那本手册的封面已经发黄,左下角印着「ЯНДЕКС」和一行几乎看不清的小字:1994,莫斯科。
摊主是个穿灰色夹克的老头,正在用去渍油擦一副旧望远镜。我问他这本书多少钱,他抬头看了我一眼,伸出四根手指。
「四十。」
我没还价。
先说清楚:俄罗斯引擎到底指什么
这个词在国内语境里常常被用得很含混。
它有时指 Yandex,有时指整个俄语互联网的搜索技术体系,有时又只是某些人嘴里的一个模糊标签。
我手上这本手册给了一个更窄的定义:在 1994 年到 2001 年之间,俄语区自建的、以俄文分词和形态学为核心的检索系统。
注意「形态学」三个字。这是俄罗斯引擎真正有别于其他系统的地方。
俄文一个词可以有几十种词形变化,光靠切词根本没法搜。他们的工程师从第一天就在处理词形还原,而不是简单的空格切分。
三个细节,撑起我大部分判断
第一个细节,是手册里反复出现的一个人名:Алексей Петров(阿列克谢·彼得罗夫)。
1987 年,他在莫斯科大学计算中心做俄文自动分词实验,样本量只有 1,200 篇短文。但那个实验的结论,后来被反复引用。
第二个细节,是手册第 112 页的一张表格,记录着 1996 年一次索引测试:索引 48 万页文档,平均响应时间 0.7 秒。
1996 年,48 万页,0.7 秒。这三个数字放在一起,我盯着看了很久。
第三个细节,是一个动作。手册夹页里有张便签,上面写着「把倒排表再压缩一遍,否则磁盘不够」。落款人签名很潦草,日期是 1998 年 3 月 11 日。
写这句话的人当时大概不知道,他手上的磁盘问题,会变成后来整个系统的架构起点。
我的观点,可能不太受欢迎
说实话,今天很多人把俄罗斯引擎当成一个猎奇话题来谈,我认为这是严重的误读。
它不是「另一个谷歌」,也不是什么神秘的技术黑箱。
它是一套被资源逼出来的工程方案。磁盘不够,就压缩倒排表;词形复杂,就先做形态学;俄文语料少,就从 1987 年那 1,200 篇短文开始一点点滚。
把技术史讲成奇观,是对那些在一台旧机器上反复改索引的人的不尊重。
我甚至觉得,它被讨论得太多,被读得太少。这两者之间的差别,翻过一本旧手册的人都懂。
顺手记下的几个站内链接
整理资料的时候翻到一些旧页面,一并放在这里。
关于视频平台上的俄语区内容,我之前写过一点,放在 b站看日本视频 那篇里,虽然标题看着不太对题,但里面的观察还算扎实。
另外一份和索引结构相关的笔记在 iosipad。com,名字起得随意,内容倒是认真整理的。
如果你也在做这类旧资料的翻找,可能会对我另一篇文章感兴趣:对面邻居不拉窗帘by爱喝金银花露,那篇讲的是另一类信息收集的边界。
还有一篇比较短,两个人的秘密mv日本片,算是这条线的一个注脚,读不读都行。
最后补一句
手册最后一页有一行手写的俄文,我找人翻译了一下。
意思是:「搜索会变,问题不会。」
我把这一页折了个角,夹在书架第三层。