17480

Некоторые поисковые возможности и характеристики систем Yandex и Rambler

Доклад

Информатика, кибернетика и программирование

Некоторые поисковые возможности и характеристики систем Yandex и Rambler. Стандартный поиск Yandex. Рассмотрим общий вид стандартной поисковой формы Yandex рис. 2.20. 1. Основная поисковая форма. Главный ее элемент строка запроса. При желании можно искать только в результатах пр

Русский

2013-07-01

392.5 KB

4 чел.

Некоторые поисковые возможности и характеристики систем Yandex и Rambler.

Стандартный поиск Yandex. Рассмотрим общий вид стандартной поисковой формы Yandex (рис. 2.20).

1. Основная поисковая форма. Главный ее элемент — строка запроса. При желании можно искать только в результатах предыдущего поиска («искать в найденном»). Можно также задать запрос по i любому из источников информации («Рунет», «Новости», «Товары», «Энциклопедии», «Картинки»).

  1.  Статистика поиска — число найденных документов и частота заданных в запросе слов. По ссылке «страниц» можно перейти на несгруппированную по серверам выдачу.
  2.  Рубрики каталога. По нажатию на ссылку происходит переход в соответствующий раздел каталога (выводится только при точном соответствии запросу).
  3.  Результаты поиска по WWW. Для каждого документа выдается следующая информация: заголовок — ссылка на ресурс, [Показать найденные слова] — переход на активный документ, в котором контекст запроса выделен стрелочками, поиск похожего документа и, если найденный сайт описан  в каталоге, переход в рубрику каталога.
  4.  Переход на следующие страницы результата. Сортировка по убыванию дат.
  5.  Мастер запросов. Здесь даются советы и предложения по уточнению запроса. Можно сузить поиск по рубрике каталога или по региону.
  6.  Популярные находки пользователей — ссылки на документы, выбранные пользователями по этому запросу (выводится только при точном соответствии).
  7.  Возможность поиска в других русскоязычных поисковых машинах.
  8.  Результат  поиска в новостных лентах информационных агентств (выводится только при точном соответствии запросу). При высоком соответствии и актуальности эта секция может оказаться над результатами поиска по WWW-серверам.

10. Ссылки на прочие службы Yandex'a.

//. Результат поиска в энциклопедических статьях (выводится только при точном соответствии запросу).

12. Результат поиска в базе товарных предложений магазинов (выводится только при точном соответствии запросу).

Реклама на странице:

R1. Верхний баннер (текстовый блок);

R2. Уапdех. Директ — реклама без посредников;

R3, R4. Текстовая строка (баннер);

R5. Нижний баннер.

В связи с постоянным ростом количества документов в сети, система должна быть масштабируемой. В Ramblere масштабируемость достигается за счет параллельного исполнения задачи произвольным количеством машин.

Сбором информации занимается робот, который обходит страницы с заданными URL [24], загружает их в базу данных, а затем архивирует и перекладывает в хранилище суточными порциями. Роботы размешаются на нескольких машинах, и каждый из них выполняет свое задание. Так, робот одной машины может загружать новые страницы, которые еще не были известны поисковой системе, а другой — страницы, которые ранее уже были загружены (не менее месяца, но и не более года назад). При необходимости обработка распределяется другим способом, например, разбив список URL на 10 частей и распределив их по 10 машинам. Параллельная работа программ позволяет увеличивать нагрузку — при возрастании числа страниц, которые нужно обойти роботу, достаточно разместить задачу среди большего числа машин.

Собранная в хранилище информация (в сжатом виде) разбивается на фрагменты по 50 Мбайт, распределяемые между 70 машинами, осуществляющими индексирование. Как только индексатор на одной из машин заканчивает обработку порции страниц, он обращается за следующей. В результате на первом этапе формируется ряд небольших индексных баз, каждая из которых содержит информацию о некоторой части Интернета.

После того как все части информации обработаны, осуществляется объединение результатов. Благодаря тому, что частичные индексные базы и основная БД, к которой обращается поисковая машина, имеют одинаковый формат, процедура слияния является быстрой операцией, не требующей никаких дополнительных модификаций частичных индексов. Основная база участвует в анализе как одна из частей нового индекса.

Кроме того, единый формат позволяет проводить тестирование частичных баз еще до объединения их с основной, и обнаруживать ошибки на более раннем этапе.

