最新国产成人亚洲精品影院,亚洲人成无码久久电影网站,亚洲激情视频在线观看

rendong — Sat, 05 Aug 2006 07:02:00 GMT

作者：(x��) 车东 Email: chedongATbigfoot.com/chedongATchedong.com

写于�Q?003/03 最后更斎ͼ�(x��)

关键词：(x��)"content manage system" cms path_info cgi php cache squid 内容��理 mod_rewrite url rewrite �pȝ�� ~�存 Cacheable "Search engine friendly"

内容摘要�Q?br />你完全不必耐心的看到最后，本文主要说明的是在设计CMS时以�?�Ҏ(gu��)��意事��：(x��)

搜烦引擎友好(Search engine Friendly)�Q�基于PATH_INFO的参数解析��得动态网��在链接�Q�URI�Q��Ş式上更像静态的目录�l�构�Q�大大方便网站内容被搜烦引擎收录�Q?
可缓存性（Cache Friendly�Q�：(x��)CMS本��n不要�q�多考虑“效率”问题，只要��面输出设计的比较Cacheable�Q�效率问题可以通过更前端专业的�~�存服务器解冟�?

后面附有一个简单的利用PATH_INFO机制 + SquidWEB加速模式实现PHP动态网��늚�静态发布的例子�Q�比起那些能导出静态页面的大型发布�pȝ��q�种轻量�U�的动态缓存解��x��案只需对原有的动态发布系�l�做��量的修改，从而大大提高了原有内容发布�pȝ��的重用度�?/p>

�|�站内容静态发布的重要性：(x��)Cacheable / Search Engine Friendly

�׃��一个动态页面的速度往往�?x��)比静态页面慢2�Q?0倍，因此对于一个访问量逐步向百万��发展的网站来��_(d��)��讉K��速度很快成�ؓ(f��)一个瓶颈。除了优化内容发布系�l�的应用本��n外，如果能把更新频率比较低的动态页面�{存成静态网��|��发布�Q�速度上的提升效果��是显著的，而静态网��如果能被缓存在内存里，讉K��速度更会(x��)比原有动态网��|��2�Q?个数量��的提高�?br />

在国外内容管理系�l?CMS)已经是一个非常成熟的行业�Q�能够真正支撑大讉K��的系�l�中静态页面输出和�~�存�pȝ��几乎是必��ȝ��?br />www.best-code.com
此外随着互联�|�上的内容以惊�h速度的增长也��来��突��Z��搜烦引擎的重要性，如果�|�站��x��好地被搜索引擎收录，�|�站设计除了面向用户友好�Q�User Friendly�Q�外�Q?a tppabs="http://www.chedong.com/tech/google.html">面向搜烦引擎友好的设计也是非帔R��要的。链接地址相对固定的静态网��|��较适合搜烦引擎索引�Q�动态网��后面跟的参数灵�z�d��很大�Q�因此很多搜索引擎都往往�?x��)忽略动态页面，比如�Q�对于news.php?day=22&month=03&year=2003�Q�很多搜索引擎可能只索引news.php�q�个��面一�ơ，更多其他参数的页面可能都�?x��)当成相似内��?gu��)�o(h��)掉；我个��Z��直怀疑在搜烦引擎中：(x��)即��是同样内容，静态页面往往也比动态网��늚�PageRank高�?/span>

因此�Q�将动态页面�{换成静态页面，无论从效率上�q�是面向搜烦引擎友好上，都是一个门��L(f��ng)�内容发布�pȝ��必须面对的问题�?br />

静态缓存和动态缓存的比较

静态页面的�~�存可能�?�U��Ş式：(x��)

静态缓存：(x��)是在新内容发布的同时��q��ȝ��成相应内容的静态页面，比如�Q?003�q?�?2日，��理员通过后台内容��理界面录入一��新��d��Q�就立刻生成http://www.chedong.com/tech/2003/03/22/001.html�q�个静态页面，�q�同步更新http://www.chedong.com/tech/index.html�q�个静态页面上的相关链接�?br />
动态缓存：(x��)是在新内容发布以后，�q�不预先生成相应的静态页面，直到对相应内容发��求时�Q�如果前台缓存服务器找不到相应缓存，��向后台内容��理服务器发��求，后台�pȝ��?x��)生成相应内容的静态页面，用户�W�一�ơ访问页面时可能�?x��)慢一点，但是以后��是直接讉K��~�存了�?br />如果去ZDNet�{�国外网站会(x��)发现他们使用的基�?a href="javascript:if(confirm('http://www.vignette.com/ \n\nThis file was not retrieved by Teleport Pro, because it is addressed on a domain or path outside the boundaries set for its Starting Address. \n\nDo you want to open it from the server?'))window.location='http://www.vignette.com/'" tppabs="http://www.vignette.com/">Vignette内容��理�pȝ��都有�q�样的页面名�U�ͼ�(x��)0,22342566,300458.html。其实这里的0,22342566,300458��是用逗号分割开的多个参敎ͼ�(x��)
�W�一�ơ访问找不到��面后，相当于会(x��)在服务器端��生一个doc_type=0&doc_id=22342566&doc_template=300458的查询，
而查询结果会(x��)生成的缓存的静态页面：(x��)0,22342566,300458.html

静态缓存的�~�点�Q?/p>

复杂的触发更新机�Ӟ��(x��)�q�两�U�机制在内容��理�pȝ��比较��单的时候都是非帔R��用的。但对于一个关�p�L��较复杂的�|�站来说�Q�页面之间的逻辑引用关系��成��Z��个非帔R��常复杂的问题。最典型的例子就是一条新闻要同时出现在新闻首��和相关�?个新��M��题中�Q�在静态缓存模式中�Q�每发一��新文章�Q�除了这��新��d��Ҏ(gu��)��w�的��面外，�q�需要系�l�通过触发器生成多个新的相关静态页面，�q�些相关逻辑的触发也往往��׃��(x��)成�ؓ(f��)内容��理�pȝ��中最复杂的部分之一�?
旧内容的扚w��更新�Q?通过静态缓存发布的内容�Q�对于以前生成的静态页面的内容很难修改�Q�这��L(f��ng)��戯��问旧��面�Ӟ��新的模板�Ҏ(gu��)��无法生效�?

在动态缓存模式中�Q�内容管理系�l�只需要关心各个页面自�w�，而相关的其他��面链接能自动更斎ͼ�从而大大减��了设计触发器设计的需要�?/p>VIGNETTE的动态缓存虽然很好，但是一个系�l�如果设计得太全面其实也是有很大危险的：(x��)如果一个频道下文章很多�Q�比如达到十万时�Q�如果生成的静态页面都在一个目录下�Q�对�pȝ��文�g�pȝ��是一个极大的危害�Q�因��Z��个目录下文�g个数��过3000效率��׃��(x��)非常差，甚至�q�rm *旉��?x��)出现too many arguments错误�?br />
��单的��_(d��)��一个好的内容管理系�l�应该包括：(x��)

输入�Q�方便的内容录入�Q�所见即所得的�~�辑界面�Q�权限控制等…�?
输出�Q�方便的模板��理�Q�缓存发布等…�?br />

设计或寻找这样一个系�l�如果考虑功能全面和高集成度，你会(x��)发现只有那些几十�?以上的专业内容发布系�l�才能你满��所有的需求�?br />
以前做应用的时候也用过一些方式：(x��)应用首次讉K��以后��生成的内容存成一个缓存文�Ӟ��下次��h��时从�~�存目录中读取缓存文�Ӟ��内容更新�Ӟ��应用把内容从�~�存目录中删掉，从而减��对数据库的讉K��。虽然这样做也能承蝲比较大的负蝲�Q�但�q�样的内容管理和�~�存一体的�pȝ��是很隑ֈ��ȝ��?br />
如果换一个思�\�Q�通过一定的分工现内容管理和�~�存机制2者的分离�Q�你�?x��)发现无论哪一斚w��可选的余地都是非常大的。甚��x��可能利用目前的已�l�是“功能”比较全面的内容��理�pȝ��Q�而让所有“效率”问题都由前台更专业�Q�而且是很�Ҏ(gu��)��分布的缓存服务器解决�Q�可以是通过开放源代码的SQUID做反�总�理的WEB加速，可以是专门的�~�存��g讑֤��Q�甚��x��专业的缓存服务商�?br />
动态缓存必��L��一个基于静态链接本�w�的参数解析�q�程�Q�很多专业内容管理系�l�系�l�都是将参数解析机制做成了WEB服务器的模块实现的�?

