您现在的位置是：心海E站 > 个性网名 > >正文
搜索昵称(请问怎样才设置才可以不让别人搜索曾经用过昵称搜索到自己？)
发布时间：2023-11-24 13:59:49 admin 阅读:59
请问怎样才设置才可以不让别人搜索曾经用过昵称搜索到自己？
账号设置里面的隐私设置啊
怎么在QQ里面搜索昵称添加好友
具体步骤如下：打开电脑版QQ，登录个人帐号。点击QQ主面板下方的查找。如下图：在找人下方的选框中直接输入昵称点击查找，选择好友添加即可。如下图：
qq昵称搜索
╰☆眞的噯袮順其自然。•过".！緟噺鐦鈶恏嗎蔠嚸﹎爺┋變勒﹖苦涩I銀翼む魔術師啚阝礻見亻尔。ヅ坏気⑽哫.℡傷殘|﹖♀橘ふ丟孒．-「`戲孒.僫莋劇﹎潕钶取玳Ｗǒ受ㄋ伤ˊ≠浏覽悲傷，习惯抽烟≈非常可樂°℡蒤鸦丬伱啲詤唁.┍.絕版厷孓謀娚孑：儍昵專屬!┌_怖鲑鲑-T-T等待。ず尐少爺ス壞鴨児耙、癙る荖厷贪ā.翫●﹎唐B`﹏堔皧の某釹孑堔皧の某莮孑づㄣ壞豿豿づＥnding儍мéngｗǒ⒈無s處請η!記嘚Ｗじ☆ve糖糖═╬簡箪√嗳じ☆ve栤点剭⌒＿⌒ˇヤ灬-7℃↘泪僤純兲眞じ☆ve熏伊草ωo討厭僛騙⒛ō⑦dé開Sゾ銱ル鎯筜菋噵箷寵dё塨宔℡葑┌訫~~(_少犭貝戔北殛星的眼淚疯丫头⑧乖紫露↙凝香洎記冭儍’會ㄨiǎng袮釹朲呔儍勾魂吖頭.‰至尊o宝A極鍍ヤ寳鋇ヤ恛メ憶ヤ.●尐掱乿摸◆濧.折ピ銓④謊┾唁ー嗰亼瞞好De~﹊や┢┦aｐ鱼児◇..壞Ｐī氣づ帥亇缺愛,偽僾鎻
用微信怎么查找一个人的网名？
：亲、微信添加好友只可以通过"微信号码查找，QQ好友列表查找，手机通信录查找，二维码名片查找。这几种方式。如果您只知道他微信名字的话是不可以
微博搜索昵称找不到人
微博搜索昵称找不到人，这是怎么回事呢？一起来看看小编今天的分享吧。原因：1、用户已经更改昵称了，使用当前昵称重新搜索即可；2、昵称里面包含了敏感词汇，比如包含人身攻击性质内容，违反国家法律法规，以及暗示与他人或机构相混同；3、想要搜索的用户经常发表不当言论，被微博屏蔽了。拓展：微博怎么通过昵称搜人？1、打开手机微博，点击主页下方的发现；2、选择上方的搜索框进入；3、输入需要查询的昵称，点击搜索；4、搜索后，选择下方的匹配项进入。5、进入后，点击下方的微博选项，即可查看该用户的微博内容。以上就是小编今天的分享了，希望可以帮助到大家。本文章基于华为p40品牌、EMUI10.1系统、微博v10.9.1版本撰写的。
新浪微博除了通过查找昵称搜索别人还有什么别的方法搜索到别人吗?
