1.服务器信息

1.1.一起搜索架构信息

爬虫系统（17spider）：c++

索引系统(17search)：c++

查询系统(17so)：php

网页存储：MYSQL

Web服务器：apache

LAMP+CPP

1.2.一起搜索服务器配置

CentOS+1.5G内存+80G硬盘+2M带宽+Nginx

2.服务器搭建

2.1 创建数据库信息

表的细节不赘述，简单说下几个注意事项。

（1）数据库字符集utf-8

　　 选用utf-8，这是网页最常用的字符集，方便入库存储；网页内容字段，选用longtext，避免网页内容过长无法存储。

  注意：由于抓取网页内容多种多样，插入数据库过程中不可避免有插入失败，初步解决方案是插入失败时将网页内容写到本地，数据库中网页内容字段填入本地绝对路径。

（2）字符转码iconv

　　 系统开发过程中用了开源工具iconv，主要在中文分词部分，linux下默认字符集是utf-8，而我的中文分词字典是用的GBK编码二级hash，在初始化字典的过程中有将本地读取的字词用iconv函数转成GBK编码。iconv环境下载安装详见：

（3）关键词编号索引index

　　词典中所有的字词根据构造词典的算法都对应一个唯一的编号，在检索命中网页过程中会频繁使用这个编号，创建索引是提高检索速度的一个简单可行的方法。

2.2 17spider

17spider是我的爬虫系统，谐音一起抓取，事先程序在我电脑上已调试运行正常，所以直接拷至服务器，make未遇到异常。

2.3 17search

17search是我的索引系统，谐音一起索引，事先程序在我电脑上已调试运行正常，但是在服务器上调试时遇到iconv错误，具体问题及解决方案详见：

2.4 17so

直接拷贝至web服务器相应站点，配置url即可。

3.其它

动态链接库和静态链接库：mysql、iconv

 

 

 

--------------------------- 

我是爱谷歌（agoogle），一个搜索爱好者，同时也只是一个初学者，欢迎大家提出宝贵意见，大家一起分享，一起成长。