Thoora 是一家位于多伦多的公司，2008 年 3 月成立，他们的产品是新闻聚合器。低调开发一年之后，它入围了今年的 Techcrunch 50 。传统新闻聚合器的资讯来源主要是 Top 100 类的网站和博客，Thoora 认为不应忽略来自普通博客的声音，所以他们索引了大约 8000 万个博客，不仅如此，他们还增加了对评论与 Twitter 的监测，将这些数据综合在一起，来判断某件新闻的影响力。

新闻聚合器可以分为三类，全人工（如 Digg），半人工（如 Techmeme）和全自动化（如 Thoora），Thoora 走的更远一些，加入了对社会化媒体的监测。虽然许多人认为新闻聚合器的市场几近饱和，但如上所述，Thoora 在细分市场里有独特的地方，即挖掘了所有可能的信息来源。它是少有的能让我很快就弄明白日后盈利方法的公司：在页面中出售广告和向企业出售统计数据。

这是技术与盈利手段结合紧密的一个例子，由于 Thoora 的核心是回应（Reaction），回应样本越多，数据的精确程度就越高，商业上的价值也越大，所以若要说 Thoora 是纯粹的聚合器，其实也不尽然，它还有监测器的成分。以下是我对 Thoora 团队高级软件工程师 Yingbo Miao 的采访。

 

Q：Thoora 在 TechCrunch50 之后的运营状况如何？注册人数增长情况怎样？近一段工作主要是什么？

A：正在紧张的完善现有功能。很快就会有「Public Beta」出现（编者：目前已经进入 Public Beta 阶段。）功能主要是一些比较小的改进，系统运行进一步完善。同时，质量（比如 Ranking）是一直在改善的。其实有很多工作在后台，从用户的角度可能不是很明显。注册人数几千吧。

 

Q：Thoora 这个名字的来历是？

A：哈哈，这是自己造的词。当时创始人 Hyun Chul Lee (nickname Chul) 试验了很多简单，比较好辨认的名字，都被人注册了。最后发现 Thoora 没人用。Thoora 这个词有一点希腊渊源，大约有 gateway, vision 之类的愿意。教训是即使不开公司，注册个 5、6 个字母的域名先。:-)

 

Q：你们采用什么工具来开发网站架构？Thoora 似乎有使用到亚马逊 S3 ，有使用 EC2 吗？

A：没有用 S3 或者 EC2， Thoora 的网站架构和数据存储是自己开发的。后台有很多 Process ，包括数据采集、分析，这些结果储存在自己开发的分布式数据库里。前端主要是显示数据和用户登录，中间有中间层来传递数据（包括进一步处理数据）。主要系统开发语言是 C++。当然个别的内部研发可以更自由一些，比如少量的 Python 或者 Perl 。

 

Q：Thoora 是如何做到采集互联网上所有博客的？排序的依据我不大明白，为什么有一些发布时间、响应规模都更大的消息排在后面了？是否是因为你们对新闻的重要性也有判断？

A：不敢说所有博客吧，绝大部分的英语博客是采集了的。从各大 Blog platform 和 Ping service 可以得到很多，还有就是网站连接，这比 Google 之类的爬虫要简单，但是，我们也有一些复杂的算法来控制访问某个网站的频率。

排序是有很多因素控制的，算法比较复杂，设计很多 Research，而且在不断改进中。Thoora 主要是想：到底什么新闻最重要。如果我们相信各大媒体的编辑的话，就很简单了：把几大新闻媒体的头条拿来就可以了，可是，这样的结果完全偏向于主流媒体（的编辑们）。Digg 试图让读者「digg」一下，来解决「大众投票」的问题，结果成了希奇古怪新闻的集散地。 Thoora 通过对 Blog 和新闻的结合分析来解决「What the world is talking about」的问题。最重要的 Story ，应该有大量的高质量的 Post（可能是Blog，也可能是News）。可以想像的是，时间、Post质量等等因素，都会影响某个Story的排名。

 

Q：请谈谈在 Mac 和 PC 上的开发有什么不同，你主要使用什么平台和工具进行开发的呢？负责哪一块的工作？

A：Thoora 所有的程序都在 Linux 服务器上运行，编译基本上也是在服务器上完成的，所以对于开发人员来说，Mac 还是 PC ；OS X，Linux 还是 Windows 都差不多。不少人是开个 Terminal 连到服务器上去 VI 或者 Emacs，本地操作系统只是用来做开发以外的工作：邮件、文档、IM 或者上网什么的，其实什么计算机或者操作系统都行，公司对个人使用什么也不限制。反正不是 Macbook 就是 PC 的笔记本，价格也差不多。不过用 PC 的同事都装 Linux，个别需要用 Windows 特殊软件的（比如 Visio 或者一些 System / Netword admin 的软件），就用虚拟机跑一下也够用了。公司里大约一半人使用 Mac 。

