ ماشین مجازی نمی‌تواند در مقابل خرابی دیسک‌های زیرساختی مقاومت کند. در نتیجه، پایگاه‌داده باید خودش تکثیر داده را مدیریت کند تا بتواند اتکاپذیری لازم را برای داده‌ها فراهم آورد.انبارهٔ متصل به نمونهٔ ماشین مجازی از یک فایل‌سیستم عام‌منظوره مانند ext۴ یا XFS استفاده می‌کند. اگر از سخت‌افزارهایی مانند RDMA یا PCIe SSD که تأخیر ورودی-خروجی کمی دارند استفاده شود، سازوکار انتقال پیام (20) بین فضای هسته و فضای کاربر گذردهی سیستم را به خطر می‌اندازد.انبارهٔ متصل به نمونهٔ ماشین مجازی از معماری خوشه‌های پایگاه‌دادهٔ همه‌چیزمشترک (21) که یک ویژگی مهم در سرویس‌های پایگاه‌دادهٔ ابری پیشرفته است پشتیبانی نمی‌کند.راه‌حل ارائه‌شده: PolarFSدر مقالهٔ مورد بحث، نگارندگان طراحی و پیاده‌سازی PolarFS را توضیح داده‌اند که یک فایل‌سیستم توزیع‌شده است که تأخیر بسیار کم، گذردهی بالا و دسترسی‌پذیری بالا را فراهم می‌کند. این فایل‌سیستم:از سخت‌افزارهای نوظهوری مانند RDMA و NVMe SSD نهایت استفاده را می‌برد. همچنین، از یک پشتهٔ شبکهٔ سبک و پشتهٔ ورودی-خروجی فضای کاربر استفاده می‌کند تا از گیر افتادن در فضای هسته و سر و کار داشتن با قفل‌های هسته بپرهیزد.یک API شبهPOSIX عرضه می‌کند با این هدف که در پایگاه‌داده جایگزین رابط‌های فایل‌سیستمی شود که سیستم‌عامل عرضه می‌کند و تمام مسیر ورودی-خروجی را در فضای کاربر نگه دارد.مدل ورودی-خروجی واحد دادهٔ PolarFS به گونه‌ای طراحی شده که در مسیر حیاتی (22) اجرای برنامه از تغییر زمینه بپرهیزد و قفل‌ها را از بین ببرد. همچنین، تمام رونوشت‌برداری‌های غیرضروری حذف شده‌اند و از DMA (23) استفاده می‌شود تا داده‌ها بین کارت‌‌شبکه‌هأ RDMA و دیسک‌های NVMe جابه‌جا شود.با استفاده از تمام موارد گفته‌شده، تأخیر ابتدا تا انتهای PolarFS تا سطحی نزدیک به دیسک‌های SSD محلی کاهش یافته است.الگوریتم اجماعفایل‌سیستم‌های توزیع‌شدهٔ معمولاً در محیط‌های اجرای ابری‌ای استقرار می‌یابند که هزاران ماشین دارند. در چنین مقیاسی خرابی‌های ناشی از مشکلات سخت‌افزاری یا نرم‌افزاری معمول است. بنابراین، یک الگوریتم اجماع مورد نیاز است تا اطمینان حاصل شود هیچ یک از تغییرات اعمال‌شده در حالات خاص گم نمی‌شوند و نسخه‌بدل‌ها (24) همواره می‌توانند به توافق برسند و بیت به بیت یکسان شوند.خانوادهٔ پروتکل‌های Paxos برای حل مسألهٔ اجماع بسیار مشهورند. Raft یک گونه از Paxos است که فهم و پیاده‌سازی آن آسان‌تر است. سیستم‌های توزیع‌شدهٔ بسیاری بر اساس Raft توسعه یافته‌اند. اما زمانی که Raft روی PolarFS اعمال شد، نگارندگان دریافتند که هنگام استفاده از سخت‌افزارهای بسیار کم‌تأخیری مانند RDMA و NVMe SSD که تأخیری از مرتبهٔ ده‌ها میکروثانیه دارند، Raft به‌شدت مانع مقیاس‌پذیری PolarFS می‌شود. به همین دلیل، نگارندگان الگوریتم ParallelRaft را توسعه دادند. این الگوریتم یک پروتکل اجماع تقویت‌شدهٔ مبتنی بر Raft است که اجازهٔ تصدیق (25) بدون‌ترتیب و اعمال لاگ‌ها را می‌دهد و در عین حال تطابق PolarFS را با معنای سنتی ورودی-خروجی حفظ می‌کند. با پروتکل مذکور، همروندی ورودی-خروجی موازی PolarFS به شکل قابل ملاحظه‌ای بهبود یافته است.‫POLARDBنگارندگان پایگاه‌دادهٔ رابطه‌ای POLARDB را که یک گونهٔ تغییریافته از AliSQL (یک اشتقاق از MySQL/InnoDB) است بر روی بستر PolarFS توسعه داده‌اند. این پایگاه‌داده هم‌اکنون به عنوان یک سرویس پایگاه‌داده در سکوی محاسبات ابری Alibaba در دسترس است.شکل 2:‫ POLARDB [9,3]POLARDB از معماری انبارهٔ مشترک پیروی می‌کند و از نسخ متعدد فقط‌خواندنی پشتیبانی می‌نماید. گره‌های پایگاه‌دادهٔ POLARDB به دو نوع تقسیم می‌شوند: (شکل 3)گره‌های اصلیمی‌توانند هم به پرس‌وجوهای خواندنی و هم به پرس‌وجوهای نوشتنی پاسخ دهند.گره‌های فقط‌خواندنی(RO)فقط به پرس‌وجوهای خواندنی پاسخ می‌دهند.گره‌های اصلی و گره‌های فقط‌خواندنی فایل‌های لاگ و فایل‌های داده را ذیل یک دایرکتوری در PolarFS با هم به اشتراک می‌گذارند.شکل 3: انواع گره‌های POLARDB و نحوهٔ ارتباط آن‌هاPolarFS با این ویژگی‌ها از POLARDB پشتیبانی می‌کند:تغییرات فراداده را (مانند: بریدن یا گسترش فایل‌ها و ساختن یا حذف کردن آن‌ها) بین گره‌های اصلی و گره‌های فقط‌خواندنی هم‌گام‌سازی می‌کند؛ در نتیجه گره‌های فقط‌خواندنی تمام تغییراتی را که گره‌های اصلی ایجاد می‌کنند می‌بینند.اطمینان حاصل می‌کند تغییرات فرادادهٔ فایل‌ها سلسله‌وار (26) می‌شود؛ بنابراین فایل‌سیستم همواره بین گره‌های مختلف سازگار خواهد ماند.تضمین می‌دهد اگر چند بخش شدن شبکه باعث شود گره‌های متعددی به عنوان گره اصلی عمل کنند و بخواهند همروند با یکدیگر روی فایل‌های مشترک بنویسند، فقط گره اصلی واقعی سرویس بگیرد؛ در نتیجه جلوی خرابی داده‌ها گرفته می‌شود.مشارکت‌ها و نوآوری‌های مقالهمقالهٔ مورد بحث سه نوآوری مهم دارد:روش بنا کردن فایل‌سیستم PolarFS را به عنوان یک فایل‌سیستم توزیع‌شدهٔ بسیار کم‌تأخیر با استفاده از سخت‌افزارهای نوظهور و بهینه‌سازی‌های نرم‌افزاری توضیح می‌دهد.ParallelRaft را به عنوان یک پروتکل اجماع جدید برای فایل‌سیستم‌های بزرگ‌مقیاس، مقاوم به شکست و توزیع‌شده ارائه می‌دهد. پروتکل مذکور نسخه‌ای تغییریافته از Raft است تا با معنی انباره‌ها سازگار باشد. در مقایسه با Raft، ParallelRaft پشتیبانی بهتری از ورودی-خروجی همروند در PolarFS ارائه می‌کند.ویژگی‌های اساسی PolarFS را نمایش می‌دهد که پشتیبانی مناسبی از معماری انبارهٔ مشترک POLARDB ارائه می‌کند.معماریPolarFS از دو لایهٔ اصلی تشکیل شده است. لایهٔ زیری مدیریت انباره را بر عهده دارد و لایهٔ رویی فراداده (27) را مدیریت می‌کند و API فایل‌سیستم را عرضه می‌کند.لایهٔ انبارهمسؤولیت منابع انبارهٔ همهٔ گره‌های انباره‌ای را بر عهده دارد و برای هر نمونهٔ پایگاه‌داده، یک والیوم (28) پایگاه‌داده فراهم می‌کند.لایهٔ فایل‌سیستممدیریت فایل‌ها در والیوم، تضمین انحصار متقابل (29) و هم‌گام‌سازی دسترسی همروند به فرادادهٔ فایل‌سیستم را بر عهده دارد. برای هر نسخهٔ پایگاه‌داده، PolarFS فرادادهٔ فایل‌سیستم را در والیوم مربوط به همان نمونه نگه می‌دارد.شکل 5 اجزای اصلی PolarFS را نشان می‌دهد:‫libpfsیک کتابخانهٔ پیاده‌سازی فایل‌سیستم در فضای کاربر با یک API شبهPOSIX است که به پردازهٔ PolarFS متصل است.سوییچ قطبیدر گره‌های محاسباتی قرار دارد و درخواست‌های ورودی-خروجی برنامه‌ها را به سرورهای تکه‌ها می‌فرستد.سرورهای تکهدر گره‌های انباره‌ای مستقر می‌شوند تا به درخواست‌های ورودی-خروجی رسیدگی کنند.کنترل‌کنندهٔ قطبیواحد کنترل PolarFS است که شامل چندین میکروسرویس (30) و تعدادی عامل (31) در همهٔ گره‌های محاسباتی و انباره‌ای است. کنترل‌کنندهٔ قطبی از یک نمونهٔ MySQL به عنوان مخزن فراداده استفاده می‌کند.لایهٔ فایل‌سیستملایهٔ فایل‌سیستم یک فایل‌سیستم مشترک موازی تأمین می‌کند که برای دسترسی همروند چندین گره پایگاه‌داده طراحی شده است. بنابراین تغییرات فرادادهٔ فایل‌سیستم باید میان گره‌ها هم‌گام‌سازی شود شود تا سازگار بماند و تغییرات همروند نیز باید سلسله‌وار شوند تا فراداده خراب نشود.