Ｇｏｏｇｌｅ真的没人能够看穿你？.docVIP

Ｇｏｏｇｌｅ真的没人能够看穿你？ 　　当你打开Google，输入一个关键词，几乎不用等待就能看到数百万个搜索结果，这些结果涵盖了几乎整个Internet上的网页，这真是一件神奇的事情。它怎么就能这么快呢？Google是怎么找到相关网页的？下面我们就一起来看看这个神秘的家伙，看看搜索引擎究竟是如何工作的吧…… 　　 　　蜘蛛出动！把网页都给我搬回来！ 　　 　　可能大家都知道搜索引擎的“蜘蛛”(Spider)，也有人称之为“机器人”(bot)，不过很多人对它却有个误解―认为这些“蜘蛛”每天都在各个网站的服务器上爬来爬去，直至所有网络服务器。实际上，所有搜索引擎的“蜘蛛”都不会爬到别的服务器的，他们都乖乖地呆在自家的服务器里，只是在远程进行着访问。 　　正确的流程应该是这样的。Google发号施令:“蜘蛛们，快去互联网上巡视一翻，看看有没新网页或者原来的网页有没有更新！”这时候蜘蛛就像一个网页浏览器一样，扫描不同的IP地址，找到其中所有的站点，访问它们。如果它们是新网页(也就是Google的服务器中没有这个网页的记录)，就将这个网页“抓”回Google服务器上存放起来;如果他们是旧网页，就回访一下Google服务器，对比一下两者是否有更改，如果有更改则把新的网页“抓”回Google服务器…… 　　对于这些站点的访问是一种“顺藤摸瓜”的策略，就是说访问了某个网页后，会访问该网页链接到的所有其他网页，以次类推。这样实际上很快Google就能获得无穷无尽的网页，目前它和Yahoo!索引的网页数量都已经超过了100亿。 　　 　　疯狂运算！建立索引数据库 　　 　　辛勤的Google蜘蛛们把无穷无尽的网页抓回Google服务器，接下来就需要对这些散乱的网页进行梳理了，否则它们根本就是杂乱无章的，这一工作是由“索引系统程序”来完成的。该程序主要对收集回来的网页进行分析，提取中相关网页的信息(比如该网页的URL、编码类型、生成时间、大小、与其他网页的链接关系等等，根据一定的相关度算法进行大量复杂计算，得到每一个网页针对页面内容中及超链接中每一个关键词的相关度，然后用这些相关信息建立网页索引数据库。 　　以索引的首页为例，该站点的URL为，编码类型为gb2312，包含的关键字则从中抽取中英字符，诸如“电脑”、“爱好者”等等，生成时间也就是抓取的时间，而与其他网页的链接关系则是该页面链接到哪些网页。我们可以这么简单来理解，Google的索引系统程序将这些资料全部添加到一张名叫“CFAN”的表格中，再通过运算来算出这个网页在所有数据库网页中针对某个关键词(比如“电脑”)的相关度，并将这种相关度反映到该表格中。无数个类似的表格组成了整个Google索引数据库。 　　该步骤需要大量的数据交换和运算，而且对每个网页都会有这么一张“表格”，这也是为什么Google的服务器之间需要很高带宽的原因。 　　 　　小知识 　　Google有多少台服务器？ 　　从前文可以看出，Google的服务器中存放了多达上百亿的网页资料，这需要很多服务器来存储，而且这些服务器要保证互访速度和足够大的带宽。据说，2001年的时候Google每天处理大约7000万个网页，有8000台服务器;到2003年，这一数字已经变成10万台;而现在，Google拥有超过45万台服务器，分布在全球25个地方，而且平均每月购入新的服务器约有3万台。Google正在美国俄勒冈州的哥伦比亚河河畔秘密研发新的数据中心，其占地有两个足球场那么大(见图)！ 　　 　　小知识 　　为何你的网站不能被Google到？ 　　根据前文的介绍，实际上Google的蜘蛛出动也是有时间间隔的，而且它不可能随时到跑到你的网站上去抓取更新，所以当你的网站有更新时，一般要过数天才能被Google收录。当然，也不排除你的站点因为某些原因而被Google屏蔽掉了。你可以在Google中搜索“site:”(其中为你的站点的顶级域名)，如果没有获得结果，则表明你的站点可能被Google放到“黑名单”了(见图)。 　　 　　让Google更好地索引你的站点 　　 　　从前文大家知道了Google的蜘蛛会主动去分析、抓取站点的更新，不过毕竟蜘蛛也有休息或者忙不过来的时候，于是Google就发布了一个Sitemap功能，让大家可以主动提交自己站点的更新。这个sitemap文件是xml格式，它的作用就好像为网站提供了整站的RSS，而Google就是这些RSS的订阅者，只要网站有更新就会自动通知Google。这样一来，搜索引擎的收录由被动变成了主动，辛苦的Google蜘蛛们可以松口气了。 　　第一步:到/download.php?product=gsitemap下载一款名为VIGOS Gsit