我们可以把以前的HTTP/GET方式�?key=value改�ؓ(f��)直接�?value1/value2的方式来传递，从而实��C��动态页面的静态URL形式。而缓存只需要在前端加上一层CACHE服务器，比如�Q�Squid。网站动态内容的动态缓存发布就可以实现了�?br />

按照�q�个机制实现的发布系�l�很好地体现了应用系�l�的分工�Q�把复杂地内容管理系�l�分解成�Q�内容输入和�~�存�q?个相对简单的�pȝ��实现。而中间的内容发布通过URL REWRITE或PATH_INFO解决动态页面的参数传递：(x��)

后台�Q�内容管理系�l�，专心的将内容发布做好�Q�比如：(x��)复杂的工作流��理�Q�复杂的模板规则�{�…�?
前台�Q�页面的�~�存��理则可以��用缓存��Y�Ӟ��比如前台80端口使用SQUID对后�?080的内容发布管理系�l�进行缓存）�Q�缓存硬�Ӟ��甚至交给�~�存服务商�?br />

______________________             ___________________
|Squid Software cache|             |F5 Hardware cache|
----------------------             -------------------
            \                    /
             \ ________________ /
               |ASP |JSP |PHP |
  PATH_INFO Based Content Manage System
               ----------------

把URI地址用作参数传递：(x��)URL REWRITE和PATH_INFO

最�q�看到很多关于面向搜索引擎URL设计优化(URI Pretty)的文章，提到了很多利用一定机制将动态网��参数变成像静态网��늚�形式�Q?br />比如可以��：(x��)http://www.chedong.com/phpMan.php?mode=man¶meter=ls
变成�Q?a href="javascript:if(confirm('http://www.chedong.com/phpMan.php/man/ls \n\nThis file was not retrieved by Teleport Pro, because it is addressed on a domain or path outside the boundaries set for its Starting Address. \n\nDo you want to open it from the server?'))window.location='http://www.chedong.com/phpMan.php/man/ls'" tppabs="http://www.chedong.com/phpMan.php/man/ls">http://www.chedong.com/phpMan.php/man/ls

最��单的是基于各�U�WEB服务器中的URL重写转向�Q�Rewrite�Q�模块的URL转换�Q�这样几乎可以不修改�E�序的实现将news.asp?id=234的映��成news/234.html

Apache上有一个模块（非缺省）�Q�mod_rewrite�Q�当然URL REWRITE的强大功能还�q�远不止于此�?br />

当我需要将��news.asp?id=234的映��成news/234.html�Ӟ��(x��)只需讄��Q?br />RewriteRule /news/(\d+)\.html /news\.asp\?id=$1 [N,I]
�q�样��把 /news/234.html 映射成了 /news.asp?id=234
当有�?news/234.html的请求时�Q�web服务器会(x��)把实际请求�{发给/news.asp?id=234

而在IIS也有相应的REWRITE模块�Q�比�?a href="javascript:if(confirm('http://www.isapirewrite.com/ \n\nThis file was not retrieved by Teleport Pro, because it is addressed on a domain or path outside the boundaries set for its Starting Address. \n\nDo you want to open it from the server?'))window.location='http://www.isapirewrite.com/'" tppabs="http://www.isapirewrite.com/">ISAPI REWRITE�?a href="javascript:if(confirm('http://www.qwerksoft.com/products/iisrewrite/ \n\nThis file was not retrieved by Teleport Pro, because it is addressed on a domain or path outside the boundaries set for its Starting Address. \n\nDo you want to open it from the server?'))window.location='http://www.qwerksoft.com/products/iisrewrite/'" tppabs="http://www.qwerksoft.com/products/iisrewrite/">IIS REWRITE�Q�语法都是基于正则表辑ּ��Q�因此语法是几乎相同的：(x��)

比对于某一个简单应用可以是�Q?br />RewriteRule /news/(\d+)? /news\.asp\?id=$1 [N,I]
�q�样��把 /news/234 映射��C�� /news.asp?id=234

如我需要把 http://www.myhost.com/foo.php?a=A&b=B&c=C 表现�?http://www.myhost.com/foo.php/a/A/b/B/c/C。而一个更通用的能够将所有的动态页面进行参数映��的表达式是�Q?br />RewriteRule (.*?\.php)(\?[^/]*)?/([^/]*)/([^/]*)(.+?)? $1(?2$2&:\?)$3=$4?5$5: [N,I]

通过URL REWRITE�q�有一个好处就是隐藏后台实玎ͼ�(x��)
比如我们需要将应用从news.asp?id=234�q�移成news.php?query=234�Ӟ��前台的表现可以一直保持�ؓ(f��)news/234.html。从实现应用和前台表现的分离�Q�保持了URL的稳定性，在实现后台应用��^台的�q�移旉��常有用。��用mod_rewrite甚至可以把请求�{发到其他后台服务器上�Q?/p>

另外一个方式就是基于PATH_INFO�Q?br />PATH_INFO是一个CGI 1.1的标准，所有直接跟在CGI或动态页面app.cgi后面�?/value_1/value_2"��是PATH_INFO参数�Q?br />比如http://www.chedong.com/phpMan.php/man/ls�Q�中�Q?PATH_INFO = "/man/ls"

PATH_INFO是CGI标准�Q�因此PHP Servlet�{�都有比较好的支持。比如Servlet中就有request.getPathInfo()�Ҏ(gu��)��?br />注意�Q?myapp/servlet/Hello/foo的getPathInfo()�q�回的是/foo�Q��?myapp/dir/hello.jsp/foo的getPathInfo()��返回的/hello.jsp�Q�从�q�里你也可以知道jsp其实��是一个Servlet的PATH_INFO参数。ASP不支持PATH_INFO�Q?/span>

PHP中基于PATH_INFO的参数解析的例子如下�Q?br />//注意�Q�第一个参数是�I�的�Q�参数按"/"分割
if ( isset($_SERVER["PATH_INFO"]) ) {
list($nothing, $day, $id) = explode('/', $_SERVER["PATH_INFO"]);
}

如何隐蔽应用�Q�例�?php�Q�的扩展名：(x��)
在APACHE中这样配�|�：(x��)

ForceType application/x-httpd-php

如何更像静态页面：(x��)app_name/my/app.html
解析的PATH_INFO参数的时候，把最后一个参数的最�?个字�W��?html”截断即可�?br />注意�Q�APACHE2中缺省是不允许PATH_INFO的，需要设�|?/span>
AcceptPathInfo on

特别是针对��用虚拟主机用��P��无权安装和配�|�mod_rewrite的时候，PATH_INFO往往��成了唯一的选择�?br />
虽然通过修改讄��SQUID也可以对�?的动态页面进行缓存，但�ؓ(f��)了方便搜索引擎收录烦引，�q�是��参数改成PATH_INFO比较好�?br />
OK�Q�这样以后看见类��g��http://www.example.com/article/234�q�样的网��你��q��道其实是article/show.php?id=234�q�个php�E�序生成的动态网��，很多站点表面看上��d��能有很多静态目录，其实很有可能都是使用1�Q?个程序实现的内容发布。比如很多WIKIWIKI�pȝ��都��用了�q�个机制�Q�整个系�l�就一个简单的wiki�E�序�Q�而看上去的目录其实都是这个应用拿后面的地址作�ؓ(f��)参数的查询结果�?br />
利用��Z��MOD_REWRITE/PATH_INFO �Q?CACHE服务器的解决�Ҏ(gu��)��对原有的动态发布系�l�进行改造，也可以大大降低旧有系�l�升�U�到新的内容��理�pȝ��的成本�?br />

面向�~�存的页面设�?/h2>让页面能够比较好的被�~�存服务器缓存，必须在��生内容的WEB服务器上讄��Q�让�q�回内容的HTTP HEADER中加�?Last-Modified"�?Expires"声明�Q�比如：(x��)
Last-Modified: Wed, 14 May 2003 13:06:17 GMT
Expires: Fri, 13 Jun 2003 13:06:17 GMT
以允许前端SQUID服务器缓存：(x��)
��面必须包含Last-Modified: 标记�Q�一般纯静态页面本�w�都�?x��)有Last-Modified信息�Q�动态页面需要通过函数强制加上�Q�比如PHP中：(x��)
    // always modified now
    header("Last-Modified: " . gmdate("D, d M Y H:i:s") . " GMT");

必须有Expires或Cache-Control: max-age标记讄��面的过期时��_(d��)��(x��)
对于静态页面，通过apache的mod_expires�Ҏ(gu��)��面的MIME�c�d��讄��~�存周期�Q�比如图片缺省是1个月�Q�HTML��面�~�省�?天等�?br />
ExpiresActive on
ExpiresByType image/gif "access plus 1 month"
ExpiresByType text/css "now plus 2 day"
ExpiresDefault "now plus 1 day"

对于动态页面，则可以直接通过写入HTTP�q�回的头信息�Q�比如对于新闻首��index.php可以�?0分钟�Q�而对于具体的一条新闻页面可能是1天后�q�期。比如：(x��)在php中加入了1个月后过期：(x��)
    // Expires one month later
    header("Expires: " .gmdate ("D, d M Y H:i:s", time() + 3600 * 24 * 30). " GMT");

如果服务器端有基于HTTP的认证，必须有Cache-Control: public标记
ASP应用的缓存设计：(x��)
首先在公用的包含文�g�?比如include.asp)加入以下公用函数�Q?br /><%
' Converts date (19991022 11:08:38) to http form (Fri, 22 Oct 1999 12:08:38 GMT)
Function DateToHTTPDate(ByVal OleDATE)
Const GMTdiff = #08:00:00#
OleDATE = OleDATE - GMTdiff
DateToHTTPDate = engWeekDayName(OleDATE) & _
    ", " & Right("0" & Day(OleDATE),2) & " " & engMonthName(OleDATE) & _
    " " & Year(OleDATE) & " " & Right("0" & Hour(OleDATE),2) & _
    ":" & Right("0" & Minute(OleDATE),2) & ":" & Right("0" & Second(OleDATE),2) & " GMT"
End Function

