• Búsqueda y Parsing (parseo): Google debe ser capaz de recorrer Internet, procesar e interpretar correctamente todos los documentos que encuentre. Por este motivo necesita solventar correctamente cualquier error o problema que encuentre en un documento: manejar caracteres no ASCII, Tags incorrectos o mal anidados, múltiples tipos de documentos y muchos otros problemas que desafiarían a las mentes más retorcidas. La búsqueda y el parsing lo realiza, como veremos más adelante, el GoogleBot.
• Indexación de los keywords y documentos: Cuando un documento es parseado, cada una de las palabras que lo conforman se almacenan en un índice que pemitirá a Google manejar miles de terabytes de información de manera realmente ágil y eficiente.
• Ordenación: Finalmente y antes de poderle ofrecer el resultado de su búsqueda, Google deberá ordenar todos los documentos en función de su importancia. Como veremos adelante existen múltiples factores que determinan la posición de un documento en la página de resultados.

Deep crawling: el proceso de indexación de las páginas

Googlebot: La araña de Google.

Googlebot es el nombre de la aplicación de Google que navega las 24 horas del día visitando los miles de millones de páginas que habitan Internet, como si de un incansable usuario se tratase. Aunque, estrictamente hablando, Googlebot no navega por Internet como lo hace un ser humano; Una vez que ha accedido a una web la almacena en sus servidores de documentos y le asigna un identificativo único, a continuación busca todos sus enlaces y prosigue su navegación accediendo e indexando estos nuevos documentos que procesa de manera idéntica. Está técnica se denomina deep crawling y es similar a una araña que va tejiendo su tela (por este motivo a este tipo de programas se les denominen arañas.)

Un dato curioso: Googlebot es incluso capaz de cumplimentar los campos de un formulario, para poder acceder a las páginas que de otra manera serían inaccesibles.

Googlebot tiene tal potencia que si funcionara al 100% de su capacidad, podría saturar con sus peticiones cualquier servidor web. Por este motivo funciona deliberadamente muy por debajo de su capacidad real. En este sentido, Googlebot es realmente educado, ¿no cree?

GoogleBot: Yo domino el mundo!

Cada vez que el Googlebot encuentra un documento html realiza un parsing o parseo para extraer e interpretar la información. HTML no es un lenguaje de programación, si no un lenguaje de marcación que permite enriquecer el texto plano con una serie de etiquetas que en algunos casos imprime un valor semántico al texto que alberga. HTML también permite ordenar jerárquicamente la información de una página con titulares, subtitulares, listas, etc…

El parsing de un documento consiste precisamente en interpretar esta información para ser capaz de conocer de conocer cuál fue la intención del autor cuando lo escribió y extraer los keywords más relevantes. De esta manera no debería tener la misma relevancia para google la frase “Los mejores complementes para la mujer” como titular de una página que si aparece al pie de una foto.

Como posiblemente ya haya deducido, la optimización orgánica de un Site consiste en codificar el HTML de tal manera que Google sea capaz de valorar positivamente su contenido. Para ello debemos saber cómo utilizar los tags de cabecera, cómo destacar información con tags semánticos, incluir alts en las imágenes, optimizar los títulos, cuidar la meta información, etc. Puede ampliar esta información en el siguiente artículo sobre posicionamiento web.

Google visita con mayor frecuencia algunas páginas populares que sabe que actualizan su información de forma muy dinámica: periódicos, boletines, tiendas on-line, etc. Este tipo de indexación se denomina fresh crawling.

Una manera de facilitar la labor del Googlebot a la hora de indexar nuestras páginas son los Google SiteMaps. Se trata de un documento XML en el que podemos informar activamente al robot de Google sobre las páginas que conforman nuestro Sitio Web. Adicionalmente los Google SiteMaps ofrecen al webmaster estadísticas de acceso del robot y posibles errores de indexación.

También podemos enviar a Googlebot la dirección de una página indicando la URL en el formulario www.google.com/addurl.html.

