Web- Gather- Design-and- Implementation课件.pptVIP

下载本文档

0
0
约2.87千字
约 21页
2019-05-17 发布于湖北
举报
版权申诉

Web- Gather- Design-and- Implementation课件.ppt

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

WebGather Design and Implementation Hongfei Yan Network Group,CST,PKU,Dec. 15, 2000 Email: yhf@ /~yhf * Outline Introduction of searchengine WebGather Conclusion * Introduction: / * Introduction: / * Introduction: / * Introduction: / * Introduction: / * Introduction: Search Engine Sizes --searchenginewatch in Nov 8, 2000 GG=Google WT=WebT AV=AltaVista, FAST=FAST NL=Northern Light ? EX=Excite INK=Inktomi, Go=Go (Infoseek) * Introduction: a new study -- Inktomi and the NEC Research Institute, Inc. In Feb. 2000 Number of indexable pages on the web : over 1 billion ? Number of servers discovered: 6,409,521 Number of mirrors in servers discovered: 1,457,946 Number of sites (total servers minus mirrors): 4,951,247 Number of good sites (reachable over 10 day period): 4,217,324 Number of bad sites (unreachable): 733,923 Web pages on a site: 1000,000,000/4,217,324 = 237.1 * Introduction: Inktomi Search Engine cluster In the picture 9*8*2=144 * WebGather: Introduction ??? 由北大计算机系网络与分布式系统研究室研制开发的“天网”中英文搜索引擎系统是国家“九五”重点科技攻关项目“中文编码和分布式中英文信息发现”的研究成果，并于1997年10月29日正式在CERNET上向广大Internet用户提供web信息导航服务。在“天网”系统对外提供服务期间，广泛采纳用户的意见和建议，不断地改进其服务质量，到目前为止访问量已突破800万人次。2000年初新成立的“天网”搜索引擎课题组在国家973重点基础研究发展规划项目基金资助下，秉承老的开发队伍的优良传统，将致力于探索和研究中英文搜索引擎系统的关键技术，以便向广大用户提供更为快速、准确、全面、时新的海量web信息导航服务。欢迎广大用户给我们提出更好的意见和建议。 / 身无彩凤双飞翼，心有灵犀一点通 * WebGather: in Dec. 1, 2000 2.5 million scale Index 2.5 million web pages More than 200,000 web pages everyday Ten day to update all data three PCs * collect all the web pages in China keep pace with the rapid growth of Chinese web information WebGather: Design goals for a distributed web-crawling system for WebGather 238 X 40,000 = 9,520,000 * WebGather 2.0: architecture Client log database User behavior Gather Database Indexer Retrieve Database Client Retriever Gatherer WWW * WebGather 1.2: architecture of gather subsystem 1/4 Main Control Gather1 Gather2 GatherN … * WebGather 2.0: architecture