搜索引擎中各關鍵功能模塊功能簡介
- 威海搜索引擎工作原理 威海搜索引擎工作原理
- 2706
（1）爬蟲：從互聯(lián)網(wǎng)爬取原始網(wǎng)頁數(shù)據(jù)，存儲于文檔知識庫服務器。
（2）文檔知識庫服務器：存儲原始網(wǎng)頁數(shù)據(jù)，通常是分布式Key-Value數(shù)據(jù)庫，能根據(jù)URL/UID快速獲取網(wǎng)頁內容。
（3）索引：讀取原始網(wǎng)頁數(shù)據(jù)，解析網(wǎng)頁，抽取有效字段，生成索引數(shù)據(jù)。索引數(shù)據(jù)的生成方式通常是增量的，分塊/分片的，并會進行索引合并、優(yōu)化和刪除。生成的索引數(shù)據(jù)通常包括：字典數(shù)據(jù)、倒排表、正排表、文檔屬性等。生成的索引存儲于索引服務器。
（4）索引服務器：存儲索引數(shù)據(jù)，主要是倒排表，通常是分塊、分片存儲，并支持增量更新和刪除。數(shù)據(jù)內容量非常大時，還根據(jù)類別、主題、時間、網(wǎng)頁質量劃分數(shù)據(jù)分區(qū)和分布，更好地服務在線查詢。
（5）檢索：讀取倒排表索引，響應前端查詢請求，返回相關文檔列表數(shù)據(jù)。
（6）排序：對檢索器返回的文檔列表進行排序，基于文檔和查詢的相關性、文檔的鏈接權重等屬性。
（7）鏈接分析：收集各網(wǎng)頁的鏈接數(shù)據(jù)和錨文本（Anchor Text），以此計算各網(wǎng)頁鏈接評分，最終會作為網(wǎng)頁屬性參與返回結果排序。
（8）網(wǎng)頁去重：提取各網(wǎng)頁的相關特征屬性，計算相似網(wǎng)頁組，提供離線索引和在線查詢的去重服務。
（9）網(wǎng)頁反垃圾：收集各網(wǎng)頁和網(wǎng)站歷史信息，提取垃圾網(wǎng)頁特征，從而對在線索引中的網(wǎng)頁進行判定，去除垃圾網(wǎng)頁。
（10）查詢分析：分析用戶查詢，生成結構化查詢請求，指派到相應的類別、主題數(shù)據(jù)服務器進行查詢。
（11）頁面描述/摘要：為檢索和排序完成的網(wǎng)頁列表提供相應的描述和摘要。
（12）前端：接受用戶請求，分發(fā)至相應服務器，返回查詢結果。