El proceso de búsqueda de Google paso a paso.

Los servidores de índice.

El siguiente paso consiste en generar un índice para organizar y catalogar todos los documentos web que Googlebot ha encontrado. Este índice es el que permite a Google responder de manera casi instantánea a nuestras búsquedas, devolviéndonos todos los documentos relacionados con nuestra solicitud. Sin este índice Google necesitaría recorrer una a una todos los páginas almacenadas en sus servidores de documentos y le llevaría varias horas atender cada petición.

Los servidores de índices contienen una entrada por cada uno de los keywords o palabras que aparecen en los documentos que GoogleBot encuentra. Los índices contemplan cualquier término de búsqueda en cualquier idioma, por lo que para mejorar la eficiencia de sus índices Google ignora todos los términos demasiado generales: preposiciones, artículos, conjunciones, símbolos de puntuación, espacios dobles, etc. A estos keywords poco relevantes les denomina stop words.

Los servidores de índice de Google permiten a Google conocer de todos los documentos que contienen un keyword concreto. Por ejemplo, podríamos tener una entrada del índice para la palabra “bolso” asociada a los documentos 5, 8, 102, 203, 256 y 430. De igual manera la palabra “piel” podría estar asociada a los documentos 12, 34, 102, 203, 213, 256 y 430, y la palabra “mujer” aparecería en los documentos 8, 23, 102, 234, 390, 394, 430 y 516.

Para agilizar las consultas a su índice y poder conocer de manera inmediata qué documentos están relacionados con un keyword, Google distribuye la información en cientos de ordenadores que trabajan en paralelo. Imagínese que usted está leyendo un libro sobre complementos de moda que contiene un índice de 100 páginas. Si una persona tuviera que encontrar cierta información, por ejemplo bolsos de piel de mujer, necesitaría leer detenidamente las cien páginas del índice. En cambio si distribuye la tarea entre 100 personas, cada uno de ellos tan sólo necesita leer una página del índice. De esta misma manera actúa Google.

El orden de los resultados.

Hemos visto que el índice permite a Google conocer qué documentos están relacionados con los keywords de una búsqueda. Por ejemplo, imaginemos que usted accede a Google e introduce el término de búsqueda: “bolsos de piel de mujer“. La lista de documentos que contienen una de los keywords de la búsqueda se denomina “lista de publicación” y las listas de publicación que contienen todos los keywords de la búsqueda se denomina “intersección de listas de publicación“.

Para agilizar la intersección de varias listas de publicación, se recorren simultáneamente los documentos de cada una. Si , por ejemplo, una de las listas no contiene documentos entre los índices 8 y 102, podemos saltar en todas las listas hasta el índice 102.

Según nuestro índice, los documentos que contienen los keywords de la búsqueda son el 102, 256 y 430.

Ahora bien, antes de presentar al usuario el resultado de la búsqueda es necesario ordenar los documentos en función de su relevancia. Google siempre intentar ofrecer las páginas más relevantes e importantes para la búsqueda.Si varias páginas ofrecen información igualmente relevante para la entrada introducida, Google ponderará entonces otros factores:

• La entidad de las páginas que la enlazan.
• La estructura orgánica de la página.
• El page rank (marca patentada)
• En ocasiones la naturaleza de la propia página puede ser más determinante que el page rank o los enlaces entrantes. Por ejemplo un Site dedicado por completo a complementos de mujer será generalmente más útil que un artículo de opinión sobre las costumbres tribales de un poblado africano que confecciona bolsos con piel de mujer.

Los resultados de las búsquedas más populares son mantenidas en una cache durante horas, para evitar tener que repetir el proceso una y otra vez. Así si usted quiere buscar información sobre Britney Spears, el proceso de búsqueda será muy rápido para Google.

La precisión de de Google es tal, que puede advertir si existe un error ortográfico en una búsqueda y proponerle una búsqueda alternativa. Esto lo consigue gracias a sus servidores ortográficos que son capaces de determinar el idioma y si cambiando alguna letra al término de búsqueda se incrementa de manera sustancial el número de resultados.

