程序員必須知道的電腦知識(shí)(3)

　　再講一個(gè)搜索引擎的故事：

　　很久以前，我要給一個(gè)程序添加搜索功能。剛開始使用sql查詢實(shí)現(xiàn)，發(fā)現(xiàn)實(shí)在太慢了。后來找了開源的Lucene項(xiàng)目。它使用反向索引技術(shù)，通過在文件中創(chuàng)建反向索引，大大提高了搜索速度。

　　Google的兩位創(chuàng)始人發(fā)現(xiàn)了html中l(wèi)ink的秘密，他們發(fā)現(xiàn)可以通過html頁面的link關(guān)系來為每一個(gè)html頁面設(shè)置權(quán)重。也就是PageRank算法。于是，Google的自動(dòng)搜索引擎擊敗了Yahoo人工分類的搜索引擎。

　　OK，利用反向索引技術(shù)和PageRank，以及一個(gè)簡單的html爬蟲機(jī)器人，我們就可以創(chuàng)建一個(gè)搜索引擎了。但是，互聯(lián)網(wǎng)很大，每天產(chǎn)生大量新網(wǎng)頁，要為整個(gè)互聯(lián)網(wǎng)建立反向索引是很困難的。

　　若干年后Google又公開了三篇論文：Googlefs、Mapreduce、Bigtable。于是Lucene項(xiàng)目的開發(fā)者根據(jù)Google的Mapreduce論文開發(fā)了Hadoop項(xiàng)目。MapReduce就是使用大量計(jì)算機(jī)存儲(chǔ)數(shù)據(jù)并計(jì)算，最后匯總結(jié)果。使用Hadoop+反向索引+PageRank，就可以創(chuàng)建搜索引擎了。Yahoo,Baidu等公司紛紛基于Hadoop開發(fā)了自己的搜索引擎。

　　但是，其他公司的搜索引擎效果還是沒法和Google相比。這一點(diǎn)我們程序員最清楚。像我，就總是翻薔出去，只為了Google一下。

　　Google黑板報(bào)上發(fā)表了吳軍博士的一些文章，其中介紹了很多機(jī)器學(xué)習(xí)方面的知識(shí)。從文中可以知道，Google其實(shí)使用機(jī)器學(xué)習(xí)來分析搜集到的頁面。Google明顯不會(huì)把這個(gè)公式公開出來。即使有一天Google真的公開了這個(gè)公式，那么可以想見Google肯定又研發(fā)出了更加犀利的秘籍，山寨貨的搜索引擎效果還是比不上Google的。

　　山寨是通向創(chuàng)新的必由之路。在成為領(lǐng)域的領(lǐng)頭羊和領(lǐng)導(dǎo)者之前，必然要經(jīng)過學(xué)習(xí)，模仿的階段。但要成為行業(yè)的老大，成為Champion，必須勇于彎道超車，勇敢地走上創(chuàng)新之路，成為真正的科學(xué)家，真正的大牛!

　　總結(jié)

　　編程能力可分為兩個(gè)維度：一個(gè)是編程技能水平，另一個(gè)是領(lǐng)域知識(shí)水平。

　　有些程序員可能把精力都花在提升編程技能上了，領(lǐng)域知識(shí)知之甚少，這其實(shí)在日常工作中也是極其有害的。有些需求可能早已經(jīng)有了現(xiàn)成、開源免費(fèi)的解決方案，或者只需要組合幾個(gè)現(xiàn)有軟件就可以快速搞定，而他們卻不得不自己花大量時(shí)間去開發(fā)。另外，缺少領(lǐng)域知識(shí)，在程序出現(xiàn)非預(yù)期狀況時(shí)，很難快速定位到問題的根源，很難解決bug。