‫libpfsشکل 4: رابط‌های شبه‌POSIX libpfslibpfs یک پیاده‌سازی سبک فایل‌سیستم است که کاملاً در فضای کاربر اجرا می‌شود. همان‌گونه که در شکل 4 مشخص است، libpfs یک API شبهPOSIX عرضه می‌کند. در نتیجه تغییر یک پایگاه‌داده به گونه‌ای که به جای فایل‌سیستم سیستم‌عامل با libpfs کار کند آسان است.هنگام راه‌اندازی یک گره پایگاه‌داده، pfs_mount به والیوم متناظر متصل می‌شود و آن را مقداردهی می‌کند. فرادادهٔ والیوم بارگیری می‌شود و داده‌ساختارهایی مانند درخت دایرکتوری‌ها در حافظهٔ اصلی تشکیل می‌شوند. هنگام خاموش شدن پایگاه‌داده، pfs_umount والیوم را جدا می‌کند. برای گسترش فضای والیوم نیز از pfs_mount_growfs استفاده می‌شود. سایر توابع نیز عملگرهایی معادل عملگرهای متناظر در POSIX هستند.لایهٔ انبارهشکل 5: لایهٔ انبارهلایهٔ انباره رابط‌هایی برای مدیریت و دسترسی والیوم‌ها در اختیار لایهٔ فایل‌سیستم قرار می‌دهد.معماری انبارهوالیومبه هر نمونهٔ پایگاه‌داده یک والیوم اختصاص داده می‌شود که از لیستی از تکه‌ها (32) تشکیل شده است. ظرفیت یک والیوم بین ۱۰ گیگابایت تا ۱۰۰ ترابایت متغیر است که به نیازمندی‌های اکثریت قریب به اتفاق پایگاه‌داده‌ها پاسخ می‌دهد. ظرفیت یک والیوم با افزودن تکه‌ها به آن افزایش می‌یابد. همانند انباره‌های سنتی، دسترسی تصادفی خواندن و نوشتن به والیوم با ترازهای (33) ۵۱۲بایتی امکان‌پذیر است. تغییرات یک تکه از داده که با یک درخواست ورودی-خروجی ارسال شده‌اند به شکل تجزیه‌ناپذیر صورت می‌گیرند.تکهیک والیوم به تعدادی تکه تقسیم می‌شود بین سرورهای تکه توزیع شده‌اند تکه کوچک‌ترین واحد توزیع داده است. و سرورهای تکه یک تکه را بین بیسک‌های متعدد پخش نمی‌کنند. نسخه‌بدل‌های هر سرور تکه به طور پیش‌فرض هر تکه داده را بین سه نسخه‌بدل متمایز که در قفسه‌های (34) متفاوت قرار دارند تکثیر می‌کنند. در صورت وجود نقاط داغ (35)، مهاجرت تکه‌ها به سرورهای تکهٔ دیگر امکان‌پذیر است.اندازهٔ هر تکه در PolarFS برابر ۱۰ گیگابایت در نظر گرفته شده است که به شکل قابل‌توجهی بزرگ‌تر اندازهٔ متناظر در سایر سیستم‌هاست؛ برای مثال، اندازهٔ تکه‌ها در GFS برابر ۶۴ مگابایت است. این انتخاب حجم فراداده را بسیار کم می‌کند و مدیریت آن را تسهیل می‌نماید. برای مثال، یک والیوم ۱۰۰ترابایتی فقط ۱۰٬۰۰۰ تکه خواهد داشت. ذخیرهٔ ۱۰٬۰۰۰ رکورد در پایگاه‌داده هزینهٔ نسبتاً کمی دارد. علاوه بر این، تمام این فراداده را می‌توان در کش (36) کنترل‌کنندهٔ قطبی جا داد و در نتیجه در مسیر حیاتی اجرای برنامه، از هزینهٔ دسترسی به فراداده کاست.عیب این تصمیم آن است که جدا کردن نقاط داغ موجود در یک تکه دیگر ممکن نیست. اما با توجه به نسبت بالای تعداد تکه‌ها به تعداد سرورها (حدود ۱۰۰۰ : ۱)، نمونه‌های متعددی پایگاه‌داده‌ها (هزاران نمونه یا بیشتر) و قابلیت مهاجرت تکه‌ها بین سرورهای تکه، معمولاً PolarFS می‌تواند بار کل سیستم را متعادل کند.بلوک (37)هر تکه در سرورهای تکه به بلوک‌های ۶۴کیلوبایتی تقسیم می‌شود. بلوک‌ها به در زمان نیاز به تکه‌ها اختصاص می‌یابند تا تأمین لاغر (38) محقق شود. یک تکهٔ ۱۰گیگابایتی ۱۶۳٬۸۴۰ بلوک داده دارد. جدول نگاشت آدرس منطقی بلوک (39) تکه به بلوک‌ها به همراه نقشهٔ بیتی (40) بلوک‌های خالی هر دیسک به شکل محلی در سرورهای تکه نگه‌داری می‌شود. جدول نگاشت هر تکه حدود ۴۶۰ کیلوبایت حافظه اشغال می‌کند که نسبتاً فضای کمی است و می‌تواند در کش سرورهای تکه نگه‌داری شود.سوییچ قطبیسوییچ قطبی یک پردازهٔ دیمن (41) است که به همراه یک یا چند نمونهٔ پایگاه‌داده در سرور پایگاه‌داده مستقر می‌شود. در هر نمونهٔ پایگاه‌داده، libpfs درخواست‌ها را به سوییچ قطبی می‌فرستد. هر درخواست اطلاعات آدرس‌دهی (مانند شناسهٔ والیوم، آفست و طول) را در اختیار دارد که با استفاده از آن می‌توان تکهٔ مربوط را شناسایی کرد.libpfsهای نمونه‌های مختلف پایگاه‌داده درخواست‌های ورودی-خروجی را از طریق یک حافظهٔ مشترک به سوییچ قطبی می‌فرستند. این حافظهٔ مشترک با چند بافر حلقوی (42) پیاده‌سازی شده است. libpfs به شکل نوبت گردشی (43) یک بافر حلقوی را انتخاب می‌کند، درخواست را در آن می‌نویسد و منتظر پاسخ می‌شود. در سمت دیگر، سوییچ قطبی با اختصاص یک ریسمان (44) به هر بافر حلقوی، به شکل مداوم به دنبال درخواست‌های جدید از آن‌ها سرکشی (45) می‌کند. پس از دریافت یک درخواست جدید، سوییچ قطبی درخواست را برای سرور تکهٔ متناظر ارسال می‌کند.یک درخواست ممکن است به چندین تکه مرتبط باشد. در این صورت درخواست به چندین درخواست فرعی تقسیم می‌شود. نهایتاً، یک درخواست پایه‌ای به سرور تکه‌ای که رهبر گروه اجماعی محل نگه‌داری تکهٔ دادهٔ متناظر است ارسال می‌شود.سوییچ قطبی محل تمام نسخه‌بدل‌هایی را که به یک تکه مرتبطند با گشتن در کش محلی فرادادهٔ خود که با کنترل‌کنندهٔ قطبی هم‌گام است پیدا می‌کند. نسخه‌بدل‌های هر تکه داده یک گروه اجماعی می‌سازند که در آن یک گره رهبر و بقیهٔ گره‌ها پیرو هستند. فقط گره رهبر می‌تواند به درخواست‌ها پاسخ دهد. تغییر رهبر در گروه اجماعی نیز با سوییچ قطبی هم‌گام می‌شود و در کش محلی آن ذخیره می‌گردد. اگر در زمان مورد نظر درخواست بی‌پاسخ بماند (46) سوییچ قطبی با فواصل زمانی نمایی (47) مجدداً تلاش می‌کند. اگر در این میان رهبرگزینی صورت گرفته باشد، سوییچ قطبی مجدداً درخواست را ارسال می‌کند.سرور تکهسرور تکه وظیفهٔ ذخیرهٔ تکه‌ها را بر عهده دارد و امکان دسترسی تصادفی را به آن‌ها فراهم می‌کند.سرورهای تکه در گره‌های انباره‌ای مستقر می‌شوند. در هر سرور انباره‌ای ممکن است چندین پردازهٔ سرور تکه در حال اجرا باشد که به هر کدام هستهٔ پردازندهٔ اختصاصی و دیسک NVMe SSD مستقل اختصاص می‌یابد؛ بنابراین بین دو سرور تکه رقابت بر سر منابع شکل نمی‌گیرد. در نتیجه میان ریسمان‌های ورودی-خروجی داده‌ساختار مشترکی وجود ندارد و ریسمان ورودی-خروجی بدون سربار قفل‌گذاری پیاده‌سازی شده است. سرورهای تکه از مدل سرکشی در کنار ماشین حالت محدود رخدادمحور (48) به عنوان مدل همروندی استفاده می‌کنند. خواندن از RDMA و صف‌های NVMe و پردازش درخواست‌های ورودی در یک ریسمان انجام می‌شود.هر سرور تکه یک لاگ پیش‌نویس (49) دارد. برای تأمین تجزیه‌ناپذیری (50) و پایایی (51)، تغییرات هر تکهٔ داده پیش از به‌روزرسانی بلوک‌های داده به لاگ پیش‌نویس اضافه می‌شوند. لاگ پیش‌نویس در بافرهای غیرفرار SSD از نوع ۳D XPoint نگه‌داری می‌شوند. در صورت پر شدن این بافرها، سرور تکه سعی می‌کند با پاک کردن لاگ‌های قدیمی فضا ایجاد کند. اگر باز هم فضای کافی موجود نباشد، لاگ‌ها در NVMe SSD نوشته می‌شوند.