千亿中选出10个，只需1秒，搜索引擎为什么这么快？

互联网上有上千亿个网页，通过输入一个关键词，搜索引擎却能够在1秒不到的时间返回搜索结果，且无论是搜索网页，还是图片、文件、视频！ —— 为什么如此之快？

有人说因为这是计算机啊，又不是人，当然快…

也有人说因为他们是大公司，有很多服务器，技术牛逼呗，速度当然快…

但这并不能解释，为什么同样拥有强大服务器和技术的微软操作系统windows上搜索一个文件的却要很长时间。难道你的操作系统上的文件超过千亿个吗？

搜索引擎公司确实有先进的服务器，这些机器也能够在一定程度上提供速度支持，但并不是解决“千亿选10个，只用1秒”的关键。

实际上，真正想要快速响应，关键是能够快速发现互联网上的网页并找到这些网页的“偏旁部首”，进而像查字典一样找出一张张网页来。 —— 没错，就像新华字典一样

1. 快速发现互联网上的网页 —— 快速搜集
2. 找到这些网页的“偏旁部首” —— 快速查询

一、快速发现互联网上的网页

今天互联网上我们看到的所有信息都是以网页形式出现的，无论是浏览器中看到的有清晰网址的网页，还是app中看到的一个一个的界面，背后都是网页，网页上可能有标题，有段落，有视频，有音频等信息，这些就是用户能搜索的所有信息源了。

互联网发展至今，已经累计有上千亿的网页，怎么收集这些网页信息? 这个部分就是爬虫的工作，我们熟悉的百度，google，360，搜狗等搜索引擎都有自家的爬虫，这些爬虫分布在全国各地的服务器上，日夜不停息的从互联网上抓取网页信息，然后保存到自家数据库，提供用户搜索服务。

当然搜索的工具不仅仅只有搜索引擎，比如现在比较火的社交媒体，如知乎，微博，小红书，微信等等，这些平台自身当然会存储这些信息，用户发布的文字（回答，笔记），视频（长视频，短视频），音频（音乐，教学）等信息就直接进到数据库中了，每个平台也有几个亿的网页信息提供用户搜索。

简单来说，信息要么就是从互联网上爬取放到自家数据库，要么用户发布后就直接在数据库中。

二、到这些网页的“偏旁部首”

这就像在人海茫茫中，找一个灵魂伴侣一样，那有这么容易？搜索引擎尽然能在1秒内把可能对你有用的信息放到你面前，背后一定有一套完整的解决方案，才能实现快速响应的。

其实原理就和新华字典一样

你看呐，我们并不会从新华字典第一页翻到最后一页，一页一页找，从几万字中找到你要的那个字。我们的搜索过程是这样的：先查看索引表（拼音或偏旁部首），然后直接翻到该字所在的页，直接就找到了对吗。

搜索引擎也有一张自己的索引表，这张索引表也可以用拼音和偏旁部首吗？算一算就知道这个方案不行，互联网上有上千亿个网页，拼音+偏旁部首 撑死也就是几百个，每个需要承载的网页数量依然几个亿的数量级，依然太大了。怎么办呢？ —— 用关键词来当索引表

将几千亿的网页分类到几万个词语上：

1000亿 / 10万 = 1百万

这个量级，今天的计算机很容易处理的过来了。因此，搜索引擎最终采用了词语作为互联网的索引表，即用词语来给网页进行分类，大大提升了搜搜的效率。

巧了，用户也刚好是用词语来搜索信息的！

总结

今天互联网上的信息已经是千亿级了，网页的数量在不断增加，网页当中的文字、图片、视频、音频等信息也越来越丰富，信息也越来越容易被搜索到。这些信息最终都会以词语的形式进行分类，文字内容通过分词之后变成一个一个的关键词，图片、视频、音频也可以通过各种各样的技术手段文字化，在同样按照词语的形式进行分类。 —— 关键词才是搜索引擎速度的秘密，它是互联网这个“新华字典”的“偏旁部首”