Google面对的数据和计算难题
1>大量的网页怎么存储呢?
传统是买一个很大很大的存储设备。
是存到各个pc服务器的内存中,加快,采取了冗余的办法。
2>搜索算法
响应时间是0.00000几秒。
3>Page-Rank计算问题。
对网页价值进行排名。
谷歌搜索为什么会快?
使用了倒排
索引(哈希索引)
1首先对这个文章进行分词。
快速定位到关键字。
2难点a是分词
Page-Rank这是google最核心的算法,用于给每个网页价值评分,是Google在垃圾中黄金的关键算法,这个算法成就了今天的Google。
根据
链接,来判断页面的价值,别人指向的越多,价值越大。
网站的价值的有大有小,所以链接的价值也会受到影响。
每个节点都放入不同的特征向量,进行计算
每个节点都计算完,汇报给一个节点,我们再所有的列都加起来得到了一个向量
q1->q2->q3->q4