常见搜索系统流程-思维导图

题外话：输出是最好的学习手段

知识不是信息，学习不是记忆。知识可以说是一种对一系列问题的解决模型或者算法。学习是理清问题和答案之间的关系，得到的就是知识。参加课程、阅读就是获得信息或者例子，学习就是通过这些信息例子思考后整理出知识，而输出文章就是一种很好的整理归纳。

正文：

搜索技术现在非常成熟，业界的开源工具，算法论文都很容易获取，前一段时间参加公司的课程《视频搜索技术栈解析》又系统的捋了一遍，做一个简单的搜索系统并不难，但是要做一个高效，高质量的搜索结果还是很复杂的。

下面的思维导图主要的流程为参加学习的课程脉络来整理，有一些自己的调整，其中有些部分也没有展开，因为篇幅限制同时自觉能力自觉驾驭不了深挖的部分，例如搜索内容排序权重部分，对检索结果根据用户行为（搜索，点击率，转化率）这些可以深挖的部分以及机器学习部分 都是知其然而不知其所以然。不敢妄言，希望以后有机会深入学习实践与君共勉

搜索主流程

爬虫-》数据抽取-》搜索引擎-》智能提示-》Query分析-》召回&排序-》交互呈现

下面是思维导图正文：可以下载下来用工具查看，或者单独查看图片

其中有些点例如算法部分、分布式数据存储、用户行为分析可以挖的很深，也比较难，后台开发个人感觉对整体的架构有一个较为清晰的认识已可以。

在写技术小结的时候有几个困惑

1：有些知识明显的大家都知道，或者大部分人都知道，例如搜索中分词跟倒排索引，基本搜索相关文章必带的所以就更不好意思展开来写，毕竟珠玉在前。直接Google 或者 Wiki百科就能找到全面详细的文章。

2：有些需要深挖的例如：分布式存储（存储纬度[关键词|文档]、更新策略、热点数据）、分布式检索后有序集合结果返回交集还是并集（内存bitmap、跳表）、检索返回后业务策略规则（敏感词、推荐、合作）等单篇展开篇幅可能都不够的，只能先声明一下那里有座山（还未攀登征服过）、然后就留在身后不知何时想起

3：小结下由点到面，还是由面到点，内容核心不好确认，如果只是发表一段代码例如一个function，点太小。如果直接上来整体架构就太空泛。

所以就想到哪里写到哪里了，关于搜索的整体流程基本可以再上面的思维导图里面，具体的单点的模块如果了解就当跳过，如果不了解不熟悉就抽时间了解下、查漏补缺。