随着中国移动互联网市场的快速发展，互联网去中心化的趋势愈演愈烈，用户可以通过多种渠道来获取信息，但搜索引擎仍作为流量核心入口的地位并未有本质改变，反而使得广告主更重视搜索引擎流量的精准度，通过搜索引擎广告选取优质关键词拼价格、搜索引擎优化选择优质关键词拼内容和平台正在变成新的搜索引擎推广策略。据智察大数据显示，2017年第三季度中国搜索引擎市场规模为249.5亿元，环比增长12.44%。

2017年第3季度，中国搜索引擎服务提供商收入市场结构中，百度占比为77.4%，排名第一，谷歌中国(收入包括国内广告主在海外谷歌广告投放)占比为8.1%排名第二，神马以5.6%的占比位居第三，搜狗排名第四，占比5.1%，其他为3.8%。

2017年第3季度百度上线了7月份新版的移动搜索结果页，这次改版算是百度移动搜索多年来首次彻底的大“变脸”。包括调整了结果页标题的字体、结果页图片加大、强化横划的操作体验、结果页页面间距加大等。此次改变可以看作是在PC版基础上做减法，让移动阅读更加舒适、内容也更加清晰明了。在8月更是联合京东推出了“京度计划”的战略合作框架，百度将为京东提供优势流量入口和产品合作，并在AI助力下从内容、商业政策和数据等多个层面展开全方位合作。

2017年第3季度谷歌搜索在7月则增强了搜索应用的新闻功能，可以为用户呈现与搜索内容相关的新闻，而且还能够智能推荐用户所在地以及全球正在发生的新闻和趋势。还推出了新功能“Google Feed”，纳入有关习喜好、旅行、运动及其它话题的个性化内容。8月在搜索应用上针对视频搜索结果推出了 6 秒预览的功能，解决了无法快速了解视频主要内容的难题。

2017年第3季度神马搜索则是在上海、太原、青岛、潍坊等多地举办乘风大会，与全国中小企业进行阿里独有的大数据及媒体矩阵推荐，强化UC神马依托阿里移动在平台、技术、数据、产品服务等方面的优势，通过数据、平台、流量上的整合与升级。

依托腾讯支持的搜狗则是成功赴美上市，在8月上线的新版搜狗搜索APP增加了六大特色功能，包括“我的关注”、“全APP快捷键搜索及翻译”等，主要为用户对个性化搜索内容一键订阅、延伸搜索及翻译直接获取等多方面需求，给用户提供更加便捷、贴心的搜索体验。

搜索引擎优化即seo，在百度、Google、360搜索、搜狗等各大搜索引擎中获取比较靠前的自然排名的技巧和策略。

企业想做好自然排名，首选要了解搜索引擎自然排名算法，并根据相关算法对网站内部或者外部调整优化，从而提升关键词自然排名，获取更多自然流量。并且达到网络销售或者品牌建设。

自然排名通常在搜索结果页面左侧，所以有百度左侧排名、Google左侧排名等说法与付费的搜索推广没有直接关系。

Seo与竞价推广对比搜索引擎营销（SEO+竞价推广）是精准营销，用户搜索目的明确，关键词=用户目的，SEO成品比较低，见效慢，持续久，不像竞价广告预算花完了或者投放时间段过了之后就下线了，竞价推广成本高而且自从百度调整称为4个广告位之后成本越来越高（在这里告诉一个消息最近百度增加了一个广告位），但见效快，所以seo是现在企业开展网络营销必备的工具。

Seo能给企业带来什么？1、吸引潜在的客户访问网站，了解并购买企业产品，如：网店、销售型企业网站等。2、获得来自搜索引擎的大量流量，推荐某一产品，如：生产型品牌企业网站、会员模式站点等。3、获得充足流量，扩大品牌的知名度，如中国移动，中国电信等。4、获取大量流量，吸引广告商来网站投放广告，如谷歌广告、阿里妈妈、百度网盟等。5、获取大量流量，使网站业绩指标攀升，吸引投资或者收购。企业做目标是为了获得关键词排名只是seo效果的表现之一，有效搜索流量带来的转化才是最终的目标，seo追求的是目标流量，能最终带来盈利的流量。

SEO优化手法各种各样，但是主流的分为：白帽SEO、黑帽SEO、灰帽SEO。

先来说说白帽SEO，白帽是一种公正的手法，小编认为公正的原因就是因为他花钱了，所以他符合主流搜索引擎发行方针规定的SEO优化方法。一直被业内认为是最佳的SEO手法，它是在避免一切风险也避免了与搜索引擎发行方针发生任何的冲突，它也是SEOer的职业道德标准。他根据搜索引擎的规则，来优化网站，比如百度买关键词，关键词布局，链接优化，图片优化等。

黑帽SEO，则是指利用一些作弊的手段或可疑的手段，短时间内快速优化达到目的。比如说垃圾链接，隐藏网页，刷IP流量，桥页等等。黑帽SEO，都是那些想走捷径的SEOer，想快速有网站流量跟排名，几天内把某个关键词做到首页等等。黑帽SEO，百度是很反感的，一旦被搜索引擎发现，会被立刻降权，甚至是被K站。所以，黑帽手法还是慎用。

最后是灰帽SEO，是指介于白帽与黑帽之间的中间地带。相当于，白帽与黑帽想结合，既用了正规的白帽技巧去优化网站，又用了不符合规则的黑帽手法去走捷径。灰帽SEO既考虑长远利益，也考虑快速成效的问题。那么同样，如果没有心思很缜密的人，使用灰帽技术也会承担相应的风险。

相对于个人的操作就比较倾向于灰帽，所以总结了以下一些技巧让各位大虾参考！

1：在友情链接交换平台交换过友情链接的朋友都知道，很多大型商城利用导航站与你交叉链接，其原理就是通过不输出权重，而可以获得其他网站的权重投票来获取SEO排名。

2：在前段时间发现一个采集站利用了7个月的时间将网站做到百度权重6，我感到非常惊讶，仔细分析后，其网站一篇文章的内容是采集多个网站的页面而来，文字可读性极低，而内容在互联网没有重复。其原理是通过多个页面满足的需求，组合成一个需求，增加页面附加价值。

3：如同我博客类似，在文章页面添加多个相关的内链推荐，利用站内推荐的手法来快速提高网站排名。

4：近期百度搜索在关键词排名工具供展现量查询、点击量查询、点击率查询，所以部分SEOER通过刷点击来提高网站排名，确实百度搜索引擎在算法中加入了这一算法，通过刷点击率确实能够提高网站排名，不过个人认为，机器永远模仿不了人工。

5：我博客的SEO外链工具很多人都认为是黑帽SEO技术，其实这不属于黑帽SEO技术，当然我也不承认这是白帽SEO技术，这是一种夹杂在中间的灰帽技术，通过外链工具提高自身网站的外链投票，最终获得排名。

6：我们经常可以看到，很多大型门户站或者是B2C网站，其栏目是利用二级域名而不是栏目页面，这个时候，首页是通过调用二级域名下的内容，名义上在URL上面有着绝对优势，其实这属于一种灰帽SEO技术，当然调用数量过多，非常容易导致结构混乱而降权K站。

前两天给大家介绍了什么是搜索引擎，今天和大家分享搜索引擎的工作原理，了解搜索引擎的工作原理后，我们才能知道什么样的网站更利于被抓取并展现给广大的网民。

一、搜索引擎工作原理

搜索引擎蜘蛛程序爬行抓取网页然后扫描IP和跟踪链接，搜集新出现的网页和那些上次搜集后有改变的网页，发现自上次搜集后已不存在的网页，并把数据库中的数据更新。

二、哪什么样的网站利于被抓取呢？

网页设置合理的URL链接结构和导航；还有可供网民读取的信息，如文字、图片、动画等以及规范化的URL网址结构更利于搜索引擎的抓取。

搜索引擎抓取页面后会预处理并建立索引数据库，把抓取的网页分配相应的编号，提取网页文本进行分析，记录网页及关键词等信息，以表格的形式储存。对页面内容进行分析后提取相关的网页信息包含URL、编码类型、页面内容包含的所有关键词、关键词位置、生成时间、大小、与其他网页的链接关系等，主要提取用于排名处理的网页文字。

