Verfasst: Do 01 Mai, 2008 12:25
Der Begriff „Google“
Etymologie
Die Bezeichnung Google basiert auf einem Wortspiel (manche Quellen sprechen auch von einem Rechtschreibfehler) bei der amerikanischen Aussprache des Wortes googol. Milton Sirotta (Neffe des US-amerikanischen Mathematikers Edward Kasner) hatte den Ausdruck im Jahr 1938 erfunden, um der Zahl mit einer Eins und hundert Nullen (10100) einen Namen zu geben. Die Google-Gründer wiederum suchten eine treffende Bezeichnung für die Fülle an Informationen, die ihre Suchmaschine im Web finden sollte.[1]
Das Verb „googeln“
Google ist als Suchmaschine so populär geworden, dass der Rechtschreib-Duden das Verb googeln (sprich: '?u?gl?n „guhg(e)ln“) 2004 in die 23. Auflage aufnahm.[2] Dabei steht das Wort nicht nur für die Suche mit Google, sondern teilweise schon allgemein als Synonym für Websuche mit beliebigen anderen Suchmaschinen (vgl. Wiktionary[3], LEO Dictionary[4]). Seit August 2006 will Google rechtlich klarstellen, dass die Verwendung der Verben „to google“ oder deutsch „googeln“ nur noch in Verbindung mit der Suchmaschine korrekt ist. Die aktuelle 24. Auflage des Dudens erläutert das Verb googeln nun explizit als „mit Google im Internet suchen“. Google will offenbar verhindern, dass mit seinem Namen das gleiche passiert wie mit beispielsweise Polylux, Tempo, Nutella, Jeep, Tesa, Fön, Tixo, Linoleum, Aspirin, dem Grammophon oder dem escalator (engl. „Rolltreppe“) – alle waren ursprünglich geschützte Markenzeichen und sind heute zu Begriffsmonopolen geworden. In Australien haben Gerichte 2002 sogar Sony die Markenrechte am Walkman entzogen, da der Allgemeingebrauch den Begriff bereits für jede Art von tragbarem Kassettenabspielgerät verwendete. Nun fordern auch Anwälte des amerikanischen Suchmaschinen-Betreibers Redaktionen von Zeitungen und Wörterbüchern in Briefen auf, das Wort „googeln“ nicht mehr im allgemeinen Sinne von „Im Internet suchen“ zu verwenden, meldet Die Welt.[5]
Technik der Suchmaschine
Architektur
Google Inc. betreibt weltweit eine Reihe von Rechenzentren, die jeweils die komplette Funktionalität der Suchmaschine enthalten. Eine Benutzeranfrage wird, durch das Domain Name System (welches Namen wie google.com in IP-Adressen übersetzt) gesteuert, im Idealfall an das netztopologisch nächste Rechenzentrum – nur manchmal mit dem geographisch nächstgelegenen identisch – geleitet und von diesem beantwortet. Fällt ein Rechenzentrum komplett aus, können die verbleibenden Rechenzentren die Last übernehmen.
Jedes Rechenzentrum besteht aus einem Computercluster. Die verwendeten Rechner sind IBM-kompatible Personal-Computer, bestehen also aus preiswerten Standardkomponenten. Hier kommt das selbstentwickelte Google File System zum Einsatz, eine verteilte Architektur, bei der alle Daten mehrfach redundant auf verschiedenen Geräten gespeichert sind. Ist einer der Rechner oder nur eine Festplatte eines Rechners ausgefallen, werden die entsprechenden Daten von einer anderen Stelle im Cluster auf einen Ersatzrechner umkopiert und die ausgefallene Hardware-Komponente kann im laufenden Betrieb ausgetauscht werden, ohne dass Ausfälle entstehen. Das Gesamtsystem ist auch leicht skalierbar, da nach Bedarf immer weitere Rechner und Festplatten hinzugefügt werden können.
Durch Ablage der einzelnen Datenstrukturen (Indizes, Dokumentenkopien, Verzeichnisse aller Art) auf verschiedenen Rechnern und die große Anzahl verfügbarer Einzelrechner lassen sich Anfragen auch relativ schnell beantworten, da die Einzelinformationen parallel gelesen werden. Eine Antwortzeit von höchstens einer halben Sekunde wird als Richtwert angestrebt. Die schnelle Lieferung von Ergebnissen hatte auch frühzeitig zur Popularität von Google beigetragen. Die Konkurrenz ließ sich mit der Anfragebeantwortung oft mehr Zeit. Insbesondere bei inkrementellen Anfragen, also immer weiter verfeinerten Anfragen des Benutzers, der das jeweils vorige Suchergebnis berücksichtigt, ist die Zeitersparnis insgesamt deutlich spürbar.
