1、爬蟲：從互聯網爬取原(yuan)始網頁數(shu)據(ju)，存(cun)儲于文檔(dang)知識庫服務(wu)器(qi)。

2、文檔知(zhi)識庫服(fu)務器：存儲原(yuan)始網(wang)頁數據(ju)，通常是分布式Key-Value數據(ju)庫，能根據(ju)URL/UID快速獲取網(wang)頁內容(rong)。

3、索引(yin)：讀(du)取原始網頁數據，解析網頁，抽取有效字(zi)段，生成索引(yin)數據。索引(yin)數據的(de)生成方式通(tong)常是增量的(de)，分(fen)塊/分(fen)片(pian)的(de)，并(bing)會進行索引(yin)合(he)并(bing)、優化和刪除(chu)。生成的(de)索引(yin)數據通(tong)常包括：字(zi)典(dian)數據、倒排表、正排表、文(wen)檔屬性等。生成的(de)索引(yin)存儲(chu)于索引(yin)服(fu)務(wu)器。

4、索引(yin)服務(wu)器：存(cun)儲索引(yin)數據(ju)，主要是(shi)(shi)倒排表，通(tong)常是(shi)(shi)分(fen)(fen)塊、分(fen)(fen)片存(cun)儲，并支持增量更新和(he)刪除。數據(ju)內容量非常大時(shi)，還根據(ju)類別、主題、時(shi)間、網頁(ye)質(zhi)量劃分(fen)(fen)數據(ju)分(fen)(fen)區(qu)和(he)分(fen)(fen)布，更好地服務(wu)在線查詢。

5、檢索：讀取倒排表索引，響應前端查詢請求(qiu)，返回相關文檔(dang)列表數(shu)據。

6、排序(xu)：對檢索器返(fan)回的(de)文(wen)檔列表進行排序(xu)，基于文(wen)檔和(he)查詢(xun)的(de)相(xiang)關(guan)性、文(wen)檔的(de)鏈接權重等屬(shu)性。

7、鏈(lian)接(jie)分析：收集各網頁(ye)的鏈(lian)接(jie)數據和(he)錨文本（Anchor Text），以此計算各網頁(ye)鏈(lian)接(jie)評分，最(zui)終(zhong)會作為網頁(ye)屬性參與返回(hui)結果排(pai)序(xu)。

8、網頁去重(zhong)：提取(qu)各(ge)網頁的(de)相關特征屬性，計(ji)算相似網頁組，提供(gong)離(li)線索引和在線查詢的(de)去重(zhong)服務。

9、網(wang)(wang)頁反垃(la)圾：收集各(ge)網(wang)(wang)頁和網(wang)(wang)站歷史信息(xi)，提取垃(la)圾網(wang)(wang)頁特征(zheng)，從而對在線(xian)索引中的網(wang)(wang)頁進(jin)行判(pan)定，去除垃(la)圾網(wang)(wang)頁。

10、查詢(xun)分(fen)析(xi)：分(fen)析(xi)用戶查詢(xun)，生成(cheng)結(jie)構化查詢(xun)請求，指派(pai)到相應的類別、主(zhu)題數據服(fu)務器進行查詢(xun)。

11、頁面描(miao)(miao)述/摘(zhai)要：為檢(jian)索和排序(xu)完成的網頁列表(biao)提供相應(ying)的描(miao)(miao)述和摘(zhai)要。

12、前端：接(jie)受(shou)用戶(hu)請求，分發至(zhi)相應(ying)服(fu)務器(qi)，返回查(cha)詢結果(guo)。