
站長們最常掛在嘴邊的一句話是:不懂搜索引擎原理的 SEO,就是在裸奔!
結合上圖所示的搜索引擎工作原理,筆者一步步為大家拆解,做一次完整的 SEO 基礎知識普及。
1、WWW:我們的互聯網,一個巨大而複雜的體系。
2、搜集器:也就是站長口中的蜘蛛、爬蟲,任務是訪問、抓取並下載頁面。
3、控制器:蜘蛛下載的頁面傳給它調度,就像公交調度室,負責控制發車時間與目的地。它主要協調蜘蛛的抓取間隔,並派最近的蜘蛛去抓取——由此可見,服務器所在的空間位置,對 SEO 是有利的。
4、原始數據庫:用來存放網頁數據,存進去是為了下一步工作,也為百度快照提供支持。你會發現,如同 MD5 值一樣,URL 是不重複的;有的 URL 有了、標題卻沒有,只能通過 URL 這個組件去定位,因為它尚未通過索引數據庫建立索引。原始數據庫主要關注存入、讀取的速度與空間,並通過壓縮為後續服務提供支持。網頁數據庫調度程序會對蜘蛛抓回的網頁做簡單分析、提取 URL、過濾鏡像後存入,此時數據中並未建立索引。
5、網頁分析模板:這塊極為重要,垃圾網頁、鏡像網頁的過濾,以及網頁權重計算,全都集中於此,可稱之為「網頁權重算法」,其數量多達數百個。
6、索引器:把有價值的網頁存入索引數據庫,目的是提升查詢速度。它會把網頁轉換成另一種表現形式——關鍵詞,這叫「正排索引」,目的是提高遍歷效率:幾百萬個頁面與幾百萬個詞,哪個更好遍歷?顯然是詞。而「倒排索引」則把關鍵詞轉換為網頁,把眾多排名條件作為一個「項」存儲其中,形成高效的存儲結構。搜索結果正是從倒排數據庫中快速取數據。
7、索引數據庫:存放用於排名的數據。關鍵詞數量、位置、網頁大小、關鍵詞特徵標籤、指向該網頁的鏈接(內鏈、外鏈、錨文本)、用戶體驗等,全部存於此處,提供給檢索器。百度之所以快,正是因為它直接從索引數據庫取數據,而非實時訪問 WWW——這就是預處理的價值。
8、檢索器:把用戶查詢的詞分詞、排序,再通過用戶接口把結果返回。它負責切詞、分詞、查詢,並依據排名因素對數據排序。
9、用戶接口:就是百度那個搜索框。它會把查詢記錄、IP、時間、點擊的 URL 及其位置、上次與下次點擊的間隔時間等,存入用戶行為日誌數據庫。
10、用戶行為日誌數據庫:搜索引擎的重中之重,各類 SEO 工具和刷排名軟件的邏輯,都源於此。它記錄著用戶使用搜索引擎的過程與動作。
11、日誌分析器:不斷分析用戶行為日誌,並把這些記錄存儲到索引器,從而影響排名。這也就是我們常說的「惡意點擊」或「一夜排名」的由來。(若通過關鍵詞找不到,用戶會直接搜域名,這些也都會記入用戶行為數據庫。)
12、詞庫:網頁分析模塊中的日誌分析器會發現最新詞彙並存入詞庫,再通過詞庫進行分詞——整個網頁分析模塊都基於詞庫運行。
聲明:本文由崔恆斌原創編譯,轉載請註明出處。