Software
Als Betriebssystem wird eine abgespeckte Variante der Linux-Distribution Red Hat verwendet [6]. Die Programmiersprachen C, C++ und Python spielen essentielle Rollen bei der Implementierung der proprietären Suchmaschinensoftware.
Seitenreihenfolge
Die Anzahl der zu einer Suchanfrage passenden Dokumente kann unüberschaubar groß ausfallen, hier bedarf es also einer Sortierung dieser Treffer nach ihrer Relevanz, um dem Anfragenden möglichst die bedeutendsten Dokumente zuvorderst anzuzeigen. Die Abschätzung der Brauchbarkeit der Quellen in Bezug auf die Anfrage ist eine der entscheidenden Kriterien, an denen Suchmaschinen gemessen werden. Aufgrund der Fülle der hierfür zu verwertenden Information wird das zugrundeliegende Ranking von Zeit zu Zeit automatisiert durch einen Algorithmus erhoben. Dies muss in einem angemessenen zeitlichen Rahmen zu bewerkstelligen sein, um die Aktualität des Rankings zu gewährleisten.
Google verwendet zur Sortierung der Suchergebnisse unter anderem den so genannten PageRank-Wert. Ermittelt wird der PageRank eines Dokuments rekursiv anhand von Verweisen auf dieses Dokument. Je mehr solcher Verweise existieren und je höher jener PageRank der hierauf verweisenden Dokumente ist, desto höher fällt entsprechend der Wert des Dokuments aus, auf das verwiesen wird. Der jeweilige Wert des PageRanks einer Seite lässt sich anhand des Browser-Plugins Google-Toolbar ermitteln. Allerdings ist der in der Toolbar angezeigte Wert meist einige Monate alt und steht in einem logarithmischen Verhältnis zum tatsächlichen Wert. Jedoch gibt es auch Onlinedienste, die zu einer bestimmten Domain einen aktuellen PageRank ermitteln können.
Neben dem PageRank werden weitere Faktoren in die Sortierung einbezogen, so wird etwa das Auftreten der Suchbegriffe im Dokumententitel oder in Überschriften gewertet. Des Weiteren spielt die Verwendung der Begriffe als Ankertext in verweisenden Dokumenten eine große Rolle. Letzteres wird bei Google-Bomben missbraucht. Die exakte Funktionsweise der Seitensortierung ist Googles Betriebsgeheimnis, nicht zuletzt, um Manipulationen durch Website-Betreiber zu erschweren, die die eigene Site für gewisse Begriffe auf den Ergebnisseiten möglichst weit nach oben bringen möchten. Die Suchmaschinen-Optimierung beschäftigt sich mit Methoden, dies zu erreichen.
Indexgröße
Die ungefähre Anzahl der Dokumente im Index der Websuche wurde die ersten sieben Jahre unten auf der Hauptseite eingeblendet.
* Unternehmensgründung Januar 1998: 25.000.000[7]
* August 2000: 1.060.000.000
* Januar 2002: 2.073.000.000
* Februar 2003: 3.083.000.000
* September 2004: 4.285.000.000
* November 2004: 8.058.044.651
Außerdem existierte im Juni 2005 nach eigener Aussage ein Index von 1.187.630.000 Bildern, einer Milliarde Usenet-Artikeln, 6.600 Katalogen und 4500 Nachrichtenquellen.
Seit dem siebten Geburtstag der Firma Google im September 2005 wird die Größe des Index nicht mehr auf der Hauptseite angezeigt, da laut Eric Schmidt keine eindeutige Zählweise existiere.[8] Aktuell gibt Google auf seinen Seiten einen Index von „mehr als 8 Milliarden Webseiten“ an. [9]
Suchdienstleistungen für Portale
Googles Suchtechnik wird auch an Internetportale lizenziert, um dort eine Websuche anbieten zu können, ohne dass Benutzer das Portal verlassen müssten.
Google Appliance
Mit der Google Appliance verkauft Google seine Suchtechnologie an Firmen, die sie im eigenen Intranet einsetzen möchten. Bei der Appliance handelt es sich um einen Server mit vorinstallierter Software, der im firmeneigenen Netz dieselbe Aufgabe übernimmt, die Google für das World Wide Web leistet. Dokumente werden im Index vorgehalten und Suchanfragen beantwortet.