Function engWeekDayName(dt)
    Dim Out
    Select Case WeekDay(dt,1)
        Case 1:Out="Sun"
        Case 2:Out="Mon"
        Case 3:Out="Tue"
        Case 4:Out="Wed"
        Case 5:Out="Thu"
        Case 6:Out="Fri"
        Case 7:Out="Sat"
    End Select
    engWeekDayName = Out
End Function

Function engMonthName(dt)
    Dim Out
    Select Case Month(dt)
        Case 1:Out="Jan"
        Case 2:Out="Feb"
        Case 3:Out="Mar"
        Case 4:Out="Apr"
        Case 5:Out="May"
        Case 6:Out="Jun"
        Case 7:Out="Jul"
        Case 8:Out="Aug"
        Case 9:Out="Sep"
        Case 10:Out="Oct"
        Case 11:Out="Nov"
        Case 12:Out="Dec"
    End Select
    engMonthName = Out
End Function
%>

然后在具体的��面中，比如index.asp和news.asp的“最上面”加入以下代码：(x��)HTTP Header

<%
' set Page Last-Modified Header:
' Converts date (19991022 11:08:38) to http form (Fri, 22 Oct 1999 12:08:38 GMT)
Response.AddHeader "Last-Modified", DateToHTTPDate(Now())

' The Page Expires in Minutes
Response.Expires = 60

' Set cache control to externel applications
Response.CacheControl = "public"
%>

其中Response.Expires 是设�|�页面过期时间的�Q�单位是分钟

如何��(g��)查目前站炚w��面的可缓存性（Cacheablility�Q�呢�Q�可以参考以�?个站点上的工��P��(x��)
http://www.ircache.net/cgi-bin/cacheability.py

面向�~�存的站点规�?/h2>一个利用SQUID的Transparent对多个站点进行做WEB加速http acceleration�Ҏ(gu��)��Q?br />
原先一个站点的规划可能是这��L(f��ng)��Q?br />200.200.200.207 www.chedong.com
200.200.200.208 news.chedong.com
200.200.200.209 bbs.chedong.com
200.200.200.205 images.chedong.com

在SQUID模式下：(x��)所有站炚w��通过外部DNS指向到同一个IP�Q?00.200.200.200/201�q?台SQUID�~�存服务器上�Q��?台是��Z��冗余备䆾�Q?

                          _____________________   ________
www.chedong.com  ��h��  \ | Squid cache box     | |        |  / 192.168.0.4   www.chedong.com 
news.chedong.com ��h��   -| 200.200.200.200/201 |-|firewall| -  192.168.0.4   news.chedong.com 
bbs.chedong.com  ��h��  / |   /etc/hosts        | |   box  |  \ 192.168.0.3   bbs.chedong.com
                          ---------------------   --------

�~�译和配�|�过�E�：(x��)

./configure --enable-referer-log --disable-internal-dns
--disable-internal-dns�Q�禁用SQUID的DNS解析
--enable-referer-log�Q�便于APACHE COMBINED格式日志生成
配置�Q?br />http_port 80
httpd_accel_host virtual
httpd_accel_port 8000
httpd_accel_uses_host_header on

# accelerater my domain only
acl acceleratedHosts dstdom_regex chedong.com
# accelerater http protocol on port 80
acl acceleratedProtocol protocol HTTP
acl acceleratedPort port 80
# access arc
acl all src 0.0.0.0/0.0.0.0

# Allow requests when they are to the accelerated machine AND to the
# right port with right protocol
http_access allow acceleratedProtocol acceleratedPort acceleratedHosts
http_access allow all

�?etc/hosts中：(x��)加入内部的DNS解析�Q�比如：(x��)
192.168.0.4 www.chedong.com
192.168.0.4 news.chedong.com
192.168.0.3 bbs.chedong.com

工作原理�Q?br />SQUID服务器上关闭了DNS解析�Q�这��P��h��外部�q�来�Ӟ��讄��SQUID�Ҏ(gu��)��/etc/hosts文�g�q�行内部DNS解析。这��P��服务器请求就可以转发到我们指定的内部地址上�?br />
使用SQUID的反�总�理加速，我们不仅可以得到性能上的提升�Q�而且�q�能获得额外的安全性和配置的灵�z�d��Q?br />

配置灉|��性提高：(x��)可以自己在内部服务器上控制后台服务器的DNS解析�Q�当需要在服务器之间做�q�移调整�Ӟ��׃��用大量修改外部DNS配置了，只需要修改内部DNS实现服务的调整�?
数据安全性增加：(x��)所有后台服务器可以很方便的被保护在防火墙内�?
后台应用设计复杂�E�度降低�Q�原先�ؓ(f��)了效率常帔R��要徏立专门的囄��服务器images.chedong.com和负载比较高的应用服务器bbs.chedong.com分离�Q�在SQUID加速模式中�Q�所有前台请求都通过SQUID服务器：(x��)实际上就都是静态页面，�q�样�Q�应用设计时��׃��用考虑囄��和应用本�w�分��M��Q�也大大降低了后台内容发布系�l�设计的复杂�E�度�Q�由于数据和应用都存攑֜�一��P��也方便了文�g�pȝ��的维护和��理�?br />

��节�Q?br />

大访问量的网站应��可能将动态网��는�成静态页面作为缓存发布，甚至对于搜烦引擎�q�样的动态应用来��_(d��)��~�存机制也是非常非常重要的�?
利用PATH_INFO机制�q�行解析参数�Q�实现动态网��链接的��化�Q�方便搜索引擎的索引�Q?
在动态页面中利用HTTP Header定义�~�存更新�{�略�?
利用�~�存服务器获得额外的配置和安全�?
日志非常重要�Q�SQUID日志�~�省不支持COMBINED日志�Q�但REFERER日志对于站点分析非常重要�Q�在GNU/Linux可以用以下方式生成：(x��)
pr -mJt access.log referer.log | awk '{print $1" "$2" "$3" "$4" "$5" "$6" "$7" "$8" "$9" "$10" \x22"$14"\x22 \x22"$11"\x22"}' > combined.log
    -m merge
    -J join line
    -t omit header and footer

�?�Q�SQUID性能��试试验

phpMan.php是一个基于php的man page server�Q�每个man page需要调用后台的man命��o(h��)和很多页面格式化工具�Q�系�l�负载比较高�Q�提供了Cache Friendly的URL�Q�以下是针对同样的页面的性能��试资料�Q?br />��试环境�Q�Redhat 8 on Cyrix 266 / 192M Mem
��试�E�序�Q��用apache的ab(apache benchmark)�Q?br />��试条�g�Q�请�?0�ơ，�q�发50个连�?br />��试��目�Q�直接通过apache 1.3 (80端口) vs squid 2.5(8000端口�Q�加�?0端口)

��试1�Q�无CACHE�?0端口动态输出：(x��)
ab -n 100 -c 10 http://www.chedong.com:81/phpMan.php/man/kill/1
This is ApacheBench, Version 1.3d <$Revision: 1.58 $> apache-1.3
Copyright (c) 1996 Adam Twiss, Zeus Technology Ltd, http://www.zeustech.net/
Copyright (c) 1998-2001 The Apache Group, http://www.apache.org/

Benchmarking localhost (be patient).....done
Server Software:        Apache/1.3.23
Server Hostname:        localhost
Server Port:            80

Document Path:          /phpMan.php/man/kill/1
Document Length:        4655 bytes

Concurrency Level:      5
Time taken for tests:   63.164 seconds
Complete requests:      50
Failed requests:        0
Broken pipe errors:     0
Total transferred:      245900 bytes
HTML transferred:       232750 bytes
Requests per second:    0.79 [#/sec] (mean)
Time per request:       6316.40 [ms] (mean)
Time per request:       1263.28 [ms] (mean, across all concurrent requests)
Transfer rate:          3.89 [Kbytes/sec] received

Connnection Times (ms)
              min mean[+/-sd] median   max
Connect:        0    29 106.1      0   553
Processing: 2942 6016 1845.4   6227 10796
Waiting:     2941 5999 1850.7   6226 10795
Total:       2942 6045 1825.9   6227 10796

Percentage of the requests served within a certain time (ms)
50%   6227
66%   7069
75%   7190
80%   7474
90%   8195
95%   8898
98%   9721
99% 10796
100% 10796 (last request)

��试2�Q�SQUID�~�存输出
/home/apache/bin/ab -n50 -c5 "http://localhost:8000/phpMan.php/man/kill/1"
This is ApacheBench, Version 1.3d <$Revision: 1.58 $> apache-1.3
Copyright (c) 1996 Adam Twiss, Zeus Technology Ltd, http://www.zeustech.net/
Copyright (c) 1998-2001 The Apache Group, http://www.apache.org/

Benchmarking localhost (be patient).....done
Server Software:        Apache/1.3.23
Server Hostname:        localhost
Server Port:            8000

