Pare o întrebare de bar: „Câți TB ocupă internetul?”. Arunci o cifră, toată lumea dă din cap, gata. Problema e că întrebarea nu are un singur răspuns — are cel puțin trei, iar toate diferă între ele cu ordine de mărime. Ca developeri, exact aici devine interesant: diferența dintre „date create”, „date stocate” și „web indexat” e fix diferența pe care o gestionăm zilnic când proiectăm retention, replicare și costuri de storage în Azure sau oriunde altundeva.
Mai întâi, unitățile: de la GB la ZB
Ca să vorbim coerent, trebuie să fim de acord pe scară. Fiecare treaptă înmulțește cu 1000 (folosind convenția zecimală SI, cea uzuală în rapoartele din industrie):
| Unitate | În bytes | Echivalent intuitiv |
|---|---|---|
| 1 Gigabyte (GB) | 10&sup9; | un film, cam 250 de melodii |
| 1 Terabyte (TB) | 10¹² | un SSD de laptop bine dotat |
| 1 Petabyte (PB) | 10¹&sup5; | 1000 de TB — ce produce CERN într-o zi |
| 1 Exabyte (EB) | 10¹&sup8; | 1 milion de TB |
| 1 Zettabyte (ZB) | 10²¹ | 1 trilion de GB = 1 miliard de TB |
Reține echivalarea cheie: 1 ZB = 1 miliard de TB. Când vezi „181 de zettabytes”, gândește-te la 181 de miliarde de hard disk-uri de câte 1 TB. La scara asta, întrebarea „câți TB?” devine aproape lipsită de sens fără să spui ce anume numeri.
Trei întrebări deghizate în una singură
Când cineva spune „cât ocupă internetul”, de obicei amestecă trei lucruri complet diferite:
- Web-ul indexat — paginile pe care le găsesc motoarele de căutare. E partea vizibilă, dar surprinzător de mică.
- Datasphere-ul global — câte date se creează, se captează și se consumă anual în lume. E cifra uriașă din titlurile de presă.
- Stocarea reală — câte date sunt efectiv păstrate pe disc undeva, la un moment dat. E mult mai mică decât cât se creează.
Le luăm pe rând, pentru că fiecare are o cifră și o metodă de estimare proprie.
1. Web-ul indexat: mai mic decât crezi
Partea de internet pe care Google o poate găsi — așa-numitul surface web — e estimată de proiectul WorldWideWebSize la ordinul câtorva miliarde de pagini unice. Sună mult, dar în bytes e neglijabil față de restul: text-ul HTML al câtorva miliarde de pagini încape lejer în câțiva petabytes.
Motivul pentru care web-ul indexat e atât de „mic” e că greutatea internetului nu stă în text, ci în conținut binar: video, imagini, streaming, backup-uri, telemetrie. Un singur minut de YouTube 4K cântărește cât zeci de mii de pagini de text. Iar sub suprafață stă deep web-ul — baze de date private, conținut din aplicații, rețele securizate — care nu e indexat deloc și e cu ordine de mărime mai mare decât web-ul vizibil.
2. Datasphere-ul global: 181 de zettabytes și în creștere
Aici intră cifra cea mare, cea pe care o vezi în rapoarte. IDC (via Statista) urmărește ceea ce numesc Global DataSphere — volumul total de date create, captate, replicate și consumate într-un an. Traiectoria arată așa:
- 2018: ~33 ZB
- 2020: ~59 ZB
- 2024: ~149 ZB
- 2025: ~181 ZB (proiecție)
- 2028: ~394 ZB (proiecție IDC)
Cu alte cuvinte, volumul de date se dublează cam la fiecare patru ani. O estimare des citată spune că aproximativ 90% din datele lumii au fost generate în ultimii doi ani — nu pentru că trecutul a fost șters, ci pentru că rata de producție crește exponențial, așa că „ultimii doi ani” domină mereu totalul.
Perspectivă zilnică: în 2024 se generau în jur de 402 milioane de TB pe zi — adică aproximativ 0,4 ZB. Zilnic. Din care o bună parte sunt lucruri pe care nimeni nu le va deschide vreodată a doua oară.
O parte tot mai mare vine de la mașini, nu de la oameni: doar dispozitivele IoT se estimează că produc peste 70 ZB în 2025. Senzori, camere, telemetrie industrială — date care curg continuu, în mare parte procesate la edge și aruncate imediat.
3. Creat ≠ stocat ≠ unic
Aici e capcana în care cad majoritatea articolelor de popularizare, și e exact distincția pe care un developer o simte în factură. Cele 181 ZB reprezintă date create și consumate, nu date păstrate. Diferența e enormă din trei motive:
- Tranzient prin definiție: un apel video, un stream Netflix, un răspuns de API — datele trec prin rețea, sunt afișate și dispar. Nu ajung niciodată pe un disc permanent.
- Replicare masivă: același fișier există în zeci de copii — replici de bază de date, cache-uri CDN la marginea rețelei, backup-uri, medii de dev/staging/prod. Un obiect „de 1 GB” poate ocupa fizic 5–6 GB odată replicat pe regiuni.
- Redundanță în interiorul storage-ului: orice sistem serios ține minimum trei copii. Azure Blob în LRS păstrează trei replici sincron într-un singur data center; ZRS și GRS multiplică și mai mult.
