创业搜索架构：流量·合规·运营三重突破

　　去年十月十八号凌晨两点零七分，机房空调坏了，不是整栋楼那种坏法——就我们那排机柜顶上三台里头两台，嗡嗡声跟拖拉机挂了五档在耳道里爬。我盯着CDN后台看蜘蛛跑完第三轮，监控又跳了一条：/search/v2/parse timeout，第十七次。王磊在群里@我，发了个流汗笑的表情包，他截图里自己Mac状态栏右下角时间是两点零九，说明他根本没睡，但也没动键盘，光等着我回。

　　我原以为备案加白名单一拖再拖是法务在卡，结果上周翻日志发现是他们把ICP证号填进阿里云控制台时少打了两个字符，填成“京B2-20231234567”，真号是“京B2-202312345678”——八位数填七位，填错两年没人核对。这事儿我没跟任何人说，就自己默默补了条正则校验，放在预发环境灰度了三天。这个我敢打包票，那个正则我手写了三遍，第二遍才想起来得兼容老版“京ICP备”前缀的旧字段，第三遍改掉转义斜杠。现在它活着，但我不知道它能不能扛住下周管局抽查。

　　创业搜索架构：流量·合规·运营三重突破——这话听着像站台喊麦，但我亲眼见它筛人。不是筛用户，是筛我们自己。去年七月上线新版搜索路由层，QPS峰值冲到六千二的时候，下游三个微服务里俩崩了，剩一个撑着吐499，但爬虫池没断，百度蜘蛛还照常抓，收录反增了十七万条。为什么？因为崩的是「用户行为埋点」和「AB分流决策」两个模块，而「关键词意图解析→索引命中→结果聚合」这条主链没动，连熔断策略都故意绕开它。所以合规层面它活得好好的，ICP+网信办+公安三套备案齐全；运营那边天天导Excel看点击热力图，不知道底层三百七十二个词根匹配逻辑已经静默降级成模糊前缀查了半个月；流量更别提，首页搜框自动补全词库直接从ES切到本地Trie树缓存，连Redis都没走——你问我为啥？因为某天晚上测试同学手抖点了清空缓存脚本，误删了redis cluster的db1，我们没重建，就让它空着跑了一个月。

文章配图，仅供参考

　　李薇上个月辞职前，在茶水间煮速溶咖啡，拿塑料勺刮罐底刮出尖锐的吱嘎声。她说：“你们架构师总想建桥，可用户根本不关心桥墩钢筋型号，他们只骂‘为什么搜‘奶茶加盟’跳出六个卖净水器的’。” 我当时叼着棒棒糖，糖棍在牙槽里磕了三下，没接话。她不知道那六个净水器是被上游投放接口误传tag导致的，标签映射表里“加盟”和“代理”两个字段被人用Excel合并单元格糊在一起，然后同步进搜索权重系统……这事我没修，留着当对照组，看看自然流量里真实用户会不会点进去。结果有三十七个人点了，平均停留时间比奶茶类目还长四秒。我截图发群里，陈工回了个OK手势，王磊回了个“？”，李薇已经离职，钉钉头像变灰了，我忘了拉群名改后缀。

　　说优胜劣汰，不是比喻。是真的淘汰。上个月审计组过来看蜘蛛日志，指着一条user-agent含“Baiduspider/2.0”的请求说：“这个UA带了?utm_source=wechat，明显是伪装。” 我当场调出原始nginx access log，发现这IP段是百度自家IDC出口，但request_time显示123ms，而同IP其他请求都是8~12ms。查WAF规则，才发现我们半年前加的一条防御规则把所有含utm参数的POST请求默认标记为“潜在营销刷量”，强制引入100ms延迟做沙箱检测——结果百度来测收录的模拟请求，正好卡在这条规则上。我们没关它，只是把白名单扩到了百度UA字符串后缀的完整指纹。现在它活着，但我知道只要哪天百度换个版本号，它又会卡住。这个我说不准。

　　我工位抽屉最上层压着半盒没拆封的暖宝宝，去年双十一抢的，贴纸还粘在锡纸上。客服系统今天弹窗通知“智能应答准确率提升至89.7%”，底下小字写着“基于2023年7-12月历史对话训练”。我没点开，刚看见左下角消息提示闪了一下，是李薇发来的，只有两个字：“查了”，后面跟了个截图——她新公司后台的搜索词归因漏斗图，第一跳跳出率比我们高十九个百分点。我没回。她应该也不想听我解释缓存击穿和分词器歧义消解之间的毛细关系。

　　所以别跟我说什么“架构设计原则”。上礼拜运维拉我进会，讨论要不要把ES集群从物理机迁到ECS共享宿主机，我直接说：“先把logrotate配置里maxsize设成1G再说吧，现在日志文件每七十六小时滚一次，滚出来八个G的gzip，备份脚本解压失败三次，没人管。” 会后陈工塞给我一根薄荷糖，糖纸折痕特别深，像他昨天熬通宵画的拓扑图草稿。我现在糖含嘴里，但没嚼碎，等它自己化掉。这个事我先不碰，等备案二期审核下来再说。明天下午三点管局要视频核验，我得去趟南七机房，带杯热的，不带外卖——上次泡面汤洒在UPS配电柜面板上了，烧了两颗指示灯，还没换。

（编辑：站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!