吳YH堅

最近换了工作，因为工作的需要，也正好自己想好好研究一下 Java 这门牛逼的语言，看了一下 ElasticSearch 和 Lucene 的源码，之前从来没有写过也没有看过 Java 的东西，所以也算是恶补了一下 Java 吧，由于是从 C 程序员开始的，所以对这种带虚拟机的语言总有一些偏见，老觉得内…

前几天看到一个题目，问在浏览器中输入一个URL会发生神马，这好像是网上比较流行的面试题，而且也被回答烂了，仔细想下来，要是自己遇到这个题目能不能答上来，后来一想，这个题目要完全答出来可以把大学开始的几乎所有知识都用上。呵呵，为了模拟面试，所以都凭印象说的，没有查网络资料，所以估…

写在前面的话 好久没来了，今天来聊聊个有意思的吧，这些天由于一些原因，自己撸了个爬虫框架，因为要测试一下效果，于是到处爬东西，爬了不少有意思的数据，后面也会说一些别的数据，那天，连爬了四天绿中介的网站，说句实在的，绿中介反爬做得还行，阵亡好多代理ip，而且有些个代理还没用就已经…

根据某位和我同姓的朋友的建议，后面的文章都会加上副标题，方便查阅。 今天的文章会比较短，很快就能看完。 按照步骤，说完段层以后，应该就开始涉及到索引层了，但我想说的是一个分布式的搜索引擎，所以除了索引层以外，还有个分片层，这两个概念是紧密联系在一起的，我怕说不好，所以在说索引层…

我觉得这个标题应该改改了，我写下来其实是告诉大家怎么写一个搜索引擎，并没有涉及太多的 Golang 的东西，我觉得这样也挺好，熟悉了原理，用什么实现其实并不重要了，而且说说原理比说代码更实在。 之前已经说了底层的数据结构了，包括倒排和正排索引。今天我们上一层，来说说索引的字段和段。…

最近各种技术盛会太多，朋友圈各种刷屏，有厂商发的各种广告，有讲师发的各种自拍，各种参会的朋友们各种自拍，好不热闹，不知道你的朋友圈是不是也是这样啊，去年还没这么多技术会议，今年感觉爆发了，呵呵，真是一个互联网技术的好时代，而且还有各种撕 B 可看，真想八一八，怕得罪人，我们这种码农…

不知不觉写到第七篇了，按这个节奏，估计得写到 15 到 20 篇左右才能写完，希望自己能坚持下去，之前写代码的时候很多东西并没有想得那么细致，现在每写一篇文章还要查一些资料，确保文章的准确性，也相当于自己复习了一下吧，呵呵。 先说一下，关于倒排文件，其实还有很多东西没有讲，到后面再统一…

上面我们已经说过了一些倒排索引的东西，并且也知道了如何来实现一个倒排索引完成检索功能，那么检索完了以后如何排序呢，这一篇简单的说一下倒排索引的文本相关性排序，因为排序实在是太复杂了，我们这里就说说文本的相关性排序，而且是最简单的TD-IDF排序，之后有机会可以再说说整个搜索的排…

本篇较长较枯燥，请保持耐心看完。 前面两章介绍了一下倒排索引以及倒排索引字典的两种存储结构，分别是跳跃表和哈希表，本篇我们介绍另一种数据结构，他也被大量使用在信息检索领域，我在 github 上实现的搜索引擎的词典也是用的这个数据结构，它就是 B + 树。 首先，我们看看什么是树，树是程…