Rezultatul: din cele peste 180 ZB „de internet” într-un an, ceea ce e efectiv stocat pe termen lung ca bază instalată e o fracțiune — ordinul zecilor de zettabytes, nu al sutelor — și chiar și acolo, o bună parte sunt copii ale acelorași biți.
Unde stau, fizic, toate datele astea
IDC împarte stocarea în trei straturi, un model care se mapează surprinzător de bine peste cum gândim arhitectura:
- Endpoints — telefoane, laptopuri, PC-uri, dispozitive IoT. Aici trăiește surprinzător de multă informație, dar fragmentată.
- Edge — servere instituționale, turnuri de telecom, POP-uri CDN, servere de firmă. Stratul care apropie datele de utilizator.
- Core — data center-ele clasice și cloud-ul. Aici se concentrează greutatea „serioasă”, în câteva sute de facilități hyperscale la nivel global, cu SUA găzduind aproape 40% dintre ele.
Trecerea de la endpoint spre core e chiar migrația spre cloud pe care o trăim toți: în jur de 60% din datele corporate stau deja în cloud, nu pe servere on-prem.
Ce înseamnă asta pentru noi, ca developeri
Dincolo de trivia, cifrele astea au implicații practice directe în felul în care proiectăm sisteme:
- „Storage-ul e ieftin” e o minciună la scară. La nivel de hobby, da. Dar factorul de replicare × retention × regiuni transformă rapid gigabytes-ii în bani reali. Politica de retention — ce ștergi și când — devine o decizie de arhitectură, nu una administrativă.
- Cea mai ieftină dată e cea pe care nu o scrii. Log-uri verbose, telemetrie fără sampling, coloane pe care nu le citește nimeni — toate se adună. Modelul „creat vs. stocat” ne amintește că nu tot ce trece prin sistem merită persistat.
- Replicarea are un cost pe care trebuie să-l alegi conștient. Într-un Cosmos DB multi-region sau un Blob GRS, plătești pentru fiecare copie. Redundanța e o alegere de business (RPO/RTO), nu un default de bifat orbește.
Cu alte cuvinte, aceleași forțe care umflă datasphere-ul global la sute de zettabytes se manifestă la scară mică în orice SaaS pe care îl construim.
Cum se estimează, de fapt, cifrele astea?
Merită o secundă de scepticism: de unde știe cineva că lumea produce „181 de zettabytes”? Evident, nimeni nu numără biții unul câte unul. Estimările combină câteva metode, fiecare cu marja ei de eroare:
- Din livrări de hardware. Capacitatea de stocare instalată se aproximează pornind de la câte HDD-uri, SSD-uri și benzi se vând anual — producătorii raportează capacitatea totală expediată. E cea mai solidă bază, pentru că se măsoară fizic.
- Din telemetria rețelelor. Traficul (datele „în mișcare”) se estimează din măsurători ale operatorilor și ale marilor puncte de schimb de trafic, extrapolate global. Aici intră modelări gen Cisco VNI de altădată.
- Din modelare pe categorii. Se estimează separat cât produce fiecare sursă — câte ore de video se încarcă, câți senzori IoT sunt activi, câte tranzacții — și se însumează cu ipoteze despre bitrate și frecvență.
De aceea cifrele diferă între rapoarte cu 10–15%: unele numără „creat și replicat”, altele „creat unic”, altele „capacitate instalată”. Când vezi două surse care nu sunt de acord, de obicei nu una greșește — măsoară lucruri diferite. Exact ca atunci când doi colegi raportează „dimensiunea bazei de date” și unul include indecșii și replicile, iar celălalt nu.
Bonus: cât cântărește internetul?
Fiindcă tot vorbim de dimensiuni, întrebarea inevitabilă: dacă ai putea cântări internetul, cât ar avea? Există două răspunsuri amuzante.
Ca informație pură, o estimare celebră (popularizată de fizicianul Russell Seitz) spune că electronii care codifică, la un moment dat, datele în mișcare din internet ar cântări în total în jur de 50 de grame — cât o căpșună mare. Toată cunoașterea umană digitalizată, într-un fruct.
Ca infrastructură fizică, altă poveste: cablurile, serverele, data center-ele, rețeaua globală — estimările vorbesc de peste 100 de milioane de tone. Diferența dintre cele 50 de grame și cele 100 de milioane de tone e chiar diferența dintre informație și mașinăria care o poartă.
Deci, câți TB?
Răspunsul onest: depinde ce numeri. Web-ul indexat pe care îl vede Google — câțiva petabytes de text. Datele create și consumate într-un an — ~181 de zettabytes, adică 181 de miliarde de TB, în drum spre ~394 ZB până în 2028. Datele efectiv stocate pe termen lung — o fracțiune din asta, plină de copii ale acelorași biți.
Data viitoare când cineva îți dă o singură cifră pentru „cât e internetul”, întreabă-l ce anume numără. Probabil că nu s-a gândit — iar tu, acum, da.
Surse pentru cifre: IDC Global DataSphere (via Statista), WorldWideWebSize Project, The Conversation. Cifrele pentru 2025–2028 sunt proiecții și variază între surse cu ±10–15%.
