YaCy是一个P2P搜索引擎的开源项目，所谓P2P搜索引擎，就是会把索引分发在网络中，而不是个人所有的机器中。就像P2P下载BT一样，下载的部分文件是来自整个BT网络，而不是全部来自源服务器。同样的，你所爬取的网页建立的索引，会存储在别人的机器上，自己也会存储别人的索引；搜索的时候会使用自己机器上的索引，同样也会使用别人机器上的索引。

听着就觉得是一个很酷的项目，而且他还集成了从爬虫到索引，再到搜索的整个环节，用起来也非常的方便。

但是这个项目当前的限制也不少：

1. 中文分词效果不好（对于中文应该采用的是unigram的分词方式）
2. 爬虫只能爬取公开的网页，类似那种需要密码登录，和隐私协议的网页是爬不了的
3. 支持的query请求种类偏少（例如只有and query没有or query）

不过因为是开源的项目，所以觉得缺少什么功能时，可以自己去实现。Github上的地址在这里，我fork了一份准备改着玩。

目前我在阿里云上部署了一个YaCy, 用的社区模式，也就是P2P模式（也可以设置成一般的非P2P索引模式）。

阿里云上是一台单核，2G内存，20G硬盘，1M带宽的CentOS6.7的机器，原本只有1G内存，看到YaCy的默认内存需要600MB，就额外加大了内存。

下图是整个YaCy的freeworld网络，每台加入这个P2P索引网络的机器都在这里面（看起来是很酷）。

部署这个系统也很简单

1. 从github获取源代码

git clone https://github.com/yacy/yacy_search_server.git

1. 用ant进行构建

cd yacy_search_server && ant clean all

1. 启动YaCy

./startYACY.sh

成功启动后，可以通过8090端口进行访问。

设置爬虫

在左侧菜单栏点击load web pages, crawler， 然后输入一个你想要的网页地址作为起点。爬虫会遍历每个链接，爬取公开的页面。默认爬取的深度为3层。

如果需要更加复杂的爬虫，可以点左侧菜单中的advanced crawler进行设定。