balaur.ro - cristian george strat

EchipaMircea Silviu Cristian

Caută joburi

API & Widget

• API– Indexare– Căutare (folosit de jobincluj.ro si 1000eu.ro)

• Widget

Job trends

Bucuresti

Python vs Ruby

Tehnologii

Javascript

bash

Tehnologii backend

BeautifulSoup

Facebook Apache Thrift

Tehnologii Frontend

Google Vis. API

Alte tehnologii

routes

pycrypto

rsync

glade

Arhitectura

Indexing pipeline

...

URLsHTML

Thriftjobs

Data

• 60+ GB• No MySQL– Read-only– Secvential– Shard-uri Thrift– Bloom filters

Pipeline

• Bash rulează (Job-uri în paralel / secvențial)

Testing

• import unittest• Testing framework

Job Editor

glade

Logging

• 4 niveluri– DEBUG, INFO, WARN, ERROR

• Why?– Troubleshooting– Profiling– Goodies

Logging → Status

Xapian

• Pro– Scris în C/C++– API compact, mic– Foarte rapid la căutare– Imbunătățit activ

• Contra– Mai încet la indexare– Index mai mare (trends index ~4.5G)

Xapian@balaur.ro

• Relevanță custom• Custom spelling suggestions• Elimină duplicatele• Random shuffle

Show me the QPS

+ caching

Întrebări?http://balaur.ro/contact