搜索引擎学习笔记-第二章 Web搜索引擎工作原理和体系结构

搜素引擎，应用软件系统，网络应用软件系统。三个功能模块，或说三个子系统：即网页搜集、预处理和查询服务。相互独立它们的工作形成了搜索引擎工作的三个阶段，通常分别由人工启动。
第二章 Web搜索引擎工作原理和体系结构
基本要求
能够接受用户通过浏览器提交的查询词或者短语，记作q。在一个可以接受的时间内返回一个和用户查询匹配的网页信息列表，记作L。
注意：
“可以接受的时间”即是响应时间。保证秒级响应时间。
“匹配”指的是网页中以某种形式包含q的内容。其中最简单、最常见的形式就是q在其中直接出现。
“列表”，这蕴含这一种“序”。在绝大多数情况下，L是相当长的。不仅是因为Web的信息量大，也是由于搜索引擎的查询方式简单。简单意味着抽象；抽象意味着有更多的具体事务可能是它的体现。很多都没用。
网页搜集
工作方式，这个软件系统操作的数据不仅包括内容不可预测的用户查询，还要包括在数量上动态变化的海量网页，并且这些网页不会主动送到系统来，而是需要由系统去抓取。
首先，考虑抓取时机：预先抓取搜集一批网页，而不是即时查询时去抓取。 那么这一批网页如何维护？两种考虑：
定期搜集，每次搜集替换上一次的内容，我们称之为ie“批量搜索”。花销很大，因此通常两次搜集的间隔时间不会很短（例如早期天网的版本大约每3个月一次，Google在一段时间曾是28天