搜索引擎（一）体系结构 思维导图

搜索引擎体系结构概述
思维导图 http://www.xmind.net/share/sndnyangd/search-engine-architecture-1/

看的是清华大学和百度合作的搜索引擎基础课程的教材《搜索引擎技术基础》，这里写的是第四章——搜索体系结构概述，截图在这儿也放不下，千言万语也不如一张图，所以，就用这种方式来写吧。

之前，不知道倒排索引是何物，现在终于知道，合拢索引的索引项是词项，而正排索引的是文档，如此而已。

在CS101写的搜索引擎中，内容索引子系统已经是用词项了，只是不知道这个概念而已。

照书中所说，搜索引擎主要由数据抓取、内容索引、内容检索、链接结构分析四部分组成。回顾在CS101中，写的那个简易的搜索引擎：

其中，爬虫是必须有的，也就是CS101中已经用PYTHON写了基础的数据抓取子系统，不过没有提到涉及的各种网络协议，也没有其它的策略。

内容索引也是包含的，最起码，使用了倒排、建立了索引。只是没有中文的分词或英文的词干抽取，记录的信息也比较少。

链接结构分析部分只是介绍了下RANK算法。

内容检索都是单个词的查找——而且好像也有了一些错误，还待改正。

所以，麻省虽小，五脏俱全，哪怕是个无比简陋、不能使用的搜索引擎，基础的体系结构仍是完整的。