新浪微博除了通过查找昵称搜索别人，其他搜索到别人的方法：点击【找人】，选择标签、学校和公司找人；也可以点击【更多条件】进入高级搜索，通过地区、年龄和性别等信息搜索到别人。具体方法步骤如下：第一种方法：点击“找人”，随后在标签、学校和公司选取找人第二种方法：点击【更多条件】进入高级搜索，通过地区、年龄和性别等信息搜索到别人。
只知道贴吧昵称不知道用户名怎么搜索？
知道贴吧昵称，没办法搜到百度用户名的，因为昵称只是遮盖了原用户名实际上，贴吧只能搜百度用户名，而你打开页面进入，会发现没找到你要找的用户名其实你如果知道用户名，搜索一下打开相关网页，把用昵称的楼层依次打开到贴吧个人主页，就有显示原用户名，其实想找人一点不麻烦，只需要缩小范围依次看主页
微信全文搜索技术优化
全文搜索是使用倒排索引进行搜索的一种搜索方式。倒排索引也称为反向索引，是指对输入的内容中的每个Token建立一个索引，索引中保存了这个Token在内容中的具体位置。全文搜索技术主要应用在对大量文本内容进行搜索的场景。
iOS客户端可以使用的全文搜索引擎并不多，主要有SQLite三个版本的FTS组件、Lucene的C++实现版本CLucene和C语言桥接版本Lucy。这里给出了这些引擎在事务能力、技术风险、搜索能力、读写性能等方面的比较。
在事务能力方面，Lucene没有提供完整的事务能力，因为Lucene使用了多文件的存储结构，它没有保证事务的原子性。SQLite的FTS组件因为底层还是使用普通的表来实现的，可以完美继承SQLite的事务能力。
在读写性能方面，下面是用不同引擎对100万条长度为10的随机生成中文语句生成Optimize状态的索引的性能数据，其中每个语句的汉字出现频率按照实际的汉字使用频率：
SQLiteFTS5会把每个事务写入的内容保存成一个独立的b树，称为一个segment，segment中保存了本次写入内容中的每个词在本次内容中行号（rowid）、列号和字段中的每次出现的位置偏移，所以这个segment就是该内容的倒排索引。多次写入就会形成多个segment，查询时就需要分别查询这些segment再汇总结果，从而segment数量越多，查询速度越慢。
为了减少segment的数量，SQLiteFTS5引入了merge机制。新写入的segment的level为0，merge操作可以把level为i的现有segment合并成一个level为i+1的新的segment。merge的示例如下：
FTS5默认的merge操作有两种：
FTS5的默认merge操作都是在写入时同步执行的，会对业务逻辑造成性能影响，特别是crisismerge会偶然导致某一次写入操作特别久，这会让业务性能不可控。之前的测试中FTS5的建索引耗时较久，也主要因为FTS5的merge操作比其他两种引擎更加耗时。
我们在WCDB中实现FTS5的segment自动merge机制，将这些merge操作集中到一个单独子线程执行，并且优化执行参数，具体如下：
自动merge逻辑执行的流程图如下：
限制每个level的segment数量为1，可以让FTS5的查询性能最接近optimize（所有segment合并成一个）之后的性能，而且引入的写入量是可接受的。假设业务每次写入量为M，写入了N次，那么在merge执行完整之后，数据库实际写入量为**MN(log2(N)+1)**。业务批量写入，提高M也可以减小总写入量。
性能方面，对一个包含100w条中文内容，每条长度100汉字的fts5的表查询三个词，optimize状态下耗时2.9ms，分别限制每个level的segment数量为2、3、4时的查询耗时分别为4.7ms、8.9ms、15ms。100w条内容每次写入100条的情况下，按照WCDB的方案执行merge的耗时在10s内。
使用自动Merge机制，可以在不影响索引更新性能的情况下，将FTS5索引保持在最接近Optimize的状态，提高了搜索速度。
