Формирование выдачи Яндекса: что происходит за доли секунды после Enter

Рейтинг: 0% · 0 голосов
Разбор устройства поиска и факторов ранжирования: реконструкция формулы, поведенческие, текстовые, ссылочные и хостовые факторы, антиспам, что живо и что давно мёртво. Аналитика на основе метаданных факторов web_production.
Ответить
Аватара пользователя
anna_seo
Сообщения: 58
Зарегистрирован: 11 май 2026, 05:31

Формирование выдачи Яндекса: что происходит за доли секунды после Enter

Сообщение anna_seo »

Формирование выдачи Яндекса: что происходит за доли секунды после Enter

Этот разбор - про рантайм. Не про то, как робот обходит и индексирует сайт (это отдельный слой про краулинг и построение индекса), а про то, что происходит уже на горячем пути: пришёл HTTP-запрос с text=, p=, numdoc= - и через считанные десятки миллисекунд назад уезжает готовый JSON выдачи. Материал - срез исходников каталога search/ из известной утечки, ориентировочно состояние ~2022. Имена компонентов, правил и факторов реальны, но пороги и веса со временем менялись, а конкретные значения весов обучаемы и проприетарны - в тексте они иллюстративны.

Главный тезис, который стоит зафиксировать сразу.
Факторы (включая робото-статику вроде статического ранга и антиспам-сигналов) считаются на стадиях ранжирования L1/L2/L3. А вот порядок и состав видимого топа определяет уже не сам скоринг, а слой rearrange и blender, который работает поверх готовых оценок. Это два разных мира: оценить документ и собрать страницу - не одно и то же.
Каскад целиком

Код: Выделить всё

HTTP-запрос (text=..., p=, numdoc=)
  |
  v  ВЕРХНИЙ МЕТАПОИСК   (search/daemons/httpsearch, search/meta)
  +- formula_chooser: InputFlags(запрос+док) -> RuleSet -> FmlId
  |     выбор формул для L2/L3, персонализации, BoostGraph
  +- scatter к источникам (web / news / images / video / колдунщики)
  |
  v  БАЗОВЫЙ ПОИСК      (search/base_search, panther)  -- L0/L1
  +- decompose запроса -> ключи Panther -> обратный индекс -> кандидаты
  +- embedding_storage: DSSM dot-product query/doc + attribute-фильтры
  +- L1-факторы (TextMachine / BM15 / покрытие) -> MatrixNet L1 -> topN
  +- pruning: статический ранг (anti-spam / nav-boost)
  |
  v  СРЕДНИЙ МЕТАПОИСК   (search/meta/merge)
  +- union-merge группировок, host-collapsing (NumDocsInGroup), дедуп URL
  |
  v  РАНЖИРОВАНИЕ        (search/rank, formula, *boost)  -- L2/L3
  +- L2: тяжёлые факторы (lingboost / dssm_boosting / knnboost
  |       / rapid_clicks) -> GBDT
  +- L3: свежесть / гео / разнообразие / персонализация -> финал + бусты
  |
  v  REARRANGE + BLENDER (search/web/rearrange, web/blender) -- 380 правил
  +- фазы: AfterSearch -> AfterMetaFeatures -> AfterMetaRank
  |        -> AfterMerge -> Before/AfterFetch
  +- antidup / antispam / antiseo_reset_factors / fresh
  |  / ungroup_vital / host_presence / trash / porno ...
  +- blender: вертикали, serp_resolver, dup_cleaner
  +- adjust_serp_size: стр.=10 / последняя=24 / макс 259 док.
  |
  v  REPORT              (search/report)
  +- TMetaGrouping -> protobuf TReport -> JSON SERP
Верхний метапоиск: выбор формулы до того, как найден хоть один документ