Como puede ver, Google se comporta como una gran orquesta, en la que todos sus músicos participan de manera armónica y acompasada para ofrecernos a todos sus usuarios millones de sinfonías al día. Sinfonías en forma de búsquedas que en a penas medio segundo ofrecen un claro ejemplo de técnica, oficio y precisión.

¿Le ha gustado este artículo?, ayúdeme a compartirlo.

Cuando usted pregunta cuál es el ranking de su web, ¿tiene claro qué quiere conocer realmente? Lo cierto es que no existe un ranking en Internet, o al menos no existe un ranking único. De momento no hay un organismo o consorcio que se haya ocupado de analizar las webs bajo un prisma determinado para finalmente establecer un orden lógico en la red. Lo mismo ocurre en el mundo real, ¿alguna vez se ha preguntado cuál es su popularidad? Es difícil conocer si gozamos de una popularidad 5 o una popularidad 7, principalmente porque necesitaríamos un referente inmutable con el que compararnos y también conocer una innumerable cantidad de factores tales como nuestra situación económica, nuestra salud, nuestra cartera de amigos y enemigos, etc

Sin embargo, volviendo al mundo virtual, existen varios ratios que miden diferentes aspectos importantes de una web. Atendiendo a todos ellos podemos hacernos una idea global del ranking de nuestro Sitio en Internet.

Es importante conocer estos rankings para poder evaluar la evolución de nuestra web a lo largo del tiempo, y poder tomar medidas de promoción en función de un baremo objetivo. A continuación veremos cuáles son los rankings web más importantes:

1. Page Rank.

El PageRank es el ratio utilizado por el popular motor de búsqueda Google para medir la importancia o relevancia de una página.

PageRank™ es una marca registrada y patentada por Google

El algoritmo de PageRank fue desarrollado por los fundadores de Google, Larry Page y Sergey Brin , en 1998 como parte de un proyecto final de carrera. Este algoritmo está basado en el estudio Science Citation Index (SCI) desarrollado por Eugene Garfield durante la década de los 50.

El algoritmo de PageRank deposita en la comunidad web toda la responsabilidad a la hora de ponderar la importancia de una web. Cada enlace de una página A a otra página B, representa un voto. A este voto se le debe aplicar un factor de corrección en función de la importancia de la web que realiza el enlace. Los enlaces de las páginas importantes tienen mayor fuerza que los enlaces de las páginas menos importantes. Por tanto el PageRank de una web se define recursivamente y depende del número de páginas que la enlazan y de cada uno de los PageRanks particulares de estas páginas.

La manera más sencilla de conocer el PageRank de una página es instalando en nuestro navegador la barra de búsqueda de Google. Esta herramienta muestra el valor del PageRank en una escala de 0 a 10.

Los valores que se muestran en la Google Toolbar no se corresponden con el valor real del PageRank. Según la ecuación y los propios creadores de Google, los miles de millones de páginas contribuyen de media con un valor de 1 al PageRank total de Internet. Si todas las páginas de Internet enlazaran a hellogoogle.com, el pagerank de mi página sería exactamente el PageRank total.

Google dividie el rango completo de valores de PageRank en 10 partes - cada parte está representada por uno de los valores mostrados en la toolbar. Por tanto la toolbar sólo muestra en qué parte del rango total de PageRank se sitúa la página y no el verdadero valor del PageRank.

Teniendo en cuenta que es mucho más complicado alcanzar un valor cercano al 10 que al 1, mucha gente opina (y digo opina porque Google nunca se ha pronunciado al respecto) que el rango total no se ha dividido en 10 partes iguales si no que las divisiones están basadas en una escala logarítmica. Por ejemplo, podríamos asumir que en una escala logarítmica en base a 10 serían necesarios 10 enlaces para alcanzar un PageRank de 1, 100 enlaces para subir hasta el 2, 1000 para el tres y así sucesivamente.

