Перейти к основному содержимому

Статистика Ruarxive: снимок

Это каноническая страница со статистикой проекта: другие страницы базы знаний ссылаются на неё. Здесь приведены только подтверждённые цифры по отдельным коллекциям — у каждой указаны источник и дата. Общий объём архива и общее число проектов не приводятся: единого пересчёта по всем коллекциям пока нет.

Последняя сверка страницы: 12.10.2026. Ссылки вида #N ведут на публикации канала @ruarxive.

Крупные коллекции​

«Эхо Москвы» (март–апрель 2022)​

ЧастьОбъёмИсточник
Сайт echo.msk.ruоколо 176 ГБ, в т. ч. WARC 173 ГБ (186 234 035 346 байт); 63 299 файлов, из них 7 364 mp3#6, #8 (04–05.03.2022)
Медиаархив mp3около 465 ГБ, около 20 тысяч записей передач#16 (14.03.2022)
Копия сайта только из HTML911 МБ в сжатом виде, около 5 ГБ в распакованном#39 (05.04.2022)
Telegram-канал18 ГБ, более 50 тысяч сообщений#6 (04.03.2022)
Сообщество во ВКонтакте134 МБ, тексты более 99 тысяч записей#6 (04.03.2022)
Коллекция в Internet Archivearchive.org/details/echo-of-moscow#39 (05.04.2022)

Подробнее — «Эхо Москвы».

СМИ и медиа (2022)​

КоллекцияЦифрыИсточник
Telegram-канал «Новой газеты»около 20 ГБ#7 (05.03.2022)
Сайты заблокированных СМИ (colta.ru, theins.ru, paperpaper.ru, agentura.ru, news.doxajournal.ru)около 100 ГБ#23 (23.03.2022)

Подробнее — «Архивы российских СМИ».

Coub (март 2022)​

ЧтоЦифрыИсточник
Ролики раздела Hot1 952 ролика, 55 ГБ на дату поста; сбор продолжался. Публичного файла с роликами в реестре allarchives.csv от 12.12.2023 нет#18 (17.03.2022)
Метаданные Hot1 966 записей в hot/data.jsonl.xzcoub-archival-campaign, подсчёт 14.10.2026
Метаданные 21 категории99 489 записей, 99 333 разных idтот же репозиторий, подсчёт 14.10.2026
Featured2 585 подборок (stories)тот же репозиторий, подсчёт 14.10.2026

Подробнее — Coub.

Государство и открытые данные​

КоллекцияЦифрыИсточник
Instagram-аккаунты официальных лиц и политиков171 аккаунт, 1,4 ГБ#27 (28.03.2022)
Порталы открытых данных37 сайтов, 43 ГБ в сжатом виде (около 320 ГБ в распакованном); крупнейшие — opendata.mkrf.ru (15 ГБ) и data.gov.ru (14 ГБ)#55 (20.05.2022)
Сайты избирательных комиссий муниципальных образованийсписок из 144 ресурсов на старте кампании#63 (05.07.2022)
Отчёты Счётной палаты4,2 ГБ в сжатом виде, около 5 ГБ в распакованном#89 (02.12.2022)
Сайты Роснано (2021)9 сайтов, WARC. На 14.10.2026 сумма размеров девяти *.warc.gz в папке — 11 054 627 503 байта (11,1 ГБ)#110 (04.10.2023); промер CDN 14.10.2026. Разбор — кампании 2021 года
Большая российская энциклопедия224 556 статей bigenc.ru (ZIP 7 ГБ) и 82 228 статей old.bigenc.ru (ZIP 1 ГБ); WARC на 18.06.2024 — 35 ГБ, сбор продолжался#130 (18.06.2024), #131 (28.06.2024)
aisup.economy.gov.ru33 ГБ WARC (копия восьмилетней давности)#155 (22.04.2025)
Сайт Минспорта (2019)WARC около 1 ГБ#160 (30.06.2025)

Подробнее — «Консервированное государство». Крупные коллекции госсайтов в хранилище (правительство Москвы, МВД, Госдума и другие) посчитаны там по спискам файлов; это нижняя оценка на 12.10.2026.

Коллекции до 2022 года​

КоллекцияЦифрыИсточник
Старые версии официальных сайтов (коллекция 2012 года)88 сайтов, 22 ГБ в сжатом виде, до 300 ГБ в распакованномстраница «Консервированное государство» на март 2022
Раздел «Архивы сайтов» на hubofdata1 940 наборов данныхта же страница, март 2022
Сайты банков (коллекция banks)1 665 файлов, 300 значений поля domain, 147,7 ГБ; даты файлов с 17 декабря 2013 по 10 января 2020 года, почти весь объём — выгрузки 2013–2017 годовреестр allarchives.csv, версия от 12.12.2023 (сумма поля filesize в байтах / 10⁹). Разбор — кейс о закрытии банков
Сайты «Мемориала», ноябрь 2021В посте — 67 сайтов и 67 ГБ, файлы ещё не на сервере. На 14.10.2026 в папке 68 каталогов хостов, сумма размеров *.warc.gz — 64 908 596 077 байт (64,9 ГБ)@begtin, 21.11.2021; промер CDN 14.10.2026. Разбор — кампании 2021 года

Исторические цифры​

Эти цифры относятся к своему времени и не описывают текущий архив:

  • 21.01.2017 — проект «Архивация государства»: «уже собрано несколько терабайт данных в сжатом виде и десятков-сотен в распакованном» (@begtin).
  • 24.01.2017 — 1,4 ТБ веб-архивов, около 15 ТБ в распакованном виде, в том числе 345 сайтов банков и около 500 сайтов органов власти (@begtin).

Цифры из слайдов курса DH.1–DH.4 относятся к дате лекций и здесь не учитываются.

Собственные инструменты​

Инструменты с открытым кодом, которые развивает проект и его участники:

  • tgarc — архивация Telegram-каналов (не развивается с декабря 2023 года, для нового сбора — tdl);
  • wparc — сайты на WordPress через REST API;
  • ydiskarc — публичные папки Яндекс.Диска;
  • filegetter — массовое скачивание файлов по спискам;
  • apibackuper — архивация REST API;
  • spcrawler — публичные сайты на SharePoint;
  • metawarc — индексация и анализ WARC.

Как обновлять эту страницу​

  1. Добавляйте только цифры, у которых есть источник: публикация в канале, файл в хранилище (cdn.ruarxive.org) или запись в реестре allarchives.csv.
  2. Указывайте дату, на которую цифра верна.
  3. Не суммируйте коллекции в «общий объём» без полного пересчёта по хранилищу.
  4. Обновите last_updated и дату сверки в начале страницы.

Связанные страницы​