Document Path:          /phpMan.php/man/kill/1
Document Length:        4655 bytes

Concurrency Level:      5
Time taken for tests:   4.265 seconds
Complete requests:      50
Failed requests:        0
Broken pipe errors:     0
Total transferred:      248043 bytes
HTML transferred:       232750 bytes
Requests per second:    11.72 [#/sec] (mean)
Time per request:       426.50 [ms] (mean)
Time per request:       85.30 [ms] (mean, across all concurrent requests)
Transfer rate:          58.16 [Kbytes/sec] received

Connnection Times (ms)
              min mean[+/-sd] median   max
Connect:        0     1    9.5      0    68
Processing:     7    83 537.4      7 3808
Waiting:        5    81 529.1      6 3748
Total:          7    84 547.0      7 3876

Percentage of the requests served within a certain time (ms)
50%      7
66%      7
75%      7
80%      7
90%      7
95%      7
98%      8
99%   3876
100%   3876 (last request)

�l�论�Q�No Cache / Cache = 6045 / 84 = 70
�l�论�Q�对于可能被�~�存��h��的页面，服务器速度可以�?个数量��的提高，因�ؓ(f��)SQUID是把�~�存��面攑֜�内存里的�Q�因此几乎没有硬盘I(y��)/O操作�Q��?br />

�?�Q�一个CACHE多主机APACHE服务的SQUID安装配置�Q?/h2>squid的编译：(x��)
./configure --enable-useragent-log --enable-referer-log --enable-default-err-language=Simplify_Chinese --enable-err-languages="Simplify_Chinese English" --disable-internal-dns
make
#make install
#cd /usr/local/squid
make dir cache
chown squid.squid *
vi /usr/local/squid/etc/squid.conf

---------------------cut here----------------------------------
# visible name
visible_hostname cache.example.com

# cache config: space use 1G and memory use 256M
cache_dir ufs /usr/local/squid/cache 1024 16 256
cache_mem 256 MB
cache_effective_user squid
cache_effective_group squid

http_port 80
httpd_accel_host virtual
httpd_accel_single_host off
httpd_accel_port 80
httpd_accel_uses_host_header on
httpd_accel_with_proxy on

# accelerater my domain only
acl acceleratedHostA dstdomain .example1.com
acl acceleratedHostB dstdomain .example2.com
acl acceleratedHostC dstdomain .example3.com
# accelerater http protocol on port 80
acl acceleratedProtocol protocol HTTP
acl acceleratedPort port 80
# access arc
acl all src 0.0.0.0/0.0.0.0

# Allow requests when they are to the accelerated machine AND to the
# right port with right protocol
http_access allow acceleratedProtocol acceleratedPort acceleratedHostA
http_access allow acceleratedProtocol acceleratedPort acceleratedHostB
http_access allow acceleratedProtocol acceleratedPort acceleratedHostC

# logging
emulate_httpd_log on
referer_log /usr/local/squid/var/logs/referer.log
useragent_log /usr/local/squid/var/logs/agent.log

----------------------cut here---------------------------------

创徏�~�存目录�Q?br />/usr/local/squid/sbin/squid -z

启动squid
/usr/local/squid/sbin/squid

停止squid�Q?br />/usr/local/squid/sbin/squid -k shutdown

启用新配�|�：(x��)
/usr/local/squid/sbin/squid -k reconfig

通过crontab每天0�Ҏ(gu��)��?轮��@日志�Q?br />0 0 * * * (/usr/local/squid/sbin/squid -k rotate)

�?�Q�如何在IIS上利用PHP支持PATH_INFO

PHP的ISAPI模式安装备忘�Q�只试成 php-4.2.3-Win32

解包目录
========
php-4.2.3-Win32.zip c:\php

PHP.INI初始化文�?br />=================
复制�Q�c:\php\php.ini-dist �?c:\winnt\php.ini

配置文�g兌��
============
按照install.txt中的说明配置文�g兌��

�q�行库文�?br />==========
复制 c:\php\php4ts.dll �?c:\winnt\system32\php4ts.dll

�q�样�q�行后：(x��)�?x��)发现php把PATH_INFO映射��C��物理路径�?br />Warning: Unknown(C:\CheDong\Downloads\ariadne\www\test.php\path): failed to create stream: No such file or directory in Unknown on line 0

Warning: Unknown(): Failed opening 'C:\CheDong\Downloads\ariadne\www\test.php\path' for inclusion (include_path='.;c:\php4\pear') in Unknown on line 0

安装ariadne的PATCH
==================
停止IIS服务
net stop iisadmin
ftp://ftp.muze.nl/pub/ariadne/win/iis/php-4.2.3/php4isapi.dll
覆盖原有的c:\php\sapi\php4isapi.dll

注：(x��)ariadne是一个基于PATH_INFO的内容发布系�l?br />
PHP 4.3.2 RC2中CGI模式的PATH_INFO已经修正�Q�照常安装即可�?br />www.best-code.com

参考资料：(x��)

CMS行业观察
http://www.cmswatch.com

CMS讨论邮�g列表
http://www.cms-list.org

一个基于PATH_INFO的开源内容管理系�l?br />http://typo3.com/

商业的和开源CMS��目列表�Q?br />http://directory.google.com/Top/Computers/Software/Internet/Site_Management/Content_Management/

搜烦引擎友好的URL设计
http://www.sitepoint.com/article/485
说不定这个URL原来��是articel.php?id=485

HTTP代理�~�存
http://vancouver-webpages.com/proxy.html

可缓存的��面设计
http://linux.oreillynet.com/pub/a/linux/2002/02/28/cachefriendly.html

相关RFC文档�Q?br />

RFC 2616:
- section 13 (Caching)
- section 14.9 (Cache-Control header)
- section 14.21 (Expires header)
- section 14.32 (Pragma: no-cache) is important if you are interacting with HTTP/1.0 caches
- section 14.29 (Last-Modified) is the most common validation method
- section 3.11 (Entity Tags) covers the extra validation method

可缓存性检查：(x��)
http://www.web-caching.com/cacheability.html

URL Rewrite文档�Q?br />http://www.isapirewrite.com/docs/
http://httpd.apache.org/docs/mod/mod_rewrite.html
http://httpd.apache.org/docs-2.0/mod/mod_rewrite.html

原文出处�Q?lt;a >http://www.chedong.com/tech/cms.html

rendong 2006-08-05 15:02 发表评论

rendong — Sat, 05 Aug 2006 06:54:00 GMT

1.  什么是robots.txt文�g?
        搜烦引擎通过一�U�程序robot�Q�又�U�spider�Q�，自动讉K��互联�|�上的网��ƈ获取�|�页信息�?
        �(zh��n)�可以在�(zh��n)�的�|�站中创��Z��个纯文本文�grobots.txt�Q�在�q�个文�g中声明该�|�站中不惌��robot讉K��的部分，�q�样�Q�该�|�站的部分或全部内容��可以不被搜索引擎收录了�Q�或者指定搜索引擎只收录指定的内宏V�?
www.best-code.com

    2.  robots.txt文�g攑֜�哪里?
        robots.txt文�g应该攑֜��|�站根目录下。�D例来��_(d��)��当  robots讉K��一个网站（比如http://www.abc.com�Q�时�Q�首先会(x��)��(g��)查该�|�站中是否存在http:  //www.abc.com/robots.txt�q�个文�g�Q�如果机器�h扑ֈ��q�个文�g�Q�它?y��u)�׃�?x��)�Ҏ(gu��)��q�个文�g的内容，来确定它讉K��权限的范围�?
        �|�站  URL        相应的  robots.txt的  URL
        http://www.w3.org/        http://www.w3.org/robots.txt
        http://www.w3.org:80/        http://www.w3.org:80/robots.txt
        http://www.w3.org:1234/        http://www.w3.org:1234/robots.txt
        http://w3.org/        http://w3.org/robots.txt


    3.  robots.txt文�g的格�?
        "robots.txt"文�g包含一条或更多的记录，�q�些记录通过�I��分开�Q�以CR,CR/NL,  or  NL作�ؓ(f��)�l�束�W�）�Q�每一条记录的格式如下所�C�：(x��)
        ":"�?

        在该文�g中可以��?�q�行注解�Q�具体��用方法和UNIX中的惯例一栗��该文�g中的记录通常以一行或多行User-agent开始，后面加上若干Disallow�?详细情况如下�Q?

        User-agent:
        　　该项的值用于描�q�搜索引擎robot的名字，�?robots.txt"文�g中，如果有多条User-agent记录说明有多个robot�?x��)受到该协议的限�Ӟ��对该文�g来说�Q�至��要有一条User-agent记录。如果该��的��D��?�Q�则该协议对��M��机器人均有效�Q�在"robots.txt"文�g中，  "User-agent:*"�q�样的记录只能有一条�?

