[数据统计]百度在调低索引库的容量

[数据统计]：百度在调低索引库的容量

宇宙在膨胀，搜索引擎索引库也是---题记

如何监测搜索引擎索引库的膨胀率是我最近关心的一个问题。随着网络的深入应用，越来越多的资料被放到了网络上；搜索引擎会对公开的资料加以收录，建立索引并服务于广大的网民。对于搜索引擎来说，如何达到搜全，搜新，有用，准确的要求，在数据爆炸的时代不能不说是一个严峻的挑战。

据悉百度在07年第一季度斥资 1.5亿打造数据中心，很显然现在百度正在不断加强基础设施，以面对互联网数据爆炸的时代。无独有偶，最近美国的北卡州政府为了吸引google把数据中心建在本州，竟然抛出了免税的橄榄枝。更有甚者把全球变暖和google庞大的数据中心联系起来。

我的前一篇“[数据统计] 搜索引擎索引库：百度大于雅虎中国之一”，有很多否定意见的回复。不过我仍然坚持我的观点。因为对于搜索引擎来说，特别是对于上百万级的site:统计来说，能了解数字的趋势，比数字本身更重要。

回到本文的正题，如何监测搜索引擎索引库的膨胀率呢？很显然这又是一个不好回答的问题。这里面涉及到了太多的因素。
比如：搜索引擎是如何对待那些过时的数据呢？搜索引擎的排重是如何进行的呢？更重要的是我们可以通过那些指标来进行衡量？

我做了一个抽样调查：
数据来源：
1、Alexa Top100 的中文网站
2、Alexa Top100 的中文网站在 3月份的搜索引擎索引量（来源见这里）

注：google最后3天的统计数据为0。（被google封了 :) ）

可以看出在3月份百度整体调低了索引库的容量，而google的基本保持稳定。

Recommend