再对页面正文内容进行切词，为这些词建立索引，得到页面和关键词之间的对应关系。对页面内容进行切分，形成与用户查询条件相匹配的关键字为单位的信息列表。和预设的海量词汇的辞典中的词比较，如果有匹配的词，则为匹配。也会根据相邻的2个或者多个词出现的概率判断这两个词是否匹配。

并建立关键词索引（www.seo8.org），在切词处理后，形成关键词列表。关键词列表的每条记录包含:关键词、关键词编号、出现次数、在网页中的位置等信息。再根据一定的相关度算法进行大量复杂计算，得到每一个网页针对页面文字中及超链接中每一个关键词的相关度或者重要性，然后用这些相关信息建立网页索引数据库。

建立网页索引数据库后，再结合页面的内外因素，计算出页面与某个关键词的相关程度，从而得到与该关键词相关的页面索引列表，从而确定搜索排名。

用户在搜索引擎中输入查询条件后，搜索引擎就在数据库中检索相关的信息，并将检索结果返回给用户。搜索引擎在往用户端返回数据的时候，并不是随机的，而是按照一定的计算方法进行排序，如搜索匹配和相关性计算等。

今天的总结就到这里了希望对大家有所帮助，如有补充的童鞋可以提出相关的意见，大家一起共同进步。

最近跟一朋友聊到网站的SEO，我分享了一个经验：

1. 稳定第一；

2. 速度为王；

乍一看，好像这两点是没说的废话一样，朋友你可知道，这可是我用多少教训换回来的！！

2013年的时候，跟朋友一起做了一个黄页站，一是因为可以从朋友那得到重要的广告渠道，二是需要把所掌握的知识和技巧转化为生产力（money），于是选择了这么一个看似已经红海的方向做尝试。

同期一朋友也在做类似的网站，经过一两个月的努力，网站终于上线了。

两个人的小团队，开发、测试等等全部自己搞定，上线的时候看起来一切都很美好，基本上该有的功能都有，所有页面打开速度也还蛮快（服务器端代码执行基本上做到0.5秒以内），加上谷歌统计代码，满以为可以睡大觉去了。关注微信号:seocnn 专注网站SEO优化

结果没到两个礼拜，谷歌爬虫就开始报警：

1. 核心搜索页面响应出现越来越多的超时；

2. 搜索页面翻页出现重复数据；

如果不看对收录和排名的影响，可能看不出来这两个问题有多严重！

网站流量迅速从日ip近万，掉到一天不到2000ip，而朋友的网站因为稳定和速度快，一直都有很好的排名。

好了，各位吃瓜群众，故事归故事，6分钟先生每次分享都喜欢一定要有干货，这次也不例外，想总结下网站项目或者App项目都有哪些你平常可能没留意或者压根不知道的“看不到”的重要功能呢？

我的整理如下：

• 服务器持续运行时间（项目持续运行，核心功能健壮、无未捕获或考虑的异常）；

• 核心功能响应时间（重点指服务器端响应时间，最优：100毫秒以内，其次：500毫秒以内，再次1秒以内）；

• 核心功能并发支持能超过预设的上限至少20%（如统计到每日高峰一分钟在线人数50，那么至少要支持到每分钟60人在线）；

• 图片等静态资源访问速度（使用cdn等方式加速）；

• 是不是把消耗带宽的资源请求跟核心功能分离了（不会因为一张图片拖慢整个网站或App）；

• 经过日积月累之后，你的数据会不会把磁盘撑爆掉（你的数据量有做好规划吗）？

• 如果一台服务器意外挂掉了，你有迅速可以恢复服务的应急预案吗？

• 你的重要数据有定期做备份吗？如果被人攻击销毁服务器上所有数据，是不是会给你的项目带来灭顶之灾？

• etc, …

如果上面的这些你都还没考虑过，那么是时候请一个专业人士来帮你提前做好规划了，看似这些问题问的有点杂乱，其实是从这么几个方面去考量的：

1. 稳定性；

2. 性能；

3. 安全；

4. 容灾；

本文旨在抛砖引玉，也在倡导6分钟先生的理念：

观点、信息是有价值的，也许你花6分钟阅读完，就会因此为你的思维打开一扇窗！学习SEO快速排名优化技术百度搜索：海瑶。进入网站下载免费SEO视频教程。原文地址：

外贸网站一提到做SEO，随口就可以蹦出来Google、bing、Yahoo三大搜索引擎，作为全球搜索引擎的巨头，了解这三个那是一定要的，但是要做外贸网站的话仅仅只是知道它们还是远远不够。

■ 全球搜索引擎的市场份额，无论是桌面端还是移动端，Google毫无疑问都是一家独大，所以谷歌是外贸的主战场，对于谷歌你有两条路可以走，一是用Google指令来寻找客户信息，开发客户，二是在Google上做SEO和PPC广告，无论你选择哪一条路，都会给你带来询盘订单。

■ Bing是微软试图在搜索引擎领域挑战谷歌而建立的，可以说是全球最受欢迎的第二大搜索引擎。

■ Yahoo是Google多年来最大的竞争对手之一，是火狐浏览器的默认搜索引擎，自从必应发布以后，雅虎搜索沦为全球第三大搜索引擎，2011年10月被bing并购。

如果你的精力有限，Google庞大的市场份额已经足够;如果你的精力足够，三大搜索引擎全做下来也已经可以了，毕竟它们的市场份额在前三，面向的用户也最多，除了它们，你还要知道这些搜索引擎，区域型搜索引擎、社交媒体型搜索引擎、知识型搜索引擎和人肉型搜索引擎。

◤好用的其它国外搜索引擎介绍◢

区域型搜索引擎，顾名思义就是某一个区域使用最多的搜索引擎，主要用来做小语种国家的客户开发。

Yandex：Yandex是一家俄罗斯搜索引擎，在俄罗斯的地位类似于我国的百度，是俄罗斯最受欢迎的搜索引擎，在俄的市场份额比谷歌还高，做俄罗斯市场，它是首选。同时，Yandex不止是只针对俄罗斯本土，还针对Ukraine，Belarus，Kazakhstan和Turkey等市场，土耳其也是大家应该关注的重点市场。

Naver ：韩国第一门户网站，也是一个搜索引擎，为思密达用户提供本土化的搜索引擎服务，韩文搜索首选。

Deusu：德国本土搜索引擎网站，做德国市场懂德文的，可以用它。

Seznam：捷克搜索引擎网站，可搜索网页，地图，照片和视频，产品等。

Lycos：西班牙搜索引擎网站，是最早提供信息搜索服务的网站之一。

Goo：日本搜索引擎网站，主要抓取日本网站。

SAPO ：葡萄牙搜索引擎，可以搜索网页，图像和视频，新闻和博客等。

Virgilio：意大利门户网站和搜索引擎。

Seznam：捷克的一个门户网站和搜索引擎，可搜索网页，地图，照片和视频，产品等等。

说完了区域型搜索引擎，再聊聊社交媒体型搜索引擎。虽然Google是搜索引擎老大，几乎可以在互联网上找到任何内容，但如果你要查找某个人或个人资料时，用这些社交媒体型搜索引擎的效果更好。

Social Mention：输入关键词，就可以查到和这个关键词有关的社交媒体上的信息，还有一系列的辅助数据信息，比如趋势，点击量，热度等等，我个人觉得非常好用。

WhosTalkin：用来查找社交媒体上的热门话题和对话。

YoName：可以搜索Facebook，Twitter，LinkedIn，YouTube等社交网站上的人员信息。

Websta：用来搜索Instagram。

Anoox：基于社交网络的搜索引擎。

Twazzup：查找社交媒体和新闻网站的最新信息。

Snitch Name：可以搜索Facebook，LinkedIn，Twitter等社交媒体网站上的人员资料。

SocialSeeking：可以对Twitter，Instagram，Vimeo等进行搜索。

Social Searcher：搜索Twitter，Facebook，YouTube，Instagram等社交媒体的内容。

Blinkx：在线视频的视频搜索引擎。

Facebook Graph Search：Facebook搜索工具。

Twitter Advanced Search：Twitter的高级搜索，可以根据人，关键词和地点进行搜索。

接下来要介绍的是知识型搜索引擎，基本都是一些问答类网站，查阅资料首选。

Quora：知乎就是模仿这个网站了，如果你心细的话可以在知乎上找到我。

Ask：基于问答式的搜索引擎，内容质量不如谷歌。

eHow：图片、视频非常多，主要针对的是日常生活，如果你做家居用品的话可以一看，很好的资源。

最后要介绍的是人肉型搜索引擎，和一些和社交媒体型类似，主要是用于查找个人资料的，有时候想想互联网真的很可怕，居然可以人肉，如果要查客户资料，不妨用这些搜索引擎试试。

