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)
| Часть | Объём | Источник |
|---|---|---|
| Сайт echo.msk.ru | около 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 mp3 | около 465 ГБ, около 20 тысяч записей передач | #16 (14.03.2022) |
| Копия сайта только из HTML | 911 МБ в сжатом виде, около 5 ГБ в распакованном | #39 (05.04.2022) |
| Telegram-канал | 18 ГБ, более 50 тысяч сообщений | #6 (04.03.2022) |
| Сообщество во ВКонтакте | 134 МБ, тексты более 99 тысяч записей | #6 (04.03.2022) |
| Коллекция в Internet Archive | archive.org/details/echo-of-moscow | #39 (05.04.2022) |
Подробнее — «Эхо Москвы».
СМИ и медиа (2022)
| Коллекция | Цифры | Источник |
|---|---|---|
| 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 российски х СМИ».
Coub (март 2022)
| Что | Цифры | Источник |
|---|---|---|
| Ролики раздела Hot | 1 952 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 Hot | 1 966 записей в hot/data.jsonl.xz | coub-archival-campaign, подсчёт 14.10.2026 |
| Метаданные 21 категории | 99 489 записей, 99 333 разных id | тот же репозиторий, подсчёт 14.10.2026 |
| Featured | 2 585 подборок (stories) | тот же репозиторий, подсчёт 14.10.2026 |
Подробнее — Coub.
Государство и открытые данные
| Коллекция | Цифры | Источник |
|---|---|---|
| Instagram-аккаунты официальных лиц и политиков | 171 аккаунт, 1,4 ГБ | #27 (28.03.2022) |
| Порталы открытых данных | 37 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 образований | список из 144 ресурсов на старте кампании | #63 (05.07.2022) |
| Отчёты Счётной палаты | 4,2 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 энциклопедия | 224 556 статей bigenc.ru (ZIP 7 ГБ) и 82 228 статей old.bigenc.ru (ZIP 1 ГБ); WARC на 18.06.2024 — 35 ГБ, сбор продолжа лся | #130 (18.06.2024), #131 (28.06.2024) |
| aisup.economy.gov.ru | 33 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
| Коллекция | Цифры | Источник |
|---|---|---|
| Старые версии официальных сайтов (коллекция 2012 года) | 88 сайтов, 22 ГБ в сжатом виде, до 300 ГБ в распакованном | страница «Консервированное государство» на март 2022 |
| Раздел «Архивы сайтов» на hubofdata | 1 940 наборов данных | та 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 годов | реестр allarchives.csv, версия от 12.12.2023 (сумма поля filesize в байтах / 10⁹). Разбор — кейс о закрытии банков |
| Сайты «Мемориала», ноябрь 2021 | В 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 неско лько 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
- Добавляйте только цифры, у которых есть источник: публикация в канале, файл в хранилище (
cdn.ruarxive.org) или запись в реестреallarchives.csv. - Указывайте дату, на которую цифра верна.
- Не суммируйте коллекции в «общий объём» без полного пересчёта по хранилищу.
- Обновите
last_updatedи дату сверки в начале страницы.