Запрос приходит в демон httpsearch (search/daemons/httpsearch, search/meta). Первое содержательное действие - не поиск, а выбор стратегии. Компонент formula_chooser берёт набор признаков запроса и кандидата (InputFlags - язык, регион, коммерческость, навигационность, длина, наличие колдунщиков и так далее), прогоняет их через RuleSet и выдаёт FmlId - идентификатор формулы, которая будет применяться на L2/L3, плюс выбор персонализационной модели и графа бустов (BoostGraph).
Ключевой момент: разные классы запросов ранжируются разными формулами. Навигационный запрос, свежий новостной и широкий коммерческий уезжают по разным веткам ещё до того, как базовый поиск вернул кандидатов. Поэтому одна и та же страница в разных запросах оценивается принципиально по-разному.
Дальше верхний метапоиск делает scatter - разбрасывает запрос по источникам параллельно: основной веб-индекс, новости, картинки, видео, объектные ответы (колдунщики). Каждый источник - свой кластер базового поиска.

Базовый поиск (L0/L1): panther, обратный индекс и dot-product

Самый нагруженный слой. Запрос декомпозируется на ключи Panther, по обратному индексу поднимаются документы, содержащие нужные термы - это text_hits, сырые кандидаты. На этой же стадии работает embedding_storage: считается dot-product между DSSM-эмбеддингом запроса и предпосчитанными эмбеддингами документов, плюс отсекаются кандидаты по attribute-фильтрам (язык, регион, тип контента).

Код: Выделить всё

L0  поднять кандидатов из обратного индекса (text_hits)
L1  лёгкие текстовые факторы:
      TextMachine  - близость/порядок/полнота вхождений
      BM15         - вариант BM25 без длины документа
      покрытие     - доля терминов запроса в документе
      DSSM dot     - семантическая близость query/doc
    MatrixNet L1 -> отобрать topN
    pruning: статический ранг, anti-spam, nav-boost
Здесь важна асимметрия стоимости. На L1 факторы дешёвые и считаются по миллионам кандидатов, поэтому модель лёгкая (MatrixNet/линейка), задача - грубо отсечь до topN. Именно тут впервые в дело идёт робото-статика: статический, запрос-независимый ранг документа (накопленный при индексации), антиспам-сигналы и навигационный буст работают как pruning - решают, кого вообще пускать дальше. Документ с низким статическим рангом может просто не пройти отбор, как бы хорошо он ни совпадал по тексту.

Средний метапоиск: слияние и схлопывание хостов

Ответы источников и шардов сходятся в search/meta/merge. Здесь происходит union-merge группировок, дедупликация по URL и host-collapsing: документы одного хоста сворачиваются в группу, число в группе - NumDocsInGroup. Это уже подготовка к тому, чтобы один сайт не занял половину выдачи - но окончательное решение про присутствие хостов примет позже rearrange.

Ранжирование L2/L3: тяжёлые факторы и GBDT

На отобранном topN включаются дорогие факторы - те, что незачем считать по миллионам документов.

Код: Выделить всё

L2  тяжёлые факторы по выбранной FmlId:
      lingboost      - лингвистическое соответствие, расширения запроса
      dssm_boosting  - набор нейросетевых семантических моделей
      knnboost       - близость в пространстве эмбеддингов (kNN)
      rapid_clicks   - быстрые поведенческие сигналы
    -> GBDT (градиентный бустинг, дерево формулы FmlId)

L3  финальная доводка:
      freshness   - свежесть документа/запроса
      geo         - гео-релевантность
      diversity   - разнообразие по интенту
      pers        - персонализация (история, регион, профиль)
    -> итоговый скор + бусты (BoostGraph)
L2 - это основной ранкер: тяжёлые лингвистические и нейросетевые бусты (lingboost, dssm_boosting, knnboost), поведенческие сигналы быстрого отклика (rapid_clicks) сводятся деревом GBDT в единый релевантностный скор по той формуле, которую выбрал formula_chooser. L3 поверх этого добавляет контекстные поправки: свежесть, гео, разнообразие интентов и персонализацию - и накладывает бусты из BoostGraph. На выходе L3 у каждого документа есть финальная числовая оценка.
До этого момента всё, что произошло, - это присвоение документам чисел. Никакого SERP ещё нет. Список, отсортированный по финальному скору L3, - это сырой материал, а не выдача.
Rearrange и blender: где скоринг перестаёт быть главным