Evidentemente a medida que el número de páginas web que indexa Google se incrementa, el PageRank total también lo hace y esto consigue que los valores que representan los límites de los 10 sectores también puedan variar. Esto explicaría las repentinas caídas que sufren los webmasters en el pageRank de sus páginas.

Por tanto la barra de Google es un buen indicador para conocer la popularidad que goza una página web en Google.

A modo de curiosidad, en el siguiente enlace puede revisar los sitios que tienen un PageRank de 10

2. Ranking Alexa.

El ranking de Alexa mide la importancia de una web, en función de las visitas realizadas por aquellos usuarios que tienen instalada la barra de Alexa en sus ordenadores. Debemos tener en cuenta que cuanto más tráfico recibe el sitio, menor es su ranking de Alexa. De está forma tenemos que yahoo.com es el Site que actualmente tiene más tráfico y por tanto ostentan el ranking 1 de Alexa.

Actualmente existen más de 10 millones de usuarios en todo el mundo por lo que la muestra es bastante importante.

Usted también puede tener instalada la barra de Alexa en su equipo.

El ranking de Alexa está basado en una combinación de dos conceptos: alcance y páginas vistas:

• El alcance representa el número de usuarios únicos que visitan una web durante un día.
• Las páginas vistas representan el número total de páginas distintas que ha visto cada usuario único durante un día.

Pongamos un ejemplo: Jorge se ha levantado pronto esta mañana y ha leído desde su portátil 10 artículos de hellogoole.com. Su novia Sonia accedió desde el trabajo a hellogoogle.com y ha leído 2 artículos. Jorge después de comer ha vuelto ha acceder a nuestra web para leer de nuevo 2 de los artículos que ya leyó por la mañana. En este caso tendríamos que el alcance sería de 2 y las páginas vistas serían 12.

El ranking de Alexa es un baremo importante para conocer la importancia de una web, pero tiene una serie de particularidades que es necesario conocer para no dejarnos llevar por conclusiones erróneas o incompletas:

• La barra de Alexa sólo funciona para Internet Explorer y Windows, por lo que no contabiliza a los usuarios con otros navegadores como firefox o Safari.
• La popularidad de la barra Alexa viene determinada por su idioma (inglés). Por este motivo su uso está más extendido en las culturas de habla inglesa.
• El ranking de Alexa se calcula sobre una gran muestra de varios millones de usuarios, sin embargo no es una muestra suficientemente grande como para poder determinar con precisión el ranking para Sites con poco tráfico (menos de 1000 visitas/mes).
• La muestra es demasiado pequeña para calcular de manera fiable el ranking Alexa de los sitios por encima del puesto 100.000.
• En cambio, cuanto más tráfico reciba un sitio, su ranking de Alexa es más fiable
• La barra de Alexa no funciona para conexiones seguras https.

A efectos prácticos un ranking Alexa menor de 5.000 es propio de un Site de referencia en Internet y un ranking menor de 100 sólo está al alcance de unos pocos pesos pesados: ebay, youtube, etc.

Actualmente yahoo.com ocupa el ranking 1 de Alexa.

3 BookMarks sociales: del.icio.us

Del.icio.us es una web creada por y para la comunidad web, técnicamente se trata de una web de bookmarking social que funciona como una enorme "carpeta de favoritos" en la que podemos guardar todas aquellas webs que consideremos interesantes. De esta manera podemos acceder a nuestra selección de webs desde cualquier ubicación y ordenador. Además podemos descubrir nuevas webs que otros usuarios guardaron y compartir las nuestras con el resto de la comunidad web.

En Del.icio.us podemos utilizar etiquetas para organizar nuestras páginas. También podemos buscar que páginas guardaron otros usuarios para una etiqueta determinada.

