Recommended
Recommended
More Related Content
What's hot
What's hot (9)
Viewers also liked
Similar to 구글을 지탱하는 기술 요약 - Google 검색
Similar to 구글을 지탱하는 기술 요약 - Google 검색 (20)
More from 혜웅 박
구글을 지탱하는 기술 요약 - Google 검색
- 1. 구글의 검색시스템 (Google Search) 구글을 지탱하는 기술 #3 박혜웅 2008.12.17 본 내용은 요약자의 주관적인 견해가 반영되어 있으므로 정확한 내용은 원서 ”구글을 지탱하는 기술” 를 참고하시기 바랍니다
- 2. 구글의 분산 아키텍쳐 Google File System(Distributed File System)
- 3. 구글의 랭킹- 페이지랭크 링크 In-Link(자신에게 향하는 링크)가 많을 수록 점수가 높다. Out-Link(외부로 향하는 링크)가 많을 수록 점수가 낮다. 앵커텍스트 <a href=”.....”> 앵커텍스트 </a> 단어 정보 문장내의 단어 위치 단어 순서 페이지랭크의 한계 1998년에 탄생된 오래된 아이디어 3
- 4. 검색엔진의 기본구조 웹 인덱스 크롤러 검색기 문서 수집 하부 자료구조 분산데이타베이스 검색결과 생성 분산처리시스템 4
- 5. 검색엔진의 기본구조(색인) URL HTML ... 박혜웅은 천재다 URL HTML ... 박혜웅은 바보다 웹 Repository doc ID HTML 1 박혜웅은 천재다 2 박혜웅은 바보다 Forward Index doc ID word ID ... 1 101, 102 2 101, 103 Inverted Index word ID doc ID 101 1 101 2 102 1 103 2 Lexicon word ID word 101 박혜웅 102 천재 103 바보 5
- 6. 검색엔진의 기본구조(검색) Lexicon word ID word 101 박혜웅 102 천재 103 바보 Inverted Index word ID doc ID 101 1 101 2 102 1 103 2 Repository doc ID HTML 1 박혜웅은 천재다 2 박혜웅은 바보다 천재 keyword 박혜웅은 천재다 result 6
- 7. 초기 구글 시스템 – 문서수집 http://blog.bagesoft.com/3.html URLlist URL docID http://blog.bagesoft.com/1.html 1 http://blog.bagesoft.com/2.html 2 http://blog.bagesoft.com/3.html ? Repository docID URL html etc 1 http://blog.bagesoft.com/3.html 압축된 HTML 다운날짜, HTML크기등 URL 서버 크롤러 docID가 없는 경우 생성 DocID 생성, HTML 압축 7
- 8. 초기 구글 시스템 – 색인(구조해석) DocIndex docID URL title etc 1 http://blog.bagesoft.com/1.html ... ... URLlist URL docID HTML에 포함된새 URL을 저장 Repository docID URL text 기타 정보 1 http://blog.bagesoft.com/1.html 압축된 HTML 다운날짜, HTML크기등 <html> <title>......</title> <body>.....</body> </html> HTML 압축해제 문서 정보 요약 8
- 9. 초기 구글 시스템 – 색인(단어처리) <body> <h1>박혜웅은 천재</h1> <a href=“2.html”>박혜웅</a>이라는 ... <a href=“3.html”>사람</a>.... </body> Lexicon word wordID 박혜웅 101 천재 102 은 103 이라는 104 사람 105 박혜웅은 천재 박혜웅이라는... 사람... 101 103 102 101 104... 105... Forward Index docID wordID pos size etc 1 101 0 3 ... 1 103 1 3 ... 1 102 2 2 ... 1 101 3 2 ... 1 104 4 2 ... 1 105 5 2 ... 새 단어 추가 9
- 10. BarrelsBarrels 초기 구글 시스템 – 색인(역인덱스 생성) Forward Index Inverted Index Forward Index docID wordID pos size etc 1 101 0 3 ... 1 103 1 3 ... 1 102 2 2 ... 1 101 3 2 ... 1 104 4 2 ... 1 105 5 2 ... Inverted Index wordID docID pos size etc 101 1 0 3 ... 101 1 3 2 ... 102 1 2 2 ... 103 1 1 3 ... 104 1 4 2 ... 105 1 5 2 ... key=docID key=wordID Barrels 변환 및 정렬 10