Etymologie
Die Bezeichnung Google basiert auf einem Wortspiel (manche Quellen sprechen auch von einem Rechtschreibfehler) bei der amerikanischen Aussprache des Wortes googol. Milton Sirotta (Neffe des US-amerikanischen Mathematikers Edward Kasner) hatte den Ausdruck im Jahr 1938 erfunden, um der Zahl mit einer Eins und hundert Nullen (10100) einen Namen zu geben. Die Google-Gründer wiederum suchten eine treffende Bezeichnung für die Fülle an Informationen, die ihre Suchmaschine im Web finden sollte.[1]
Das Verb „googeln“
Google ist als Suchmaschine so populär geworden, dass der Rechtschreib-Duden das Verb googeln (sprich: '?u?gl?n „guhg(e)ln“) 2004 in die 23. Auflage aufnahm.[2] Dabei steht das Wort nicht nur für die Suche mit Google, sondern teilweise schon allgemein als Synonym für Websuche mit beliebigen anderen Suchmaschinen (vgl. Wiktionary[3], LEO Dictionary[4]). Seit August 2006 will Google rechtlich klarstellen, dass die Verwendung der Verben „to google“ oder deutsch „googeln“ nur noch in Verbindung mit der Suchmaschine korrekt ist. Die aktuelle 24. Auflage des Dudens erläutert das Verb googeln nun explizit als „mit Google im Internet suchen“. Google will offenbar verhindern, dass mit seinem Namen das gleiche passiert wie mit beispielsweise Polylux, Tempo, Nutella, Jeep, Tesa, Fön, Tixo, Linoleum, Aspirin, dem Grammophon oder dem escalator (engl. „Rolltreppe“) – alle waren ursprünglich geschützte Markenzeichen und sind heute zu Begriffsmonopolen geworden. In Australien haben Gerichte 2002 sogar Sony die Markenrechte am Walkman entzogen, da der Allgemeingebrauch den Begriff bereits für jede Art von tragbarem Kassettenabspielgerät verwendete. Nun fordern auch Anwälte des amerikanischen Suchmaschinen-Betreibers Redaktionen von Zeitungen und Wörterbüchern in Briefen auf, das Wort „googeln“ nicht mehr im allgemeinen Sinne von „Im Internet suchen“ zu verwenden, meldet Die Welt.[5]
Technik der Suchmaschine
Architektur
Google Inc. betreibt weltweit eine Reihe von Rechenzentren, die jeweils die komplette Funktionalität der Suchmaschine enthalten. Eine Benutzeranfrage wird, durch das Domain Name System (welches Namen wie google.com in IP-Adressen übersetzt) gesteuert, im Idealfall an das netztopologisch nächste Rechenzentrum – nur manchmal mit dem geographisch nächstgelegenen identisch – geleitet und von diesem beantwortet. Fällt ein Rechenzentrum komplett aus, können die verbleibenden Rechenzentren die Last übernehmen.
Jedes Rechenzentrum besteht aus einem Computercluster. Die verwendeten Rechner sind IBM-kompatible Personal-Computer, bestehen also aus preiswerten Standardkomponenten. Hier kommt das selbstentwickelte Google File System zum Einsatz, eine verteilte Architektur, bei der alle Daten mehrfach redundant auf verschiedenen Geräten gespeichert sind. Ist einer der Rechner oder nur eine Festplatte eines Rechners ausgefallen, werden die entsprechenden Daten von einer anderen Stelle im Cluster auf einen Ersatzrechner umkopiert und die ausgefallene Hardware-Komponente kann im laufenden Betrieb ausgetauscht werden, ohne dass Ausfälle entstehen. Das Gesamtsystem ist auch leicht skalierbar, da nach Bedarf immer weitere Rechner und Festplatten hinzugefügt werden können.
Durch Ablage der einzelnen Datenstrukturen (Indizes, Dokumentenkopien, Verzeichnisse aller Art) auf verschiedenen Rechnern und die große Anzahl verfügbarer Einzelrechner lassen sich Anfragen auch relativ schnell beantworten, da die Einzelinformationen parallel gelesen werden. Eine Antwortzeit von höchstens einer halben Sekunde wird als Richtwert angestrebt. Die schnelle Lieferung von Ergebnissen hatte auch frühzeitig zur Popularität von Google beigetragen. Die Konkurrenz ließ sich mit der Anfragebeantwortung oft mehr Zeit. Insbesondere bei inkrementellen Anfragen, also immer weiter verfeinerten Anfragen des Benutzers, der das jeweils vorige Suchergebnis berücksichtigt, ist die Zeitersparnis insgesamt deutlich spürbar.