سرورهای تکه با الگوریتم ParallelRaft درخواست‌ها را بین خود تقسیم می‌کنند و یک گروه اجماعی می‌سازند. یک سرور تکه ممکن است به دلایل متعددی گروه اجماعی خود را ترک کند و ممکن است به شیوه‌های متفاوتی به این مسأله رسیدگی شود. گاهی این اتفاق به دلیل خرابی‌های موقتی گاه و بی‌گاه، مانند خرابی موقت شبکه رخ می‌دهد. همچنین ممکن است سرور در حال ارتقا باشد و راه‌اندازی مجدد شده باشد. در چنین شرایطی بهتر است سیستم منتظر سرور قطع شده بماند تا دوباره آنلاین شود، به گروه ملحق گردد و به بقیهٔ گره‌های گروه برسد. در موارد دیگر خرابی پایدار است و ممکن است مدتی طولانی ادامه یابد؛ مثلاً ممکن است سرور آسیب دیده باشد یا آفلاین شده باشد. در این صورت همهٔ تکه‌های دادهٔ سرور تکهٔ مفقود باید از نسخه‌بدل‌های دیگر در یک سرور دیگر رونویسی شود تا تعداد لازم نسخه‌بدل‌ها از آن تکه‌های داده وجود داشته باشد.یک سرور تکهٔ قطع‌شده همواره به طور خودگردان سعی می‌کند دوباره به گروه اجماعی خود ملحق شود تا زمان در دسترس نبودن کاهش یابد. اما ممکن است کنترل‌کنندهٔ قطبی تصمیمات مکملی اتخاذ کند. کنترل‌کنندهٔ قطبی به شکل دوره‌ای فهرست سرورهای تکه‌ای را که قطع شده‌اند جمع‌آوری می‌کند و آنهایی را که به نظر می‌رسد خرابی دائمی دارند برمی‌گزیند تا اقدامات لازم را صورت دهد. گاهی تصمیم‌گیری دشوار است: مثلاً یک سرور تکه با دیسک کند ممکن است تأخیری بسیار بیشتر از بقیه داشته باشد، اما همواره می‌تواند به پویشگرهای حیات (52) پاسخ دهد. در چنین شرایطی الگوریتم‌های یادگیری ماشینی مبتنی بر آمار معیارهای عملکردی اجزای کلیدی مفیدند.کنترل‌کنندهٔ قطبیکنترل‌کنندهٔ قطبی واحد کنترل خوشهٔ PolarFS است. برای تأمین دسترسی‌پذیری بالای سرویس‌های، کنترل‌کنندهٔ قطبی روی یک گروه حداقل سه‌تایی از ماشین‌های اختصاصی مستقر می‌شود.کنترل‌کنندهٔ قطبی سرویس‌های کنترلی خوشه را فراهم می‌کند؛ مانند: مدیریت گره‌ها، مدیریت والیوم‌ها، اختصاص منابع، هم‌گام‌سازی فراداده و نظارت (53).اهم وظایف کنترل‌کنندهٔ قطبی عبارتند از:پیگیری عضویت و حیات همهٔ سرورهای تکهٔ عضو خوشه، آغاز مهاجرت نسخه‌بدل‌های یک تکهٔ داده از یک سرور به یک سرور دیگر در صورت اضافه‌بار سرور یا در دسترس نبودن آن به مدتی طولانی‌تر از یک آستانهٔ خاصنگه‌داری وضعیت همهٔ والیوم‌ها و موقعیت تکه‌های داده در پایگاه‌دادهٔ فراداده‌هاساخت والیوم‌ها و اختصاص دادن تکه‌های داده به سرورهای تکههم‌گام‌سازی فرادادهٔ سوییچ قطبی (با هر دو روش ارسال و دریافت)نظارت بر معیارهای تأخیر و گذردهی هر والیوم و تکه با استفاده از ردیابی (54) درخواست‌های ورودی-خروجی در مسیربرنامه‌ریزی بررسی دوره‌ای کدهای خطایابی CRC (55) بین نسخه‌بدل‌ها و درون آن‌ها برای تشخیص خطا و خرابیکنترل‌کنندهٔ قطبی به شکل دوره‌ای فرادادهٔ خوشه را (مثلاً محل تکه‌های هر والیوم) از طریق دستورهای واحد کنترل با سوییچ قطبی هم‌گام می‌کند. سوییچ قطبی فراداده را در کش محلی خود ذخیره می‌کند. هنگام دریافت درخواست از libpfs، سوییچ قطبی بر اساس این کش محلی درخواست را به سرور تکهٔ متناظر ارسال می‌کند. سوییچ قطبی گاهی، در صورت عقب افتادن کش محلی از مخزن مرکزی فراداده، فراداده را از کنترل‌کنندهٔ قطبی می‌گیرد.کنترل‌کنندهٔ قطبی به عنوان واحد کنترل در مسیر حیاتی ورودی-خروجی قرار ندارد؛ بنابراین می‌توان تداوم سرویس‌دهی آن را با شگردهای سنتی تضمین دسترسی‌پذیری بالا تأمین کرد. حتی در فواصل زمانی کوتاه میان خرابی و بازیابی کنترل‌کنندهٔ قطبی، به دلیل وجود فرادادهٔ کش‌شده در سوییچ قطبی و خودمدیریتی سرورهای تکه، جریان ورودی-خروجی PolarFS تحت تأثیر قرار نمی‌گیرد.مدل ورودی-خروجیشکل 6: جریان اجرای نوشتنشکل 6 نشان می‌دهد یک درخواست نوشتن چگونه در PolarFS اجرا می‌شود.POLARDB، از طریق بافر حلقوی بین libpfs و سوییچ قطبی، یک درخواست نوشتن برای سوییچ قطبی ارسال می‌کند.سوییچ قطبی، بر اساس کش محلی فرادادهٔ خوشه، درخواست را برای گره رهبر گروه اجماعی متناظر با تکهٔ دادهٔ تحت تأثیر درخواست ارسال می‌کند.با رسیدن یک درخواست نوشتن جدید، کارت‌شبکهٔ RDMA گره رهبر درخواست نوشتن را در یک بافر که از قبل مشخص است می‌نویسد و یک مدخل درخواست به صف درخواست‌ها اضافه می‌کند. یک ریسمان همواره از این صف سرکشی می‌کند و زمانی که یک درخواست جدید می‌رسد، بی‌درنگ پردازش آن را آغاز می‌کند.درخواست با استفاده از SPDK در بلوک لاگ در دیسک نوشته می‌شود و با RDMA به گره‌های پیرو نیز منتقل می‌گردد. هر دو عمل به شکل ناهم‌گام صورت می‌گیرند.با رسیدن درخواست تکثیر به گره‌های پیرو، کارت‌شبکهٔ RDMA گره پیرو نیز درخواست نوشتن را در یک بافر که از قبل مشخص است می‌نویسد و یک مدخل درخواست به صف تکثیر اضافه می‌کند.سپس ریسمان مربوط در گره پیرو فعال می‌شود و با SPDK به شکل ناهم‌گام درخواست را در دیسک می‌نویسد.با پایان موفقیت‌آمیز عملیات نوشتن، یک پاسخ تصدیق با RDMA به گره رهبر ارسال می‌شود.بعد از دریافت تصدیق اکثریت گره‌های پیرو، گره رهبر درخواست را با SPDK به بلوک‌های داده اعمال می‌کند.سپس گره رهبر با RDMA به سوییچ قطبی پاسخ می‌هد.سوییچ قطبی درخواست را به عنوان انجام‌شده علامت می‌زند و به کلاینت اطلاع می‌دهد.مدل سازگاریبازبینی الگوریتم Raftیک سیستم عملیاتی انبارهٔ توزیع‌شده به یک پروتکل اجماع نیاز دارد تا تضمین کند هیچ تغییر اعمال‌شده‌ای در حالات خاص گم نمی‌شود. در ابتدای طراحی، الگوریتم Raft با توجه به پیچیدگی کم پیاده‌سازی آن برای حل این مسأله انتخاب شد. اما مشکلات به‌زودی پدیدار شدند.Raft با هدف سادگی و قابل فهم بودن کاملاً سلسله‌وار طراحی شده است. در این پروتکل لاگ‌ها مجاز نیستند شامل حفره باشند؛ این بدان معنی است که اجزای لاگ باید به‌ترتیب توسط گره‌های پیرو تصدیق، توسط رهبر اعمال و در همهٔ نسخه‌بدل‌ها به کار گرفته شوند. درخواست‌های انتهای صف نمی‌توانند پاسخ داده شوند یا اعمال گردند پیش از آن که همهٔ درخواست‌های قبلیشان به شکل ماندگار در دیسک ذخیره شوند و پاسخ داده شوند. این مسأله شدیداً روی میانگین تأخیر تأثیر منفی می‌گذارد و گذردهی را کم می‌کند؛ چنان که مشاهدات حاکی از آن بود که با افزایش عمق ورودی-خروجی از ۸ به ۳۲، گذردهی نصف می‌شود.الگوریتم Raft مناسب انتقال لاگ‌ها بین یک رهبر و پیروان آن در محیط‌هایی با چندین ارتباط نیست. اگر یک ارتباط قطع یا متوقف شود یا کند باشد، لاگ‌ها بدون‌ترتیب به گره‌های پیرو می‌رسد. به بیان دیگر، لاگ‌هایی در ابتدای صف ممکن است پس از لاگ‌هایی که در صف پشت سر آن‌ها قرار دارد به گره‌های پیرو برسند. اما در پروتکل Raft، گره پیرو باید به‌ترتیب لاگ‌ها را بپذیرد و در نتیجه نمی‌تواند به گره رهبر اطلاع دهد که لاگ‌های بعدی را دریافت کرده است. در چنین حالتی ممکن است گره رهبر در شرایطی گیر کند که گره‌های پیرو نمی‌توانند یک لاگ را دریافت کنند. اما در عمل استفاده از چندین ارتباط در محیط‌های بسیار همروند رایج است. بنابراین لازم بود تا الگوریتم Raft بازبینی شود تا چنین شرایطی را تحمل کند.در یک سیستم پردازش تراکنش‌ها مانند پایگاه‌داده، الگوریتم‌های کنترل همروندی اجرای بدون‌ترتیب را در عین تضمین سلسله‌وار بودن نتایج میسر می‌سازند. پایگاه‌داده‌هایی مانند MySQL نسبت به‌ترتیب ورودی-خروجی انبارهٔ زیرساختی حساسیتی ندارند. سیستم قفل پایگاه‌داده تضمین می‌کند که در هر لحظه از زمان فقط یک ریسمان با هر صفحه کار می‌کند. در چنین شرایطی ترتیب انجام دستورها اهمیتی ندارد. با توجه به این مسائل، نگارندگان سعی کردند با آسان کردن برخی محدودیت‌ها، Raft را برای شرایط خاص استفاده مناسب‌سازی کنند.