分词器是全文搜索的关键模块，它实现将输入内容拆分成多个Token并提供这些Token的位置，搜索引擎再对这些Token建立索引。SQLite的FTS组件支持自定义分词器，可以按照业务需求实现自己的分词器。
分词器的分词方法可以分为按字分词和按词分词。前者只是简单对输入内容逐字建立索引，后者则需要理解输入内容的语义，对有具体含义的词组建立索引。相比于按字分词，按词分词的优势是既可以减少建索引的Token数量，也可以减少搜索时匹配的Token数量，劣势是需要理解语义，而且用户输入的词不完整时也会有搜不到的问题。
相比于简单的按字分词，这种分词方式的优势是可以将搜索时匹配的Token数量接近降低一半，提高搜索速度，而且在一定程度上可以提升搜索精度，比如搜索“欢迎你北京”就匹配不到“北京欢迎你”；这种分词方式的劣势就是保存的索引内容很多，基本输入内容的每个字都在索引中保存了三次，是一种用空间换时间的做法。
因为OneOrBinaryTokenizer用接近三倍的索引内容增长才换取不到两倍的搜索性能提升，不是很划算，所以我们在FTS5上重新开发了一种新的分词器VerbatimTokenizer，这个分词器只采用基本的按字分词，不保存冗余索引内容。同时在搜索时，每两个字用引号引起来组成一个Phrase，按照FTS5的搜索语法，搜索时Phrase中的字要按顺序相邻出现的内容才会命中，实现了跟OneOrBinaryTokenizer一样的搜索精度。VerbatimTokenizer的分词规则示意图如下：
SQLite的FTS索引表不支持在建表后再添加新列，但是随着业务的发展，业务数据支持搜索的属性会变多，如何解决新属性的搜索问题呢？特别是在联系人搜索这个业务场景，一个联系人支持搜索的字段非常多。一个直接的想法是将新属性和旧属性用分隔符拼接到一起建索引。但这样会引入新的问题，FTS5是以整个字段的内容作为整体去匹配的，如果用户搜索匹配的Token在不同的属性，那这条数据也会命中，这个结果显然不是用户想要的，搜索结果的精确度就降低了。
在实际应用中，我们除了要在数据库中保存需要搜索的文本的FTS索引，还需要额外保存这个文本对应的业务数据的id、用于结果排序的的属性（常见的是业务数据的创建时间）以及其他需要直接跟随搜索结果读出的内容，这些都是不参与文本搜索的内容。根据非文本搜索内容的不同存储位置，我们可以将FTS索引表的表格式分成两种：
这种表格式的优势是FTS索引表的内容很简单，不熟悉FTS索引表配置的同学不容易出错，而且普通表的可扩展性好，支持添加新列；劣势则是搜索时需要先用FTS索引的Rowid读取到普通表的Rowid，这样才能读取到普通表的其他内容，搜索速度慢一点，而且搜索时需要联表查询，搜索SQL语句稍微复杂一点。
这种方式的优劣势跟前一种方式恰好相反，优势是搜索速度快而且搜索方式简单，劣势是扩展性差且需要更细致的配置。
FTS索引表默认对表中的每一列的内容都建倒排索引，即便是数字内容也会按照文本来处理，这样会导致我们保存在FTS索引表中的非文本搜索内容也建了索引，进而增大索引文件的大小、索引更新的耗时和搜索的耗时，这显然不是我们想要的。
FTS5支持给索引表中的列添加UNINDEXED约束，这样FTS5就不会对这个列建索引了，所以给可搜索文本内容之外的所有列添加这个约束就可以避免冗余索引。
前面提到，倒排索引主要保存文本中每个Token对应的行号（rowid）、列号和字段中的每次出现的位置偏移，其中的行号是SQLite自动分配的，位置偏移是根据业务的实际内容，这两个我们都决定不了，但是列号是可以调整的。
在FTS5索引中，一个Token在一行中的索引内容的格式是这样的：
从中可以看出，如果我们把可搜索文本内容设置在第一列的话（多个可搜索文本列的话，把内容多的列放到第一列），就可以少保存列分割符0x01和列号，这样可以明显降低索引文件大小。