Software
Als Betriebssystem wird eine abgespeckte Variante der Linux-Distribution Red Hat verwendet [6]. Die Programmiersprachen C, C++ und Python spielen essentielle Rollen bei der Implementierung der proprietären Suchmaschinensoftware.
Seitenreihenfolge
Die Anzahl der zu einer Suchanfrage passenden Dokumente kann unüberschaubar groß ausfallen, hier bedarf es also einer Sortierung dieser Treffer nach ihrer Relevanz, um dem Anfragenden möglichst die bedeutendsten Dokumente zuvorderst anzuzeigen. Die Abschätzung der Brauchbarkeit der Quellen in Bezug auf die Anfrage ist eine der entscheidenden Kriterien, an denen Suchmaschinen gemessen werden. Aufgrund der Fülle der hierfür zu verwertenden Information wird das zugrundeliegende Ranking von Zeit zu Zeit automatisiert durch einen Algorithmus erhoben. Dies muss in einem angemessenen zeitlichen Rahmen zu bewerkstelligen sein, um die Aktualität des Rankings zu gewährleisten.
Google verwendet zur Sortierung der Suchergebnisse unter anderem den so genannten PageRank-Wert. Ermittelt wird der PageRank eines Dokuments rekursiv anhand von Verweisen auf dieses Dokument. Je mehr solcher Verweise existieren und je höher jener PageRank der hierauf verweisenden Dokumente ist, desto höher fällt entsprechend der Wert des Dokuments aus, auf das verwiesen wird. Der jeweilige Wert des PageRanks einer Seite lässt sich anhand des Browser-Plugins Google-Toolbar ermitteln. Allerdings ist der in der Toolbar angezeigte Wert meist einige Monate alt und steht in einem logarithmischen Verhältnis zum tatsächlichen Wert. Jedoch gibt es auch Onlinedienste, die zu einer bestimmten Domain einen aktuellen PageRank ermitteln können.
Neben dem PageRank werden weitere Faktoren in die Sortierung einbezogen, so wird etwa das Auftreten der Suchbegriffe im Dokumententitel oder in Überschriften gewertet. Des Weiteren spielt die Verwendung der Begriffe als Ankertext in verweisenden Dokumenten eine große Rolle. Letzteres wird bei Google-Bomben missbraucht. Die exakte Funktionsweise der Seitensortierung ist Googles Betriebsgeheimnis, nicht zuletzt, um Manipulationen durch Website-Betreiber zu erschweren, die die eigene Site für gewisse Begriffe auf den Ergebnisseiten möglichst weit nach oben bringen möchten. Die Suchmaschinen-Optimierung beschäftigt sich mit Methoden, dies zu erreichen.
Indexgröße
Die ungefähre Anzahl der Dokumente im Index der Websuche wurde die ersten sieben Jahre unten auf der Hauptseite eingeblendet.
* Unternehmensgründung Januar 1998: 25.000.000[7]
* August 2000: 1.060.000.000
* Januar 2002: 2.073.000.000
* Februar 2003: 3.083.000.000
* September 2004: 4.285.000.000
* November 2004: 8.058.044.651
Außerdem existierte im Juni 2005 nach eigener Aussage ein Index von 1.187.630.000 Bildern, einer Milliarde Usenet-Artikeln, 6.600 Katalogen und 4500 Nachrichtenquellen.
Seit dem siebten Geburtstag der Firma Google im September 2005 wird die Größe des Index nicht mehr auf der Hauptseite angezeigt, da laut Eric Schmidt keine eindeutige Zählweise existiere.[8] Aktuell gibt Google auf seinen Seiten einen Index von „mehr als 8 Milliarden Webseiten“ an. [9]
Suchdienstleistungen für Portale
Googles Suchtechnik wird auch an Internetportale lizenziert, um dort eine Websuche anbieten zu können, ohne dass Benutzer das Portal verlassen müssten.
Google Appliance
Mit der Google Appliance verkauft Google seine Suchtechnologie an Firmen, die sie im eigenen Intranet einsetzen möchten. Bei der Appliance handelt es sich um einen Server mit vorinstallierter Software, der im firmeneigenen Netz dieselbe Aufgabe übernimmt, die Google für das World Wide Web leistet. Dokumente werden im Index vorgehalten und Suchanfragen beantwortet.