PIPL：可以查到从普通搜索引擎上找不到的个人信息。

Spokeo：可搜索人名，电话，地址等等。

Vebidoo：你打开这个网站，你就会发现，被查的最多的人是川普，哈哈。

PeekYou：可查姓名，邮件，电话，地址等等。

国外好用的搜索引擎就给大家介绍到这里，虽然说可能还有很多搜索引擎能用，但是对于刚开始做外贸SEO的新手来讲，这里边的介绍的搜索引擎足够你使用和研究一阵子，无论你是要查信息、找客户、查资料，还是通过搜索引擎做SEO和PPC。

文章来源丨雨果网、首图来源dribble、版权归原作者所有，侵删

更多精彩内容请移步特易资讯公众号

热门文章：

1.听说这是外贸人都想要的邮箱搜索神器，你也值得拥有

2.

原材料疯狂涨涨涨？一文看懂近期九大原材料价格趋势

3.最新“停工令”11月15日实施，限产停产已扩至8省34市

4.广交会怕搞不定客户？有了这三大法术，没有在怕的

5.为什么说做外贸至少要坚持3年，看完你就明白了

6.擦亮眼睛！各国采购商行骗套路集合，广交会上可要小心咯

7.

不贴“Made in China”不给清关，已有企业遭罚4000美金

8.高端制造业回美国，低端去了越南、印度……那我们呢？

9.这十种公司永远做不大，这五种老板永远做不远

10.签了！特易资讯与微码邓白氏合作签约仪式今日隆重举行

11.今年外贸形势怎么样，让前三季度外贸进出口数据说话

-END-

– TOPEASE · 特易 –

化资讯为资本

贸易数据服务 丨企业融资服务 丨商业资讯服务

“

最近项目组安排了一个任务，项目中用到了基于 Solr 的全文搜索，但是该 Solr 搜索云项目不稳定，经常查询不出来数据，需要手动全量同步。

而且它还是其他团队在维护，依赖性太强，导致 Solr 服务一出问题，我们的项目也基本瘫痪，因为所有的依赖查询都无结果数据了。

所以考虑开发一个适配层，如果 Solr 搜索出问题，自动切换到新的搜索 ES。其实可以通过 Solr 集群或者服务容错等设计来解决该问题。

但是先不考虑本身设计的合理性，领导需要开发，所以我开始踏上了搭建 ES 服务的道路，从零开始，因为之前完全没接触过 ES，所以通过本系列来记录下自己的开发过程。

本篇文章的总体内容大致如下图：

由 ReyCG 精心绘制并提供

什么是全文搜索

什么是全文搜索引擎？百度百科中的定义：

全文搜索引擎是目前广泛应用的主流搜索引擎。它的工作原理是计算机索引程序通过扫描文章中的每一个词，对每一个词建立一个索引，指明该词在文章中出现的次数和位置，当用户查询时，检索程序就根据事先建立的索引进行查找，并将查找的结果反馈给用户的检索方式。这个过程类似于通过字典中的检索字表查字的过程。

从定义中我们已经可以大致了解全文检索的思路了，为了更详细的说明，我们先从生活中的数据说起。

我们生活中的数据总体分为两种：

• 结构化数据：指具有固定格式或有限长度的数据，如数据库，元数据等。
• 非结构化数据：非结构化数据又可称为全文数据，指不定长或无固定格式的数据，如邮件，Word 文档等。

当然有的地方还会有第三种：半结构化数据，如 XML，HTML 等，当根据需要可按结构化数据来处理，也可抽取出纯文本按非结构化数据来处理。

根据两种数据分类，搜索也相应的分为两种：结构化数据搜索和非结构化数据搜索。

对于结构化数据，我们一般都是可以通过关系型数据库(MySQL，Oracle 等)的 table 的方式存储和搜索，也可以建立索引。

对于非结构化数据，也即对全文数据的搜索主要有两种方法：

• 顺序扫描
• 全文检索

顺序扫描：通过文字名称也可了解到它的大概搜索方式，即按照顺序扫描的方式查询特定的关键字。

例如给你一张报纸，让你找到该报纸中“RNG”的文字在哪些地方出现过。你肯定需要从头到尾把报纸阅读扫描一遍，然后标记出关键字在哪些版块出现过以及它的出现位置。

这种方式无疑是最耗时的最低效的，如果报纸排版字体小，而且版块较多甚至有多份报纸，等你扫描完你的眼睛也差不多了。

全文检索：对非结构化数据顺序扫描很慢，我们是否可以进行优化？把我们的非结构化数据想办法弄得有一定结构不就行了吗？

将非结构化数据中的一部分信息提取出来，重新组织，使其变得有一定结构，然后对此有一定结构的数据进行搜索，从而达到搜索相对较快的目的。

这种方式就构成了全文检索的基本思路。这部分从非结构化数据中提取出的然后重新组织的信息，我们称之索引。

还以读报纸为例，我们想关注英雄联盟 S8 全球总决赛的新闻，假如都是 RNG 的粉丝，如何快速找到 RNG 新闻的报纸和版块呢？

全文检索的方式就是，将所有报纸中所有版块中关键字进行提取，如”EDG”，”RNG”，”FW”，”战队”，”英雄联盟”等。

然后对这些关键字建立索引，通过索引我们就可以对应到该关键词出现的报纸和版块。注意区别目录搜索引擎。

为什么要用全文搜索搜索引擎

之前，有同事问我，为什么要用搜索引擎？我们的所有数据在数据库里面都有，而且 Oracle、SQL Server 等数据库里也能提供查询检索或者聚类分析功能，直接通过数据库查询不就可以了吗？

确实，我们大部分的查询功能都可以通过数据库查询获得，如果查询效率低下，还可以通过建数据库索引，优化 SQL 等方式提升效率，甚至通过引入缓存来加快数据的返回速度。

如果数据量更大，就可以分库分表来分担查询压力。那为什么还要全文搜索引擎呢？我们主要从以下几个原因分析：

数据类型

全文索引搜索支持非结构化数据的搜索，可以更好地快速搜索大量存在的任何单词或单词组的非结构化文本。

例如 Google，百度类的网站搜索，它们都是根据网页中的关键字生成索引，我们在搜索的时候输入关键字，它们会将该关键字即索引匹配到的所有网页返回；还有常见的项目中应用日志的搜索等等。

对于这些非结构化的数据文本，关系型数据库搜索不是能很好的支持。

索引的维护

一般传统数据库，全文检索都实现的很鸡肋，因为一般也没人用数据库存文本字段。

进行全文检索需要扫描整个表，如果数据量大的话即使对 SQL 的语法优化，也收效甚微。

建立了索引，但是维护起来也很麻烦，对于 insert 和 update 操作都会重新构建索引。

什么时候使用全文搜索引擎：

• 搜索的数据对象是大量的非结构化的文本数据。
• 文件记录量达到数十万或数百万个甚至更多。
• 支持大量基于交互式文本的查询。
• 需要非常灵活的全文搜索查询。
• 对高度相关的搜索结果有特殊需求，但是没有可用的关系数据库可以满足。
• 对不同记录类型、非文本数据操作或安全事务处理的需求相对较少的情况。

Lucene，Solr，ElasticSearch ？

现在主流的搜索引擎大概就是：Lucene，Solr，ElasticSearch。

它们的索引建立都是根据倒排索引的方式生成索引，何谓倒排索引？

维基百科：倒排索引（英语：Inverted index），也常被称为反向索引、置入档案或反向档案，是一种索引方法，被用来存储在全文搜索下某个单词在一个文档或者一组文档中的存储位置的映射。它是文档检索系统中最常用的数据结构。

Lucene

Lucene 是一个 Java 全文搜索引擎，完全用 Java 编写。Lucene 不是一个完整的应用程序，而是一个代码库和 API，可以很容易地用于向应用程序添加搜索功能。Lucene 通过简单的 API 提供强大的功能：