        Disallow:
        　　该项的值用于描�q�C��希望被访问到的一个URL�Q�这个  URL可以是一条完整的路径�Q�也可以是部分的�Q��Q何以Disallow开头的URL均不�?x��)被robot讉K��到。例�?Disallow:/help"对 �?help.html  �?help/index.html都不允许搜烦引擎讉K��Q��?Disallow:/help/"则允许robot讉K��/help.html�Q�而不能访问 �?help/index.html。�Q何一条Disallow记录为空�Q�说明该�|�站的所有部分都允许被访问，�?/robots.txt"文�g中，臛_��要有一条Disallow记录。如�?/robots.txt"是一个空文�g�Q�则对于所有的搜烦引擎robot�Q�该�|�站都是开攄��?

    4.  robots.txt文�g用法举例
        �?.  ��止所有搜索引擎访问网站的��M��部分        User-agent:  *
        Disallow:  /
        �?.  允许所有的robot讉K��  (或者也可以��Z��个空文�g  "/robots.txt"  file)        User-agent:  *
        Disallow:
        �?.  ��止某个搜烦引擎的访问        User-agent:  BadBot
        Disallow:  /
        �?.  允许某个搜烦引擎的访问        User-agent:  baiduspider
        Disallow:

        User-agent:  *
        Disallow:  /
        �?.一个简单例�?
        　　在这个例子中�Q�该�|�站有三个目录对搜烦引擎的访问做了限�Ӟ��x��索引擎不�?x��)访问这三个目录�?
        　　需要注意的是对每一个目录必��d��开声明�Q�而不要写成 �?Disallow:  /cgi-bin/  /tmp/"�?
        　　User-agent:后的*��h��Ҏ(gu��)��的含义，代表"any  robot"�Q�所以在该文件中不能�?Disallow:  /tmp/*"  or  "Disallow:*.gif"�q�样的记录出�?        User-agent:  *
        Disallow:  /cgi-bin/
        Disallow:  /tmp/
        Disallow:  /~joe/


    5.  robots.txt文�g参考资�?
        robots.txt文�g的更具体讄��,请参看以下链接：(x��)
        ·  Web  Server  Administrator's  Guide  to  the  Robots  Exclusion  Protocol
        ·  HTML  Author's  Guide  to  the  Robots  Exclusion  Protocol
        ·  The  original  1994  protocol  description,  as  currently  deployed
        ·  The  revised  Internet-Draft  specification,  which  is  not  yet  completed  or  implemented
    6.  各搜索引擎的robot
        Google�Q�Crawled  by  Googlebot/2.1  (+http://www.google.com/bot.html)

        Baidu�Q�Crawled  by  Baiduspider+(+http://www.baidu.com/search/spider.htm)

        Yahoo�Q�Crawled  by  Mozilla/5.0  (compatible;  Yahoo!  Slurp  China

        MSN�Q�  Crawled  by  msnbot/1.0  (+http://search.msn.com/msnbot.htm)

        Sogou�Q�  Crawled  by  sogou  spider

        中搜�Q�Crawled  by  User-Agent:  Mozilla/4.0  (compatible;  MSIE  5.5;  Windows  NT  5.0)
www.best-code.com
        sina�Q�Crawled  by  Mozilla/4.0(compatible;MSIE  6.0;Windows  NT  5.0;.NET  CLR  1.1.432)

rendong 2006-08-05 14:54 发表评论

rendong — Sat, 05 Aug 2006 06:52:00 GMT

关于Meta的用�?
www.best-code.com
meta是用来在HTML文档中模拟HTTP协议的响应头报文。meta  标签用于�|�页�?lt;head>�?lt;/head>中，meta  标签的用处很多。meta  的属性有两种�Q�name和http-equiv。name属性主要用于描�q�网��，对应于content�Q�网��内容）�Q�以便于搜烦引擎机器人查找、分�c�（目前几乎所有的搜烦引擎都��用网上机器�h自动查找meta值来�l�网��分�c�）。这其中最重要的是description�Q�站点在搜烦引擎上的描述�Q�和keywords�Q�分�c�d��键词�Q�，所以应该给每页加一个meta倹{��比较常用的有以下几�?

name  属�?

　　  1�?lt;meta  name="generator"  contect="">用以说明生成工具�Q�如Microsoft  FrontPage  4.0�Q�等�Q?

　　  2�?lt;meta  name="keywords"  contect="">向搜索引擎说明你的网��늚�关键词；

　　  3�?lt;meta  name="description"  contect="">告诉搜烦引擎你的站点的主要内容；

　　  4�?lt;meta  name="author"  contect="你的姓名">告诉搜烦引擎你的站点的制作的作者；

　　  5�?lt;meta  name="robots"  contect="all|none|index|noindex|follow|nofollow">

　　其中的属性说明如下：(x��)

　　讑֮�为all�Q�文件将被检索，且页面上的链接可以被查询�Q?

　　讑֮�为none�Q�文件将不被��(g��)索，且页面上的链接不可以被查询；

　　讑֮�为index�Q�文件将被检索；

　　讑֮�为follow�Q�页面上的链接可以被查询�Q?

　　讑֮�为noindex�Q�文件将不被��(g��)索，但页面上的链接可以被查询�Q?

　　讑֮�为nofollow�Q�文件将不被��(g��)索，��面上的链接可以被查询�?

http-equiv属�?

　　  1�?lt;meta  http-equiv="Content-Type"  contect="text/html";charset=gb_2312-80">

　　和 �?lt;meta  http-equiv="Content-Language"  contect="zh-CN">用以说明主页制作所使用的文字以�?qi��ng)语�a��Q?

　　又如英文是ISO-8859-1字符集，�q�有BIG5、utf-8、shift-Jis、Euc、Koi8-2�{�字�W�集�Q?

　　  2�?lt;meta  http-equiv="Refresh"  contect="n;url=http://yourlink">定时让网��在指定的时间n内，跌��{到页面http;//yourlink�Q?

　　  3�?lt;meta  http-equiv="Expires"  contect="Mon,12  May  2001  00:20:00  GMT">可以用于讑֮��|�页的到期时��_(d��)��一旦过期则必须到服务器上重新调用。需要注意的是必��M��用GMT旉��格式�Q?

　　  4�?lt;meta  http-equiv="Pragma"  contect="no-cache">是用于设定禁止浏览器从本地机的缓存中调阅��面内容�Q�设定后一旦离开�|�页��无法从Cache中再调出�Q?

　　  5�?lt;meta  http-equiv="set-cookie"  contect="Mon,12  May  2001  00:20:00  GMT">cookie讑֮��Q�如果网��过期，存盘的cookie��被删除。需要注意的也是必须使用GMT旉��格式�Q?

　　  6�?lt;meta  http-equiv="Pics-label"  contect="">�|�页�{��评定�Q�在IE的internet选项中有一��内容设�|�，可以防止��览一些受限制的网站，而网站的限制�U�别��是通过meta属性来讄��的；

　　  7�?lt;meta  http-equiv="windows-Target"  contect="_top">强制��面在当前窗口中以独立页面显�C�，可以防止自己的网��被别�h当作一个frame��调用；

　　  8�?lt;meta  http-equiv="Page-Enter"  contect="revealTrans(duration=10,transtion=50)">�?lt;meta  http-equiv="Page-Exit"  contect="revealTrans(duration=20�Q�transtion=6)">讑֮��q�入和离开��面时的�Ҏ(gu��)��效果�Q�这个功能即FrontPage中的“格�?�|�页�q�渡”，不过所加的��面不能够是一个frame��面�?

关于robots.txt的讲�?

1.什么是robots.txt文�g?
搜烦引擎通过一�U�程序robot�Q�又�U�spider�Q�，自动讉K��互联�|�上的网��ƈ获取�|�页信息。 �?
�(zh��n)�可以在�(zh��n)�的�|�站中创��Z��个纯文本文�grobots.txt�Q�在�q�个文�g中声明该�|�站中不惌��robot讉K��的部分，�q�样�Q�该�|�站的部分或全部内容��可以不被搜索引擎收录了�Q�或者指定搜索引擎只收录指定的内宏V�?

2.robots.txt文�g攑֜�哪里?
robots.txt文�g应该攑֜��|�站根目录下。�D例来��_(d��)��当robots讉K��一个网站（比如http://www.abc.com�Q�时�Q�首先会(x��)��(g��)查该�|�站中是否存在http://www.abc.com/robots.txt  �q�个文�g�Q�如果机器�h扑ֈ��q�个文�g�Q�它?y��u)�׃�?x��)�Ҏ(gu��)��q�个文�g的内容，来确定它讉K��权限的范围�?

1.robots.txt文�g的格�?

"robots.txt"文�g包含一条或更多的记录，�q�些记录通过�I��分开�Q�以CR,CR/NL,  or  NL作�ؓ(f��)�l�束�W�）�Q�每一条记录的格式如下所�C�：(x��)
"lt;optionalspace>"�?

在该文�g中可以��?�q�行注解�Q�具体��用方法和UNIX中的惯例一栗��该文�g中的记录通常以一行或多行User-agent开始，后面加上若干Disallow�?详细情况如下�Q?

