亚洲欧美日韩国产高清在线观看,亚洲综合久久久中文字幕,99久久精品精品6精品精品,亚洲av午夜福利精品一区

總鏈接庫和抓取策略說完了后，我們就要對搜索引擎最重要的一部分來進行一個仔細的講解了，換個說法，互聯網上的信息都是魚，抓魚需要有漁網和魚簍，而接下來要講的爬蟲和下載系統就對應著漁網和魚簍了，明白了SE的爬蟲和存儲機制，在我們來說，開展SEO工作就會少走很多的彎路。

爬蟲

爬蟲是根據指定URL下載網頁內容的程序或腳本，一般搜索引擎均采用分布式爬蟲架構。分布式爬蟲由數據中心、分布式抓取服務器、分布式爬蟲程序組成，數據中心由多臺抓取服務器組成，每臺抓取服務器可承載多個爬蟲程序。

常見分布式架構有主從式分布爬蟲和對等式分布爬蟲。

主從式分布爬蟲相當于只有一個URL分配服務器，將全互聯網的URL分配給若干個抓取服務器進行下載。這種架構明顯對URL分配服務器性能要求很高，面對互聯網大數據，很容易出現系統瓶頸。

對等式分布爬蟲沒有URL分配服務器，每臺抓取服務器負責特定域名集合下URL的抓取。對互聯網域名分集可通過哈希取模或一致性哈希：

哈希取模指對于n臺抓取服務器，首先對域名進行哈希計算，得到的值對n取模，得到余數即為該域名應分配的服務器編號。

例如，假設有5臺抓取服務器，對應編號為0、1、2、3、4，對域名進行哈希計算后得到的值為16，16對5取模得到余數1，即該域名下URL應交由1號服務器抓取。

然而，這種模式存在缺陷，在某臺抓取服務器宕機或由于URL增加導致服務器平均負載增加而需要增加抓取服務器時，取模的n就需要改變。這就意味著整個系統要進行重新分配，將導致資源的浪費。

一致性哈希指對域名進行哈希計算，映射為一個在0~232之間的某個數，將哈希范圍首尾相接，即認為數值0和232重合，可以將其假想成一個有序的環狀序列，每臺服務器負責某個數值段。

假設本站域名經哈希后落入2號服務器執行抓取，而2號服務器出現宕機，則繼續按順時針查找，將URL交由第一個碰到的服務器，即3號服務器，直至2號服務器恢復正常。

由于分布式爬蟲結構，故同一網站會出現很多不同IP的蜘蛛爬取記錄，這是協同抓取系統中很正常的事。部分SEOer認為不同IP段意味著不同權重的蜘蛛，其中某字段IP蜘蛛為降權蜘蛛。

抓取系統可能會對URL進行權重賦值，以便于確定抓取順序。然而，這個權重值也僅僅用于抓取系統，網頁檢索排序有更復雜的權重規則。故，降權蜘蛛一說不成立。