使用阿里云开放搜索服务快速搭建资源搜索网站

下面我们就一步一步来搭建这个简单的资源搜索网站

一、搭建前的一些准备和分析

资源搜索网站有如下几个关键点：

1、原始数据

没有个几百万条初始搜索数据，都不好意思和别人说是做资源站的，在这个案例里面，我们采用了simplecd官方制作的电驴地址打包，虽然年代比较久远，但也有百万条左右，下载地址为：

https://www.douban.com/group/topic/17230136/

请注意保护版权！

2、数据存储与检索

十多年前资源的数量以百万计算，现在一个饱满的资源站的资源数量应该早已过亿，数据库大小也应该在50G以上，这样的数据，使用阿里云RDS MySQL数据库具有较高的性价比，数据量再大一些还可以结合DRDS分布式数据库一同使用

对于具体的检索技术，不同的数据库的全文索引、分词等技术各不相同，甚至连MySQL的各种版本之间的处理都有区别，而由于数据库我是确实不会。。要是会的话就不至于一直用Linq ORM了。。我想象中的100万条数据全文检索的速度应该在0.01秒左右，但自己操作MySQL进行配置和优化，始终达不到这样的查询效率

因此今天这里选择了阿里云的开放搜索服务，让阿里云来处理这些难点。

这也是今天的一个主要讲解重点，实测证明，确实检索效率很高！

3、数据爬虫与更新

初始数据载入后，后续的数据更新也非常重要，主要靠爬虫程序进行每日更新，重点在于爬虫程序的效率的所爬目标的资源质量，这里有两个难点

1）所爬目标资源。电影站、软件站、BT搜索站等等，都可以是爬虫目标资源，而如果掌握了搜索引擎的高级用法，并引入无限数量的代理IP，则可以对搜索引擎直接进行定向爬取，效果更加。如能做到每日新增10万左右新资源，则是一个比较完美的效果。

2）爬虫程序。如果仅仅是对HTML进行查询和分析，则需要很高的正则使用技巧，而如果涉及到语义分析的话，更需要很强的语言分析相关技术。爬虫程序的逻辑编写，我想.NET Framework 4.5是再适合不过了，拥有先进的多线程并行库和丰富而全面的HTTP访问手段，完胜其他各种新型语言

经过以上的分析，设计出如下的系统架构图：

二、具体的搭建步骤

1、购买一个阿里云RDS数据库并进行相关配置

因为本项目纯属测试，所以买个便宜点的按时计费的MySQL RDS

每天7块多钱，还算可以接受的范围内。

购买完成后，申请一个外网地址（用于初始数据迁移）