Индексная база поисковой системы Rambler состоит из восьми частей. Весь Интернет разделен на семь секторов, каждый условно обозначается цветом: красным, оранжевым, желтым, зеленым, голубым, синим, фиолетовым.

Сайт компании Rambler относится к голубому сектору. Информация о ресурсах каждого сектора хранится в соответствующей части индексной базы. Восьмая часть — «быстрая база» — включает в себя страницы, включенные в указатель Тор 100 и которые еще не успели попасть в основную индексную базу.

Все части собираются и обновляются по отдельности. Например, сегодня происходит переиндексация и обновление красного сектора, завтра — оранжевого и желтого, послезавтра — зеленого и т. д. Благодаря такому ступенчатому алгоритму в поисковой машине регулярно появляется свежая информация. Полный цикл обновления занимает около недели. При этом сбор информации происходит параллельно, а непосредственно на изготовление индекса документов одного сектора затрачивается несколько часов.

Разделение Интернета на семь секторов является условным. При необходимости он может быть разбит на 10, 20 или 40 секторов, каждый из которых будет обрабатываться автономно. В такой системе заложена возможность значительного увеличения нагрузки. С ростом объема информации в сети растет и индексная база поисковой машины. Постепенно переиндексация и сборка базы начинают занимать все больше времени, а процесс обновления индекса становится более громоздким. Поступление новых данных затягивается, информация начинает терять свою актуальность. Возможность «передела» Интернета на большее число секторов позволяет удерживать размер каждой части базы в оптимальном диапазоне, контролировать время ее сборки и обновления.

«Быстрая база» отличается от остальных частей индекса меньшим объемом и более оперативным обновлением — время ее построения занимает около двух часов. В базе содержится информация о страницах, на которых был установлен счетчик Тор 100. Участниками рейтинга Тор 100 являются новостные порталы, сайты крупных компаний, Интернет-магазины, форумы — наиболее популярные ресурсы сети. Каждый раз при установке счетчика на новую страницу сайта, зарегистрированного в Тор 100, информация передается в поисковую систему. Страница ищется во всех «цветах» основной базы и, если она еще не известна поисковой системе, отправляется в очередь на обработку. Перед обработкой страницы дополнительно фильтруются, и из них отбираются самые популярные (посещаемые).

Скорость поиска тесно связана с его чувствительностью к нагрузкам. В среднем в рабочие часы на поисковую машину Rambler в секунду поступает около 60 запросов. Такая загруженность требует сокращения времени обработки отдельного запроса.

Схематично обработка поискового запроса изображена на рис. 2.23.

Запрос поступает в поисковую систему через маршрутизатор Cisco 6000. Маршрутизатор передает его наименее загруженной машине первого уровня, например frontend-серверу 1.З. Frontend-cep

вер, в свою очередь, отправляет запрос дальше, на один из восьми proxy-серверов, также выбирая наиболее свободный сервер (например, машине 2.2). Одновременно frontend-сервер отправляет запрос на машины, осуществляющие поиск по товарам (в данном случае — машине 3.1) и по базе Тор 100 (машине 4.1). На proxy-сервере проводится поиск по ссылочному индексу, и его результаты вместе с поисковым запросом передаются на машины, которые содержат основную индексную базу, — backend-серверы (машинам 5.1.2, 5.2.11, 5.3.1 и т. д.) Та же информация отправляется на машины с «быстрой базой» (в данном случае — 6.1).

В поиск включено 77 backend-серверов. Они сгруппированы по 11 машин, и каждая группа содержит копию одной из частей поискового индекса. Таким образом, информация о сайтах, условно входящих в красный сектор Интернета, находится на backend-серверах первой группы (5.1.1—5.1.11), оранжевый сектор — на backend-серверах второй группы (5.2.1—5.2.11) и т. д.

Proxy-сервер выбирает наименее загруженный backend-сервер в каждой группе машин и отправляет на него поисковый запрос с результатами ссылочного поиска. На backend-серверах осуществляется поиск по частям индексной базы и ранжирование с учетом результатов поиска по ссылочному индексу. При ранжировании для всех найденных документов высчитываются веса по конкретному запросу.