الگوریتم ParallelRaft با توجه به نیازمندی‌های مذکور طراحی شده است. این الگوریتم ماشین حالت تکثیرشده را با لاگ تکثیرشده پیاده‌سازی کرده است. دو نوع گره رهبر و پیرو وجود دارند و رهبر لاگ‌ها را به پیروانش می‌فرستد. برای شکستن مسأله از دیدگاهی مشابه Raft استفاده می‌شود و ParallelRaft به سه بخش تقسیم می‌شود: تکثیر بدون‌ترتیب لاگ، رهبرگزینی و رسیدن.ایده‌هایی برای اثبات درستی االگوریتم ParallelRaft در منبع [3] بیان شده است.همچنین در منبع [3] کارایی دو الگوریتم Raft و ParallelRaft مقایسه شده است. با افزایش عمق ورودی-خروجی، ParallelRaft بیشتر و بیشتر از Raft پیشی می‌گیرد. زمانی که این عمق به ۳۲ می‌رسد، تأخیر Raft حدوداً ۲٫۵ برابر ParallelRaft است، در حالی که به کمتر از نیمی از گذردهی الگوریتم جدید دست می‌یابد.شکل 7: مقایسهٔ کارایی ParallelRaft و Raft برای درخواست نوشتن تصادفی ۴کیلوبایتیتکثیر بدون‌ترتیب لاگالگوریتم Raft از دو جنبه به شکل سلسله‌وار عمل می‌کند:هنگامی که گره‌های پیرو دریافت و ثبت کردن لاگ‌هایی را که گره رهبر ارسال می‌کند تصدیق می‌کنند. این تصدیق همچنین به معنی تصدیق دریافت و ثبت کردن همهٔ لاگ‌های قبلی است.هنگامی که گره رهبر یک لاگ را اعمال می‌کند و این مسأله را به گره‌های پیرو اطلاع‌رسانی می‌کند. این مسأله همچنین به معنی اعمال همهٔ لاگ‌های قبلی است.الگوریتم ParallelRaft این محدودیت‌ها را می‌شکند و همهٔ این مراحل را بدون‌ترتیب انجام می‌دهد. بنابراین الگوریتم جدید تفاوتی جزئی با الگوریتم قدیمی دارد: در این الگوریتم اعلام اعمال شدن یک لاگ به معنی اعمال شدن لاگ‌های قبل از آن نیست. برای اطمینان از درستی الگوریتم، باید از دو مسأله اطمینان حاصل شود:بدون این محدودیت‌های رفتار سلسله‌وار، همهٔ حالت‌های اعمال‌شده با معنای انباره‌ای که در پایگاه‌داده‌های رابطه‌ای استفاده می‌شوند سازگار است.هیچ تغییر اعمال‌شده‌ای در شرایط خاص گم نمی‌شود.اجرای بدون‌ترتیب لاگ‌ها در ParallelRaft از این قانون پیروی می‌کند: اگر دامنهٔ نوشتن دو لاگ با هم هم‌پوشانی ندارد، این دو لاگ با هم تداخل نخواهند داشت و می‌توانند با هر ترتیبی اجرا شوند. در غیر این صورت لاگ‌ها تداخل دارند و باید با همان ترتیب دریافت شدن اجرا شوند. در این صورت تغییرات جدید هیچ‌گاه با تغییرات قدیمی بازنویسی نخواهند شد.در ادامه، نحوهٔ بهینه‌سازی مراحل تصدیق، اعمال و به‌کارگیری (56) در ParallelRaft بررسی خواهد شد.تصدیق بدون‌ترتیببر خلاف الگوریتم Raft که در آن گره‌های پیرو پیش از تثبیت کردن لاگ‌های قبلی نمی‌توانند دریافت یک لاگ را از رهبر تصدیق کنند، در ParallelRaft گره‌های پیرو به محض نوشتن یک لاگ دریافت‌شده، می‌توانند دریافت آن را تصدیق کنند.این عمل زمان تلف‌شده را کاهش می‌دهد و میانگین تأخیر را بهبود می‌دهد.اعمال بدون‌ترتیببر خلاف Raft که در آن گره رهبر نمی‌تواند یک لاگ را پیش از اعمال لاگ‌های قبلی آن اعمال کند، در ParallelRaft بلافاصله پس از آن که اکثریت گره‌های پیرو دریافت و ثبت لاگ را تصدیق کنند می‌توان لاگ را اعمال کرد.این مسأله با معنای مورد استفاده در انباره‌ها سازگاری دارد؛ زیرا انباره‌هایی مانند NVMe بر خلاف سیستم‌های پردازش تراکنش‌ها سازگاری قوی (57) را تضمین نمی‌کنند و از انواع سازگاری ضعیف (58) استفاده می‌کنند.به‌کارگیری تغییرات با حفره‌هایی در بین لاگ‌هابا پذیرش امکان تکثیر و اعمال بدون‌ترتیب لاگ‌ها در ParallelRaft، این الگوریتم پذیرش دنباله‌ای از لاگ‌ها را که شامل حفره است ممکن می‌سازد. اما تضمین درستی چنین روشی یک چالش است.ParallelRaft برای حل این مشکل داده‌ساختار جدیدی را به نام بافر پس‌نگر (59) مورد استفاده قرار می‌دهد. در این داده‌ساختار آدرس منطقی بلوکی n لاگ قبلی نگه‌داری می‌شود. بر اساس این اطلاعات، گره پیرو می‌تواند تشخیص دهد آیا یک لاگ با لاگ‌های قبلی که هنوز دریافت و اعمال نشده‌اند تداخل دارد یا خیر. در صورت عدم وجود تداخل، می‌توان لاگ را بی‌درنگ اعمال کرد. در صورت وجود تداخل، و فقط در این حالت، لاگ اعمال نمی‌شود و وارد لیست لاگ‌های در انتظار می‌گردد تا زمانی که لاگ‌های مفقودهٔ مورد نیاز نیز دریافت شوند. به این شکل می‌توان حفره‌هایی به طول حداکثر n را در زنجیرهٔ لاگ‌ها تحمل کرد.طبق مشاهدات نگارندگان، n = ۲ برای استفاده از PolarFS با RDMA مناسب است.رهبرگزینیهنگام رهبرگزینی، ParallelRaft می‌تواند همانند Raft گرهی را به عنوان رهبر انتخاب کند که جدیدترین لاگ اعمال‌شده و طولانی‌ترین دنبالهٔ لاگ‌ها را دارد. اما بر خلاف Raft که در آن رهبر منتخب همهٔ لاگ‌های سابقاً اعمال‌شده را دارد، در ParallelRaft، به دلیل وجود حفره‌های احتمالی، ممکن است رهبر جدید همهٔ تغییرات را نداشته باشد و لازم است گره انتخاب‌شده برای رهبری در یک حالت ادغام (60) لاگ‌های اعمال‌شدهٔ سایر اعضای گروه اجماعی را ببیند تا از نامزد رهبری به رهبر واقعی بدل شود و بتواند لاگ‌های جدید را بپذیرد.برخی حالات خاص در منبع [3] بررسی شده‌اند.شکل 8: رهبرگزینی در ParallelRaftدر شکل 8 یک نمونه با سه نسخه‌بدل بررسی شده است. ابتدا نامزد پیروی لاگ‌های خود را برای نامزد رهبری می‌فرستد (ادغام). سپس نامزد رهبری حالت خود را با نامزد پیروی هم‌گام می‌کند (هم‌گام‌سازی). در ادامه، نامزد رهبری می‌تواند همهٔ لاگ‌ها را اعمال کند و به نامزد پیروی نیز اطلاع دهد تا آن‌ها را اعمال کند (اعمال). در نهایت، نامزد رهبری به رهبر و نامزد پیروی به پیرو بدل می‌شوند.چک‌پوینتدر پیاده‌سازی واقعی از مفهومی به نام چک‌پوینت استفاده می‌شود که یک اسنپ‌شات از لاگ‌های اعمال‌شده تا زمان گرفتن اسنپ‌شات و نیز احتمالاً برخی لاگ‌های دریافت‌شده ولی هنوز اعمال‌نشده در آن زمان است. چک‌پوینت‌ها اجازه می‌دهند امکان هرس کردن دنبالهٔ لاگ‌ها فراهم شود.الگوریتم ParallelRaft در پیاده‌سازی واقعی گرهی با جدیدترین چک‌پوینت را به عنوان رهبر برمی‌گزیند تا بتواند مرحلهٔ رسیدن را انجام دهد.رسیدنزمانی که یک گره پیرو عقب‌مانده می‌خواهد به وضعیت فعلی رهبر برسد، از رسیدن سریع (61) یا رسیدن با جریان (62) استفاده می‌کند. انتخاب بین این دو روش به وضعیت فعلی گره پیرو بستگی دارد. روش رسیدن سریع برای هم‌گام‌سازی افزایشی رهبر و پیرو در زمانی که اختلاف آن‌ها زیاد نیست استفاده می‌شود. اگر شرایطی پیش بیاید که اختلاف رهبر و پیرو زیاد شود، مثلاً وقتی گره پیرو چند روز آفلاین بوده است، PolarFS از سازوکار رسیدن با جریان استفاده می‌کند. در عملیات رسیدن چک‌پوینت‌ها مؤثرند که در بخش چک‌پوینت توضیح داده شدند.شکل 9: رسیدن در ParallelRaftشکل 9 شرایط متفاوت رهبر و پیرو را در زمان آغاز هم‌گام‌سازی نشان می‌دهد. در حالت اول، چک‌پوینت رهبر از آخرین لاگ پیرو جدیدتر است و ممکن است رهبر لاگ‌های بین این دو را هرس کرده باشد. در این حالت نمی‌توان از رسیدن سریع استفاده کرد و رسیدن با جریان وارد عمل می‌شود. حالات دوم و سوم با رسیدن سریع حل‌شدنی‌اند.