Durchsuchte Dokumente

• Jede Zeile in der Datenbank wird durchsucht und der Objektgruppe als ein Dokument hinzugefügt. Die Spalten werden als Metadaten indexiert.
• Der Crawler versucht, Inhalt zu durchsuchen und zu indexieren, z. B. BLOB/BINARY, der in der Datenbank gespeichert ist. Dateitypen, die von Discovery unterstützt werden, sind indexiert. Weitere Informationen finden Sie unter Unterstützte Dateitypen.
• Beim erneuten Durchsuchen einer Quelle werden neue Dokumente hinzugefügt, aktualisierte Dokumente werden an die aktuelle Version angepasst und gelöschte Dokumente werden aus dem Index der Sammlung gelöscht.
• Alle Discovery-Datenquellenconnectors sind schreibgeschützt. Unabhängig von den Berechtigungen, die dem Konto für die Crawlersuche erteilt wurden, schreibt, aktualisiert oder löscht Discovery keinen Inhalt in der ursprünglichen Datenquelle.

Datenquellenvoraussetzungen

Neben den Datenquellenanforderungen für alle installierten Implementierungen muss Ihre Datenbankdatenquelle die folgenden Anforderungen erfüllen:

• Discovery unterstützt die folgenden Datenquellenversionen:

  • Data Virtualization auf IBM Cloud Pak for Data 1.8.0, 1.8.3, die Db2 11.5
  • IBM Db2: 10.5, 11.1, 11.5
  • Microsoft SQL Server: 2012, 2014, 2016, 2017
  • Oracle Database: 12c, 18c, 19c
  • PostgreSQL: 9.6, 10, 11

  Unterstützung für Data Virtualization wurde mit IBM Cloud Pak for Data 4.5.x-Releases hinzugefügt

• Sie müssen alle erforderlichen Servicelizenzen für die Datenquelle anfordern, zu der Sie eine Verbindung herstellen möchten. Wenden Sie sich für weitere Informationen zu Lizenzen an den Systemadministrator der Datenquelle.

Vorausgesetzter Schritt

• Entscheiden Sie, welche Datenbanktabellen Sie durchsuchen wollen. Sie können mehrere Tabellen in einer Sammlung crawlen, und Sie können Tabellen mit unterschiedlichen Schemata oder Spaltengruppen angeben. Sie müssen die folgenden Informationen kennen:

  • Schemanamen
  • Tabellennamen

  Für Data Virtualization auf IBM Cloud Pak for Datakönnen Sie diese Details über den IBM Cloud Pak for Data-Web-Client abrufen. Klicken Sie auf das Hauptmenüsymbol, erweitern Sie Daten und wählen Sie dann Data virtualizationaus. Wählen Sie am Anfang der Seite aus, dass Virtualisierte Datenangezeigt werden sollen.

  

• Seien Sie vorsichtig, wenn Sie mehrere Tabellen durchsuchen wollen, die Spalten mit demselben Namen, aber unterschiedlichen Datentypen enthalten. In Content-Mining-Projekten werden Spalten mit demselben Namen, aber unterschiedlichen Datentypen, Feldern zugewiesen, die ein Datentypsuffix im Namen haben, wie z. B. DATA_string. Bei allen anderen Projekttypen werden die Daten in einer der Tabellen aus dem Index ausgeschlossen. Wenn Sie beispielsweise zwei Tabellen mit Spalten haben, die DATA heißen, und die Spalte DATA in einer Tabelle mit Datumsangaben und die Spalte in der anderen Tabelle mit Zeichenfolgen gefüllt ist, werden die Daten in einer der Tabellen vom Index ausgeschlossen.

• Rufen Sie die Benutzerberechtigungsnachweise für einen Benutzer ab, der berechtigt ist, auf die Tabellen zuzugreifen, die Sie durchsuchen wollen.

• Bevor Sie eine Verbindung zu einer Datenbank herstellen können, benötigen Sie die JDBC-Treiberbibliothek für die Datenbank. Wenn Sie die Datenbankdatenquelle einrichten, werden Sie aufgefordert, den Klassenpfad des JDBC-Treibers anzugeben.