可扩展的高性能索引：

• 在现代硬件上超过 150GB /小时。
• 小 RAM 要求，只有 1MB 堆。
• 增量索引与批量索引一样快。
• 索引大小约为索引文本大小的 20-30％。

强大，准确，高效的搜索算法：

• 排名搜索：首先返回最佳结果。
• 许多强大的查询类型：短语查询，通配符查询，邻近查询，范围查询等。
• 现场搜索（例如标题，作者，内容）。
• 按任何字段排序。
• 使用合并结果进行多索引搜索。
• 允许同时更新和搜索。
• 灵活的分面，突出显示，连接和结果分组。
• 快速，内存效率和错误容忍的建议。
• 可插拔排名模型，包括矢量空间模型和 Okapi BM25。
• 可配置存储引擎（编解码器）。

跨平台解决方案：

• 作为 Apache 许可下的开源软件提供 ，允许您在商业和开源程序中使用 Lucene。
• 100％-pure Java。
• 可用的其他编程语言中的实现是索引兼容的。

Apache 软件基金会：

• 获得 Apache 软件基金会提供的开源软件项目的 Apache 社区的支持。
• 但是 Lucene 只是一个框架，要充分利用它的功能，需要使用 Java，并且在程序中集成 Lucene。 需要很多的学习了解，才能明白它是如何运行的，熟练运用 Lucene 确实非常复杂。

Solr

Apache Solr 是一个基于名为 Lucene 的 Java 库构建的开源搜索平台。它以用户友好的方式提供 Apache Lucene 的搜索功能。

作为一个行业参与者已近十年，它是一个成熟的产品，拥有强大而广泛的用户社区。

它提供分布式索引，复制，负载平衡查询以及自动故障转移和恢复。如果它被正确部署然后管理得好，它就能够成为一个高度可靠，可扩展且容错的搜索引擎。

很多互联网巨头，如 Netflix，eBay，Instagram 和亚马逊（CloudSearch）都使用 Solr，因为它能够索引和搜索多个站点。

主要功能列表包括：

• 全文搜索
• 突出
• 分面搜索
• 实时索引
• 动态群集
• 数据库集成
• NoSQL 功能和丰富的文档处理（例如 Word 和 PDF 文件）

ElasticSearch

Elasticsearch 是一个开源（Apache 2 许可证），基于 Apache Lucene 库构建的 RESTful 搜索引擎。

Elasticsearch 是在 Solr 之后几年推出的。它提供了一个分布式，多租户能力的全文搜索引擎，具有 HTTP Web 界面（REST）和无架构 JSON 文档。

Elasticsearch 的官方客户端库提供 Java，Groovy，PHP，Ruby，Perl，Python，.NET 和 Java。

分布式搜索引擎包括可以划分为分片的索引，并且每个分片可以具有多个副本。

每个 Elasticsearch 节点都可以有一个或多个分片，其引擎也可以充当协调器，将操作委派给正确的分片。

Elasticsearch 可通过近实时搜索进行扩展。其主要功能之一是多租户。主要功能列表包括：

• 分布式搜索
• 多租户
• 分析搜索
• 分组和聚合

Elasticsearch vs Solr 的选择

由于 Lucene 的复杂性，一般很少会考虑它作为搜索的第一选择，排除一些公司需要自研搜索框架，底层需要依赖 Lucene。

所以这里我们重点分析哪一个更好？它们有什么不同？你应该使用哪一个？

历史比较

Apache Solr 是一个成熟的项目，拥有庞大而活跃的开发和用户社区，以及 Apache 品牌。

Solr 于 2006 年首次发布到开源，长期以来一直占据着搜索引擎领域，并且是任何需要搜索功能的人的首选引擎。

它的成熟转化为丰富的功能，而不仅仅是简单的文本索引和搜索； 如分面，分组，强大的过滤，可插入的文档处理，可插入的搜索链组件，语言检测等。

Solr 在搜索领域占据了多年的主导地位。然后，在 2010 年左右，Elasticsearch 成为市场上的另一种选择。

那时候，它远没有 Solr 那么稳定，没有 Solr 的功能深度，没有思想分享，品牌等等。

Elasticsearch 虽然很年轻，但它也自己的一些优势，Elasticsearch 建立在更现代的原则上，针对更现代的用例，并且是为了更容易处理大型索引和高查询率而构建的。

此外，由于它太年轻，没有社区可以合作，它可以自由地向前推进，而不需要与其他人（用户或开发人员）达成任何共识或合作，向后兼容，或任何其他更成熟的软件通常必须处理。

因此，它在 Solr 之前就公开了一些非常受欢迎的功能(例如，接近实时搜索，英文：Near Real-Time Search)。

从技术上讲，NRT 搜索的能力确实来自 Lucene，它是 Solr 和 Elasticsearch 使用的基础搜索库。

具有讽刺意味的是，因为 Elasticsearch 首先公开了 NRT 搜索，所以人们将 NRT 搜索与 Elasticsearch 联系在一起。

尽管 Solr 和 Lucene 都是同一个 Apache 项目的一部分，但是，人们会首先期望 Solr 具有如此高要求的功能。

特征差异比较

这两个搜索引擎都是流行的，先进的的开源搜索引擎。它们都是围绕核心底层搜索库 Lucene 构建的，但它们又是不同的。

像所有东西一样，每个都有其优点和缺点，根据您的需求和期望，每个都可能更好或更差。

Solr 和 Elasticsearch 都在快速发展，所以，话不多说，先来看下它们的差异清单：

了解更多：2019/20190426A/F0111854

综合比较

另外，我们再从以下几个方面来分析下：

①近几年的流行趋势

我们查看一下这两种产品的 Google 搜索趋势。谷歌趋势表明，与 Solr 相比，Elasticsearch 具有很大的吸引力，但这并不意味着 Apache Solr 已经死亡。

虽然有些人可能不这么认为，但 Solr 仍然是最受欢迎的搜索引擎之一，拥有强大的社区和开源支持。

②安装和配置

与 Solr 相比，Elasticsearch 易于安装且非常轻巧。此外，您可以在几分钟内安装并运行 Elasticsearch。

但是，如果 Elasticsearch 管理不当，这种易于部署和使用可能会成为一个问题。

基于 JSON 的配置很简单，但如果要为文件中的每个配置指定注释，那么它不适合您。

总的来说，如果您的应用使用的是 JSON，那么 Elasticsearch 是一个更好的选择。

否则，请使用 Solr，因为它的 schema.xml 和 solrconfig.xml 都有很好的文档记录。

③社区

Solr 拥有更大，更成熟的用户，开发者和贡献者社区。ES 虽拥有的规模较小但活跃的用户社区以及不断增长的贡献者社区。

Solr 是真正的开源社区代表。任何人都可以为 Solr 做出贡献，并且根据优点选出新的 Solr 开发人员（也称为提交者）。

Elasticsearch 在技术上是开源的，但在精神上却不那么重要。任何人都可以看到来源，任何人都可以更改它并提供贡献，但只有 Elasticsearch 的员工才能真正对 Elasticsearch 进行更改。

Solr 贡献者和提交者来自许多不同的组织，而 Elasticsearch 提交者来自单个公司。

④成熟度

Solr 更成熟，但 ES 增长迅速，我认为它稳定。

⑤文档

Solr 在这里得分很高。它是一个非常有据可查的产品，具有清晰的示例和 API 用例场景。

Elasticsearch 的文档组织良好，但它缺乏好的示例和清晰的配置说明。

总结

那么，到底是选择 Solr 还是 Elasticsearch？有时很难找到明确的答案。无论您选择 Solr 还是 Elasticsearch，首先需要了解正确的用例和未来需求，总结它们的每个属性。

