随笔分类 -  搜索引擎

摘要：本文主要介绍B+树的Copy-On-Write，包括由来、设计思路和核心源码实现（以Xapian源码为例）。中文的互联网世界里，对B树、B+树的科普介绍很丰富，但对它们在工业界的实际使用却几乎没有相关介绍文章，本文既是总结分享，也是资料索引。 在阅读本文之前需要先对B+树有概念上的认识，可以阅读wi 阅读全文

摘要：本文属于文档检索过程分析的一部分，重点分析文档匹配百分比（percent）的计算过程。 1 percent是什么？ 我们之前分析的检索demo： 2 为什么需要percent？ 先说一下背景，做过搜索的人应该都知道BM25算法，这也是xapian内部默认的相关性打分算法，它是一个针对term做打分的 阅读全文

摘要：本文是Xapian检索过程的分析，本文内容中源码比较多。检索过程，总的来说就是拉取倒排链，取得合法doc，然后做打分排序的过程。 1 理论分析 1.1 检索语法 面对不同的检索业务，我们会有多种检索需求，譬如：要求A term和B term都在Doc中出现；要求A term或者B term任意在Do 阅读全文

摘要：本文主要记录Xapian的内存索引在添加文档过程中，做了哪些事情。 内容主要为函数执行过程中的流水线。 demo代码： 1.创建并填充Document 定义好文档对象，使用add_posting接口，添加term，以及对应的position、wdfinc； 内部实现细节： 1.1 先尝试读取doc已 阅读全文

摘要：关键字：xapian、内存索引 xapian除了提供用于生产环境的磁盘索引，也提供了内存索引（InMemoryDatabase）。内存索引。我们可以通过观察内存索引的设计，来了解xapian的设计思路。 1 用途 官方文档说法： “inmemory, This type is a database 阅读全文

摘要：关键字：搜索引擎、Xapian 一篇拖了两三年的入门总结文章，今天发出来，一方面是自己的总结，另一方面是给自己和他人的备忘。读者需要对搜索引擎有初步了解，譬如了解倒排、term、doc、相似度打分等概念。 Xapian是一个C++搜索引擎内核，提供了类似Lucene的功能，功能没有Lucene丰富， 阅读全文