一、索引：在談這個(gè)過(guò)程前，我們首先要理清搜索引擎索引數(shù)據(jù)表與信息數(shù)據(jù)表之間的關(guān)系，其實(shí)搜索引擎底層的數(shù)據(jù)存儲(chǔ)本身就是一個(gè)關(guān)系數(shù)據(jù)庫(kù)，索引數(shù)據(jù)表和信息數(shù)據(jù)表是兩個(gè)獨(dú)立的表，只是索引數(shù)據(jù)表和信息數(shù)據(jù)表是一對(duì)多的關(guān)系，這樣或許更好理解。那么搜索引擎為什么需要索引數(shù)據(jù)表呢？我們不妨從信息量這個(gè)角度分析一下，就目前來(lái)看，搜索引擎的信息量在百億級(jí)，而用戶(hù)搜索某個(gè)關(guān)鍵字時(shí)響應(yīng)速度在短短的2、3秒內(nèi)，在這短短的2、3內(nèi)不僅僅要完成數(shù)據(jù)的查詢(xún)，而且還要完成數(shù)據(jù)的排序（關(guān)鍵詞排名）。如果每次都要從這百億級(jí)的數(shù)據(jù)中查詢(xún)用戶(hù)請(qǐng)求并處理排序，不僅減慢響應(yīng)速度，而且還浪費(fèi)了大量的計(jì)算資源，對(duì)服務(wù)器的壓力也會(huì)更大。這個(gè)時(shí)候，搜索引擎就迫切希望將用戶(hù)查詢(xún)的信息鎖定在一個(gè)范圍，這個(gè)范圍的信息量或許只有幾千條、幾百條，計(jì)算處理起來(lái)，效率要高很多，而索引數(shù)據(jù)表就是為解決這一問(wèn)題出現(xiàn)的。

根據(jù)統(tǒng)計(jì)，漢語(yǔ)詞語(yǔ)大約有9萬(wàn)多個(gè)，聽(tīng)起來(lái)很龐大，但對(duì)于計(jì)算機(jī)來(lái)講處理起來(lái)恐怕會(huì)很輕松，而中文用戶(hù)的搜索無(wú)外乎就是這幾萬(wàn)個(gè)詞語(yǔ)的組合（英文就更簡(jiǎn)單了，26個(gè)字母的組合）。如果用戶(hù)搜索的是一連串兒的句子，那么要先經(jīng)過(guò)搜索引擎的分詞處理，比如 搜索：華普筆記本電腦，分詞技術(shù)首先會(huì)按照漢語(yǔ)習(xí)慣進(jìn)行劃分，劃分為：華普、筆記本、電腦，那么這三個(gè)常見(jiàn)詞語(yǔ)在搜索引擎索引數(shù)據(jù)庫(kù)表中都有對(duì)應(yīng)的詞條，此時(shí)搜索引擎將從信息數(shù)據(jù)表中篩選出關(guān)聯(lián)索引數(shù)據(jù)表中3個(gè)詞語(yǔ)的全部詞條并取其交集詞條展現(xiàn)給用戶(hù)，如果用戶(hù)單一搜索一個(gè)詞語(yǔ)，那搜索引擎處理起來(lái)就更為簡(jiǎn)單，直接從信息數(shù)據(jù)表中篩選出索引數(shù)據(jù)表中該詞所對(duì)應(yīng)的詞條即可。

二、抓取：其實(shí)在抓取前面還有一個(gè)過(guò)程沒(méi)有描述在內(nèi)，那就是爬行，也就是搜索引擎程序發(fā)現(xiàn)新網(wǎng)址的過(guò)程，只是這個(gè)過(guò)程大多伴隨著抓取，除非你的這個(gè)URL上的內(nèi)容沒(méi)有什么價(jià)值（垃圾內(nèi)容、重復(fù)內(nèi)容、文字過(guò)少內(nèi)容等）而被搜索引擎抓取程序直接跳過(guò)。搜索引擎爬行程序以數(shù)據(jù)表中已存在或新提交的鏈接順藤摸瓜式地進(jìn)行爬行以不斷發(fā)現(xiàn)新的URL，抓取程序在分析并確定該URL的頁(yè)面內(nèi)容有價(jià)值后，便將其整個(gè)頁(yè)面抓取下來(lái)放入到龐大的信息數(shù)據(jù)表中。新抓取的內(nèi)容在進(jìn)入信息數(shù)據(jù)表時(shí)，并不是一股腦地堆積在那，而是按照信息數(shù)據(jù)庫(kù)中表的字段（如：網(wǎng)頁(yè)URL、title、描述、正文內(nèi)容、抓取時(shí)間、導(dǎo)出鏈接等）分門(mén)別類(lèi)地將信息存儲(chǔ)起來(lái)，以便滿(mǎn)足后期的數(shù)據(jù)索引操作。

三、排名：闡述這一原理，不得不說(shuō)下搜索引擎爬行、抓取過(guò)程，影響關(guān)鍵詞排名的因素很多，如：站內(nèi)優(yōu)化情況、外鏈質(zhì)量及數(shù)量、pr等，那么這些排名因素搜索引擎也必須抓入數(shù)據(jù)庫(kù)，納入數(shù)據(jù)表作為特定URL的排名依據(jù)，其實(shí)影響網(wǎng)頁(yè)排名指標(biāo)的獲取過(guò)程就是搜索引擎爬行、抓取的過(guò)程。最難理解的可能就是外鏈這一塊兒，因?yàn)樵谧ト【W(wǎng)頁(yè)時(shí)，搜索引擎是捕捉不到他的導(dǎo)入鏈接的，其實(shí)搜索引擎在抓取一個(gè)頁(yè)面時(shí)，已經(jīng)將該頁(yè)面的導(dǎo)出鏈接投票計(jì)算到了相應(yīng)的頁(yè)面，并將這一有效投票寫(xiě)入到了所指向的URL字段中（比如：votes字段），便于排名程序加以計(jì)算。當(dāng)然，影響排名的因素很多，排名計(jì)算的具體方式我們也無(wú)從得知，因此這些不在我們的討論之列。關(guān)于排名，大家可能還有一個(gè)問(wèn)題，就是每個(gè)詞語(yǔ)的排名是事先排序好了，還是當(dāng)用戶(hù)搜索時(shí)才進(jìn)行排序，筆者給出的答案是后者，或許這一個(gè)現(xiàn)象可以揭秘筆者的答案：每一天甚至每一小時(shí)關(guān)鍵字排名都會(huì)出現(xiàn)波動(dòng)。