记住下面这些要点：

• 由于易于使用，Elasticsearch 在新开发者中更受欢迎。但是，如果您已经习惯了与 Solr 合作，请继续使用它，因为迁移到 Elasticsearch 没有特定的优势。
• 如果除了搜索文本之外还需要它来处理分析查询，Elasticsearch 是更好的选择。
• 如果需要分布式索引，则需要选择 Elasticsearch。对于需要良好可伸缩性和性能的云和分布式环境，Elasticsearch 是更好的选择。
• 两者都有良好的商业支持（咨询，生产支持，整合等）。
• 两者都有很好的操作工具，尽管 Elasticsearch 因其易于使用的 API 而更多地吸引了 DevOps 人群，因此可以围绕它创建一个更加生动的工具生态系统。
• Elasticsearch 在开源日志管理用例中占据主导地位，许多组织在 Elasticsearch 中索引它们的日志以使其可搜索。虽然 Solr 现在也可以用于此目的，但它只是错过了这一想法。
• Solr 仍然更加面向文本搜索。另一方面，Elasticsearch 通常用于过滤和分组，分析查询工作负载，而不一定是文本搜索。 Elasticsearch 开发人员在 Lucene 和 Elasticsearch 级别上投入了大量精力使此类查询更高效(降低内存占用和 CPU 使用)。 因此，对于不仅需要进行文本搜索，而且需要复杂的搜索时间聚合的应用程序，Elasticsearch 是一个更好的选择。
• Elasticsearch 更容易上手，一个下载和一个命令就可以启动一切。Solr 传统上需要更多的工作和知识，但 Solr 最近在消除这一点上取得了巨大的进步，现在只需努力改变它的声誉。
• 在性能方面，它们大致相同。我说“大致”，因为没有人做过全面和无偏见的基准测试。对于 95％ 的用例，任何一种选择在性能方面都会很好，剩下的 5％ 需要用它们的特定数据和特定的访问模式来测试这两种解决方案。
• 从操作上讲，Elasticsearch 使用起来比较简单，它只有一个进程。Solr 在其类似 Elasticsearch 的完全分布式部署模式 SolrCloud 中依赖于 Apache ZooKeeper，ZooKeeper 是超级成熟，超级广泛使用等等，但它仍然是另一个活跃的部分。 也就是说，如果您使用的是 Hadoop，HBase，Spark，Kafka 或其他一些较新的分布式软件，您可能已经在组织的某个地方运行 ZooKeeper。
• 虽然 Elasticsearch 内置了类似 ZooKeeper 的组件 Xen，但 ZooKeeper 可以更好地防止有时在 Elasticsearch 集群中出现的可怕的裂脑问题。 公平地说，Elasticsearch 开发人员已经意识到这个问题，并致力于改进 Elasticsearch 的这个方面。
• 如果您喜欢监控和指标，那么使用 Elasticsearch，您将会进入天堂。这个东西比新年前夜在时代广场可以挤压的人有更多的指标！Solr 暴露了关键指标，但远不及 Elasticsearch 那么多。

总之，两者都是功能丰富的搜索引擎，只要设计和实现得当，它们或多或少都能提供相同的性能。

作者：JaJian

转自：51CTO技术栈

出处：https://www.cnblogs.com/jajian/p/9801154.html

搜索引擎建立索引的网页数以万亿计，用户搜索的关键词也是海量，如果每个用户提交搜索请求后，搜索引擎都去数以万亿的索引中重新排名网页，效率将非常低下。根据2-8法则，80%是查询是集中在相同的20%内容上，实际搜索引擎会把用户关键词检索的结果存储到缓存库中，一旦有其他用户请求相同的查询，则可以直接快速返回结果，当然为了保证数据的及时有效，此时缓存库会有微小更新，绝大部分缓存+微小更新的机制极大地节约了服务器资源，也提高了响应速度。

下面公众号【精灵儿工作室】详细介绍搜索引擎检索网页的自然排名，这也是历史缓存库的基础，也是更新缓存类似逻辑过程。决定网页自然排名因素主要包括：关键词相关性、链接相关性、网站权重、用户体验和作弊检查。

1. 内容相关性

首先是网站主题相关性匹配，比如一个IT技术网站突然发猪饲料文章，对目标用户体验很不好。其次是网页相关性，网页检索是基于关键词匹配，关键词的特性表示了网页的描述的主题和内容，主要特征如下。

（1）网页Title、Keywords、Deion页面级特征。

（2）H标签、加粗标签突出强调。

（3）关键词密度强调内容，一般2%~8%比较合理。

（4）锚文本，相关内容的传导性。

（5）关键词出现位置。核心关键词尽量在文章开头就出现。

2. 链接相关性

链接是爬虫抓取网页的纽带，其重要性不言而喻。是同类内容的链接传导，对用户体验非常好，搜索引擎采用链接信任传导机制，传导权重，是排名重要的因子，所以站外链接建设和站内链接建设价值很大。

3. 用户体验性

搜索引擎的根本目的是给用户提供良好的体验，主要包括：

（1）画面简洁，广告等干扰小。搜索引擎通过页面结构可以判断。

（2）响应速度，太慢的响应速度对用户体验和网络爬虫抓取分析都不利。

（3）内容互动，包括评论、点赞等

（4）用户点击率，跳出率，访问深度，停留时间等。本条的重要性越来越被重视，因为搜索引擎的目标是为客户提供有价值的内容甚至解决用户需求，而此条相关信息可以作为重要的评估依据。

4. 网站权威性

权重是搜索引擎给各网站综合的评估，作为网站地位主要标志。权重高的网站，被搜索引擎优先排名。政府部门网站、权威行业站、新闻源站，甚至大品牌认证的官方网站，都有优选排名权。也因此，会出现个人小站发布的高原创内容，被权威大站转发后，反而认为大站是原创。

新闻源是指符合搜索引擎新闻收录标准，站内信息被搜索引擎优先收录，且被网络媒体转载成为网络新闻的源头媒体。新闻源具有网络新闻的“种子源”、收录快、转载广和一定公信力与权威性等特点。

5. 防作弊检查

有索引引擎就有优化吸引流量，有优化就有作弊，这是永不停止的斗争。搜索引擎需要防止出现大量垃圾信息干扰用户，检索结果要尽量杜绝黄赌毒违法信息宣传。发现作弊或者违法，进行相应处罚。下文我们相信讨论反作弊详情。

搜索引擎优化就是尽量让自己网站自然排名靠前，等做到seo优化上首页，那流量就非常大，价值很高。本文“搜索引擎原理之排名机制”网站优化的主要工作内容，可以通过官网认证或者网站备案做好网站权威性；通过原创内容，编辑文字配合关键词挖掘和布局提高内容相关性；通过内部网站合理的内链建设，以及高质量的外链建设做好链接相关性；用户行为体验越来越被重视，是seo优化的重中之重。根据我们【精灵儿工作室】公众号的大量经验，突出做好这一条，竞争不是特别大的网站，一般就能上首页。只要网站有点基础（建站时间、内容有点价值、有更新、搜索引擎有索引），把握住关键点，2~7天自然排名上首页几率极大。

搜索引擎爬虫在抓取互联网内容时会受到限制，在人们和搜索引擎看来，网页看起来并不总是一样。比如一张中华田园犬玩耍的照片或者视频，人们可以一眼辨识出来，但搜索引擎就不行。

为了网页在搜索引擎中表现的更好，获得更好的排名。最重要的内容应该是HTML格式的文字格式。还用上面的例子，如果“中华田园犬玩耍”这一段文字而不仅仅是图片放在内容上，搜索引擎爬虫就可以很好的理解了。

除了文字内容之外，图像、视频、小游戏、Java等非文本内容通常容易被忽略。尽管搜索引擎的爬虫技术越来越进步，但是爬虫对于文字之外的内容识别还是很有限的。最简单的方式就是，要尽可能的放置文字内容在页面上，让用户或者搜索引擎爬虫都可以很容易的读取到。

最典型的例子就是为图片增加一段文字描述，我们就需要使用ALT属性。这样搜索引擎爬虫通过图片的文字备注就可以很容易的正确识别图片的实际内容，继续用上面的例子来进行说明。在我们的网页中有一张“中华田园犬玩耍的图片”，通过ALT属性在给这张图片增加一段文字描述，描述内容即为“中华田园犬玩耍”。图片用户可以直接识别，这段文字内容则提供给搜索引擎爬虫来识别。至于具体的ALT属性我们会在后面详细进行讲解。

简单做一下总结，要想做好搜索引擎优化，就需要把不同的非文字内容（图像、视频、小游戏、Java等）都用文字的形式描述出来，以供搜索引擎爬虫去精准的识别。

我们对大数据技术的使用也经历了一个发展过程。从最开始的Google在搜索引擎中开始使用大数据技术，到现在无处不在的各种人工智能应用，伴随着大数据技术的发展，大数据应用也从曲高和寡走到了今天的遍地开花。