Самый недооценённый слой. search/web/rearrange - это конвейер из порядка 380 правил, применяемых фазами по ходу всего каскада:

Код: Выделить всё

AfterSearch        сразу после базового поиска
AfterMetaFeatures  после расчёта мета-факторов
AfterMetaRank      после L2/L3 ранжирования
AfterMerge         после слияния источников
BeforeFetch        перед подтягиванием сниппетов
AfterFetch         после подтягивания
Каждое правило - отдельная трансформация над списком. Характерные представители:
  • antidup, dup_cleaner - убирают дубли и почти-дубли;
  • antispam, trash, porno - выкидывают спам, мусор, взрослый контент из общей выдачи;
  • antiseo_reset_factors - обнуляет/гасит факторы документам с признаками SEO-накрутки. Это прямой удар по переоптимизированным факторам уже после скоринга;
  • fresh - подмешивает свежие документы туда, где интент того требует;
  • ungroup_vital - разворачивает группу хоста, если витальный (главный) документ должен быть показан явно;
  • host_presence - финально ограничивает присутствие одного хоста в топе (то самое продолжение host-collapsing).
Поверх работает blender (search/web/blender) - он отвечает за вертикали. Именно blender принимает решение вставить в веб-выдачу блок картинок, видео, новостей или колдунщик, через serp_resolver разрешает конфликты позиций и финально чистит дубли (dup_cleaner). Затем adjust_serp_size приводит страницу к форме: обычная страница - 10 результатов, последняя - до 24, общий потолок - 259 документов.
Практический вывод для оптимизатора. Можно идеально отыграть текстовые и поведенческие факторы и получить высокий скор на L3 - и всё равно не попасть в видимый топ, потому что host_presence ограничил хост, antiseo_reset_factors погасил накрученные факторы, а blender отдал две верхние позиции вертикали. Топ - это не argmax по скору, это результат прогона скоринга через 380 правил пересборки.
Report: упаковка результата

Финал - search/report. Пересобранный список превращается в TMetaGrouping, сериализуется в protobuf-структуру TReport и отдаётся наружу как JSON. Это уже не ранжирование, а форматирование: позиции, группировки, сниппеты, метаданные вертикалей в том виде, в котором их получит фронтенд и пользователь.

Итог

Горячий путь делится на две принципиально разные половины. Первая - оценка: formula_chooser выбирает формулу, panther и обратный индекс дают кандидатов, L1 грубо отсекает, L2/L3 досчитывают тяжёлые факторы и GBDT выдаёт финальный скор; робото-статика (статический ранг, антиспам) тут работает как фактор и как pruning. Вторая половина - сборка: rearrange своими 380 правилами и blender перекраивают отсортированный список в реальный SERP, и именно здесь решается состав и порядок видимого топа. Разделять эти слои в голове критично: оптимизируя факторы, вы влияете на скор, но не управляете правилами пересборки - а видит пользователь именно результат пересборки.

Дисклеймер: срез ~2022, имена компонентов, правил и пороги могли смениться; веса и значения иллюстративны, реальные обучаемы и проприетарны.

Разборы по этапам выдачи Офлайн-сторона (робот и индексация): viewtopic.php?t=1842

Данные (xlsx, разбор выдачи по листам):
images/data/SERP_RANKING_ANALYSIS.xlsx
👍 ❤️ 🔥 😄 🤔
Вернуться к началу
Ответить
Поделиться темой: ✈ Telegram VK
  • Похожие темы

Вернуться в «SEO и факторы ранжирования»

Кто сейчас на конференции

Сейчас этот форум просматривают: нет зарегистрированных пользователей и 2 гостя