开发上看不出什么不同。用 VI / Emacs 的就不用说了。Windows 上可能程序编辑器多些，不过 Linux 的 Kedit 什么的也不错。 Mac 上好像就没有什么特别好的写程序的编辑器，大名鼎鼎的 Textmate 和 Bbedit 有很多需要完善的地方。可是看看 Textmate，多少年没有什么大的改善了，可惜没有什么更好的选择。 Mac 上开发大部分人还是用 Textmate 和 Expandrive，我因为觉得这两个都不方便，就用了 Xcode + Vmware 的组合，不过同事都懒得折腾，目前只有我这么做：

用 Vmware 虚拟和服务器一样的 Linux 以及各种第三方 Library。程序代码存在 Mac 本地目录，不过和 Vmware 的 Linux 共享。用 Xcode 开发，编译是修改 Xcode 的「taget」：SSH 到 Vmware 上 make。好处是可以利用 Xcode 的一些 IDE 特性，缺点是蛮麻烦的。

我主要负责搜索的工作。

 

Q：在 Startup 中的工作感受是否会与之前在 Ask.com 有不同呢？

A：Startup 还是要更忙碌一些。「延长劳动时间，增加劳动强度」等方法都被用上了，呵呵。小公司就几个人，一个人是否用心工作，全公司都能看见，而且人手永远不够，所以要忙很多。Thoora 招人的时候是秉着「宁缺毋滥」的原则，所以所有成员的水平都蛮高的，这意味着要更努力工作才行。公司小，成员之间都很熟，平时上班感觉环境还是很亲切的。

好在作息时间上并不严格的早 9 晚 6，基本上什么时候到公司都可以。好处是可以晚点到公司来躲开交通高峰，缺点是晚上回家还要加班了。Ask.com 比起来要相对轻松一些，更象大公司一些。当然，如果一个人要想好好表现，还是要很努力工作才行。

 

Q：Twitter Impact 很有意思，这个功能是如何实现的？

A：用 Twitter API 实现的。

 

Q：未来是否有计划加入对中文信息的索引？

A：还没有具体的计划。加入中文一方面意味着要加强中文的处理，另一方面也要求公司处理中国的市场。后者相对更难一些。当然，「国际化」一直是公司的目标之一，Thoora 一直希望能加入各个国家各种语言的新闻和博客。

 

Q：Thoora 目前无须登录也能使用了，这其中的考量是？正式版何时推出？

A：之前是 Private Beta，现在是 Public Beta 了，就不用登录了。登录的用户会有更多的功能，比如评论，查看好友评论等。对不起，暂时还不能公布正式版的时间。

 

Q：Thoora 从 Buzz 开始逆向扫描，这是否要动用比传统新闻聚合器更多的处理资源和带宽消耗？我觉得 Buzz 大多是由新闻和博客所引发的，这样做似乎不如同时监测新闻和 Buzz。

A：Thoora 是从新闻和博客扫描开始，生成 Buzz。

 

Q：这样同传统的聚合器差不多啊。

A：Thoora 的特点是：
－不仅仅是新闻，博客的反应更重要。目前的聚合器只考虑新闻，这样就偏向于传统媒体的编辑的口味了。有时，一个事件的发生，可能时博客领先于媒体，比如「谣传」某大公司要如何如何，Thoora 可以很好的捕获这个事件。如果只依赖传统新闻就不行了。
－排序时考虑「social media」和用户评论。
－把新闻和博客联系起来。这样，在 Thoora 的「story」里，可以看见事情的新闻报道和相关的博客（评论），所以用户可以找到感兴趣的博客。
－所有故事的生成的都是自动的，没有任何人工干预。

 

Q：语义分析对新闻聚合器来说是否很重要？特别是对 Thoora 这种完全自动化的聚合器？

A：是很重要。

 

Q：标题缩略图的选择也是完全自动化的吗？有的图片在原文中并未出现。

A：是自动化的，所以现在有一些错误，:)

 

Q：投放广告似乎能带来立竿见影的效果，Thoora 在商业化上有时间表吗？

A：暂时没有。是的，投放广告是我们的商业模式之一，同时 Thoora 也在考虑其他模式，比如提供一些公司的付费服务，帮助它们跟踪市场。

 

Q：Thoora 在成立伊始即获得为数不少的投资，能否谈谈这其中的故事。

A：故事其实挺简单。创始人之一 Hyun Chul Lee，Thoora 的 CTO，遇到了现在的 CEO Mike Lee。Mike Lee 是 Rogers 的管理人员。Rogers 决定投资 Thoora，哈哈， 就是这样了。

 

Q：有 Rogers 做推，Thoora 是否省下了许多带宽开支？能否介绍一下服务器的硬件配置？

A：Thoora 并没有采用 Rogers 的数据中心和网络。原因其实可以想像：作为一个庞大的运营公司，对自己的数据中心有详细的规章制度。而 Thoora 作为一「start up」的公司，需要快速灵活的反应。于是，Thoora 的数据中心是由第三方提供的。

十分抱歉，服务器的配置也是不能透露的。不过，Thoora 有大量的服务器，来满足后台运算的需要，快速实时处理对互联网的新闻、博客和社会媒体。