Podemos medir la popularidad de una web para una etiqueta determinada analizando cuánta gente la guardó .Por ejemplo, para la etiqueta "web2.0" tenemos que Ebay.com ha sido guardado por 8997 usuarios, Netvibes.com por 27159 y Go2Web20.net por 14961. En cambio para la etiqueta "Auctions", tenemos que e-bay.com ha sido guardada por 8989 usuarios. Podríamos concluir por tanto que para usuarios interesados por la web 2.0, Netvibes es una web más popular que Ebay, aunque para los usuarios interesados en las subastas e-bay.com es una web de enorme relevancia. Lo cierto es que también podríamos deducir que la etiqueta "Shopping" es más popularidad que "web2.0" por él número de páginas que tienen asociadas.

4. Rankings para blogs: Technorati

Technorati es una web muy reconocida dentro de la comunidad web que busca e indexa diariamente información sobre millones de blogs. La naturaleza de esta web es más dinámica que la de la mayoría de buscadores, según ellos mismos dicen, cada día se crean 175.000 nuevos blogs, se escriben 1.6 millones de nuevos artículos y cada segundo se realizan 18 actualizaciones. Actualmente tiene información sobre 110 millones de blogs y es un buen referente para medir la popularida de un blog en Internet

Technorati mantiene en su índice una matriz de blogs interrelacionados entre sí. Estas relaciones se crean cada vez que desde un blog se hace mención a otro con un enlace. Estás relaciones se crean diaríamente de manera muy dinámica, cada hora se crean miles de nuevos enlaces que son automáticamente reportados en Technorati.

Technorati muestra la relevancia de un blog con el concepto de Autoridad. La autoridad de nuestro blog indica el número de blogs que nos hacen referencia. Cuanto más autoridad tengamos, mayor es nuestra popularidad en Internet.

La forma de aumentar nuestra autoridad pasa por conseguir atraer con nuestros artículos la atención de la comunidad web.

5. Otras formas de medir el ranking de una web.

Compare su Site con otros: http://www.ranking.com/

Calcula la popularidad de una web en función de los datos obtenidos de http://www.7search.comy http://www.linkstoyou.com

Ofrece la siguiente información:

• Ranking Web: El ranking que otorga a la web analizada, lo calcula en función de la muestra de usuarios con los que trabaja. A fecha de hoy msn.com ocupa el primer puesto del Ranking.
• TrustGauge: Refleja el nivel de confianza que ofrece la web a los usuarios. Lo calcula en base a diversos factores como puede ser la presencia de páginas seguras https, la posibilidad de realizar pagos a través de webs de terceros como PayPal, el tráfico de la web, etc.
• Links: Muestra el número de webs que nos enlazan actualmente, es un valor aproximado que calcula gracias a los datos obtenidos de algunos buscadores.
• Category Rank: Refleja el ranking de nuestro Site dentro del sector al que pertenece. En este caso es necesario que el webmaster ubique la web en el sector apropiado ya que la aplicación no es capaz de hacerlo por si mismo.

Puede conocer la popularidad de su web a través de sus enlaces

Existen diversas herramientas para webmasters que calculan la popularidad de una web analizando sus back-links o enlaces entrantes. Los enlaces son una consecuencia directa del interés que una web despierta en la comunidad y por tanto es un buen ratio para medir la popularidad de una web.

La fiabilidad de los datos que ofrecen las herramientas varía en función de las fuentes de las que se nutren. En este sentido, las principales fuentes de datos son los buscadores y directorios de Internet.

