架构师训练营第十三周作业

1. Google 搜索引擎是如何对搜索结果进行排序的？（请用自己的语言描述 PageRank 算法。）

在说 pagerank 之前，先说一下我们平时开发中的搜索功能是怎么做的。下面是一条典型的搜索语句：

select * from page p where p.words like '%新冠%' order by time

我们在做搜索的时候，其实是做了两件事情。第一件是找到符合条件的数据集，第二件是在这个数据集里面快速找到我们真正想要的。换句话来说，就是过滤和排序。搜索引擎其实做的也就是这两件事情。首先是过滤，通过倒排索引的方式，建立关键字和网页之间的映射，满足过滤的需求。剩下排序的问题，则通过所谓的 pagerank 算法来实现。

pagerank 需要解决的一个核心问题是，如何给一个网页进行打分，用来保证排序靠前的页面，包含用户想要找的信息。这样用户就只需要点击几个页面，就能完成搜索过程。那如何给页面打分呢？不同的页面的含金量哪个更高？pagerank 算法是基于这样两个判断：

• 越是重要的页面，越是会被别的页面引用。

• 重要的页面引用的页面，往往也是比较重要

这个判断其实不能说绝对正确，但是绝大部分的情况下面都是成立的。所谓物以类聚人以群分，如果页面不重要，也就很少外部的页面去引用它。除非是有人认为的做这些引用，来影响搜索引擎的计算。其实这就是前些年很火的 SEO 技术，通过有意识的行为，来保证自己的网页在搜索引擎的结果前面几条出现。当然现在国内的搜索引擎都是拿钱办事，这个 pagerank 算出来的权重往往就没那么重要了，比如某度，搜索结果出来往往最前面都是广告，🙈

回归到 pagerank 算法本身，它的算法计算公式如下：

其中，参数 d 表示一个页面的跳出概率，模拟用户在某个页面直接输入地址进行跳转的行为，也是为了解决页面内部引用自己链接的情况下面，导致 pagerank 会陷入死循环的问题，保证最终每个页面的打分最终是可以收敛于某一个值。

真实的搜索引擎，现在的页面评分算法是更加多样的，并不仅仅只有 pagerank 一种，还包括商业排名，个人偏好，国家地区法律限制等内容，但是从本质上面来说，还是通过某一种算法，来计算页面的评分，然后影响返回结果的排名。以上就是我对这个算法的分析和理解，谢谢围观。