User-agent:
　　该项的值用于描�q�搜索引擎robot的名字，�?robots.txt"文�g中，如果有多条User-agent记录说明有多个robot�?x��)受到该协议的限�Ӟ��对该文�g来说�Q�至��要有一条User-agent记录。如果该��的��D��?�Q�则该协议对��M��机器人均有效�Q�在"robots.txt"文�g中，"User-agent:*"�q�样的记录只能有一条�?
www.best-code.com
Disallow:
　　该项的值用于描�q�C��希望被访问到的一个URL�Q�这个URL可以是一条完整的路径�Q�也可以是部分的�Q��Q何以Disallow开头的URL均不�?x��)被robot讉K��到。例�?Disallow:/help"�?help.html  �?help/index.html都不允许搜烦引擎讉K��Q��?Disallow:/help/"则允许robot讉K��/help.html�Q�而不能访�?help/index.html。�Q何一条Disallow记录为空�Q�说明该�|�站的所有部分都允许被访问，�?/robots.txt"文�g中，臛_��要有一条Disallow记录。如�?/robots.txt"是一个空文�g�Q�则对于所有的搜烦引擎robot�Q�该�|�站都是开攄��?

rendong 2006-08-05 14:52 发表评论

rendong — Sat, 05 Aug 2006 06:50:00 GMT

使用robots.txt的注意事��?
www.best-code.com
robots.txt的创建很��单，只需讄��User-agent与Disallow两项内容�Q�其中User-agent��设�|�特定的搜烦引擎Spider�Q�Disallow��设定不允许Spider抓取和烦引的内容。尽��如此，�W�者却常常见一些设�|�不当的例子�Q�在此把robots.txt有关的注意事��介�l�一下：(x��)

robots.txt文�g
　　robots.txt只能存放于网站的根目录下�Q�置于除此之外的��M��地方均不�?x��)被Spider发现�?

　　每个�|�站�Q�或每个域名�Q�包括子域名�Q�，只能有一个robots.txt�?

　　文�g名“robots.txt”�ؓ(f��)��写字母�Q�其他如Robots.txt或robots.Txt是不正确的，命名错误��会(x��)被Spider忽略�?

　　正如上篇文章中介�l�的�Q�Spider在网站内找不到robots.txt时将�?x��)被重定向�?04  错误��面�Q�这便有可能�ȝ��Spider抓取和收录页面。虽然这�q�不一定会(x��)发生�Q�但很多时候我们没必要冒这��L(f��ng)��风险�Q�一般来��_(d��)��即��我们对网站的所有内定w��没有限制�Q�对所有的搜烦引擎Spider  都欢�q�，最好也在根目录下创��Z��个robots.txt文�g�Q?

User-agent:  *
Disallow:

robots.txt的语法规�?
　　在Disallow��中使用��写字母�Q�即文�g名和目录名��用小写字母，特别在对大小写敏感的Unix下更要注意�?

　　robots.txt惟一支持的通配�W�是在User-agent使用的�?”，其代表所有的Spider。除此之外，别的通配�W�均不可用。这斚w��的错误常见于在文件名或目录名中��用通配�W��?

　　robots.txt的限定项

　　在User-agent和Disallow��的讑֮�中，每行只允许有一个设定��|��同时�Q�注意不要有�I��。至于行敎ͼ�则没有限�Ӟ��理论上说可以�Ҏ(gu��)��需要创建具有无数行的robots.txt�?

　　下面��x��一个错误的例子

User-agent:  *
Disallow:  /dir1/  /dir2/  /dir3/

　　正确讄��应�ؓ(f��)�Q?

User-agent:  *
Disallow:  /dir1/
Disallow:  /dir2/
Disallow:  /dir3/

　　robots.txt中的文�g与目�?

　　既定某个文�g拒绝索引�Ӟ��格式为文件名(包括扩展�?�Q�其后无�?”，而限定目录时�Q�则需在目录名后加�?”。如下面的示例：(x��)

User-agent:  *
Disallow:  /file.html
Disallow:  /dir/

　　特别注意的是�Q�不要省略掉目录名后的�?”，不然�Q�Spider便极有可能误�ȝ��应的讄��?

　　robots.txt中限定项的顺�?

　　��L(f��ng)��下方的示例：(x��)

User-agent:  *
Disallow:  /
User-agent:  Googlebot
Disallow:

　　该设定本意是惛_��许Google讉K��所有页面，同时��止其他Spider的访问。但在这��L(f��ng)��讄��下，Googlebot在读取前2行后便会(x��)��d��|�站�Q�后面对其的“解��”完全失��M��意义。正��的格式应�ؓ(f��)�Q?

User-agent:  Googlebot
Disallow:
User-agent:  *
Disallow:  /

　　robots.txt中的注释

　　��管在robots.txt的标准中�Q�可以在限定��的后面使用�?”添加注释，如下面的例子

User-agent:  Googlebot  #�q�是对Google的设�|?
Disallow:

　　但很多研�I�与��试表明�Q�不��Spider对这��h��式的解读存在问题。�ؓ(f��)��保其能更好地工作，最好采用如下设�|�：(x��)
www.best-code.com
#�q�是对Google的设�|?
User-agent:  Googlebot
Disallow:

rendong 2006-08-05 14:50 发表评论

rendong — Sat, 05 Aug 2006 06:49:00 GMT

h1>如何提高�|�站在Google中的排名
——面向搜索引擎的�|�站设计

作者：(x��) 车东 Email: chedongATbigfoot.com/chedongATchedong.com

写于�Q?003/01 最后更斎ͼ�(x��) 08/05/2006 14:47:05

关键词：(x��)Google PageRank "link popularity" "website promotion" "optimization for search engine"

内容摘要�Q�（注意�Q�这个网站设计本�w�就利用了其中一些方法）�?br />�|�站设计中面向搜索引擎的优化注意事项�Q?/p>

链接引用的重要性；
如何�H�出关键词：(x��)�|�页标题、主题的设计�Q?/font>
��面�?qi��ng)站点结构设计注意事��?/font>
以及(qi��ng)站点讉K��l�计的重要性等�Q?/font>

谁不惌��q��|�站在Google的搜索结果重排名靠前呢，但你的网站设计是Search Engine Ready的吗�Q?/p>

什么是PageRank

Google�{�新一带搜索引擎的优势之一在于不仅索引量很大，而且�q�将最好的�l�果排在搜烦�l�果的最前面�Q�具体的原理可以参�?a href="javascript:if(confirm('http://www.kusastro.kyoto-u.ac.jp/%7Ebaba/wais/pagerank.html \n\nThis file was not retrieved by Teleport Pro, because it is addressed on a domain or path outside the boundaries set for its Starting Address. \n\nDo you want to open it from the server?'))window.location='http://www.kusastro.kyoto-u.ac.jp/%7Ebaba/wais/pagerank.html'" tppabs="http://www.kusastro.kyoto-u.ac.jp/%7Ebaba/wais/pagerank.html">Google の秘�?- PageRank 徹底解説一文，PageRank��单的说类��g��U�技论文中的引用机制�Q�谁的论文被引用�ơ数多，谁就是权威。在互联�|�上PageRank��是��Z��|�页中相互链接关�pȝ��分析得出的，由此引出�W�一个要点：(x��)

链接��是一�?/a>

在互联网的�v�z�中�Q�最重要的就是互联互通，不被其他�|�站引用的网站就是“信息孤岛”。“酒好也怕�؜子深”，也许�q�话说�v来有点像垃圾邮�g�q�告�Q�但事实��是�q�样。所以如果做�|�站的目的不是孤芌��赏，��需要积极的推广自己的网站。通过搜烦引擎推广自己需要注意以下几个方面：(x��)

