分类： 系统运维
2008-05-24 02:28:47
作者：Paul Wang
在法律上合法以后，Google就开始了技术设计。
这地儿技术人员太少，所以我不做更深入的探讨，只描述个大概。
前面说了，有个WEB的监视设备，那么下一步就是对web的内容进行剖析，分解，和分布。
在设定web剖析的策略之前，我们需要明确我们要剖析什么？
比如，一段Video，其中有萨朗私通不穿内裤接受询问的镜头，我想看，能找到不？
对不起，google的回答是：不能。
ok。我是一个音乐迷，我无意中听了一歌，唱到，“。。。欺骗之后的疲惫。。。”，别的嘛也不知，那么我想找到这首歌，行吗？
对不起，google的回答是：不能。但是，google可以让你搜索歌词库，然后找到歌名。
这就明白了，google的搜索是基于文本的，而不是流媒体--就是指音频、视频等。
其实，流媒体搜索是很复杂的事情，其复杂性不在技术上，而在于商业模式，无法统一，也无法实施。至于技术方面，早就风行世界的mpeg-7，mpeg-21标准，很容易就可以保证流媒体的可搜索性。
按布林的说法，当时google如此决定完全是因为成本的原因：他不可能有钱做流媒体搜索。
分析完文本之后，google将数据结果打包分类分布，他们用术语数据Barrel来形容，就是数据筒，每个桶里都放着打包分类的数据。以加快搜索相应速度。
除此之外，完全依赖于操作系统本身自带的输入输出系统，无法做到高效率，于是Google又开发了基于磁盘数据影射的搜索方式，绕过操作系统，直接搜索。这也并不困难，无法就是缓冲磁盘阵列，然后进行代码的模式匹配-就好比你拿个筛子，合适尺寸的走，不合适的留。
为了相应更高端的搜索要求，他们又做了仿射-也就是说，可以通过不同的途径找到同一的内容。这个更是简单，如果你学过比较好的数学的话。
在这些基本的架构思想敲定后，google开始了服务器的布置，并实现了冗余部署。这个很重要，冗余是保证效率的关键，其目的很简单：让最需要的人在最快的时间内存取最需要的数据。
就这么简单。
为了管理冗余和分布式部署，google开发了全球的文件系统，每一个节点可以mount，也可以卸掉ummont-就好比是需要的时候上车，不需要的时候下车。
这就是google的生蛆原理。不动声色的监视、蠕动、繁殖和分布。
技术上OK就可以了？就可以赚钱了？
可笑！记住，这世界，想赚钱，你得先有钱，所有那些记者们写的如何白手起家的故事都是编排给穷人看的，好让他们有了生活的希望。
要玩钱了，这时候，拉姆·西里亚姆就出马了，这个天才的不折不扣的王八蛋该演戏了。
于是，演出正式开始了。
Labels: google
