第7章 一台二手486(2/2)

统还没建立索引,他就会先被电话费拖垮。
马飞关掉连接,开始写下载器。
他选用c语言,看中的是现有编译器稳定,也能直接管住每一块内存。程序先读取远端文件长度,再把内容分成小段;断线后只请求缺失部分。服务器若不支持分段,就把已经验证的块保留在本地,重新连接时至少避免重复处理。
第一版在凌晨两点编译通过。
第二版解决校验错误。
第三版仍会在电话线路出现短暂噪声时把半截标签当成正文。
马飞没有继续。他必须在七点前睡两个小时,白天还要做喷注器改型计算。
接下来三天,他每天只推进一个最小环节。
文本清洗。
词项记录。
文档编号。
最简单的查询合并。
未来的他知道倒排索引、链接分析、分布式存储会怎样改变搜索,但这台机器不允许宏大。八兆内存扣除系统和编译器,真正留给程序的不到五兆。任何“先全部读进来”的设计都会立刻崩溃。
他把索引切成许多小段,逐段写盘,再在查询时读取必要部分。速度不快,却能运行。
星期四深夜,系统收录了三百一十二份本地资料:研究所允许公开的技术目录、几份高校bbS文章、手工录入的期刊摘要,以及从公开站点下载的少量页面。
马飞输入第一个测试词:“转子振动”。
屏幕停顿三秒,返回九条结果。
第一条是正确的论文摘要。
第二条只有“转子”。
第三条把“振动试验”拆成了两个毫无关系的片段。
第七条是一篇讨论电风扇维修的文章。
马飞看着结果,忍不住笑了。
这些错误一个比一个具体:切分、词距、语料范围,每一项都能单独拿出来改。
他终于有东西可以带去见苏雨桐。
第七条那篇电风扇维修文恰好是赵海抄回来的。赵海被他从上铺叫下来,看完结果,拍着桌子说机器至少知道电风扇也会振动,比他想的强。
“那第一条呢?”马飞问。
赵海看了半天论文摘要:“一个字也看不懂。”
“所以结果对不对,不能只问做程序的人。”
周五傍晚,他把程序、索引和测试语料分别复制到三张软盘。第二张盘在校验时出现错误,他重新格式化,仍不放心,又做了一份纸质文件清单。
出门前,赵海从上铺探出头。
“约会?”
“程序测试。”
“跟谁?”
“一个比程序难糊弄的人。”
计算机房在教学楼四层。马飞提前十分钟到,苏雨桐却已经站在门口。她接过软盘,没有问他用了什么算法,也没有夸他真的做出了东西。
她只问:“有测试日志吗?”
马飞把纸质清单递过去。
苏雨桐翻到最后一页:“只测了你自己知道能搜到的词?”
“目前是。”
“那不叫测试。”她推开机房门,“那叫表演。”
马飞跟着她走进去。
管理员按下墙边的计时器,红色数字从四十开始往下跳。
苏雨桐没有碰他列好的九个测试词。她从书包里取出两页折过的纸,摊在键盘旁,最上面一句是:火箭抖得厉害。
马飞把三张软盘按顺序排好,拉开椅子坐下。
本章已完成!