搜尋引擎專案

1. 基本思路：

2. 模組劃分

整體分為4個模組：

3. 核心流程

http伺服器獲取使用者的請求並處理，將資料傳給cgi程式。

cgi程式提取資料獲取有用的資訊（query），提交到搜尋伺服器端

搜尋伺服器端處理資訊進行檢索操作，把結果反饋給cgi程式

cgi程式將檢索結果進行html格式化後，傳送給http伺服器

http伺服器收到結果將其列印到頁面上

4. 搜尋伺服器的核心流程

對請求進行解析

對查詢次進行分詞（cppjieba分詞）

根據每個分詞結果 ,查詢包含相應網頁內容的檔案id

將找到的所有結果進行排序（檔案id集合）

根據對應的檔案id，獲取相應**資訊

構造響應，傳回http伺服器

5. 流程圖

使用到google提供的 protobuf, gflag, glog 等開源框架來完成開發

搜尋原理是以正排索引加倒排索引相結合的方式進行檢索

http伺服器以cgi的方式呼叫搜尋客戶端完成搜尋功能

http伺服器使用epoll模型，提高了併發的響應速度

這裡只介紹搜尋伺服器有關的實現，對於http伺服器請檢視：基於cgi協議的http伺服器專案

1. 索引模組核心結構的定義

實現乙個搜尋引擎，必須要考慮到的問題有：怎麼存放資料？怎麼傳輸資料？怎麼進行檢索？

首先關於存放資料：我們就要為其定義乙個較為完整的結構，這個結構包括了檔案的id號（我們為了方便資料的檢索，為每乙個獲取到的檔案進行編號），檔案的標題，檔案的正文，檔案的url（我們要進行網頁搜尋）

傳輸資料並不是簡單的在同一臺主機上進行，而是在網路上不同主機間進行，需要資料的序列化與反序列化，我們得為此構建乙個較為健全的序列化方法。

綜合上述問題，我們決定使用google提供的 protobuf 序列化開源框架來實現，protobuf具有

的特點，非常適合我們來對資料的管理，即對資訊的傳輸，很好的滿足了我們的需求，還有乙個重要的特點，這個protobuf是c++實現的，我們這個專案也是乙個c++專案，也就不存在什麼相容性的問題了。

關於protobuf來構建索引的核心結構，可以參考：利用 google protobuf 構建索引核心結構

2. 索引模組的構建

bool index::build(const
std::string& input_path)
//4. 對倒排結果中的資料進行排序
sortinverted();
file.close();
return
true;
}

讀取所有要構成索引的資料，我們這裡的資料是經過處理的，每一行每一條索引資訊，包括了網頁url，**標題，**正文

構建的過程，每次從檔案中讀取一行的資訊，將這一行構成乙個正排索引的結點，並利用cppjieba分詞工具對標題和正文內容進行分詞操作，得到乙個乙個分詞結果，這裡分詞使用記錄開始位置和結束位置以左閉又開的區間方式儲存，方便之後新增倒排索引。

當資料統計後，並且所有的倒排結果更新完成後，需要對倒排索引的中資料進行排序，為了更好的滿足使用者需求，我們必須將與關鍵字匹配度最高的資料放到最前面。

排序完成後我們索引結構也就構造好了，接下來我們只需把結果寫入乙個檔案儲存下來。

3. 索引模組的載入

bool index::load(const
std::string& index_path)

從由構建函式儲存下來的檔案中，讀取整個索引結構放到字串中，由於該字串是經過序列化的，因此我們要進行反序列化，並反序列化的結果放進我們所定義好的結構體中，完成將索引資料從磁碟到記憶體的讀取。

4. 搜尋伺服器端的實現

sofa-pbrpc也是基於protobuf所完成的，因此我們同樣需要構建protobuf檔案，我們需要編寫乙個以.proto為副檔名的檔案內容如下：

syntax="proto2";
package doc_server_proto;
option cc_generic_services= true;
//------------  request  ---------------------
message request
;//------------  response  ---------------------
message  item
;message response
;//------------  service  ---------------------
service docserverapi
;

內容很簡單，分為請求結構，響應結構，和服務函式三部分，服務函式的結構是固定的，這個服務函式最終分成兩個部分，乙個在伺服器端重寫，另外乙個在客戶端使用。

伺服器端的**如下：

int main(int argc, char* argv)

總體來說，伺服器端所要做的就是將索引模組載入進來，完成rpc服務端的配置，等待rpc客戶端的訪問

關於rpc服務端的配置，借用sofa-pbrpc框架完成，首先定義乙個操作類，來設定相關的操作，如執行緒的個數，利用這個操作物件構建乙個rpc服務物件，繫結好ip位址和埠號，定義乙個函式物件的指標，然後註冊到伺服器物件中，讓伺服器執行起來即可。

在伺服器端乙個重要的操作就是用繼承從proto檔案中編寫的服務類，並且要重寫那個服務函式，而這個重寫的函式就是我們整個伺服器真正要執行操作：

//從doc_server_protr中繼承過來
class docserverapiimpl : public doc_server_proto::docserverapi 
};

關於伺服器的計算過程，具體過程實現如下：

// 這個類是完成搜尋的核心類
class docsearcher ;

5. 搜尋客戶端的實現

//此函式為客戶端請求服務區的入口函式
void callserver()

客戶端主要分三步，第一步構造響應，為了獲取query_string，並且生成乙個相應的請求，第二部，根據請求呼叫相應的rpc函式，來訪問搜尋客戶端，得到響應；第三步，將響應根據html模板包裝成http響應，傳回http伺服器，搜尋過程也就完成了

本專案主要針對外部庫的使用，包括資料的存放，傳輸，rpc框架的呼叫等等，雖然使用的並不是很熟練，但是還是完整的實現了搜尋伺服器這個專案！

搜尋引擎專案

搜尋引擎專案

搜尋引擎索引

MySQL搜尋引擎程式 mysql搜尋引擎

搜尋引擎專案

搜尋引擎專案

搜尋引擎 索引

MySQL搜尋引擎程式 mysql搜尋引擎

相關推薦

搜尋引擎索引