google搜索引擎工作原理简介(编辑修改稿)内容摘要：
Indexer 然后将这些 hits 放到一系列的桶 barrels 中，建立了部分排序的好了的正向索引。 Indexer 还分离出网页中的所有链接，将重要的信息存放在 Anchors 文件之中。 这个文件包含的信息可以确定链接的指向和链接的描述文本。 URLresolver 读取 Anchors 文件并将相对 URLs 转换为绝对 URLs，并依次放到docIDs 中。 它再将链接的描述文本放到正向索引，并将 docIDs 与链接的描述文本相对应。 同时，它也产生一个链接 links和 docIDs相对应的数据库。 这个 links数据库将被用于计算所有网页的 PageRanks。 然后，排序器 sorter 从 barrels 中取得按 docID 排序的网页，再将其按照 wordID产生一个反向索引。 Sorter 还在反向索引产生一个 wordIDs 及其偏移的列表。 一个叫做 DumpLexicon 的程序将这个列表结合搜索引擎的词库再产生一个可以被搜索器 searcher 使用的新的词库 Lexicon。 由网页服务器构成的搜索引擎Searcher 利用这个新的词库配合反向索引和 PageRanks 来回答查询。 命中列表 Hit Lists 命种列表 Hit Lists 记录了一系列的关键字出现在一个网页中的信息，包括在网页中的位置，字体的相对大小和字母的大小写。 Hit Lists 占用了正向和反向索引里的绝大部分的空间。 命中分为两类：特别命中 fancy hits 和普通命中 plain hits。 fancy hits 包括了在 URL, 标题 , anchor text, or meta tag 出现的关键字， 所有在其它位置出现的关键字均为 plain hits。 一个 plain hit 由大小写位 1 bit， 字体大小 3bits 和用来表示关键字在网页的位置所组成 12位 bits 信息 (所有位置大于4095 的均表志为 4096)。阅读剩余 0%
本站所有文章资讯、展示的图片素材等内容均为注册用户上传(部分报媒/平媒内容转载自网络合作媒体)，仅供学习参考。
用户通过本站上传、发布的任何内容的知识产权归属用户或原始著作权人所有。如有侵犯您的版权，请联系我们反馈本站将在三个工作日内改正。