以量取胜�Q�不一定加入大型网站的分类目录才是�|�站推广�Q�来自其他网站的��M��反相链接都是有用�?br />�|�站推广比较�l�典的方式就是加入比较大型门��L(f��ng)��站的分类目录�Q�比如：(x��)Yahoo!�Q?a href="javascript:if(confirm('http://dmoz.org/ \n\nThis file was not retrieved by Teleport Pro, because it is addressed on a domain or path outside the boundaries set for its Starting Address. \n\nDo you want to open it from the server?'))window.location='http://dmoz.org/'" tppabs="http://dmoz.org/">dmoz.org�{�。其实这里有一个误区：(x��)不一定非要加入大型网站的分类目录才是�|�站推广�Q�因为现在搜索引擎已�l�不再只是网站目录的索引�Q�而是更全面的�|�页索引�Q�所以无论来自其他网站�Q何地方的反相链接都是非常有�h(hu��n)值的�Q�哪怕是出现在新��L��道，论坛�Q�邮件列表归档中。因此在往很多大型站点的邮件列表发邮�g�Ӟ��一定注意在自己的签名中加上自己�|�站的地址�?br />Blogger�Q�Weblog的简�U�ͼ�们也许最深刻地理解了“链接就是一切”这句话的含义，�׃��Blog的内容之间有大量的相互链接，因此最�l�常被引用的Blog��面在搜索引擎中的排名往往比一些大型商业网站的��面�q�要高�?br />
以质取胜�Q�被PageRank高的�|�站引用能更快地提高PageRank
数量只是关键因素之一�Q�来自PageRank高的��面的链接还能更快的提高被链接目标的PageRank�Q�以我的个�h�|�站��Z��Q�我没有加入��M��分类目录�Q�只是将一些文章投�E�在�?a href="javascript:if(confirm('http://www.zdnet.com.cn/ \n\nThis file was not retrieved by Teleport Pro, because it is addressed on a domain or path outside the boundaries set for its Starting Address. \n\nDo you want to open it from the server?'))window.location='http://www.zdnet.com.cn/'" tppabs="http://www.zdnet.com.cn/">ZDNet中国上，�׃��面上有文章出处链接�Q�相应网��和�|�站整体的PageRank�q�了一�D�|��间后��有了很大的提升。有时候被什么样的网站引用有时候比引用�ơ数多更重要。这里我要特别感谢的是，当时ZDNet中国是唯一遵��@了我的版权声明的要求表明了文章出处，�q�且有反盔R��接的�|�站�?br />
了解搜烦引擎�?价��D��"�Q?br />Lucene��?/font>�q�篇文章�?a href="javascript:if(confirm('http://jakarta.apache.org/lucene/ \n\nThis file was not retrieved by Teleport Pro, because it is addressed on a domain or path outside the boundaries set for its Starting Address. \n\nDo you want to open it from the server?'))window.location='http://jakarta.apache.org/lucene/'" tppabs="http://jakarta.apache.org/lucene/">Jakarta.apache.org的lucene��目引用以后�Q�这��文章就成�ؓ(f��)了所有页面中PageRank最高的��面�Q�在Google工具�?/font>上显�C�是6/10�Q�，而Google深厚的学院气氛让我一直怀疑他们对 .edu�{�非功利站点有特别加�?:-)�Q�毕�?org .edu才代表了互联�|�精��的实质�Q�知识的�׃�n�?br />但更合理的解释是�Q?org很多都是开放技术��^台的开发者，他们�?x��)在首页�q�样的地方加入Powered By Apache, Power by FreeBSD之类的链接表�C�对其他开源��^台的��重�Q�所以象Apache, PHP, FreeBSD�q�样的开源站点在GOOGLE中都有非帔R��的PageRank。而在.edu�q�些站点中，很多都是学术性比较强的文档，以超链接形式标明参考文献的出处已经成�ؓ(f��)一�U�习(f��n)惯，而这也无疑正是PageRank最好的依据�?br />注意�Q�千万不要通过Link Farm提高自��n的站�Ҏ(gu��)��名：(x��)Google�?x��)惩�|�那些主动链接到Link Farm站点以提高自�w�排名站点，相应站点的页面将不会(x��)被收入到索引中。但如果你的��面被别的Link Farm链接了也不必担心�Q�因��U�被动的链接是不�?x��)被惩罚的�?/span>

另外在推�q�自��q��站之前也�?d��ng)R��先需要了解自��q��站目前在一些搜索引擎中的知名度�Q�这里我做了个小工具可以用于�q�一目的�Q?br />http://www.chedong.com/linkPopCheck.php�?br />原理非常��单，可以参考如何评��L(f��ng)��站的人气�Q?a tppabs="http://www.chedong.com/tech/link_pop_check.html">http://www.chedong.com/tech/link_pop_check.html一文�?/p>

�|�站推广只是手段�Q�如何突出内宏V��让需要相关信息的用户能够��快的找��C��的网站才是目的，PageRank高�ƈ不代表像Yahoo!�q�样的门��L(f��ng)��点就能，因�ؓ(f��)搜烦引擎的结果是搜烦关键词在��面中的匚w��度和��面的PageRank相结合的排名�l�果。因此第二个要点�Q?/p>

如何�H�出关键�?/b>

不要�I�着标题�Q�空着无异于浪费了最有�h(hu��n)值的一块阵圎ͼ�
传统的页面中�Q�HTML��面中会(x��)有类��g��下的隐含信息�Q�用于说明当前网��늚�主要内容关键字：(x��)

后来�׃��q�种人工��d��关键词的方式被滥用，大量�|�页中�ؓ(f��)了提高被搜烦引擎命中的概率，�l�常��d��一些和实际�|�页内容无关的热门关键比如：(x��)“music mp3 download”等�Q�所以新一代的搜烦引擎已经不再兛_��面头文件中的�h工meta keyword声明�Q�而页面标题在搜烦引擎的关键词的命中命中过�E�中往往有着更高的比重，如果一个关键词在标题中命中�?x��)比在页面中命中有更高的得分�Q�从而在相应的搜索结果排名中更靠前�?br />
标题长度和内容：(x��)不要�q�长�Q�一般在40个字�W�以内，�q�充分突出关键词的比重；
如果更长的标题搜索引擎一般会(x��)忽略掉，所以要��可能将主要关键词放在标题靠前的位置。省略掉不必要的形容词吧�Q�毕竟用户主要通过名词来找到需要的内容。标题内容：(x��)��量用一些别人可以通过关键词找到的字眼�Q�也别太�q�头�Q�如果标题中的字��D��q?半内容中都没有，有可能被搜烦引擎排除出烦引）�Q�因此基于web日志中来自其他搜索引擎的关键词查询统计非常必要�?br />
如果�|�页很多的话�Q�尽量��用不同的�|�页标题�Q�争取让自己�|�站的内�Ҏ(gu��)��多的�q�入搜烦引擎索引范围�Q?br />因�ؓ(f��)搜烦引擎�?x��)根据页面内容的�怼�度把一些内容当成重复页面排除出索引范围�Q?br />http://www.chedong.com/phpMan.php是我的网站上的一个小应用�Q�一个web界面的unix命��o(h��)手册�Q�man page�Q�，在以前的设计中所有动态页面��用的都是同样的标题：(x��)"phpMan: man page /perldoc /info page web interface" �Q�Google索引了大�U?000多个��面�Q�后来我��页面标题改成了"phpMan: [命��o(h��)名]"�q�样的格式，比如�Q?phpMan: ls"�Q�这样大部分动态页面的标题��都不一样了�Q�一个月后Google从这个页面入口烦引了大约6000个页面。因此，如果�|�站中很多网��都使用相同的标题，比如�Q�“新闻频道”，“论坛”，�q�些��面中很大一部分��׃��(x��)被排重机制忽略掉�?br />
除了外，�q�可以用
标题行突出内容主题，加强标题的效果；
在我的网站设计中�Q�我�?x��)把�?lt;h1>[标题]�q�样的模板把标题�H�出昄��Q�而不是通过改变字体的方式突出标题�?

其他�|�站设计提示

��量使用静态网��：(x��)目前能够像Google一样对动态网��进行烦引的搜烦引擎�q�比较少�Q�而同样内容的动态网��其权重比静态网��也要低很多。因此无��Z��效率上讲�q�是方便搜烦引擎收录�Q��用内容发布系�l�将�|�站内容发布成静态网��都是非常必要的�?br />比如�Q�http://www.chedong.com/phpMan.php/man/intro/3
肯定�?http://www.chedong.com/phpMan.php?mode=man¶meter=intro§ion=3
更容易进入搜索引擎的索引。而且在URL中的命中有时候比在标题中�q�能�H�出关键词�?br />
表现和内容的分离�Q�“绿艜y��网��?br />�|�页中的javascript和css��可能和�|�页分离�Q�一斚w��提高代码重用度（也方侉K��面缓存）�Q�另外一斚w��Q�由于有效内容占�|�页长度的百分比高，也能提高相关关键词在��面中的比重。��M��Q�应该鼓励遵循w3c的规范，使用更规范的XHTML和XML作�ؓ(f��)昄��格式便于内容更长旉��的保存�?br />
让所有的��面都有能够快速入口：(x��)站点地图�Q�方便网��늈�虫（spider�Q�快速遍历网站所有需要发布的内容。如果首��就是用Flash或图片进入的话，无异于将搜烦引擎拒之门外�Q�除了UI设计的用户友好外�Q�spider friendly也是非常重要的�?
保持�|�站自��n的健��P��(x��)�l�常利用坏链��(g��)查工�?/font>��(g��)查网站中是否有死链�?br />
保持�|�页内容/链接的稳定性和持久性：(x��)在搜索引擎烦引中�|�页存在的历史也是一个比较重要的因素�Q�而且历史比较久的�|�页被链接的几率��高。�ؓ(f��)了保证自��q��能够被比较持久的被其他�|�站的页面引用，如果自己�|�页中有链接更新�Ӟ��最好能保留旧的��面�q�做好链接�{向，以保持内容的�q�箋性。要知道�Q�把一个网站和内容在搜索引擎中的排名“培兠Z��的很高是一仉��怸��Ҏ(gu��)��的事情，谁都不希望好不容易自��q��内容被别人找��C��Q�点��d��是�?04 ��面不存在”吧�Q�因此站点管理员对自�w�站点error.log的分析也是非常必要的�?br />
文�g�c�d��因素�Q�Google有对PDF, Word(Power Point, Excel), PS文档的烦引能力，�׃��q�种文档的内�Ҏ(gu��)��一般的HTML�l�过了更多的整理�Q�学术�h(hu��n)��g��般比较高�Q�所以这些类型的文档天生��比一般的HTML�c�d��的文档PageRank要高。因此，对于比较重要的文档：(x��)技术白皮书�Q�FAQ�Q�安装文档等��使用PDF PS�{�高�U�格式存取，�q�样在搜索结果中也能获得比较靠前的位�|��?
“一人得道，鸡犬升天”：(x��)常常能发现门��L(f��ng)��点的一条新��d��往比其他站点的首页排名�q�要靠前。因此一个站�Ҏ(gu��)��M��P(y��ng)ageRank提高了以后，往往自��n一些�ƈ不重要的内容也会(x��)被同那些高PageRank的内容一起带入被搜烦引擎优先查询的列表中。这�Ҏ(gu��)��些不是很合理�Q�因��L(f��ng)��帔R��成很多大站点的邮�g列表归档往往比其他站点的首页PageRank�q�要高�?

