模板建站动态

东莞建站网络公司告诉你搜索引擎面对的挑战

 

　　搜索引擎系统是最复杂的计算系统之一，当今主流搜索引擎服务商都是有财力，人力，技术的大公司。即使有技术，人力，财力的保证，搜索引擎还是面临很多技术挑战。搜索引擎诞生后的十多年中，技术已经得到了长足的进步。我们今天看到的搜索结果质量与10年前相比已经好多了。不过这还只是一个开始，搜索引擎必然还会有更多创新，提供更多，更准确的内容。

 

　　1页面抓取需要快而全面。

 

　　现在主流搜索引擎都已经能在几天之内更新重要页面，权重高的网站上的新文件几小时甚至几分钟之内就会被收录。不过，这种快速收录和更新也只能局限于高权重网站。很多页面几个月不被重新抓取和更新，也是常见的。

 

　　要返回最好的结果，搜索引擎也必须抓取尽量全面的页面，这就需要解决很多技术问题。一些网站并不利于搜索引擎蜘蛛爬行和抓取，诸如网站链接结构的缺陷，大量使用Flash,JavaScript脚本，或者把内容放在用户必须登录以后才能访问的部分，都增大了搜索引擎抓取内容的难度。

 

　　2海量数据存储。

 

　　一些大型网站单是一个网站就有百万，千万，甚至上亿页面，可以想象网上所有网站的页面加起来是一个什么数据量。搜索引擎蜘蛛抓取页面后，还必须有效存储这些数据，数据结构必须合理，具备极高的扩展性，写入及访问速度要求也很高。

 

　　除了页面数据，搜索引擎还需要存储页面之间的链接关系及大量历史数据，这样的数据量是用户无法想象的。估计百度有三四十万台以上服务器，Google有几十个数据中心，上百万台服务器。这样大规模的数据存储和访问必然存在很多技术挑战。

 

　　3索引处理快速有效，具有可扩展性。

 

　　搜索引擎将页面数据抓取和存储后，还要进行索引处理，包括链接关系的计算，正向索引，倒排索引等。由于数据库中页面数量大，进行PR之类的迭代计算也是耗时费力的。要想提供相关又及时的搜索结果，仅仅抓取没有用，还必须进行大量索引计算。由于随时都有新数据，新页面加入，因此索引处理也要具备很好的扩展性。

 

　　4查询处理快速准确。

 

　　查询是普通用户唯一能看到的搜索引擎工作步骤。用户在搜索框输入查询词，单击“搜索”按钮后，通常不到一秒就会看到搜索结果。表面最简单的过程，实际上涉及非常复杂的后台处理。在最后的查询阶段，最重要的难题是怎样在不到一秒的时间内，快速从几十万，几百万，甚至几千万包含搜索词的页面中，找到最合理，最相关的1000个页面，并且按照相关性，权威性排列。

 

　　5判断用户意图及人工智能。

 

　　东莞建站网络公司搜索引擎目前正在致力于基于对用户搜索习惯的了解，历史数据的积累，以及语义搜索技术的基础上，判断搜索意图，理解文档真实意义，返回更相关的结果。今后搜索引擎是否能达到人工只能水平，真正了解用户查询的意义和目前，让我们拭目以待。