Un ejemplo de estas herramientas son:

http://www.marketleap.com/publinkpop/ (Fuente: AllTheWeb, Alta Vista, AOL, Google, HotBot, MSN )

www.widexl.com/remote/link-popularity/index.html (Fuente: Google, AllTheWeb, AltaVista, AOL, MSN, HotBot, Lycos)

http://www.linkpopularitycheck.com/ (Fuente: AllTheWeb, Alta Vista, MSN)

http://www.seotoolkit.co.uk/link_popularity_checker.asp (Fuente: Alltheweb, Altavista UK, Google, MSN UK, Yahoo )

www.uptimebot.com (Fuente: Google, AllTheWeb, AltaVista, Hotbot MSN, Teama, Dmoz)

http://www.linkpopularity.com/ (Fuente: Altavista, Google, HotBot )

www.addme.com/popularity.htm (Fuente: AllTheWeb, MSN)

http://www.businessweb.com.au/free/popularity/(Fuente: AltaVista, Northern Light, Lycos, Teoma, HotBot)

http://www.trafficzap.com/linkpopularity.asp (Fuente: AltaVista, AllTheWeb, MSN)

http://www.mikes-marketing-tools.com/link-popularity/ (Fuente: Google, AltaVista, MSN, HotBot, AllTheWeb, and Lycos)

http://www.sitesolutions.com/webtools.asp?F=Form&T=WSPC&URL=(Fuente: HotBot, Lycos, Altavista, Google, MSN)

http://watson.addy.com/(Fuente: AltaVista )

http://www.linkstoyou.com(Fuente: AltaVista, Fast, HotBot, MSN, 7Search)

http://www.linkgnome.com/(Fuente: Altavista, Infoseek/Go, HotBot, Google)

http://www.webmaster-toolkit.com/link-popularity-checker.shtml(Fuente: Google, Altavista, MSN, HotBot, AllTheWeb)

www.absolute-protect.com/populari.htm(Fuente: Google, AltaVista, MSN, HotBot, AllTheWeb, and Lycos)

4. Conclusiones.

Como hemos visto no existe un único ranking web. El PageRank puede ser un buen referente para conocer la popularidad de nuestra web en Google, y por otra parte el ranking Alexa nos permite conocer la evolución del tráfico de visitantes. También hemos visto herramientas para conocer la popularidad de nuestra web en función de los enlaces entrantes. Todos estos rankings son un buen termómetro para medir la salud de nuestra web, de nuestras acciones dependerán que la tendencía sea ascendente o descendente. No olvide que la constancia y la dedicación, son el único camino hacia el éxito. Manténgase firme en el camino y verá los resultados.

¿Le ha gustado este artículo?, ayúdeme a compartirlo.

Deberíamos comenzar este artículo afirmando que es casi imposible adelantarse en el tiempo a los caprichosos designios de Google, pero en vez de esto, prefiero mandar un mensaje de esperanza a los webmasters pues existen diversas técnicas y herramientas que nos pueden ayudar a predecir, o al menos intuir, el futuro de nuestras páginas webs en Google.

Herramientas para predecir el PR

Existen herramientas para webmaster que predicen con bastante precisión cuál será el page rank de una página en un futuro inmediato. Estas herramientas realizan su estimación estudiando el XML de las búsquedas de Google en concreto mirando el contenido del tag RK que contiene un entero entre 0-10 que representa la importancia que google otorga a la página. ( Los XML de búsqueda de Google son documentos con información muy relevante sobre búsquedas que sólo están disponibles para los partners autorizados de Google). Un buen ejemplo es la herramienta Rankit: http://rankit.free.fr.

También existen herramientas para webmasters que basan su cálculo en el contenido de los Google Datacenters (Ver más abajo). Por ejemplo: Future PageRank

Por último hay herramientas que basan su cálculo en los backlinks (links que apuntan a una web), pero sus predicciones suelen ser poco fiables. Un ejemplo: http://www.iwebtool.com/pagerank_prediction

Herramienta Google Site Status

Esta utilidad es accesible desde la sección de Webmasters de Google y le permite conocer cuál es el estado actual de su página web, es decir, si ya ha sido indexada y cuándo fue la última vez que el robot de Google (googlebot) accedió a ella.

https://www.google.com/webmasters/tools/sitestatus

En relación a esta herramienta merece la pena citar los Google Sitemaps, que ya mencionamos en otros artículos de HelloGoogle. Un Sitemap de Google es un archivo XML que permite indicar explícitamente a Google cuáles son las páginas que forman su Site. Esta herramienta  le ofrece estadísticas avanzadas sobre su web: qué páginas se han indexado, cuáles disponen del PageRank más elevado, cuáles son los términos de búsqueda más habituales por los que le han encontrado y si existe alguna página no encontrada o que presente errores.