知己知彼——站点访问统�?日志分析挖掘的重要�?/a>

�|�站设计不仅仅只是被动的�q�合搜烦引擎的烦引，更重要是充分利用搜烦引擎带来的流量进行更深层�ơ的用户行�ؓ(f��)分析。目前，来自搜烦引擎关键词统计几乎是各种WEB日志分析工具的标准功能，�怿�商业日志�l�计工具在这斚w��应该�?x��)有更强化的实现。WEB日志�l�计�q�个功能如此重要�Q�以至于新的RedHat 8中已�l�将日志分析工具webalizer作�ؓ(f��)标准的服务器配置应用之一�?br />

以Apache/webalizer��Z��Q�具体的做法如下�Q?
记录讉K��来源�Q?br />在Apache配置文�g中设�|�日志格式�ؓ(f��)combined格式�Q�这��L(f��ng)��日志中会(x��)包含扩展信息�Q�其中有一个字�D�就是相应访问的转向来源�Q�HTTP_REFERER�Q�如果用��h��从某个搜索引擎的搜烦�l�果中找��C��你的�|�页�q�点击过来，日志中记录的HTTP_REFERER��是用户在搜索引擎结果页面的URL�Q�这个URL中包含了用户查询的关键词�?br />
在webalizer中缺省配�|�针�Ҏ(gu��)��索引擎的�l�计�Q�如何提取HTTP_REFERER中的关键�?br />webalizer中缺省有针对yahoo, google�{�国际流行搜索引擎的查询格式�Q�这里我增加了针对国内门��L(f��ng)��点的搜烦引擎参数讄��
SearchEngine yahoo.com p=
SearchEngine altavista.com q=
SearchEngine google.com q=
SearchEngine    sina.com.cn word=
SearchEngine    baidu.com   word=
SearchEngine    sohu.com    word=
SearchEngine    163.com q=
通过�q�样讄��webalizer�l�计时就�?x��)将HTTP_REFERER中来自搜索引擎的URL中的keyword提取出来�Q�比如：(x��)所有来自google.com链接中，参数q的值都��被作�ؓ(f��)关键词统计下来：(x��)�Q�从汇�ȝ��计结果中�Q�就可以发现用户是根据什么关键词扑ֈ�你的�ơ数�Q�以�?qi��ng)找��C��的用��h��感兴��的是那些关键词�{�，�q�一步的�Q�在webalizer中有讄��q�可以将�l�计�l�果倒出成CSV格式的日志，便于以后导入数据库进行历史统计，做更深层�ơ的数据挖掘�{��?/p>
以前通过WEB日志的用户分析主要是��单的��Z��日志中的讉K��旉��/IP地址来源�{�，很明显，��Z��搜烦引擎关键词的�l�计能得到的分析�l�果更丰富、更直观。因此，搜烦引擎服务的潜在商业�h(hu��n)值几乎是不言而喻的，也许�q�也�?a href="javascript:if(confirm('http://www.yahoo.com/ \n\nThis file was not retrieved by Teleport Pro, because it is addressed on a domain or path outside the boundaries set for its Starting Address. \n\nDo you want to open it from the server?'))window.location='http://www.yahoo.com/'" tppabs="http://www.yahoo.com/">Yahoo!Altavista�{�传�l�搜索引擎网站在门户模式后重新开始重视搜索引擎市场的原因�Q�看�?a href="javascript:if(confirm('http://www.google.com/press/zeitgeist2002.html \n\nThis file was not retrieved by Teleport Pro, because it is addressed on a domain or path outside the boundaries set for its Starting Address. \n\nDo you want to open it from the server?'))window.location='http://www.google.com/press/zeitgeist2002.html'" tppabs="http://www.google.com/press/zeitgeist2002.html">Google的年度关键词�l�计��q��道了�Q�在互联�|�上有谁比搜索引擎更了解用户对什么更感兴��呢�Q?br />
��L(f��ng)��本站的反盔R��接统计：(x��)http://www.chedong.com/log/2003_2.log
需要注意的是：(x��)�׃��Google针对Windows 2000中的IE使用的是UTF-8方式的编码，因此很多�l�计有时候需要在UTF-8方式下查看才是正��字�W�显�C�。从�l�计中能够感受到�Q�在使用水��^比较高的IT开发�h员中Google已经成�ؓ(f��)最常用的搜索引擎。而��用百度的用户也已�l�大大超�q�了传统的搜狐，新浪�{�门��L(f��ng)��点，因此传统门户�|�站在搜索引擎上的优势将是非常脆��q��。而从技术的发展��势来看�Q�以后还�?x��)有更多的利用互联网媒体做更深层�ơ数据挖掘的服务模式出现�Q?br />
转蝲自cnblog.org——“突发”文字可能揭�C�社�?x��)趋�?/font>

在“新�U�学家�?New Scientist)在线杂志上，公布了康奈尔大学的一个新研究成果�Q�引人注目，也许与Google 收购Pyra 的动机有兟�?/span>

�q�所大学的计��机�U�学�?Jon Klenberg 开发了一个计��机��法�Q�能够识别一��文章中某些文字的“突发”增长，而且他发玎ͼ��q�些“突发”增长的文字可以用来快速识别最新的��势和热炚w��题，因此能够更有效地�{�选重要信息。过��d��多搜索技术都采用了简单计��文�?词组出现频率的方法，却忽略了文字使用增加的速率�?/span>

Jon 特别指出�Q�这�U�方法可以应用到大量Weblog上，以跟�t�社�?x��)趋势，�q�对商业应用也很有潜力。例如，�q�告商可以从成千上万的个人Blog 中快速找到潜在的需求风��。而且只要Blog 覆盖话题范围��_��大（实际上发展趋势确实如此）�Q�这��Ҏ(gu��)��术对政治、社�?x��)、文化和�l�济�{�领域也都会(x��)有实际意义了�?/span>

虽然Google 新闻的内部算法至今没有公开�Q�但是�h们猜��这�U�完全由机器所搜集的头条新��d��当不是Google搜烦引擎中惯用的鸽子��法�Q�很可能与这�U�“突发”判断算法有兟뀂如此说来，Google收购Blog工具供应商的丑֊��实�q�有更深层次的远见了�?/span>

- NewScientist.com news, Word 'bursts' may reveal online trends
- �q�没有写完这些介�l�，�?SlashDot 上也看到了很多有兌��个发现的讨论
www.best-code.com
参考资料：(x��)
面向Google搜烦引擎的网站设计优�?br />http://www.google-search-engine-optimization.com/
关于Google的十个神话：(x��)
http://www.promotionbase.com/printTemplate.php?aid=971
如何评�h(hu��n)一个网站的人气
http://www.chedong.com/tech/link_pop_check.html
如何提高�|�站在Google中的排名——面向搜索引擎的�q�告模式
http://www.chedong.com/tech/google_ads.html
Measuring Link Popularity
http://searchenginewatch.com/webmasters/popularity.html
Google の秘�?- PageRank 徹底解説
http://www.kusastro.kyoto-u.ac.jp/~baba/wais/pagerank.html
�q�篇文章是在�?Google PageRank"的时候查到的�Q�这��文章不仅有一个算法说明，也是一个Google的weblog�Q�记录了很多关于Google的新��d��一些市场动态信息�?br />
Google的�v量处理机�Ӟ��(x��)鸽子�pȝ��
http://www.google.com/technology/pigeonrank.html
WEB日值统计工具Webalizer
http://www.webalizer.org
Robots的说明：(x��)
http://bar.baidu.com/robots/
http://www.google.com/bot.html
搜烦引擎通过一�U�程序robot�Q�又�U�spider�Q�，自动讉K��互联�|�上的网��ƈ获取�|�页信息。�?zh��n)�可以在�(zh��n)�的网站中创徏一个纯文本文�grobots.txt�Q�在�q�个文�g中声明该�|�站中哪些内容可以被robot讉K��Q�哪些不可以�?br />www.best-code.com
原文出处�Q?lt;a >http://www.chedong.com/tech/google.html

rendong 2006-08-05 14:49 发表评论

最新国产成人亚洲精品影院,亚洲人成无码久久电影网站,亚洲激情视频在线观看

�|�站内容静态发布的重要性：(x��)Cacheable / Search Engine Friendly

静态缓存和动态缓存的比较

把URI地址用作参数传递：(x��)URL REWRITE和PATH_INFO

�?�Q�SQUID性能���试试验

�?�Q�如何在IIS上利用PHP支持PATH_INFO

�?�Q�SQUID性能��试试验