现在的网路页面数量暴涨，链接关系的复杂度呈指数上升，搜索引擎的蜘蛛也跑得越来越勤，终日不亦乐乎。这已经不是那个靠建立链接农场就可以轻易提高页面评级 的时代，我这个平淡的blog在外部链接上毫不占优，PAGERANK也低，但是搜索引擎还是十分公平地在结果页面馈送着不少通向我 的链接。如今我的访客超过70％是来自杂七杂八的搜索结果，这个数量三倍于直接到访的页面请求（剩下一些追不到来路位址的RSS访问），他们跳过首页直奔主题，各取所需，从选取的关键词和我的页 面内容上来看匹配度很高，而且倒回去看那正是结果页靠前的条目。这就是搜索引擎的高明之处－－从草根网页里萃取有质量的信息。显然blog搜索的品质在过 去几个月里被大大改善了，目前是机器远远比人更喜欢我的内容，我很想知道其他blogger那里这方面的情况。

做内容搜索比做流量统计难，ALEXA发布工具条、放置网路嗅探器就可以坐收它要的数据，但是信息索引要的是去伪存真，我不是搞搜索引擎的，也懒得读文档，只偶尔从少得可怜的蛛丝马迹中大概猜度一二：

1. 从流量入手，现在googlebot和雅虎inktomi跑动得很勤快，我想他们大概会重点关照那些在他们工具条反馈回来的数据 里很耀眼的站点。以前他们一两个月来看大家blog一次，如今是天天踩，变动得很快。这是好事，唯一遗憾的就是google把MSN SPACES日志的页面快照去掉了。
2. 从页面语言入手，这是我的直观感觉，有待证实，虽然我们谁也不知道google是怎么优化最终结果的。就是说尽管它对各种内码一视同仁，但是 它偏好那些多国文字混排的页面（仅仅是我的感觉而已）。我在自己和别人那里观察到不少这样的例子。举个简例，如果在google搜索the heart asks pleasure first，或者Не буди только память во мне，带引号和不带引号都试试，结果就是那样直白。 另外，在我的blog副题还是那句俄文歌词的时候，google不恰当地在其他无关页面馈送过链接，我修改副题之后，这个情况得到了修正。我有时想这个会 不会是一种错觉，因为搜索引擎是在根据你的地域、平台内码、选择的国别入口来返回结果，这个直观的感觉也许只是google的一种区别化服务策略。想到这 个就有些好笑，因为这和民国初年单给袁世凯印独版报纸没什么差别，也好比《时代》杂志在仅仅面向亚太的版本上放个李宇春的笑脸，或者就像如今西方国家那些印上你大名的地区小报一样。
3. 从时序入手，搜索引擎抓页面的周期频度在各个站点各异，但是对于爆炸性的事件，它要如何分配馈送结果来应付查询？这个时候新产生的内容就 “很不恰当地”提前。如果你在中文系统，没有开启个性化搜索，搜一搜2channel，就会看到这种情况。为什么它会把我的无关转贴在24小时不到的时间 就匹配到这里？关键第一还是时效，第二是因为2channel在中文中不是高频出现的。估计它做索引会参考页面生成时间。我在想对于某些商业宣传场合，是 否能在google跑完一轮之前用这个特性对它进行欺骗。顺便说，我用firefox和ie返回的是不同的结果，因为在火狐里我开启了个性搜索，而且它不 当我是位于大陆的中文用户，这时的结果页验证着我的第二个关于多国文字混排的结论。
4. 访客地域和嗅探器记录对搜索结果有影响吗，对于这个我在使用中隐隐有一点感觉而已，还有待观察，这些搜索巨头不同于我们自己服务器上跑的轻量级测试程序，他们完全可以拿这些第一手的用户信息来优化输出。
5. 再转贴几点卢亮的归纳，google真可爱，和我们大家想得挺不一样：a. google认为, 所有的硬件都是容易产生故障的, 因此google认为故障是必然的, 不产生故障才是偶然现象. 这个想法和我们通常的意识是相反的.
   
   b. Google认为, 一旦写入, 再也不删除和修改. 这点上google认为修改和删除会对系统造成潜在的伤害, 例如文件的不连续性, 文件定位的困难.（我很欣赏这种朴素的哲学，我之所以对自己在delicious的订阅犹犹豫豫，就是因为页面访问的不确定性，我情愿自己拷贝存档，点击工具栏的blog it）
   
   c. Google将Linux的 file system的block更改为 64M , 也就是说, 写文件的最小单元是64M, 而不是我们通常的512字节, 两者整整相差了128000倍.
   
   d. Google认为修复是没有必要的, 当一个服务器出现问题的时候, 撤下来, 换上另外一个 google unit(google 单元)即可, 因为维修的成本远远大于直接上线一个全新的服务单元的成本. 说来容易, 其实只有当google结构真正实现高冗余和分布式这样的操作才可行, 而这些正是google的核心.
   

我自己还有一些不成熟的想法，想在自己的服务器上继续试验一下那些搜索程序。总的来讲是那句老话，计划赶不上变化，好比blogger的发布页在国内开 禁，google快照又能用了，我想将来的时代，如今的众多困难都不是大问题。老板在call我去打工了，这次先涂到这里，各位下次再见。

P.S. 百度在搜索质量、产品创新和公司文化上根本不能和GOOGLE比，但是我还是希望国货中的老大做强，不要有负那高企在上的股价。至于其他的综合性搜索引擎，我只用来比对结果，从来不会靠它们在网络上挖掘信息。