哈希在NoSQL数据存储中用于查找的英语单词？

Question

我正在构建一个搜索引擎。我正在使用NoSQL各种键值数据存储，特别是Amazon SimpleDB，而不是常规的RDBMS。我有一个指向网页的URL表。我想我需要构建另一个表，可以用来查找哪些页面包含给定的英文单词。

此表的结构为：Search (String word, String URL)，我的查询看起来像select from Search where word = "foo"

我应该在存储它们之前对字词进行散列并进行查找吗？ I. e。我应该使用表格Search (String word_hash, String URL)并使用select from Search where word = "acbd18db4cc2f85cedef654fccc4a4d8"

等查询

Answer 1

除非你做这个练习，否则不要建立自己的练习。使用sphinx或类似的东西。

如果这个 是一个练习，那就指出了野心！搜索引擎是一个大项目。

我认为自己散列这些词没有任何价值。哈希表已在内部执行（它是哈希表）。稍后您可能想要进行基本的拼写更正，或者允许“书籍”也匹配“书”，例如，此时它将有助于使用纯文本词。

Answer 2

陪审团就是一般情况。虽然数据库似乎在内部进行哈希，但肯定有一个重要的反例：BigTable将其列为特定的好处，即“com.example.foo/*.html”之类的URL密钥将聚集在一起构成它更容易构建Google搜索索引。 （详见详见）。