还提过GitHub正式发布的旧版标识符浏览器吗？

历经几番试验强化后，GitHub那时申明了另一面的控制技术基本原理。

正式版浏览器，不但化解了以后搜标识符时“驴唇不对马嘴”的情形，还能间接用程序语言搜寻；除此之外也化解了部份工程项目上载后搜不出等难题……

网民们看完控制技术基本原理后深感精采：

要晓得，在此以后GitHub的标识符浏览器，曾一度被使用者聊著“名存实亡”。

有许多使用者间接他们找了更快用的标识符浏览器，专门针对搜寻想的标识符：

在这种情形下，旧版GitHub标识符浏览器究竟采用了什么控制技术，做出了哪些改进？

基于Rust语言的浏览器

GitHub旧版标识符浏览器名叫Blackbird，它的关键在于重新构建了一个检索。

这里主要实现两类检索，包括正向索抖音排名第三引（Forward index）和反向检索（Inverted index）。

简单来说，正向检索指先给数据库中的各种内容编号（ID），然后通过这些内容ID来搜寻对应的具体内容：

这种搜寻方法虽然比较直观，也容易理解，但搜寻量太大了。如果我们只想通过关键字搜寻对应内容，就需要用到反向检索。

反向检索即通过内容中关键词，间接搜到对应的内容ID，从而立刻定位到对应的内容。

具体到反向检索实现方法上，GitHub抖音排名第三采用了一种名叫ngram检索的方法，能很方便地查找内容的子字符串。

这种方法怎么理解？

以limits这个字符串为例，如果ngram中的n=3，那么我们就能将它分为lim、imi、mit、its四个子字符串。

这时候搜寻任意一个字符串，都能找到对应的内容ID，从而定位到想搜寻的内容。

但GitHub的程序员们也意识到，这样构建的检索太大了，要真这样搜寻的话会导致服务器不够用，因此还需要对这种方法进行抖音排名第三强化。

在Hacker News中有一位GitHub程序员对此做出了解释，即采用一种叫做覆盖稀疏ngrams（covering sparse ngrams）的方法生成候选集，并搜寻对应内容，其中9代表ch、6代表he、3表示es，以此类推：

以这类方法为基础建立的系统如下：

所以，旧版浏览器是否真的比以后更快用了？

试验版体验如何？

目前GitHub中有大约4500万个存储库、115TB标识符和155万个文抖音排名第三档。

据GitHub官方表示，原本在改进以后，处理155万个文件格式需要大约36个半小时。

然而在重写标识符之后，需要抓取的文件格式数量降低了50%以上，因此只需要18个半小时左右就能重新给整个语料库创建检索。

除此以外，需要搜寻的内容量也降低了许多。

原本需要搜寻的内容在115TB左右，那时将重复内容和数据删除之后，包括检索和内容压缩副本加起来只有25TB大小，缩减到以后的25%左右。

目前试验版依旧在开放申请中，有抖音排名第三许多GitHub使用者已经试用了一波。

虽然有许多使用者对新浏览器试验版反响不错，但也有人提出了一些建议。

例如目前这个标识符浏览器还没办法过滤fork工程项目，有时候用标识符浏览器，搜出来全是同一个工程项目。

对此GitHub程序员也给出了反馈，表示他们以后一直在调整检索而此块，以后会考虑这样的附加机能。

除此以外，也有使用者表示，GitHub旧版浏览器依旧不好用，它从来不区分符号的定义和使用，有时候搜出来的结果抖音排名第三，往往需要往后翻5页左右，才能找到想的结果。

对此，还有网民推荐了他们常用的标识符浏览器，如Sourcegraph。

你试用过GitHub的新标识符浏览器了吗？或是还有什么其他好工具推荐？

旧版标识符浏览器申请试用：

参考链接：

— 完 —

物理位 QbitAI · 头条号签约