Algorithm 电子邮件程序/服务器如何存储和检索邮件？

例如，Eudora和GMail浏览数千封电子邮件并找到正确的信息集的速度让我感到惊讶。我使用Eudora，搜索速度非常快，能在几秒钟内浏览十年的电子邮件

---

所以我的问题是，它们如何存储和检索消息？存储数据的数据结构、索引和算法是什么？消息是如何存储在磁盘/数据库中的？

如果搜索速度慢，我会感到惊讶。比如说，你有n=10000封电子邮件，m=1000个字符。任何像样的子串检测算法都会给你O（n*m）的速度。对于提供的n和m值，在现代PC上不到1秒

谈到存储，我认识的客户将所有电子邮件放在一个大文件中，每个客户使用自己的格式。这使您可以相当快地从磁盘读取所有消息

如果您感兴趣，这是一个经典的子字符串搜索算法（还有很多）：

编辑

---

我并不是说任何电子邮件应用程序都使用简单的子字符串搜索，只是说使用它已经足够快了。

两者都使用相同的秘方，尽管使用了完全不同的技术：索引

Eudora对每个邮箱和文件夹使用mbox格式，这基本上是一个大文件，包含一个接一个的所有邮件。如果您检查这些文件，您会看到一个较小的文件，其名称和扩展名相同。IDX或类似的东西。这是一个索引，可以快速查找各个电子邮件的起始位置。Eudora的另一个明智之举是移除eamils的附件，这将邮箱的容量减少了一个数量级，从而加快了过程中的管理。这使得Eudora能够管理比大多数其他客户端多得多的邮箱

---

谷歌是索引大师，他们几十年来一直在为整个网络编制索引，所以他们将他们的交易应用到你的邮箱，允许你以极快的速度访问邮件，因为所有相关事实都是单独编制索引的。它们还拥有快速检索电子邮件等文档的特殊技术。

Eudora和Gmail是非常不同的动物，它们存储数据的方式也不同。大多数UNIX电子邮件程序将电子邮件存储为纯文本文件。Outlook将它们存储在数据库中。更笼统地回答您的问题：速度来自索引——因此，如果您将数据存储在索引数据库中，您可以非常快速地搜索数据。例如，谷歌能够如此快速地返回结果，因为它存储了它所抓取的网页的关键词索引。