实践中总结的三种分布式搜索引擎开发的方法和概要

　　实践中总结的三种分布式搜索引擎开发的方法和概要

　　搜索引擎优化渠道对于开发人员来说都不陌生，因为从目前的商业营销趋势看，用户个性化推荐能力将会成为未来重要的推荐技术应用之一。用户信息的收集和处理是我们搜索引擎优化的基础，为了能够更好的收集*敏*感*词*和对用户进行分层，我们建议我们应该开发一个简单的分布式搜索引擎。这种多层分布式搜索应用可以更好的利用云计算的能力，提升整体开发效率。

　　无论你有多大的计算资源，在云计算中都能够被充分利用。在这篇文章中，我将向你介绍我们实践中总结的三种分布式搜索引擎开发的方法和概要。1.正则表达式正则表达式的标准库已经发布很多年了，而且可以非常的简单。正则表达式是一种匹配范围受限制的编程语言，有助于我们控制用户输入内容的数量。正则表达式的分类很多，从最简单的限制范围到最复杂的脚本。

　　在我们实践中，将可能产生反效果的以下列表进行分类如下：匹配范围（unofice）：从一个字符串中不断包含要匹配的字符。字典(dict)：存储不可见的字符串。哈希(hash)：哈希表被设计为所有可能性列表（总字符和相邻字符）。搜索引擎系统中的多数哈希表都是存储在内存中的。hashtable：存储所有可能性列表，但不包含任何查询。

　　这里一定程度上受限于索引的数量。指向(trace)：直接给定查询。simd：使用处理器扩展搜索引擎的能力。树形结构(tree)：树结构数据结构，这也是处理器扩展的hash表的一种存储结构。使用常规语言，大多数都可以提供正则表达式的接口。但这样的接口不一定适合搜索引擎开发。正则表达式最通用的接口是ab(a=b,b=a)表达式。

　　如果你是第一次遇到这个东西，你需要开发一个匹配范围的常规语言c++或java，并实现ab的功能。更多相关的东西可以参阅hashtable说明。匹配范围并不适合完全排序的数据，因为这将会为搜索引擎系统带来速度问题。这些地方引入要求速度的因素，可能会变得不那么实用，因为有一些搜索请求是很高性能的。同时，匹配范围也不合适广泛分布式部署搜索系统，因为广泛分布式搜索系统在重用同一服务器上是一个问题。

　　2.条件编程编写正则表达式有很多方法，但并不是所有这些方法都合适。在google有一个对于正则表达式匹配范围的描述，我将在这篇文章中详细讨论条件编程的解决方案。如果你发现有些匹配效果是不好的，你可以把它们转换为条件编程。另外也可以先转换为正则表达式，然后再通过正则表达式匹配。我们下面说的最近被频繁应用的正则表达式匹配例子是google的搜索体验截图。/\u4e35\u6001\u7400搜索结果如下：因为。