در توضیحاتی که خواهد آمد، همواره می‌توان فرض کرد آخرین چک‌پوینت رهبر از آخرین چک‌پوینت پیرو جدیدتر است. در غیر این صورت، رهبر می‌تواند بی‌درنگ یک چک‌پوینت بسازد و چنین شرایطی را تأمین کند.رسیدن سریعگره‌های پیرو ممکن است حفره‌هایی بعد از آخرین چک‌پوینتشان داشته باشند. حفره‌های بین آخرین چک‌پوینت رهبر و آخرین چک‌پوینت پیرو را می‌توان با استفاده از رونوشت‌برداری از بلوک‌های دادهٔ مورد نیاز از بلوک‌های دادهٔ رهبر پر کرد. تشخیص بلوک‌های دادهٔ مورد نیاز با استفاده از بافر پس‌نگر ممکن است.در حالت سوم، ممکن است گره پیرو لاگ‌های اعمال‌نشده‌ای داشته باشد. چنین لاگ‌هایی هرس می‌شوند و سپس مراحل مذکور صورت می‌گیرد.رسیدن با جریاندر این روش تاریخچهٔ لاگ‌های پیرو بی‌فایده است. محتوای بلوک‌های داده و لاگ‌های بعد از چک‌پوینت گره رهبر برای هم‌گام‌سازی استفاده می‌شود. برای انتقال محتوای بلوک‌های داده، تکه‌های داده به بخش‌های ۲۱۸کیلوبایتی شکسته می‌شوند.پیاده‌سازی لایهٔ فایل‌سیستمدر لایهٔ فایل‌سیستم PolarFS، مدیریت فراداده می‌تواند به دو بخش تقسیم شود:سازماندهی فراداده با هدف دسترسی و به‌روزرسانی فایل‌ها و دایرکتوری‌ها درون یک گره پایگاه‌دادههماهنگی و همگام‌سازی تغییرات فراداده میان گره‌های پایگاه‌دادهسازماندهی فرادادهسه نوع اطلاعات در فرادادهٔ فایل‌سیستم وجود دارد:مدخل دایرکتوری (63)نام (متشکل از آدرس فایل) و یک ارجاع به یک inode را در خود نگه‌داری می‌کند. مجموعه‌ای از مداخل دایرکتوری‌ها یک درخت دایرکتوری (64) می‌سازند.‫inodeیک فایل معمولی یا یک دایرکتوری را توصیف می‌کند. برای یک فایل معمولی، ارجاعی را به مجموعه‌ای از برچسب‌های بلوک‌ها نگه می‌دارد. برای یک دایرکتوری، ارجاعی را به مجموعه‌ای از مدخل‌های دایرکتوری واقع در دایرکتوری والد نگه می‌دارد.برچسب بلوک (65)نگاشت یک شمارهٔ بلوک فایل به یک شمارهٔ بلوک والیوم را در خود دارد.سه نوع مذکور فراداده در یک نوع‌داده (66) به نام فراشیء (67) مجرد شده‌اند.هنگام ساختن یک فایل‌سیستم جدید، فرااشیا در قطاع‌های ۴هزارتایی مقداردهی اولیه می‌شوند. هنگام سوار کردن (68) فایل‌سیستم، فرااشیا در حافظه بارگیری می‌شوند و به تکه‌ها و انواع مختلف تقسیم می‌گردند.یک فراشیء در حافظه با یک زوج‌مرتب شامل شناسهٔ فراشیء و نوع آن قابل دسترسی است. بیت‌های باارزش شناسه برای یافتن تکه‌ای که فراشیء به آن تعلق دارد استفاده می‌شود. سپس بر اساس نوع فراشیء گروه مناسب انتخاب می‌شود. در نهایت بیت‌های کم‌ارزش شناسه به عنوان شاخص (69) برای دسترسی به فراشیء مورد استفاده قرار می‌گیرند.برای به‌روزرسانی یک یا چند فراشیء، یک تراکنش آماده می‌شود و هر به‌‌روزرسانی به عنوان یک عمل در تراکنش ثبت می‌شود. این عمل مقادیر قدیمی و جدید شیئی را که قرار است به‌روزرسانی شود در خود دارد. پس از انجام همهٔ به‌روزرسانی‌ها، تراکنش آمادهٔ اعمال است. فرایند اعمال نیازمند هماهنگی و هم‌گام‌سازی میان گره‌های پایگاه‌داده است که نحوهٔ اجرای آن در بخش هماهنگی و همگام‌سازی تغییرات فراداده توضیح داده می‌شود. اگر اعمال ناموفق باشد، به‌روزرسانی با مقادیر قدیمی که در تراکنش موجود است بازگردانی (70) می‌شود.هماهنگی و همگام‌سازی تغییرات فرادادهبرای پشتیبانی از هم‌گام‌سازی فرادادهٔ فایل‌سیستم، PolarFS تغییرات فراداده را به عنوان تراکنش در یک فایل وقایع‌نگاری (71) ثبت می‌کند. گره‌های پایگاه‌داده متناوباً برای دریافت تراکنش‌های جدید به این فایل سرکشی می‌کنند. هنگامی که تراکنش جدیدی یافته شد، گره‌ها آن را دریافت و بازپخش (72) می‌کنند.به طور معمول، فقط یک گره روی این فایل می‌نویسد و چندین گره از روی آن می‌خوانند. در شرایطی مانند چند بخش شدن شبکه یا تغییرات مدیریتی، ممکن است چند گره سعی کنند روی این فایل بنویسند. در چنین شرایطی سازوکاری برای هماهنگی نوشتن روی فایل وقایع‌نگاری مورد نیاز است. PolarFS برای این کار از الگوریتم Paxos روی دیسک استفاده می‌کند. لازم به ذکر است که هدف الگوریتم Paxos در این‌جا با هدف الگوریتم ParallelRaft که برای اطمینان از سازگاری نسخه‌بدل‌های یک تکه از داده‌ها مورد استفاده قرار می‌گیرد متفاوت است.الگوریتم Paxos روی دیسک روی یک فایل متشکل از صفحات ۴ هزارتایی که می‌توانند به طور خودکار خوانده یا نوشته شوند اجرا می‌شود. این صفحات به عنوان یک رکورد رهبر و بلوک‌های داده برای هر گره پایگاه‌داده تفسیر می‌شوند. هر گره پایگاه‌داده از این صفحات بلوک داده استفاده می‌کند تا پیشنهاد خودش را بنویسد و پیشنهاد گره‌های دیگر را بخواند. صفحهٔ رکورد رهبر شامل اطلاعات برندهٔ فعلی الگوریتم Paxos و لنگر (73) فایل وقایع‌نگاری است. الگوریتم Paxos روی دیسک را فقط گره‌های اصلی (نوشتنی) اجرا می‌کنند. گره‌های فقط‌خواندنی این کار را انجام نمی‌دهند؛ در عوض، با بررسی لنگر در صفحهٔ رکورد رهبر به آن سرکشی می‌کنند. اگر لنگر تغییر کند، گره‌های فقط‌خواندنی می‌فهمند که تراکنش‌های جدیدی در فایل وقایع‌نگاری وجود دارد و با دریافت آن‌ها، فرادادهٔ محلی خود را به‌روزرسانی می‌کنند.شکل 10: لایهٔ فایل‌سیستمفرایند اعمال شدن تراکنش‌ها را می‌توان با مثال شکل 10 توضیح داد:گره ۱ قفل Paxos را که در ابتدا آزاد است پس از نسبت دادن فایل ۳۱۶ به بلوک ۲۰۱ درخواست می‌کند.گره ۱ نوشتن تراکنش را در فایل وقایع‌نگاری آغاز می‌کند.محل آخرین مدخل نوشته‌شده با انتهای موقت (74) مشخص می‌شود. پس از ذخیره شدن همهٔ مدخل‌ها، انتهای موقت برابر انتهای معتبر فایل وقایع‌نگاری می‌شود.گره ۱ فرابلوک‌هایش را با فرادادهٔ تغییریافته به‌روزرسانی می‌کند.در این زمان، گره ۲ سعی می‌کند قفل انحصاری (75) را که در اختیار گره ۱ است به دست آورد. گره ۲ شکست می‌خورد و بعداً دوباره تلاش می‌کند.پس از آن که گره ۱ قفل را آزاد می‌کند، گره ۲ صاحب قانونی قفل می‌شود. اما مدخل‌های جدیدی که گره ۱ در فایل وقایع‌نگاری ثبت کرده است معین می‌کنند که کش محلی فرادادهٔ گره ۲ کهنه است.گره ۲ مدخل‌های جدید را می‌پوید و قفل را آزاد می‌کند. سپس گره ۲ تراکنش‌های ثبت‌نشده را بازگردانی می‌کند و فرادادهٔ محلی‌اش را به‌روز می‌کند.گره ۳ به طور خودکار به‌روزرسانی فراداده‌اش را آغاز می‌کند. برای این کار، فقط لازم است تا مدخل‌های افزایش را بارگیری کند و آن‌ها را در حافظهٔ محلی‌اش بازپخش نماید.تصمیمات طراحیعلاوه بر موارد مطرح‌شده در بخش‌های قبل، چند مبحث طراحی دیگر نیز وجود داشته است که ارزش بحث دارند. برخی از این موارد به PolarFS و برخی دیگر به ویژگی‌های پایگاه‌داده مرتبطند.متمرکز یا غیرمتمرکزدو الگوواره برای طراحی سیستمهای توزیع‌شده وجود دارد: متمرکز و غیرمتمرکز.سیستم‌های توزیع‌شدهٔ متمرکز مانند GFS و HDFS یک گره بالادست (76) دارند که مسؤولیت نگه‌داری فراداده و مدیریت عضویت را بر عهده دارد. پیاده‌سازی این نوع سیستم‌ها ساده‌تر است، اما یک گره بالادست ممکن است چه در زمینهٔ مقیاس‌پذیری و چه از نظر دسترسی‌پذیری به گلوگاه کل سیستم بدل شود.