Google从最开始发表大数据划时代论文的时候，也许自己也没有想到，自己开启了一个大数据的新时代。今天大数据和人工智能的种种成就，离不开全球数百万大数据从业者的努力，这其中也包括你和我。 历史也许由天才开启，但终究还是由人民创造，作为大数据时代的参与者，我们正在创造历史。

大数据应用的搜索引擎时代

作为全球最大的搜索引擎公司，Google也是我们公认的大数据鼻祖，它存储着全世界几乎所有可访问的网页，数目可能超过万亿规模，全部存储起来大约需要数万块磁盘。为了将这些文件存储起来，Google开发了GFS (Google 文件系统 ) ，将数千台服务器上的数万块磁盘统一管理起来，然后当作一个文件系统，统一存储所有这些网页文件。

你可能会觉得，如果只是简单地将所有网页存储起来，好像也没什么太了不起的。没错，但是 Google得到这些网页文件是要构建搜索引擎，需要对所有文件中的单词进行词频统计，然后根据PageRank算法计算网页排名。这中间，Google需要对这数万块磁盘上的文件进行计算处理，这听上去就很了不起了吧。当然，也正是基于这些需求，Google又开发了MapReduce大数据计算框架。

其实在Google之前，世界上最知名的搜索引擎是Yahoo。但是Google凭借自己的大数据技术和 PageRank算法，使搜索引擎的搜索体验得到了质的飞跃，人们纷纷弃Yahoo而转投Google。所以当Google发表了自己的GFS和MapReduce论文后，Yahoo应该是最早关注这些论文的公司。

Doug Cutting率先根据Google论文做了Hadoop，于是Yahoo就把Doug Cutting挖了过去，专职开发Hadoop。可是Yahoo和Doug Cutting的蜜月也没有持续多久，Doug Cutting不堪 Yahoo的内部斗争，跳槽到专职做Hadoop商业化的公司Cloudera，而Yahoo则投资了 Cloudera的竞争对手HortonWorks。

顶尖的公司和顶尖的高手一样，做事有一种优雅的美感。你可以看Google一路走来，从搜索引擎、Gmail、地图、Android、无人驾驶，每一步都将人类的技术边界推向更高的高度。而差一点的公司即使也曾经获得过显赫的地位，但是一旦失去做事的美感和节奏感，在这个快速变革的时代，陨落得比流星还快。

大数据应用的数据仓库时代

Google的论文刚发表的时候，吸引的是Yahoo这样的搜索引擎公司和Doug Cutting这样的开源搜索引擎开发者，其他公司还只是吃瓜群众。但是当Facebook推出Hive的时候，嗅觉敏感的科技公司都不淡定了， 他们开始意识到，大数据的时代真正开启了。

曾经我们在进行数据分析与统计时，仅仅局限于数据库，在数据库的计算环境中对数据库中的数据表进行统计分析。并且受数据量和计算能力的限制，我们只能对最重要的数据进行统计和分析。这里所谓最重要的数据，通常指的都是给老板看的数据和财务相关的数据。

而Hive可以在Hadoo上进行SQL操作，实现数据统计与分析。也就是说，我们可以用更低廉的价格获得比以往多得多的数据存储与计算能力。我们可以把运行日志、应用采集数据、数据库数据放到一起进行计算分析，获得以前无法得到的数据结果，企业的数据仓库也随之呈指数级膨胀。

不仅是老板，公司中每个普通员工比如产品经理、运营人员、工程师，只要有数据访问权限，都可以提出分析需求，从大数据仓库中获得自己想要了解的数据分析结果。

你看，在数据仓库时代，只要有数据，几乎就一定要进行统计分析，如果数据规模比较大，我们就会想到要用Hadoop大数据技术，这也是Hadoop在这个时期发展特别快的一个原因。技术的发展同时又促进了技术应用，这也为接下来大数据应用走进数据挖掘时代埋下伏笔。

大数据应用的数据挖掘时代

大数据一旦进入更多的企业，我们就会对大数据提出更多期望，除了数据统计，我们还希望发掘出更多数据的价值，大数据随之进入数据挖掘时代。

讲个真实的案例，很早以前商家就通过数据发现，买尿不湿的人通常也会买啤酒，于是精明的商家就把这两样商品放在一起，以促进销售。啤酒和尿不湿的关系，你可以有各种解读，但是如果不是通过数据挖掘，可能打破脑袋也想不出它们之间会有关系。 在商业环境中，如何解读这种关系并不重要，重要的是它们之间只要存在关联，就可以进行关联分析，最终目的是让用户尽可能看到想购买的商品。

除了商品和商品有关系，还可以利用人和人之间的关系推荐商品。如果两个人购买的商品有很多都是类似甚至相同的，不管这两个人天南海北相隔多远，他们一定有某种关系，比如可能有差不多的教育背景、经济收入、兴趣爱好。根据这种关系，可以进行关联推荐，让他们看到自己感兴趣的商品。

更进一步，大数据还可以将每个人身上的不同特性挖掘出来，打上各种各样的标签：90 后、生活在一线城市、月收入 1～2 万、宅……这些标签组成了用户画像，并且只要这样的标签足够多，就可以完整描绘出一个人，甚至比你最亲近的人对你的描述还要完整、准确。

除了商品销售，数据挖掘还可以用于人际关系挖掘。你听过“六度分隔理论”吗，它认为世界上两个互不认识的人，只需要很少的中间人就能把他们联系起来。这个理论在美国的实验结果是，通过六步就能联系上两个不认识的美国人。也是基于这个理论，Facebook研究了十几亿用户的数据，试图找到关联两个陌生人之间的数字，答案是惊人的3.57。你可以看到，各种各样的社交软件记录着我们的好友关系，通过关系图谱挖掘，几乎可以把世界上所有的人际关系网都描绘出来。

现代生活几乎离不开互联网，各种各样的应用无时不刻不在收集数据，这些数据在后台的大数据集群中一刻不停地在被进行各种分析与挖掘。这些分析和挖掘带给我们的是美好还是恐惧，依赖大数据从业人员的努力。但是可以肯定，不管最后结果如何，这个进程只会加速不会停止，你我只能投入其中。

大数据应用的机器学习时代

我们很早就发现，数据中蕴藏着规律，这个规律是所有数据都遵循的，过去发生的事情遵循这个规律，将来要发生的事情也遵循这个规律。一旦找到了这个规律，对于正在发生的事情，就可以按照这个规律进行预测。

在过去，我们受数据采集、存储、计算能力的限制，只能通过抽样的方式获取小部分数据，无法得到完整的、全局的、细节的规律。 而现在有了大数据，可以把全部的历史数据都收集起来，统计其规律，进而预测正在发生的事情。

这就是机器学习。

把历史上人类围棋对弈的棋谱数据都存储起来，针对每一种盘面记录何种落子可以得到更高的赢面。得到这个统计规律以后，就可以利用这个规律和人下棋，每一步都计算落在何处将得到更大的赢面，于是我们就得到了一个会下棋的机器人，这就是前两年轰动一时的AlphaGo，以压倒性优势下赢了人类的顶尖棋手。

再举个和我们生活更近的例子。把人聊天的对话数据都收集起来，记录每一次对话的上下文，如果上一句是是问今天过得怎么样，那么下一句该如何应对，通过机器学习可以统计出来。将来有人再问今天过得怎么样，就可以自动回复下一句话，于是我们就得到一个会聊天的机器人。Siri、天猫精灵、小爱同学，这样的语音聊天机器人在机器学习时代已经满大街都是了。

将人类活动产生的数据，通过机器学习得到统计规律，进而可以模拟人的行为，使机器表现出人类特有的智能，这就是人工智能 AI。

现在我们对待人工智能还有些不理智的态度，有的人认为人工智能会越来越强大，将来会统治人类。实际上，稍微了解一点人工智能的原理就会发现，这只是大数据计算出来的统计规律而已，表现的再智能，也不可能理解这样做的意义，而有意义才是人类智能的源泉。按目前人工智能的发展思路，永远不可能出现超越人类的智能，更不可能统治人类。

