云計算平臺在搜索引擎中的關(guān)鍵技術(shù)研究.pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展，新聞、博客、論壇、微博等各種站點不斷涌現(xiàn)，網(wǎng)絡(luò)所承載的數(shù)據(jù)量不斷增長。使用搜索引擎查找信息已成為一種通用的方式。但隨著數(shù)據(jù)量的不斷增長，傳統(tǒng)的集中式搜索引擎解決方案已經(jīng)不能有效的提供快速有效的檢索服務(wù)。本文針對海量數(shù)據(jù)情況下的數(shù)據(jù)環(huán)境，探討了采用云計算平臺處理數(shù)據(jù)、創(chuàng)建索引并提供分布式檢索服務(wù)的關(guān)鍵技術(shù)。
　　本文首先指出了使用云計算平臺進(jìn)行搜索引擎開發(fā)的必要性與可行性，之后對論文中涉及的Hadoop云計算平臺、

2、基于Lucene的搜索引擎、基于Java遠(yuǎn)程方法調(diào)用（Remote Method Invocation，簡稱 RMI）的分布式系統(tǒng)以及基于Memcached的緩存系統(tǒng)進(jìn)行了討論。在此基礎(chǔ)之上設(shè)計了一個由分布式索引模塊、分布式搜索模塊以及緩存模塊構(gòu)成的基于云計算平臺的分布式搜索引擎。
　　在分布式索引模塊，數(shù)據(jù)預(yù)處理之后將以SequenceFile的形式存放在HDFS分布式文件系統(tǒng)之上，爾后采用MapReduce分布式數(shù)據(jù)處理模型按

3、照索引分解與分塊策略對其進(jìn)行分布式索引構(gòu)建。在分布式搜索模塊，基于RMI和Lucene技術(shù)構(gòu)建了一個“中心節(jié)點—搜索節(jié)點”模式的分布式搜索引擎框架。搜索節(jié)點采用Lucene對索引進(jìn)行全文檢索；中心節(jié)點負(fù)責(zé)接收用戶的搜索請求并將其分發(fā)至搜索節(jié)點，待搜索節(jié)點完成搜索之后，中心節(jié)點再對搜索結(jié)果進(jìn)行合并，最后發(fā)送給用戶。為了避免在高并發(fā)條件下的搜索引擎負(fù)載過高引起的問題，本文采用Memcached對搜索結(jié)果進(jìn)行緩存，有效的降低了搜索引擎的負(fù)荷。