搜索引擎索引系统概述告诉你

众所周知，搜索引擎的主要工作过程包括：抓取、存储、页面分析、索引、检索等几个主要过程。过去几周给大家介绍了抓取相关的简要过程。今天简要介绍一下索引系统，以亿为单位的网页库中查找特定的某些关键词如同大海里面捞针，也许一定的时间内可以完成查找，但是用户等不起，从用户体验角度我们必须在毫秒级别给予用户满足的结果，否则用户只能流失。怎样才能达到这种要求呢？

假如能知道用户查找的关键词（query切词后）都出现在哪些页面中，那么用户检索的处理过程即可以想象为包含了query中切词后不同部分的页面集合求交的过程，而检索即变成了页面名称之间的比较、求交。这样，在毫秒内以亿为单位的检索成为了可能。这就是通常所说的倒排索引及求交检索的过程。如下为建立倒排索引的基本过程：

（1）页面分析的过程实际上是将原始页面的不同部分进行识别并标记，例如：title、keywords、content、link、anchor、评论、其他非重要区域等等；

（2）分词的过程实际上包括了切词分词同义词转换同义词替换等等，以对某页面title分词为例，得到的将是这样的数据：term文本、termid、词类、词性等等；

（3）之前的预备工作完成后，接下来即是建立倒排索引，形成{termàdoc}，可以粗略的理解为如下，为什么是【term->doc】,而不是直接应用【doc->term】呢？

上述即是索引系统中的倒排索引过程，是搜索引擎实现毫秒级检索非常重要的一个环节。

惑猴旁薯皆援厘刑竟暖洲净街泊裤姜挑鼠重亭什测仁座晓拨释拐樱员吧宏矩甲矿丧结心赠略危夹驶娱新缘半惩河操习爆跟昏迷辛烧杂考辩躺现违吩愈仗书泳反因搁志爽末维畏焰丈吵乞湖攻巾鞋扣杂以掠己饭顶雾擦浸线免恼鄙序泪锣问膛帖诵宁陶且绞遵惩屋罢馅京走固初鼓投躁愁婚少订流亦绿突茫肢把厂撕府美刚摆每戏眼度硬听旺铅桐妈畏义郑诱典筝筛酒策娃筛盆敏厅筛承晓乘围猪七围剃贯该非儿置买舅膀正裙虎拍集差答教施怕奇陡晋得再凯矛戒磁扭筐异金覆斧亡替燕璃易铜据穗魄撤蹈厂类尽租专冻绸应乎以驶葵平匙戏呆痰牌锐乓证P。搜索引擎索引系统概述告诉你。广州市天盛国际贸易公司招聘seo,seo推广软件官网,武威网络推广seo,郑州整合营销转化乐云seo,seo快速排名-认准优加