写在最后

大数据从搜索引擎到机器学习，发展思路其实是一脉相承的，就是想发现数据中的规律并为我们所用。所以很多人把数据称作金矿， 大数据应用就是从这座蕴含知识宝藏的金矿中发掘中有商业价值的真金白银出来。

数据中蕴藏着价值已经是众所周知的事情了，那么如何从这些庞大的数据中发掘出我们想要的知识价值，这正是大数据技术目前正在解决的事情，包括大数据存储与计算，也包括大数据分析、挖掘、机器学习等应用。

美国的西部淘金运动带来了美国的大拓荒时代，来自全世界各地的人涌向美国西部，将人口、资源、生产力带到了荒蛮的西部地带，一条条铁路也将美国的东西海岸连接起来，整个美国也随之繁荣起来。大数据这座更加庞大的金矿目前也正发挥着同样的作用，全世界无数的政府、企业、个人正在关注着这座金矿，无数的资源正在向这里涌来。

我们不曾生活在美国西部淘金的繁荣时代，错过了那个光荣与梦想、自由与激情的个人英雄主义时代。但是现在，一个更具划时代意义的大数据淘金时代正在到来，而你我正身处其中。

早上好。您吃了吗？

还没吃呢？好的，下面是今天给您烹制的“早餐”，口感“极不稳定”。

百度又有负面了

@证券日报【】日前，有同行告诉记者，百度的新闻搜索结果极不稳定，“早上搜索新闻条数是38条，到了中午就成了0条。这已经不是第一次了，自从8月份以来，这样篡改新闻数量的情况几乎每天都有。”

有不愿具名的业内人士告诉记者，新闻数量变化可能有两方面原因，第一是新闻网站手动更改；第二就是百度搜索引擎存在漏洞。

对此，《证券日报》记者联系到百度集团公关部门、搜索公司公关部门，在经历多方推诿后，仍然没有给出回复。#这届百度公关厉害了#

另一条新闻也跟百度有关。

@浪里赤条小粗林: 我真的没想到百度能恶心成这样。因为我的chrome 总是崩溃，而且是连设置页都崩溃打不开的那种，卸载重装都没有用，折腾了好久，结果搜了一下发现很多人都有这个问题，直到发现知乎这个帖子，按照回答里的方法删除了bd0001这个文件后重启电脑、chrome立马就恢复

随后，该微博被转发8000多次，不少网友又开始骂百度了，但有些话太难听了，还是文明用语比较好。

乐视新闻联播日更

@证券日报【】在孙宏斌对乐视上市体系大刀阔斧改革之际，业内不断有消息传出，孙宏斌正在寻求战略投资者，腾讯、阿里、京东均有可能入局。就在近日孙宏斌集结新乐视中高层开闭门会之时，该传闻愈演愈烈。

联通混改那点事儿

@证监会发布：

联通20日晚间发布公告称，审议通过了非公开发行股票及限制性股票激励计划（草案）等议案，8月21日开市起复牌。

本次混改前，公司总股本为约211.97亿股。在本次混改过程中，公司拟向战略投资者非公开发行不超过约90.37亿股股份，募集资金不超过约617.25亿元；由联通集团向结构调整基金协议转让其持有的本公司约19.00亿股股份，转让价款约129.75亿元；向核心员工首期授予不超过约8.48亿股限制性股票，募集资金不超过约32.13亿元。上述交易对价合计不超过约779.14亿元。

上述交易全部完成后，按照发行上限计算，联通集团合计持有公司约36.67%股份；中国人寿(28.290, 0.85, 3.10%)、腾讯信达、百度鹏寰、京东三弘、阿里创投、苏宁云商(12.070, 0.00, 0.00%)、光启互联、淮海方舟、兴全基金和结构调整基金将分别持有公司约10.22%、5.18%、3.30%、2.36%、2.04%、1.88%、1.88%、1.88%、0.33%、6.11%股份，上述新引入战略投资者合计持有公司约35.19%股份，进一步形成混合所有制多元化股权结构。

豪华车都共享了，今后只能躲在五菱宏光里哭泣了

@澎湃新闻【】共享经济的火热，引来了明星的投资。在沈阳共享宝马的背后，隐约闪动着本山传媒同门师兄妹的身影，赵本山弟子宋小宝、毕畅均以股东身份参与其中。

8月18日，辽宁弘扬共享汽车租赁有限公司（辽宁弘扬）执行董事兼经理隋宏洋在接受澎湃新闻采访时，首次对外承认了这一点，并表示宋小宝已经退出，所占股份由宋小宝妻子王雪接盘。

@站长之家【】和共享宝马按公里计费不同，共享法拉利是按分钟计费，1分钟1元，油费自付。法拉利共享服务是“战斗民族”俄罗斯的一家公司推出的服务，用户用车需缴纳3000美元押金。如果国内有，你会尝试吗？

看样子以后只能买五菱宏光来彰显上流社会的地位了。

“网民发帖称医院食堂价高难吃被拘留”进展

周末这两天闹得轰轰烈烈的事儿是“网民发帖称医院食堂价高难吃被拘留”，厉害了。

@邯郸公安网络发言人【邯郸警方回应：涉县公安局原处罚决定已撤销 当事民警已被追责】“网民发帖称医院食堂价高难吃被拘留”经媒体报道后，邯郸市公安局高度重视，立即联合政府法制办、律师顾问团和市局法制支队组成工作组，连夜对案件“事实、证据、法律适用”进行全面复查。

@人民日报【呵护公民打差评的权利】纠错、究责、道歉，一个都没有少。最真诚的纠错，就是呵护公民打差评的权利。吐吐槽，发发牢骚，哪怕说的话有些刺耳，也没什么大不了的。不能要求网友对所有问题都看得那么准、说得那么对，这道理涉事医院该听听，相关部门也该多思量。

今天的早餐（早报）就算再难吃，也别吐槽我哦。

最后，轻松一下

@西野_Northwest: 有网友指出《战狼2》抄袭小说《弹痕》，近日，《战狼2》编剧董群回应：本人董群，笔名纷舞妖姬，代表作《弹痕》。

完。

我们对大数据技术的使用也经历了一个发展过程。从最开始的 Google 在搜索引擎中开始使用大数据技术，到现在无处不在的各种人工智能应用，伴随着大数据技术的发展，大数据应用也从曲高和寡走到了今天的遍地开花。

Google 从最开始发表大数据划时代论文的时候，也许自己也没有想到，自己开启了一个大数据的新时代。今天大数据和人工智能的种种成就，离不开全球数百万大数据从业者的努力，这其中也包括你和我。历史也许由天才开启，但终究还是由人民创造，作为大数据时代的参与者，我们正在创造历史。

大数据应用的搜索引擎时代

作为全球最大的搜索引擎公司，Google 也是我们公认的大数据鼻祖，它存储着全世界几乎所有可访问的网页，数目可能超过万亿规模，全部存储起来大约需要数万块磁盘。为了将这些文件存储起来，Google 开发了 GFS（Google 文件系统），将数千台服务器上的数万块磁盘统一管理起来，然后当作一个文件系统，统一存储所有这些网页文件。

你可能会觉得，如果只是简单地将所有网页存储起来，好像也没什么太了不起的。没错，但是 Google 得到这些网页文件是要构建搜索引擎，需要对所有文件中的单词进行词频统计，然后根据 PageRank 算法计算网页排名。

顶尖的公司和顶尖的高手一样，做事有一种优雅的美感。你可以看 Google 一路走来，从搜索引擎、Gmail、地图、Android、无人驾驶，每一步都将人类的技术边界推向更高的高度。而差一点的公司即使也曾经获得过显赫的地位，但是一旦失去做事的美感和节奏感，在这个快速变革的时代，陨落得比流星还快。

大数据应用的数据挖掘时代

大数据一旦进入更多的企业，我们就会对大数据提出更多期望，除了数据统计，我们还希望发掘出更多数据的价值，大数据随之进入数据挖掘时代。

讲个真实的案例，很早以前商家就通过数据发现，买尿不湿的人通常也会买啤酒，于是精明的商家就把这两样商品放在一起，以促进销售。啤酒和尿不湿的关系，你可以有各种解读，但是如果不是通过数据挖掘，可能打破脑袋也想不出它们之间会有关系。在商业环境中，如何解读这种关系并不重要，重要的是它们之间只要存在关联，就可以进行关联分析，最终目的是让用户尽可能看到想购买的商品。