Google Datacenter

Los Google Datacenters son los servidores que alimentan a Google,  utilizando una metáfora, son los ríos que van a dar al mar, que en esta ocasión no es morir, sino Google. Cada vez que hacemos una búsqueda en Google, éste solicita la respuesta a uno de sus Datacenters.

Google actualiza en profundidad su contenido cada 30 días aproximadamente tras haber recorrido e indexado millones de webs. Las actualizaciones suelen comenzar los fines de semana y duran unos cuatro días durante los cuales se van actualizando cada uno de los Datacenters (la actualización de un sólo servidor de datos puede durar horas o días).

Como seguramente habrá comprobado, al realizar una búsqueda podemos encontrar resultados diferentes de un día a otro (Aka Google Dance), esto es debido a que Google obtiene sus resultados de diferentes centros de datos que pueden no contener siempre la misma información. En cualquier caso no piense que las actualizaciones sólo se producen cada 30 días, Google trabaja a diario actualizando el contenido de las páginas principales de las webs que ya conoce.

Revisar la información contenida en los Google Datacenters en ocasiones puede ayudarle a anticiparse a sus actualizaciones y ver qué resultados va a mostrar en un futuro inmediato. A continuación puede ver una lista con las IPs de los DataCenters conocidos.

¿Le ha gustado este artículo?, ayúdeme a compartirlo.

La verdadera magia de Google reside en su concepción de la web: Google nunca ha entendido la web como un conjunto de documentos de texto, si no como un conjunto de relaciones entre documentos de texto y cada una de éstas relaciones constituye verdaderamente la esencia de Google. En este artículo de HelloGoogle veremos cómo se desarrolla todo el proceso de búsqueda:

Cuando escribimos una búsqueda en www.google.com nuestra petición viaja por el hiperespacio hasta el servidor web de Google. Google recibe más de 1000 peticiones de búsqueda cada segundo de todos los días del año:

• El servidor web de Google está formado por una red de más de 10.000 equipos trabajando en paralelo.
• Cada servidor de la red de Google es extremadamente sencillo y económico: PCs con procesadores X86, disco duro IDE y demás prestaciones estándar.
• El bajo coste del hardware es la base del modelo de negocio de Google y lo que le permite ofrecer la mayoría de sus servicios de manera gratuita.
• Cada servidor falla una vez cada tres años.
• Cada día fallan dos servidores.
• Si se produce cualquier problema de hardware, el software de Google lo hace imperceptible para sus usuarios.
• Google no ha sufrido un fallo general desde el año 2000.

A continuación se envía la consulta a los servidores de índices de Google. Cada índice está formado por una relación entre una palabra y la dirección del servidor de documentos de Google donde se almacenan las páginas que contienen dicha palabra.

• Cada servidor de índices contiene sólo una parte de las webs de Internet y son necesarios varios servidores trabajando en paralelo para calcular el resultado de la búsqueda.

Con la información de los índices se accede a los servidores de documentos de Google que contienen una copia de cada web indexada.

• Google contiene más de 4000 millones de páginas, por cada página almacena 10KB de información, lo que supone 40 Terabytes de información.
• Google dispone de 50 mirrows (replicas) por cada servidor.

Por último se aplica el algoritmo de PageRank para ordenar los resultados de la búsqueda por relevancia. El algoritmo de PR calcula la relevancia de una web gracias a 2 billones de ecuaciones con más de 500 millones de variables.

Con toda esta información se crea y muestra al usuario la conocida página de resultados SERP, merece la pena mencionar que Google completa todo este proceso de búsqueda en menos de 1 segundo.

¿Le ha gustado este artículo?, ayúdeme a compartirlo.