После того как запрос обработан на backend-серверах, информация о результатах и ранжировании отдается обратно на proxy-сервер. Туда же поступают отсортированные результаты с машин «быстрой базы». Proxy-сервер интегрирует данные, полученные с восьми машин: клеит дубли, объединяет зеркала сайтов, ранжирует документы в общий список по весам, рассчитанным на backend-серверах. Полученные результаты отдаются на frontend-сервер.

Помимо информации с proxy-сервера, frontend-сервер получает результаты поисков по товарам и из базы Тор 100 (отсортированные, с цитатами и подсветкой слов запроса). Frontend-сервер осуществляет окончательное объединение результатов, генерирует выходной html-документ со списком найденного, вставляет баннеры и перевязки (ссылки на различные разделы Rambler'a) и передает HTML-документ маршрутизатору, который переадресовывает информацию пользователю.

Для повышения скорости поиска используется также «кэширование» (сохранение информации о запросах и результатах поиска в буфере). Многие пользователи обращаются с одинаковыми поисковыми запросами и «вычислять» их заново было бы неразумной тратой времени. Поэтому если аналогичный запрос обрабатывался до истечения некоторого интервала времени, результаты поиска отдаются пользователю из «кэша».



PAGE  4


 

А также другие работы, которые могут Вас заинтересовать

16554. Определение размеров ОКР и величины микродеформаций методом аппроксимации 343.5 KB
  Лабораторная работа Определение размеров ОКР и величины микродеформаций методом аппроксимации Цель работы: Освоение метода определения размеров кристаллитов и величины микродеформаций дисперсных материалов по уширению интерференционных линий. В процессе вып...
16555. Первоначальные сведения и правила работы в табличном процессоре MS Excel’2000/2003 109 KB
  Лабораторная работа № 9 Тема: Первоначальные сведения и правила работы в табличном процессоре MS Excel2000/2003. Цель работы: Освоить основные приемы работы с элементами электронной таблицы и форматирования в MS Excel2000/2003. Содержание работы: Знакомство с меню и настройкам
16556. Графическая обработка данных в MS Excel’2000/2003 94 KB
  Лабораторная работа № 10 Тема: Графическая обработка данных в MS Excel2000/2003. Цель работы: Освоить основные приемы графической обработки числовых данных в MS Excel2000/2003. Содержание работы: Построение диаграмм по числовым данным в MS Excel2000/2003. Выполнение основных операци...
16557. Простые и сложные вычисления в табличном процессоре MS Excel’2000/2003 152.5 KB
  Лабораторная работа № 11 Тема: Простые и сложные вычисления в табличном процессоре MS Excel2000/2003. Цели работы: Закрепить прежние знания и умения по оформлению таблиц и построению диаграмм в MS Excel2000/2003. Освоить применение относительной абсолютной и смешанной ссылок а т...
16558. Применение математических, статистических и логических функций, построение графиков в табличном процессоре MS Excel’2000/2003 215 KB
  Лабораторная работа № 12 Тема: Применение математических статистических и логических функций построение графиков в табличном процессоре MS Excel2000/2003. Цели работы: Научиться пользоваться математическими некоторыми статистическими и логическими функциями в MS Excel200...
16559. Структурирование и отбор данных в MS Excel’2000/200 131.5 KB
  Лабораторная работа № 13 Тема: Структурирование и отбор данных в MS Excel2000/2003. Цели работы: Освоить структуризацию данных и основные операции по работе со списком в MS Excel2000/2003. Содержание работы: Оформить список в таблице MS Excel2000/2003. Осуществить операции с записями...
16560. Подведение итогов и отчетов по данным в ЭТ MS Excel 130.5 KB
  Лабораторная работа № 14 Тема: Подведение итогов и отчетов по данным в ЭТ MS Excel. Цели работы: Освоить применение основных команд по подведению итогов и составлению отчетов при работе со списком в MS Excel2000/2003. Содержание работы: Подведения итогов в списке используя н
16561. Изучение основ технологического применения озона 171.5 KB
  Лабораторная работа № 1 Изучение основ технологического применения озона Цель работы Ознакомление с распространенными схемами технологического применения озона; Исследование выходных характеристик генератора озона; Изучение процесса растворения аб...
16562. Исследование работы барьерного озонатора 154 KB
  Лабораторная работа № 2 Исследование работы барьерного озонатора 1. Цель работы Ознакомление с конструкцией барьерного озонатора принципом его работы и выходными параметрами. Исследование режимов работы барьерного озонатора определение концентрации о...