除了商品和商品有关系，还可以利用人和人之间的关系推荐商品。如果两个人购买的商品有很多都是类似甚至相同的，不管这两个人天南海北相隔多远，他们一定有某种关系，比如可能有差不多的教育背景、经济收入、兴趣爱好。根据这种关系，可以进行关联推荐，让他们看到自己感兴趣的商品。

更进一步，大数据还可以将每个人身上的不同特性挖掘出来，打上各种各样的标签：90 后、生活在一线城市、月收入 1～2 万、宅……这些标签组成了用户画像，并且只要这样的标签足够多，就可以完整描绘出一个人，甚至比你最亲近的人对你的描述还要完整、准确。

除了商品销售，数据挖掘还可以用于人际关系挖掘。你听过“六度分隔理论”吗，它认为世界上两个互不认识的人，只需要很少的中间人就能把他们联系起来。这个理论在美国的实验结果是，通过六步就能联系上两个不认识的美国人。也是基于这个理论，Facebook 研究了十几亿用户的数据，试图找到关联两个陌生人之间的数字，答案是惊人的 3.57。你可以看到，各种各样的社交软件记录着我们的好友关系，通过关系图谱挖掘，几乎可以把世界上所有的人际关系网都描绘出来。

现代生活几乎离不开互联网，各种各样的应用无时不刻不在收集数据，这些数据在后台的大数据集群中一刻不停地在被进行各种分析与挖掘。这些分析和挖掘带给我们的是美好还是恐惧，依赖大数据从业人员的努力。但是可以肯定，不管最后结果如何，这个进程只会加速不会停止，你我只能投入其中。

大数据应用的机器学习时代

我们很早就发现，数据中蕴藏着规律，这个规律是所有数据都遵循的，过去发生的事情遵循这个规律，将来要发生的事情也遵循这个规律。一旦找到了这个规律，对于正在发生的事情，就可以按照这个规律进行预测。

在过去，我们受数据采集、存储、计算能力的限制，只能通过抽样的方式获取小部分数据，无法得到完整的、全局的、细节的规律。而现在有了大数据，可以把全部的历史数据都收集起来，统计其规律，进而预测正在发生的事情。

这就是机器学习。

把历史上人类围棋对弈的棋谱数据都存储起来，针对每一种盘面记录何种落子可以得到更高的赢面。得到这个统计规律以后，就可以利用这个规律和人下棋，每一步都计算落在何处将得到更大的赢面，于是我们就得到了一个会下棋的机器人，这就是前两年轰动一时的 AlphaGo，以压倒性优势下赢了人类的顶尖棋手。

再举个和我们生活更近的例子。把人聊天的对话数据都收集起来，记录每一次对话的上下文，如果上一句是是问今天过得怎么样，那么下一句该如何应对，通过机器学习可以统计出来。将来有人再问今天过得怎么样，就可以自动回复下一句话，于是我们就得到一个会聊天的机器人。Siri、天猫精灵、小爱同学，这样的语音聊天机器人在机器学习时代已经满大街都是了。

将人类活动产生的数据，通过机器学习得到统计规律，进而可以模拟人的行为，使机器表现出人类特有的智能，这就是人工智能 AI。

现在我们对待人工智能还有些不理智的态度，有的人认为人工智能会越来越强大，将来会统治人类。实际上，稍微了解一点人工智能的原理就会发现，这只是大数据计算出来的统计规律而已，表现的再智能，也不可能理解这样做的意义，而有意义才是人类智能的源泉。按目前人工智能的发展思路，永远不可能出现超越人类的智能，更不可能统治人类。

大数据从搜索引擎到机器学习，发展思路其实是一脉相承的，就是想发现数据中的规律并为我们所用。所以很多人把数据称作金矿，大数据应用就是从这座蕴含知识宝藏的金矿中发掘中有商业价值的真金白银出来。

美国的西部淘金运动带来了美国的大拓荒时代，来自全世界各地的人涌向美国西部，将人口、资源、生产力带到了荒蛮的西部地带，一条条铁路也将美国的东西海岸连接起来，整个美国也随之繁荣起来。大数据这座更加庞大的金矿目前也正发挥着同样的作用，全世界无数的政府、企业、个人正在关注着这座金矿，无数的资源正在向这里涌来。

我们不曾生活在美国西部淘金的繁荣时代，错过了那个光荣与梦想、自由与激情的个人英雄主义时代。但是现在，一个更具划时代意义的大数据淘金时代正在到来，而你我正身处其中。

希望我们都能认清这个时代，拥抱这个时代，然后活好余生。

新的时代正在来临，马云创造淘宝的时候说：要消灭纸币！我要让天下没有难做的生意！

从2016年开始，王健林甩卖万达广场，大步迈向轻资产之路；

雷军带领小米触底反弹，又迎来一个雷布斯的时代；

王小川去美国上市敲了钟，AI时代搜索的未来是问答。

15年前，马云如何锁定18罗汉，成就了今天阿里巴巴的神话？因为他选择了时代的趋势，改变了传统生意。

华为为什么能从4万元发展为2000多亿？因为他在90年代就开始与客户在全国建立合资公司，因为项目是大家一起做的！

近年来，人工智能技术创新如火如荼，但最终的发展前景取决于产业落地。中国人工智能技术和产业的发展，不仅会成为中国经济转型和升级的内生动力，也能够为世界经济的繁荣和发展贡献中国智慧。

小白人-餐桌智媒体有效将人工智能+媒体和产业相结合，实现落地应用，在智能科技领域正在快速崛起成为世界不可忽视的力量。小白人拥有广告投放、游戏交互、智能餐饮三大核心功能，为餐饮商打造智能餐饮，为消费者丰富用餐体验，为广告主高效转化产品！

对SEO 一知半解的状态是很危险的。事实上，只是了解一些信息的边边角角就开始在网站上付诸实践的人很容易酿成大祸，出现的问题极有可能造成“过度优化”。

搜索引擎为了确定排名以及检测垃圾内容会关注大量的信号，也会对站点进行检查以确定是否有过度优化，并且会将结果表现在排名上，比如降低过度优化站点的排名。

任何不自然的行为都可能会让网站被打上过度优化的标签。以下是几个例子：

网站页面存在重复的页面标题和H1内容。如果页面上的subheading也使用了重复的关键词，或者所有指向该页面的内部链接使用了和页面标题完全相同的锚文本就很容易被视为过度优化。虽然规模不同，但这和早期优化中关键词堆砌的做法非常相似。一般来说，人们没办法通过这样的方式把内容写很自然，这对于用户、搜索引擎的审核人员以及搜索引擎算法来说都极为不合适的。

网站上有过多内容不相关的内链。例如，很多发布者知道从网站的其他页面链接到最重要页面的价值。你也能从几乎所有页面链接到网站的10个最重要页面。但如果交叉链接过多（即便已经有了25个），你还要继续的话就确实太冒险了。

只是为SEO，而不是基于用户体验制作页面。 刚刚了解关键词价值也知道长尾关键词的人极容易这样做。他们会发布大量用户基本甚至不会想要看到的文本内容，如果这么做了，他们会很快忽略。因为这些文本内容并不是想要给用户看，所以常常会写得很烂，并充斥着关键词和大量内链。有时这些内容看起来会像是发布者刻意让文本不易阅读。例如，在某个段落里有25行的文本块不是给用户看的。

优化页面时一定要小心。为了某一个或者一组特定的关键词做太多事情没准会得不偿失。让那些页面的内容更多的着眼在用户以及转化的优化上。你也许会发现这才是最佳SEO实践。

同样，当你给写手/编辑做SEO培训时也要注意。很多写手会怀着良好的愿望在文章里插入过多的关键词，但这对一般读者来说是不好的。要写好的内容，而不要给写手/编辑们太多SEO方面的任务。你不知道他们会怎样配合。

给他们你所期望的文章标题，告诉他们你想要使用的topics和sub-topics，然后让他们写。这样你会做得更容易些。

文章原创出自： 深圳网站建设公司-佰达科技（http://www.szbaida.com），如转载请注明出处! 建站服务热线：150 1403 8180（余经理）、QQ：1910338799。