سیستم‌های توزیع‌شدهٔ غیرمتمرکز مانند Dynamo در سمت دیگر طیف قرار دارند. در این سیستم‌ها گره‌ها در یک رابطهٔ نظیر‌به‌نظیر (77) با یکدیگر قرار دارند و فراداده بین همهٔ گره‌ها مشترک و تکراری است. انتظار می‌رود یک سیستم غیرمتمرکز اتکاپذیرتر باشد اما پیاده‌سازی و بررسی آن دشوارتر خواهد بود.PolarFS یک مصالحه (78) بین طراحی‌های متمرکز و غیرمترکز انجام داده است. در یک سمت، کنترل‌کنندهٔ قطبی یک گره بالادست متمرکز است که مسؤول کارهای مدیریتی مانند مدیریت منابع و پذیرش درخواست‌های کنترلی مانند ساخت یک والیوم جدید است. در طرف دیگر، سرورهای تکه با یکدیگر ارتباط برقرار می‌کنند و از یک پروتکل اجماع برای رسیدگی به خرابی و بازیابی خودگردان، بدون نیاز به درگیر شدن کنترل‌کنندهٔ قطبی استفاده می‌کنند.اسنپ‌شات‌گیری پایین به بالااسنپ‌شات یک نیاز معمول در پایگاه‌داده‌هاست. PolarFS از ویژگی اسنپ‌شات پشتیبانی می‌کند که طراحی سازوکار اسنپ‌شات POLARDB را تسهیل می‌کند.در PolarFS، لایهٔ انباره امکان دسترسی قابل‌اتکا به داده‌ها را برای لایه‌های بالاتر فراهم می‌کند. POLARDB و libpfs سازوکار لاگ خودشان را برای اطمینان از تجزیه‌ناپذیری و پایایی تراکنش‌ها استفاده می‌کنند. لایهٔ انبارهٔ PolarFS یک اسنپ‌شات با سازگاری دیسک در زمان قطع برق (79) ارائه می‌دهد که POLARDB و libpfs بر اساس آن تصویر دادهٔ سازگار خودشان را بنا می‌کنند.وقتی فاجعه‌ای پیش‌بینی‌نشده رخ می‌دهد یا یک حسابرسی فعال مورد نیاز است، کنترل‌کنندهٔ قطبی جدیدترین اسنپ‌شات داده را در اختیار نمونهٔ POLARDB قرار می‌دهد. سپس POLARDB و libpfs از لاگ‌های خود برای بازسازی یک حالت سازگار استفاده می‌کنند.جزئیات بیشتر پیاده‌سازی اسنپ‌شات با سازگاری دیسک در زمان قطع برق در منابع [3, 7] ذکر شده است.سرویس‌های خارجی یا اتکاپذیری داخلیاتکاپذیری سیستم‌های صنعتی، خصوصاً برای سیستم‌هایی مانند PolarFS که سرویس‌دهی به محصولات ابری عمومی با خدمت‌رسانی ۲۴ × ۷ را بر عهده دارند، اهمیت فراوانی دارد. در چنین سیستم‌هایی همهٔ انواع وظایف نگه‌داری اتکاپذیری باید صورت گیرد تا جلوی از دست رفتن خدمات و درآمد حاصل از آن خدمات جلوگیری شود. اجرای کارآمد این وظایف در عین فراهم آوردن یک سرویس مناسب برای بار سنگین کاربران، چالشی بزرگی برای PolarFS بود. به عنوان یک نمونه، سازوکار رسیدن با جریان، که در بخش رسیدن توضیح داده شد، زیر فشار سنگین، ممکن است دسترسی‌پذیری سیستم را تحت تأثیر قرار دهد. برای غلبه بر این مشکل، هم‌گام‌سازی داده‌ها در قالب قطعات کوچک ۱۲۸کیلوبایتی صورت می‌گیرد. تفصیل بیشتر این مسأله در منبع [3] آمده است. موارد متعدد دیگری از وظایف زمان‌بر وجود داشته‌ است که نگارندگان در مورد آن‌ها تصمیم گرفته‌اند.ارزیابیبرای ارزیابی سیستم پیشنهادی، PolarFS پیاده‌سازی و POLARDB نیز بر اساس آن به عنوان یک سرویس عمومی در ابر Alibaba عرضه شده است. سپس کارایی و مقیاس‌پذیری آن‌ها بررسی گردیده است. برای سنجش PolarFS، این فایل‌سیستم روی یک خوشه با ext۴ روی NVMe محلی و CephFS روی Ceph (به عنوان یک سیستم انبارهٔ توزیع‌شدهٔ متن‌باز پراستفاده) مقایسه شده است. برای سنجش POLARDB از مقایسهٔ آن با سرویس MySQL ابری Alibaba و POLARDB روی ext۴ محلی استفاده شده است.برای سنجش فایل‌سیستم‌ها از کارایی ابتدا تا انتها تحت بارها و الگوهای دسترسی متفاوت استفاده شده است که تأخیر و گذردهی را نیز به شکل ضمنی درون خود دارد. نتایج آزمایش PolarFS و CephFS مربوط به یک خوشه با ۶ گره انباره‌ای و یک گره کلاینت است. گره‌ها از طریق کارت‌شبکه‌های مجهز به RDMA با یکدیگر ارتباط برقرار کرده‌اند.از نسخهٔ ۲۱٫۲٫۳ Ceph با موتور انبارهٔ bluestore و پیام‌رسان ارتباطی async + POSIX استفاده شده است. با آن که موتور انبارهٔ Ceph می‌توانسته از RDMA استفاده کند، به علت عدم پشتیبانی فایل‌سیستم از آن، از پشتهٔ شبکهٔ TCP/IP روی فایل‌سیستم ext۴ استفاده شده است. یک درایو ext۴ جدید روی یک SSD پس از پاک کردن محتوای قبلی آن ایجاد شده است.برای تولید انواع مختلف بار با اندازه‌های ورودی-خروجی مختلف و همراه با موازی‌سازی، از FIO استفاده شده است. این ابزار از فایل‌هایی که تا ۱۰ گیگابایت بزرگ شده‌اند استفاده کرده است.در ارزیابی POLARDB، مقایسهٔ POLARDB روی ext۴ محلی با POLARDB روی PolarFS در محیطی سخت‌افزاری مانند آن‌چه برای ارزیابی PolarFS توصیف شد صورت گرفته است.برای ارزیابی پایگاه‌داده‌ها، از محک (80) Sysbench با بارهای شبیه‌سازی‌شدهٔ OLTP فقط‌خواندن، فقط‌نوشتن (با نسبت update : delete : insert = ۲ : ۱ : ۱) و ترکیب خواندن و نوشتن (با نسبت read : write = ۷ : ۲) استفاده شده است. مجموعه‌دادهٔ مورد استفاده ۲۵۰ جدول ۸٬۵۰۰۰٬۰۰۰رکوردی داشته است.تأخیر ورودی-خروجیشکل 11: میانگین تأخیر ورودی-خروجیتأخیر PolarFS برای ۴ هزار نوشتن تصادفی حدود ۴۸ میکروثانیه بوده است. این عدد به مقدار ۱۰ میکروثانیهٔ SSD محلی نزدیک و از ۷۶۰ میکروثانیهٔ CephFS بسیار بهتر است.میانگین تأخیر نوشتن PolarFS ۱٫۶ تا ۴٫۷ برابر کندتر از ext۴ محلی است؛ در حالی که معیار مشابه CephFS ۶٫۵ تا ۷۵ برابر کندتر از ext۴ محلی است. این بدان معنی است که PolarFS کارایی‌ای نزدیک به ext۴ محلی ارائه می‌کند. نسبت میانگین تأخیر نوشتن ترتیبی PolarFS و CephFS به ext۴ نیز به‌ترتیب ۱٫۶ تا ۴٫۸ و ۶٫۳ تا ۵۶ است. مقادیر متناظر برای خواندن تصادفی به‌ترتیب ۱٫۳ تا ۱٫۸ و ۲ تا ۴ و برای خواندن ترتیبی به‌ترتیب ۱٫۵ تا ۸٫۸ و ۳٫۴ تا ۱۴٫۹ است.کاهش کارایی PolarFS و CephFS نسبت به ext۴ برای درخواست‌های بزرگ (۱ میلیون) با درخواست‌های کوچک (۴ هزار) متفاوت است؛ زیرا شبکه و انتقال دادهٔ دیسک بیشتر زمان اجرای درخواست‌های بزرگ را به خود اختصاص می‌دهند.پردازش ورودی خروجی با یک ماشین حالت محدود تک‌ریسمانه و پرهیز از سربار تغییر زمینه و زمان‌بندی مجددبهینه‌سازی مصرف حافظه و استفاده از مخزن حافظه برای کاهش سربار ساختن و نابود کردن اشیانگه‌داری کل فراداده در حافظهٔ اصلیاستفاده از RDMA در فضای کاربر و SPDKاز عوامل کارایی بسیار بهتر PolarFS نسبت به CephFS هستند.گذردهی ورودی-خروجیشکل 12: میانگین گذردهی ورودی-خروجیدر خواندن و نوشتن تصادفی، ext۴ محلی، PolarFS و CephFS همگی با تعداد کارهای (81) کلاینت مقیاس می‌شوند. گلوگاه گذردهی ext۴ گذردهی یک دیسک SSD محلی، گلوگاه گذردهی PolarFS پهنای باند شبکه، ولی گلوگاه گذردهی CephFS ظرفیت پردازش بسته‌های شبکه در آن است. گذردهی ۴ هزار نوشتن و خواندن در ext۴ محلی به‌ترتیب ۴٫۴ و ۵٫۱ و در PolarFS به‌ترتیب ۴ و ۷٫۷ برابر بیشتر از CephFS است.برای خواندن و نوشتن ترتیبی، چه در فایل‌سیستم محلی و چه در فایل‌سیستم توزیع‌شده، یک دیسک به تقریباً تمام درخواست‌ها رسیدگی می‌کند. ext۴ و PolarFS به‌خوبی با تعداد کارهای کلاینت مقیاس می‌شوند تا به حدی برسند که گلوگاه ورودی-خروجی محدودشان می‌کند؛ حال آن که گلوگاه CephFS خود نرم‌افزار است و نمی‌تواند پهنای باند ورودی-خروجی را اشباع کند.