13

我最近使用了维基百科的功能“这里有什么链接”（位于任何条目左侧菜单的“工具箱”元素下），它让我开始想知道这个功能是如何工作的。
我猜在链接之后搜索所有文章条目不是很有效，那么所有链接都存储在单独的数据库中吗？如果是这样，这是在编辑文章时更新还是在其他时间更新？

谢谢。

4

5 回答 5

16

每当编辑 Wikipedia 上的页面时，都会将其放入后台队列中进行进一步处理。那里发生的一些事情是：

  • 更新其他页面的“这里有什么链接”
  • 更新类别索引页面
  • 更新现有页面的全局缓存以帮助在其他页面上呈现“红色链接”

当您点击“提交”时，此类信息不需要立即更新，因此后台处理队列会处理它。有时这个队列会变得非常大，但通常它会受到控制。

您可以在Help:Job Queue中找到更多信息。

于 2009-12-13T22:26:58.683 回答
2

你可以认为这是一个更普遍的问题。如果您有从 A 到 B 的链接（或指针或其他），B 怎么知道 A 有指向那里的链接？

答案是将信息存储到目标位置。即，当编辑页面A并创建到B的链接时，同时存储关于到B的链接源的信息（反向链接）。在网页的情况下，反向链接可以直接写入“这里有什么链接”页面。只需一次写入静态页面。无需执行任何搜索或数据库查询。

于 2009-12-14T00:04:20.613 回答
2

一个简单算法的伪代码，可以做到这一点

procedure updateChanges(editedPage):
    for_each(link on editedPage):
        if(link is not to another wikipedia page): continue
        pageToUpdate = open(link):
        if(pageToUpdate->whatLinksHere.contains(editedPage)): continue
        pageToUpdate->whatLinksHere.insert(editedPage)

对不起，我刚刚完成了我的算法课，所以我有一种写伪代码的冲动。在这种情况下，该updateChanges()过程将在 Greg Hewgill 提到的“更新其他页面的‘这里的链接’”阶段调用。

于 2009-12-14T00:41:20.327 回答
1

我将实现的方式是在编辑后获取所有链接，然后将它们存储在单独的表中，键为当前 url。然后我可以使用用户当前所在的 URL 查询表，并获取所有标记为链接到该页面的链接。

它可能不会那么简单，但这是一般的、简化的想法。存储页面 ID 等可能比 URL 更明智。

于 2009-12-13T22:27:29.653 回答
1

文章的“更新事件”触发链接解析器是有意义的，因为这是文章唯一会更改的时间。反过来，更新事件将简单地扫描链接，并在数据库中查询维基百科内部的链接。

我想每个页面都有一个主键，并创建一个简单的关联表来将页面 PK 与链接到它的所有其他页面相关联。

可能会添加一些额外的位来帮助在如此大的站点上提高性能，但这将是基本机制。

于 2009-12-13T22:31:34.743 回答