- 11. 초기 구글 시스템 – 색인(링크처리) <body> <h1>박혜웅은 천재</h1> <a href=“2.html”>박혜웅</a>이라는 ... <a href=“3.html”>사람</a>.... </body> Repository <a href=“2.html”>박혜웅</a> <a href=“3.html”>사람</a> URLlist URL docID http://blog.bagesoft.com/1.html 1 http://blog.bagesoft.com/2.html 2 Links docID docID points 1 2 1 ? http://blog.bagesoft.com/1.html 링크 추출 크롤링 후 docID 생성 11
- 12. 초기 구글 시스템 – 검색(인덱스서버) Lexicon word wordID 박혜웅 101 천재 102 은 103 이라는 104 사람 105 천재 1, 3 Inverted Index wordID docID pos size etc 101 1 0 3 ... 101 1 3 2 ... 102 1 2 2 ... 103 2 1 3 ... 104 2 4 2 ... 102 3 5 2 ... 102 wordID로 변 환 docID 목록 생성 docID list keyword 12
- 13. 초기 구글 시스템 – 검색(문서서버) 웹 서버 문서 서버 Repository docID URL HTML 다운로드날짜 HTML 크기 1 http://blog.bagesoft.com/1.html ... ... ... 3 http://blog.bagesoft.com/3.html ... ... ... DocIndex docID URL doc info 1 http://blog.bagesoft.com/1.html ... 3 http://blog.bagesoft.com/3.html ... Links docID docID points 9 1 0.2 9 3 0.1 1, 3 docID list 랭킹 계산 부가 정보 URL, HTML, ... 문서요약 13
- 14. Barrels 초기 구글 시스템 - 색인 DocIndex Lexicon 단어처리 링크처리 구조해석 랭킹 Repository URLlist Links URL 서버 크롤러크롤러크롤러 웹 URL1 URL1 Web Page2 DocID, URL, HTML2 URL 추가3 docID, URL, doc info3 DocID, Text4 wordID4 word4 link5 docID, docID5 docID, docID6 docID5 points6 Forward Index Inverted Index anchor text5 docID, wordID , word info 4 Indexing Lexicon word wordID Repository docID URL HTML DocIndex docID URL doc info URLlist URL docID Forward Index docID wordID word info Inverted Index wordID docID word info Links docID docID points DocID, URL, HTML3 14
- 15. Barrels 초기 구글 시스템 - 검색 인덱스 서버 DocIndex Lexicon Repository Links Inverted Index 문서 서버 docID list2 word1 word ID2 웹 서버 Lexicon word wordID Repository docID URL HTML DocIndex docID URL doc info Inverted Index wordID docID word info docID list2 docID list3 4 docID top list docID5 doc info4 Links docID docID points word ID1 result page7 docID list3 doc summaries6 HTML summary 5 points3 word1 1 keyword 15
- 16. 검색과정의 분산 구글 DNS Load Balancer Index Cluster Web Server Web Server Web Server Index Server Index Server Load Balancer Index Server Index Server Load Balancer Doc Server Doc Server Load Balancer Document Cluster Doc Server Doc Server Load Balancer shard shard shard shard 사용자와 가까운 로드밸런서의 IP1 keyword2 3 keyword 5 docID list 7 doc data Spelling Check Server Advertising Server 4 keyword 6 docID Index data #1 Index data #1 Index data #2 Index data #2 Doc data #1 Doc data #1 Doc data #2 Doc data #2