所以我们最终的表格式是这样：
这样做既可以避免索引更新拖慢业务数据更新的速度，也能避免索引数据更新出错甚至索引数据损坏对业务造成影响，让全文搜索功能模块能够充分独立。
为了简化问题，我们可以把一致性问题可以拆成两个方面分别处理，一个是保证所有业务数据都有索引，这个用户的搜索结果就不会有缺漏；第二个是保证所有索引都对应一个有效的业务数据，这样用户就不会搜到无效的结果。
对于每个索引都对应有效的业务数据，这就要求业务数据删除之后索引也要必须删掉。现在业务数据的删除和索引的删除是异步的，会出现业务数据删掉之后索引没删除的情况。这种情况会导致两个问题，一个是冗余索引会导致搜索速度变慢，但这个问题出现概率很小，这个影响可以忽略不计；第二个问题是会导致用户搜到无效数据，这个是要避免的。因为要完全删掉所有无效索引成本比较高，所以我们采用了惰性检查的方法来解决这个问题，具体做法是搜索结果要显示给用户时，才检查这个数据是否有效，无效的话不显示这个搜索结果并异步删除对应的索引。因为用户一屏能看到的数据很少，所以检查逻辑带来的性能消耗也可以忽略不计。而且这个检查操作实际上也不算是额外加的逻辑，为了搜索结果展示内容的灵活性，我们也要在展示搜索结果时读出业务数据，这样也就顺带做了数据有效性的检查。
索引只有在搜索的时候才会用到，它的更新优先级并没有业务数据那么高，可以尽量攒更多的业务数据才去批量建索引。批量建索引有以下三个好处：
索引的删除速度经常是设计索引更新机制时比较容易忽视的因素，因为被删除的业务数据量容易被低估，会被误以为是低概率场景，但实际被用户删除的业务数据可能会达到50%，是个不可忽视的主场景。而且SQLite是不支持并行写入的，删除索引的性能也会间接影响到索引的写入速度，会为索引更新引入不可控因素。
因为删除索引的时候是拿着业务数据的id去删除的，所以提高删除索引速度的方式有两种：
这里倒排索引其实没有普通索引那么高效，有两个原因：
聊天记录的优化前后索引性能数据如下：
收藏的优化前后索引性能数据如下：
用户变更搜索框的内容之后，会并行发起所有业务的搜索任务，各个搜索任务执行完之后才再将搜索结果返回到主线程给页面展示。这个逻辑会随着用户变更搜索内容而继续重复。
搜索任务支持中断的实现方式是给每个搜索任务设置一个CancelFlag，在搜索逻辑执行时每搜到一个结果就判断一下CancelFlag是否置位，如果置位了就立即退出任务。外部逻辑可以通过置位CancelFlag来中断搜索任务。逻辑流程如下图所示：
为了让搜索任务能够及时中断，我们需要让检查CancelFlag的时间间隔尽量相等，要实现这个目标就要在搜索时避免使用OrderBy子句对结果进行排序。因为FTS5不支持建立联合索引，所以在使用OrderBy子句时，SQLite在输出第一个结果前会遍历所有匹配结果进行排序，这就让输出第一个结果的耗时几乎等于输出全部结果的耗时，中断逻辑就失去了意义。不使用OrderBy子句就对搜索逻辑添加了两个限制：
所以读取内容越少输出结果的速度越快，而且读取内容过多也会有消耗内存的隐患。我们采用的方式是搜索时只读取业务数据id和用于排序的业务属性，排好序之后，在需要给用户展示结果时，才用业务数据id按需读取业务数据具体内容出来展示。这样做的扩展性也会很好，可以在不更改存储内容的情况下，根据各个业务的需求不断调整搜索结果展示的内容。
当然在搜索规则很复杂的情况下，直接读取高亮信息是比较方便，比如联系人搜索就使用前面提到的SubstringMatchInfo函数来读取高亮内容。这里主要还是因为要读取匹配内容所在的层级和位置用于排序，所以逐个结果重新分词的操作在所难免。
近期其他好文
在鹅厂工作1到11年的程序媛
技术她力量，鹅厂女博士的寻“豹”之旅
一致性Hash算法原理总结
微信为什么不支持搜索昵称
相同的呢称太多相同的.而微信号和手机号是没有相同的，是唯一，所以不能查找昵称.
搜索昵称
共同群