بدون ورودی-خروجی اضافهٔ تحت شبکه، گذردهی خواندن ترتیبی ext۴ محلی با یک کلاینت بسیار بیشتر از PolarFS و CephFS است. اما با افزایش تعداد کلاینت‌ها به دو کلاینت گذردهی خواندن ترتیبی آن به‌شدت افت می‌کند و به مقدار گذردهی‌اش برای خواندن تصادفی با دو کلاینت نزدیک می‌شود. نگارندگان این مشاهده را به خصیصه‌های NVMe SSD مورد استفاده نسبت داده‌اند. این NVMe SSD یک بافر DRAM داخلی داشته است. زمانی که سفت‌افزار (82) الگوی بار ورودی را خواندن ترتیبی حدس می‌زده است، بلوک دادهٔ بعدی را در این بافر پیش‌واکشی (83) می‌کرده است. نگارندگان حدس زده‌اند که سازوکار پیش‌واکشی با الگوی ورودی-خروجی غیردرهم‌آمیخته (84) بهتر کار می‌کند.کارایی POLARDBشکل 13: ارزیابی کارایی POLARDBگذردهی POLARDB روی PolarFS به‌شدت به POLARDB روی ext۴ محلی نزدیک بوده است، حال آن که PolarFS دسترسی‌پذیری بالا با ۳ نسخه‌بدل را فراهم می‌کرده است. POLARDB روی PolarFS به گذردهی ۶۵۳ هزار خواندن در ثانیه، ۱۶۰ هزار نوشتن در ثانیه و ۱۷۳ هزار خواندن/نوشتن در ثانیه دست پیدا کرده است.علاوه بر این مسأله، POLARDB از بهینه‌سازی‌های سطح پایگاه‌داده نیز استفاده کرده است تا از MySQL پیشی گیرد. این بهینه‌سازی‌ها خارج از حوزهٔ منبع [3] و گزارش حاضر است.منابع[1] Alibaba Tech 2018. Alibaba unveils PolarFS distributed file system for cloud computing. https://hackernoon.com/alibaba-unveils-new-distributed-file-system-6bade3ad0413.‪[2] Cao, W. et al. 2020. POLARDB meets computational storage: Efficiently support analytical workloads in cloud-native relational database. 18th USENIX conference on file and storage technologies (FAST 20) (Santa Clara, CA, Feb. 2020), 29–41.‪[3] Cao, W. et al. 2018. PolarFS: An ultra-low latency and failure resilient distributed file system for shared storage cloud database. Proc. VLDB Endow. 11, 12 (Aug. 2018), 1849–1862. DOI:https://doi.org/10.14778/3229863.3229872.[4] Comfort, P. 2018. What is thin provisioning and should you use it? https://chicorporation.com/what-is-thin-provisioning-and-should-you-use-it/.[5] Grøvlen, Ø. 2019. POLARDB: A database architecture for the cloud. https://www.slideshare.net/oysteing/polardb-a-database-architecture-for-the-cloud-151270517.[6] Gulutzan, P. and Pelzer, T. 2003. SQL performance tuning. Addison-Wesley.[7] Humborstad, T. 2019. Database and storage layer integration for cloud platforms. NTNU.[8] Jun, H. 2018. PolarDB: Alibaba cloud’s relational database services architecture. https://www.alibabacloud.com/blog/579134.[9] Amazon EC2 instance store. https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/InstanceStorage.html.storagecomputenodeclusterstorage poolfragmentationthroughputstatelessreplicationavailablityreliabilityfile systembottleneckStrong Performance Development Kit (SPDK)user spacekernel spaceinterruptscontext switchinstance storemessage passingshared-everythingcritical pathDirect Memmory Accessreplicasacknowledgeserializedmetadatavolumemutual exclusionmicroserviceagentchunkalignmentrackhotspotیک صفحهٔ فایل شاخص یا داده که همهٔ کارها همزمان می‌خواهند به آن مراجعه کنند [6].cacheblockthin provisioningروشی برای اختصاص حافظه در انباره‌های تحت شبکه بر اسا حافظهٔ مصرف‌شده - در مقابل حافظهٔ پیش‌بینی‌شده - و اختصاص حافظهٔ بیشتر از یک مخزن حافظه در زمان نیاز. [ر.ک. [4]]Logical block addressing (LBA)bitmapdaemon processring bufferround robinthreadpolltime outexponential back offevent-driven finite state machineWrite Ahead Log (WAL)atomicitydurabilityliveness probemonitoringtraceCyclic Redundancy Check (CRC)ack-commit-applystrong consistencyweak consistencylook-behind buffermerge statefast catch upstreaming catch updircetory entrydirectory treeblock tagdata typemetaobjectmountindexroll backjournalreplayanchorpending tailmutexmasterpeer-to-peertrade offdisk outage consistencyنوع خاصی از سازگاری ضعیف، به این معنی که از اسنپ‌شات در زمان T آغاز شود، زمانی مانند T۰ وجود دارد که تمام عملیات پیش از T۰ در اسنپ‌شات ذخیره شده‌اند و هیچ یک از عملیات بعد از T در اسنپ‌شات ذخیره نشده‌اند. اما دربارهٔ وضعیت عملیات فاصلهٔ زمانی کوتاه [T۰, T] محدودیتی وجود ندارد.این مدل سازگاری اتفاقی را که در زمان قطع برق هنگامی که دیسکی در حال نوشتن است رخ می‌دهد شبیه‌سازی می‌کند. [ر.ک. [3, 7]]benchmarkjobfirmwareprefetchnon-interleavedvisualize هادی صفری هادی صفری Sat, 19 Sep 2020 23:31:48 +0430 https://virgool.io/@hadisfr/strong-stock-exchange-hashtag-ygxnxbfdk8m7 از ابتدای سال جاری بورس ایران با رشدی بی‌سابقه به زندگی روزمرهٔ بسیاری از مردم راه یافته است. غیرمتخصصین نیز پس‌انداز خود را وارد بورس کردند و برخی با فروش دارایی‌هایشان سرمایهٔ خود را به سهام تبدیل نمودند تا بتوانند ارزش آن را افزایش دهند. اما در اواخر مرداد ماه سال جاری، شاخص کل بورس پس از رشدی حدوداً سیصددرصدی سیر نزولی خود را آغاز کرد؛ اتفاقی که برخی اقتصاددانان با یادآوری ماهیت نوسانی بورس دربارهٔ آن هشدار داده بودند.با گذشت یک ماه از آغاز سیر نزولی شاخص کل بورس اوراق بهادار تهران، تعدادی از فعالان بورس خواستار دخالت و حمایت دولت برای جلوگیری از سقوط بازارند. در روز چهارشنبه ۱۲ شهریور، گروهی از کاربران با هشتگ #بورس_محکم موجی را در توییتر فارسی آغاز کردند تا با جلب حمایت سایر کاربران، خواستهٔ خود را به گوش متولیان اقتصادی قوهٔ مجریه برسانند. در ادامه به بررسی این هشتگ پرداخته می‌شود.محتوای توییت‌هاابر کلمات هشتگ #بورس_محکمبورس، بازار، دولت، حمایت، روحانی و بازار سرمایه شاخص‌ترین کلمات استفاده‌شده در توییت‌های هشتگ #بورس_محکم بوده‌اند. کاربران با اشاره به سخنانی از دکتر حسن روحانی، رئیس‌جمهور، که در آن گفته شده است «بورس را ما باید محکم و مستحکم نگه داریم» و ویدیوی آن را بهنام صمدی در یکی از اولین توییت‌های این هشتگ به اشتراک گذاشت، خواستار آن شدند که دولت سهامداران را در بازاری که خود آن‌ها را به مشارکت در آن فراخوانده بود تنها نگذارند (صمدی)؛ چرا که «مردم سرمایه های خرد و پس انداز خود را برای جا نماندن از تورم و نه سود به پیشنهاد دولت وارد بازار سرمایه کردند» (موسوی). کاربران بازارگردانی نمادها را در روزهای گذشته ناکافی دانسته‌اند (ناشناس، به نقل از ولید هلالات) و خواستار آن شده‌اند که بانک مرکزی ورود سهام‌داران حقوقی به بازار و حمایت از سهم‌ها را تسهیل کند (مهرزاد).