用Python实现一个大数据搜索引擎

搜索是大数据领域里常见的需求。Splunk和ELK分别是该领域在非开源和开源领域里的领导者。本文利用很少的Python代码实现了一个基本的数据搜索功能，试图让大家理解大数据搜索的基本原理。
布隆过滤器 （Bloom Filter）
第一步我们先要实现一个布隆过滤器。
布隆过滤器是大数据领域的一个常见算法，它的目的是过滤掉那些不是目标的元素。也就是说如果一个要搜索的词并不存在与我的数据中，那么它可以以很快的速度返回目标不存在。
让我们看看以下布隆过滤器的代码：
    class Bloomfilter(object): 
        """ 
        A Bloom filter is a probabilistic data-structure that trades space for accuracy 
        when determining if a value is in a set.  It can tell you if a value was possibly 
        added, or if it was definitely not added, but it can't tell you for certain that 
        it was added. 
        """ 
        def __init__(self, size): 
            """Setup the BF with the appropriate size""" 
            self.values = [False] * size 
            self.size = size 
      
        def hash_value(self, value): 
            """Hash the value provided and scale it to fit the BF size""" 
            return hash(value) % self.size 
      
        def add_value(self, value): 
            """Add a value to the BF""" 
            h = self.hash_value(value) 
            self.values[h] = True 
      
        def might_contain(self, value): 
            """Check if the value might be in the BF""" 
            h = self.hash_value(value) 
            return self.values[h] 
      
        def print_contents(self):