本文以MySQL数据库为研究对象，讨论与数据库索引相关的一些话题。特别需要说明的是，MySQL支持诸多存储引擎，而各种存储引擎对索引的支持也各不相同，因此MySQL数据库支持多种索引类型，如BTree索引，哈希索引，全文索引等等。为了避免混乱，本文将只关注于BTree索引，因为这是平常使用MySQL时主要打交道的索引，至于哈希索引和全文索引本文暂不讨论。

很早就对Google的PageRank算法很感兴趣，但一直没有深究，只有个轮廓性的概念。前几天趁团队outing的机会，在动车上看了一些相关的资料（PS：在动车上看看书真是一种享受），趁热打铁，将所看的东西整理成此文。

针对这个问题，请教了算法组的同事，他分享了基本的思路：

对于这种图像搜索的算法，一般是三个步骤：

Google每年的算法改变高达五六百次，只不过很多改动都很小。但每隔几个月，Google都会做一次比较大的算法升级，这些升级都会直接影响到搜索的排名结果。

译注：给定一个数据集，求解数据集的基数（Cardinality，也译作“势”，表示一个数据集中不同数据项的数量）是非常普遍的一个需求。许多业务需求最终可以归结为基数求解，如网站访问分析中的UV（访客数，指一段时间内访问网站的不同用户的数量）。

如今，到网上购物的人已经习惯了收到系统为他们做出的个性化推荐。Netflix 会推荐你可能会喜欢看的视频。TiVo 会自动把节目录下来，如果你感兴趣就可以看。Pandora 会通过预测我们想要听什么歌曲从而生成个性化的音乐流。

人类和蚂蚁的区别是什么？蚂蚁没有互联网。相对于拥有创造性思维的人类，蚂蚁看起来不过是依赖于本能的生物。不过，斯坦福大学两位科学家发现，蚂蚁比我们想象的要聪明的多，虽然它们没有发明互联网，但是却懂得互联网上的算法。在斯坦福大学网站上，讲述了这个有趣的发现

今天早上一边出门一边在平板上读了左耳朵耗子的新文章《为什么我反对纯算法面试题》，略有想法。正逢外面暴雨如注，我就又回屋打开笔记本发了一些回复，特此整理一下。为了避免有人曲解我的看法，我先声明我并不是反对这篇文章，相反我是基本同意其中的观点，只不过会加以一些补充，把其中一些我认为有些过头的地方按一按。

算法面试可能是微软搞出来的面试方法，现在很多公司都在效仿，而且我们的程序员也乐于解算法题，我个人以为，这是应试教育的毒瘤！我在《再谈“我是怎么招程序员”》中比较保守地说过，“问难的算法题并没有错，错的很多面试官只是在肤浅甚至错误地理解着面试算法题的目的。”，今天，我想加强一下这个观点——我反对纯算法题面试！（注意，我说的是纯算法题）

这篇文章介绍了Reddit的排名算法，今天继续上一篇文章，需要学习的是Reddit的评论排名算法。与文章新闻类排名不同的是，评论类的算法可能发表时间没有什么关系。

在计算机领域，每隔30年，就会卷起一场计算运用新浪潮。上世纪50年代，人们为物质世界建模；80年代，人们设法利用计算机增强的彼此的联系；在新世纪的2010年，计算应用翻开了与物质世界交互利用的新篇章。未来的计算机科学发展将为我们带来什么？它又需要什么样的设备、方法和技术的支持？看图灵奖获得者Butler Lampson对这些问题的思考。

传统的hash算法只负责将原始内容尽量均匀随机地映射为一个签名值，原理上相当于伪随机数产生算法。产生的两个签名，如果相等，说明原始内容在一定概率下是相等的；如果不相等，除了说明原始内容不相等外，不再提供任何信息，因为即使原始内容只相差一个字节，所产生的签名也很可能差别极大。

什么是算法？每当有人问作者这样的问题时，他总会引用这个例子：假如你是一个媒人，有若干个单身男子登门求助，还有同样多的单身女子也前来征婚。如果你已经知道这些女孩儿在每个男孩儿心目中的排名，以及男孩儿们在每个女孩儿心中的排名，你应该怎样为他们牵线配对呢？

前些天读了一本《选举的困境》，其中有一章，从美国的选举制度说起，介绍美国选举制度的不足，然后针对其不足，提出种种改善，然而每种改善都有其各自的问题，其中的变化很有趣。

前两天发布那个rsync算法后，想看看数据压缩的算法，知道一个经典的压缩算法Huffman算法。相信大家应该听说过 David Huffman 和他的压缩算法—— Huffman Code，一种通过字符出现频率，Priority Queue，和二叉树来进行的一种压缩算法，这种二叉树又叫Huffman二叉树 —— 一种带权重的树。

K-均值聚类是流行、经典、简单的聚类方法之一。聚类是非监督学习的一种方法，也是常用的统计数据分析技术，应用领域很广，涉及机器学习、数据挖掘、模式识别、图像分析和生物信息学等。

这个系列的前三篇，介绍了Hacker News，Reddit和Stack Overflow的排名算法。

今天，讨论一个更一般的数学模型。

上一篇文章，我介绍了Reddit 的排名算法。

它的特点是，用户可以投赞成票，也可以投反对票。也就是说，除了时间因素以外，只要考虑两个变量就够了。

在上一篇介绍了Hacker News的排名算法。它的特点是用户只能投赞成票，但是很多网站还允许用户投反对票。就是说，除了好评以外，你还可以给某篇文章差评。

互联网的出现，意味着”信息大爆炸”。

用户担心的，不再是信息太少，而是信息太多。如何从大量信息之中，快速有效地找出最重要的内容，成了互联网的一大核心问题。