因为CNCP2010，同时也有些私事，最近很忙。live spaces又拆迁。所以BLOG节奏受影响。这周末陆续敲点流水帐。
首先要祝贺zhch的后缀数组论文经过一年历练总算被BMC Bioinformatics接收。相关专利也提交了。（在这之前，sun老师的ETD论文也发表了，BOSS H昨天说，今年一年组里发了6、7篇，快等于此前几年的总和了）。
pFind搜索引擎的索引技术一直不断传承和推进：dq老大最先奠定基础，推出IndexToolkit开源项目并在Bioinformatics发表Application notes；之后ly哥凭借不懈努力吃透了倒排技术，重构了索引模块，发表论文申请专利；接下来zhch凭借ACM金牌的强悍算法功底继续前进，先是将倒排索引的数据容量上限提高了几个数量级，然后又另辟蹊径引入后缀数组技术，颠覆了前人的工作。
年底推出pFind 2.6之后，我们将着手把zhc的模块从develop分支移到release分支。这是pFind的第四代索引了。当然这只是刚开头，它必须通过全面严厉的测试，才能证明自己有资格替代老版本索引，在工业级产品中担当主力。
上周末，淘宝网基础软件研发部的负责人章文嵩来计算所做技术报告，一直想记录一下。最近三天在家里照顾病人，所以没顾上写BLOG。
大约是十年前在AKA的网站认识了章文嵩和他的LVS。 那时候我刚刚接触开源，正在阅读Linux内核源代码，积累俺的《joyfire linux笔记》。当时LVS正在争取成为第一个汇入Linux内核的Made in China项目，我等粉丝狂热崇拜，《joyfire linux笔记》里有专门一章收录LVS技术资料。
隔了这么久，章文嵩的外貌似乎没啥变化。这次报告主要介绍淘宝网的基础设施，例如分布式文件系统（TFS）、K/V缓存系统（TAIR）。细节可以参考幻灯。
章文嵩提到他们正在踅摸倒排索引等技术，研发上千亿规模的全文检索功能（淘宝网站现有40亿条目，每年翻一番）。另一个设想是图片搜索，预计2年初步可用：女孩子们可用3G手机拍摄商场里的衣服和鞋子，然后发送到淘宝网站，搜索类似的商品信息。
章文嵩认为，在网络服务基础中间件领域，商业专有产品性能无法令人满意，淘宝正在实施开源战略，一方面用开源产品把现有平台逐步替换掉，另一方面也对自主研发的基础设施进行开源。他们的TAIR刚刚开源，TFS 预计会在9月份开源。
目前淘宝网平均一笔交易耗费0.4度电，可以煮熟4个鸡蛋。因此和Google一样也开始关心能耗问题，希望定制 低功耗的服务器。考虑到Memory Cache和Web Service等模块大都是I/O密集型的，对CPU主频要求不高，没必要安装最强悍的CPU。章文嵩抱怨INTEL只看重利润，漠视环保：淘宝希望大规 模采购ATOM处理器，得到的回答是“不符合公司战略”，不愿意ATOM挤占高端芯片的市场。最终选用了VIA处理器，关闭不必要的主板模块如USB，能 耗大大降低，实现了无风扇，依然有不错的处理吞吐量（单机柜6Gbps）。
昨天起的就很早，一整天都在会场上偷着和瓶子双人编程；今天上午又要去对外交流，所以起床比昨天还早；下午把曙光5000A上的pFind并行版内核代码升级做完。Aho- Corasick算法代码遇到BUG，拖住hchi哥帮忙调试，天黑才放他走。我和瓶子等到很晚，测试完全正常才去吃饭。回来路上感觉特累，地铁里站着，心脏开始不规律地跳。21:00到家给hchi哥打电话，他还在路上呢。
刚收到邮件。leo和hchi的倒排索引加速pFind蛋白质搜索引擎的论文被Rapid Communications in Mass Spectrometry接收。从07年痛苦摸索逐渐清晰，08年代码重构海量测试，09年申请专利反复投稿……倒排索引技术的研发一步步走来，纠结很多，故事很多，做得真很出色。俺虽然只是端茶送水摇旗呐喊的第三作者，同样超有成就感，万岁！这也是dq老大的IndexToolkit之后，pFind搜索引擎在索引算法上的又一个重大进展。
前一阵hchi很疲惫，有次开会时私下和我聊天说：早上咳醒后，觉得自己快死了。最近两天他连续有deadline，我总担心他被拖垮。生活很公平，终究会在你最需要的地方，设置一个加油站点。去年1月7日刚好这篇论文诞生，颇符合hchi这个宿命论者的观点。
我和瓶子的Rapid Communications in Mass Spectrometry投稿遇到点小问题，编辑粗心，把其他论文的审稿意见错发给我了。大概是圣诞节心不在焉吧。争取在一期期刊上，同时出现pFind 蛋白质搜索引擎的两篇加速文章，互相印证，那可就帅了。
不管怎么说，大家注意身体。健康是1，其他的都是0。还要走很远，把pFind做成。