با بررسی دقیق‌تر و توییت‌ها و تحلیل عمیق‌تر محتوای آن‌ها ممکن است اطلاعات بیشتری دربارهٔ عقاید کاربران شرکت‌کننده در این هشتگ به دست بیاید، اما به نظر می‌رسد اکثریت این کاربران در خواستهٔ خود با یکدیگر همداستانند؛ هرچند مخالفینی نیز یافت می‌شوند: https://twitter.com/DRaiissi/status/1301260238314770434 روند زمانی شکل‌گیری هشتگپیدایش هشتگبه نظر می‌رسد اولین توییت مرتبط با این هشتگ را امیرحسن مهرزاد، مدیر روابط عمومی سیمان تأمین (سیتا) در ساعت ۲:۱ بعد از ظهر چهارشنبه ۱۲ شهریور ماه ۱۳۹۹ نوشته است: https://twitter.com/AHMehrzad/status/1301090360416858113 نماد سیتا همانند بسیاری از نمادهای دیگر در روزهای اخیر وضعیت خوبی نداشته است. چهارشنبه سومین روزی بود که سهام سیتا با کاهش پنج‌درصدی ارزش روبه‌رو شده بود.پس از دو توییت از کاربران ناشناس، بهنام صمدی، خبرنگار و تحلیلگر بازار سرمایه، در توییتی ویدیویی از حسن روحانی به اشتراک می‌گذارد که در آن وعدهٔ حمایت از بورس داده شده بود: https://twitter.com/behnamsamadi_ir/status/1301092222968963072 دقایقی بعد زهیر موسوی، خبرنگار سابق اعتماد، و کاربر ناشناسی به نام بورس‌باز با فاصله‌ای چندثانیه‌ای دو توییت با این هشتگ می‌نویسند: https://twitter.com/zoheirIRAN/status/1301095571512602624 https://twitter.com/boursebaz/status/1301095654756937728 پس از آن کاربران دیگری از جمله احسان مازندرانی، مدیر مسؤول سابق فرهیختگان، نوید خاندوزی، کارشناس بازار سرمایه، و میترا فرخ‌پور، فعال بازار سرمایه، به هشتگ ملحق می‌شوند.رشد هشتگهشتگ #بورس_محکم در گذر زمانهشتگ #بورس_محکم در دومین ساعت پس از توییت آغازین به مرز ۱۷۵ توییت در ساعت می‌رسد؛ اما خیلی سریع تعداد کاربرانی که از آن حمایت می‌کنند کاهش می‌یابد و حدود پانزده ساعت پس از شروع، می‌توان عدم اقبال نسبی آن را حدس زد. در فواصل ۲۴ساعتهٔ بعدی تعداد توییت‌ها با به‌سرعت کاهش می‌یابد، اما در ۲۴ ساعت پنجم پس از توییت آغازین (ظهر یکشنبه تا ظهر دوشنبه) تعداد توییت‌ها دوباره افزایش می‌یابد.هدف بسیاری از هشتگ‌های توییتر فارسی جلب توجه بین‌المللی است. به نظر می‌رسد فعالین توییتری بورس معتقد بوده‌اند جلب توجه بین‌المللی پاسخ مناسبی برای مشکلشان فراهم نمی‌کند و بنابراین اهتمام زیادی در رواج دادن هشتگ نداشته‌اند. توییت‌های فراوانی وجود دارد که با وجود اشاره به دغدغهٔ مشابه، از هشتگ #بورس_محکم استفاده نکرده‌اند.بیشترین تعداد توییت‌ها در حوالی ساعت ۳ بعدازظهر به ثبت رسیده است. این مسأله را می‌توان ناشی از جهش ناگهانی تعداد توییت‌ها در ساعات آغازین دانست.در طول پنج روز بیش از ۷۶۶ کاربر با بیش از ۱۳۸۲ توییت در هشتگ #بورس_محکم شرکت کردند.بررسی طبیعی بودن رشد هشتگتعداد لایک‌های توییت‌های هشتگ #بورس_محکم به طور میانگین ۱۲٫۲۵ برابر تعداد ریتوییت‌ها بوده است (میانه برابر ۷٫۷۰). این عدد بیشتر از نسبت مشابه در بسیاری از هشتگ‌های رایج توییتری است. به نظر می‌رسد کاربران زیادی با کلیت خواسته‌های نویسندگان توییت‌ها موافق بوده‌اند، اما این خواسته‌ها آن‌قدر برایشان مهم نبوده است که به ریتوییت کردن و مشارکت فعال در هشتگ روی آورند.نسبت لایک به ریتوییت هشتگ #بورس_محکم در گذر زمانبسیاری از مشارکت‌کنندگان در این هشتگ در توییتر سابقه‌ای بیش از یک سال دارند. با توجه به روی آوردن گستردهٔ مردم عادی غیرمتخصص به بورس، شبکه‌های اجتماعی از جمله توییتر به یکی از منابع سهام‌داران خرد برای آشنا شدن با بورس، دریافت اخبار مرتبط، اطلاع از تحلیل‌های متخصصین و دریافت سیگنال‌های خرید و فروش تبدیل شد؛ در نتیجه به نظر می‌رسد مشارکت تعدادی کاربر کم‌سابقه در هشتگ‌های مرتبط با بورس طبیعی باشد.سابقهٔ کابران مشارکت‌کننده در هشتگ #بورس_محکمدر مجموع، به نظر نمی‌رسد از روش‌های غیرطبیعی (مانند گسترش هشتگ با بات‌های توییتری) برای رواج دادن هشتگ #بورس_محکم استفاده شده باشد و هشتگ رشدی طبیعی داشته است؛ هرجند احتمال تصمیم هدفدار و آگاهانهٔ کاربران آغازگر هشتگ، خصوصاً با توجه به ارتباط آن‌ها با برخی از بزرگ‌ترین شرکت‌های عرضه‌شده در بورس اوراق بهادار ایران (سیتا و شستا)، منتفی نیست.کاربران شرکت‌کننده در هشتگشبکهٔ کابران مشارکت‌کننده در هشتگ #بورس_محکمعمدهٔ کاربران مشارکت‌کننده در هشتگ #بورس_محکم را می‌توان به پنج دسته تقسیم کرد:رسانه‌های توییتری بورسی و دنبال‌کنندگان آن‌هااین گروه که با رنگ آبی مشخص شده است و حدود یک‌چهارم شرکت‌کنندگان در هشتگ را تشکیل می‌دهد، عمدتاً شامل بهنام صمدی، حساب‌های کاربری توییت‌بورس، بورس‌نیوز و عرضه‌اولیه و دنبال‌کنندگان آن‌ها می‌شود. اکثریت این کاربران احتمالاً سهام‌داران خردی هستند که اخبار لحظه‌ای بورس برایشان مهم‌تر از تحلیل‌های بنیادی و اخبار عمومی اقتصادی است.فعالین بورسی و دنبال‌کنندگان آن‌هااین گروه که با رنگ نارنجی مشخص شده است از فعالان بورسی مانند میترا فرخ‌پور و نوید خاندوزی و دنبال‌کنندگان آن‌ها تشکیل شده است. به نظر می‌رسد برخی از اعضای مهم این گروه از مدیران کانال‌های تلگرامی و صفحات مجازی آموزش بورس و سیگنال‌دهی هستند. اکثریت کاربران این گروه احتمالاً سهام‌داران خردی هستند که به اخبار لحظه‌ای، سیگنال‌های خرید، نوسان‌گیری و تحلیل تکنیکال علاقه‌مندند.فعالین اقتصادی، خبرنگاران بورسی و دنبال‌کنندگان آن‌هااین گروه که با رنگ سبز ماشی مشخص شده است از فعالین اقتصادی مانند حسین سلاح‌ورزی، خبرنگاران اقتصادی مانند سحر خوشحال، ناهید صباحی و مهدیه کردی و دنبال‌کنندگان آن‌ها تشکیل شده است. اکثریت این کاربران احتمالاً از سهام‌داران قدیمی‌تر بورس، علاقه‌مندان به تحلیل بنیادی و دنبال‌کنندگان اخبار اقتصادی تشکیل شده است.خبرنگاران و فعالین رسانه‌ایاین گروه که با رنگ بنفش مشخص شده است از خبرنگاران و فعالین رسانه‌ای مانند آرزو ترکتاز، سروش خسروی، بهروز شجاعی، احسان مازندرانی، زهیر موسوی و امیرحسن مهرزاد و دنبال‌کنندگان آن‌ها تشکیل شده است. به نظر می‌رسد اکثریت این کاربران را افرادی تشکیل می‌دهند که بورس تنها دلیل ارتباطشان با توییتر نیست.کاربران عمومیگروه دیگری از کاربران که با رنگ سبز جنگلی مشخص شده‌اند کاربران عادی روزمره‌نویس و روزمره‌خوانی هستند که ارتباط مستحکمی با فضای بورسی توییتر ندارند. در این گروه کاربرانی ناشناس با تعداد دنبال‌کنندگان و دنبال‌شوندگان بالا نیز دیده می‌شود.محبوب‌ترین توییت‌هالایک‌خورترین توییت‌ها https://twitter.com/twit_bourse/status/1301216627615313920 https://twitter.com/NKhandoozi/status/1301137782358904833 https://twitter.com/behnamsamadi_ir/status/1301092222968963072 https://twitter.com/ehsanmzni/status/1301195262304464896 https://twitter.com/twit_bourse/status/1301098340101369863 https://twitter.com/mitrafarokhpour/status/1301098989115375616 بازنشرشده‌ترین توییت‌ها https://twitter.com/behnamsamadi_ir/status/1301092222968963072 https://twitter.com/ehsanmzni/status/1301195262304464896 تشکر و قدردانینگارنده لازم می‌داند از آقای علیرضا قاضی‌نوری که در برخی تحلیل‌ها نگارنده را راهنمایی کرد قدردانی نماید. هادی صفری هادی صفری Wed, 09 Sep 2020 10:57:01 +0430