11.这就是搜索引擎:核心技术详解 --- 搜索引擎缓存机制 

	为什么使用缓存?一是加快用户查询响应速度,二是减少后台计算量。
	对于一个正常的搜索流程,比如用户输入"搜索引擎 技术",搜索引擎需要分别将层次在磁盘上的两个单词的倒排索引读入内存,之后进行解压,然后求两个单词对应倒排列表的交集,找到
所有包含两个单词的文档集合,根据排序算法来对每个文档的相关性进行打分,按照相关度输出相关度最高的搜索结果。
	缓存假设了,即:相同的用户查询会反复出现。
	1.至少 63.5% 的搜索引擎用户只看搜索结果第1页的内容。大约 11.7% 的搜索引擎用户会翻看第2页;至少 79% 只看前3页。
	2.用户发出的查询请求分布符合 Power-Law 规则,即少数查询占了查询总数的相当比例。
	3.用户查询请求具备时间相关性。

 11.1 搜索引擎缓存系统架构 
		当搜索引擎接收到用户查询请求时,会先在缓存系统中查找,看缓存内是否包含用户查询的搜索结果,如果发现缓存已经超出了相同的查询搜索结果,则从缓存内读出给用户;如果缓存
	内没有找到相同的用户查询,则将用户查询按照常规处理方式交由搜索引擎返回结果,并将这条用户查询的搜索结果及中间数据根据一定的策略放入缓存中。
		缓存系统包含2部分:缓存存储区和缓存策略管理。缓存管理策略又包含2个子系统,即缓存淘汰策略和缓存更新策略。
		一个优秀的缓存系统,有几个优点:
			1.最大化缓存命中率
			2.缓存内容与索引内容保持一致性

 11.2 缓存对象 
		对于搜索引擎缓存,对象可能是搜索结果,也可能是讴歌查询词汇对应的倒排类表,或者是一些中间的搜索结果。

 11.3 缓存结构 
		最常见的是单级缓存,也可以是二级缓存,或者三级缓存。

 11.4 缓存淘汰策略(Evict Policy) 
		动态策略和静态动态混合策略。

  11.4.1 动态策略 
		动态策略的缓存数据完全来自于在线用户查询,基本思路是:对缓存项保留一个权重值,这个权重值根据查询命中情况动态调整。常见的动态策略:
			LRU策略:最近最少使用策略
			LandLord策略
			SLRU 策略:大小自适应LRU

  11.4.2 混合策略 
		缓和策略一方面来自于在线用户查询,另一方面来自于搜索日志等历史数据。
		SDC 策略:静态动态混合缓存策略
		AC 策略 :准入策略
		
 11.5 缓存更新策略(Refresh Policy)

 

 

 

 

 

 

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
引用中提到了一个关于Maven构建工具的错误信息,具体是关于org.springframework.boot:spring-boot-starter-parent:pom:2.4.3这个依赖的传输失败。这个错误可能是由于本地仓库中已经缓存了该依赖的失败传输,并且需要等待中央仓库的更新间隔结束或者强制进行更新才能重新尝试解析。 引用中的StackOverflow回答提到了解决这个问题的方法,者建议降低版本号并再次尝试。根据者的经验,这个方法确实在一些情况下能够解决问题。 引用中提到了一个关于构建Spring Cloud微服务时遇到的类似问题,报错信息与引用中的错误信息相似。 所以,针对这个问题,可以尝试以下解决方法: 1. 等待中央仓库的更新间隔结束或者强制进行更新,再次尝试解析该依赖。 2. 尝试降低所需依赖的版本号,然后重新构建项目。 3. 参考类似问题的解决方案,例如在StackOverflow上搜索相关问题,看看其他开发者是如何解决类似问题的。 请注意,具体的解决方法可能因个人情况而异,建议根据具体错误信息和上述方法进行尝试解决。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [Failure to transfer org.springframework.boot:spring-boot-starter-parent:pom:2.4.3错误详解](https://blog.csdn.net/qq_41486775/article/details/114334818)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值