• Bevor Sie über JDBCeine Verbindung zum Service Data Virtualization herstellen können, müssen Sie IBM Data Server-Treiberpakete installieren. Weitere Informationen finden Sie unter Anwendungen mit dem Data Virtualization-Service verbinden.

• Wenn Sie eine Verbindung zu einer Instanz von Data Virtualization herstellen möchten, die sich in einem anderen Cluster befindet als Ihr Discovery-Service, müssen Sie Datenverkehr, der für Data Virtualization weitergeleitet wird, von einem externen Infrastrukturknoten an die Masterknoten Ihres Clusters weiterleiten. Weitere Informationen finden Sie unter HAProxy aktualisieren.

1. Laden Sie die JAR-Dateien für die JDBC-Treiberbibliothek von der Website des Datenbankservers oder Anbieters herunter.

   Die folgenden Dateien sind jeder Datenbank zugeordnet:

   • Db2 und Data Virtualization: db2jcc4.jar
   • Oracle: ojdbc8.jar
   • SQL Server: mssql-jdbc-7.2.2.jre8.jar
   • PostgreSQL: postgresql-42.2.6.jar

2. Komprimieren Sie die JAR-Dateien in eine einzige komprimierte Datei.

   Wenn Sie einen JDBC-Treiber haben, der nur eine JAR-Datei enthält, überspringen Sie diesen Schritt.

3. Notieren Sie sich, wo der Treiber gespeichert ist. Sie müssen das Verzeichnis, in dem Sie diese JAR-Datei oder komprimierte Datei speichern, in der nächsten Prozedur angeben, damit Discovery sie hochladen kann.

Verbindung zu einer Datenbankdatenquelle herstellen

Wenn Sie zunächst Aufbereitungen auf Ihre Daten anwenden möchten, erstellen Sie die Objektgruppe in einem Content-Mining-Projekttyp. Wenn Sie einen anderen Projekttyp verwenden und planen, Aufbereitungen anzuwenden, stoppen Sie hier. Weitere Informationen finden Sie unter Aufbereitungen auf Inhalte aus einer Datenbank anwenden.

Führen Sie in Ihrem Projekt Discovery die folgenden Schritte aus:

1. Wählen Sie im Navigationsfenster Sammlungen verwalten aus.

2. Klicken Sie auf Neue Sammlung.

3. Klicken Sie auf Datenbank und dann auf Weiter.

4. Benennen Sie die Objektgruppe.

5. Wenn die Sprache der Dokumente in der Datenbank nicht Englisch ist, wählen Sie die entsprechende Sprache aus.

   Eine Liste der unterstützten Sprachen finden Sie unter Sprachunterstützung.

6. Optional: Ändern Sie den Synchronisationszeitplan.

   Weitere Informationen finden Sie unter Zeitplanoptionen für die Crawlersuche.

7. Füllen Sie die folgenden Felder im Abschnitt " Geben Sie Ihre Anmeldedaten ein" aus:

   Datenbank-URL

   Die URL des Datenbankservers.

   Die folgende Tabelle enthält Beispiele für Datenbank-URLs:

   Beispiel für Datenbank-URLs

   Datenbank	Syntax	Beispiel
   Data virtualization (derselbe Cluster)	jdbc:db2://{fully-qualified-hostname-of-dv-service}:{jdbc-nonssl-internal-port}/bigsql	jdbc:db2://c-db2u-dv-db2u-engn-svc.myproject.svc.cluster.local:50000/bigsql
   Data virtualization (separater Cluster)	jdbc:db2://{cluster-address }: {jdbc-nonssl-external-port} /bigsql	jdbc:db2://api.conn.cp.example.com:30269/bigsql
   Db2	jdbc:db2://{server}:{port}/{database_name}	jdbc:db2://localhost:50000/sample:sslConnection=true;
   Oracle	jdbc:oracle:thin:@//{host}:{TCPport}/{service_name}	jdbc:oracle:thin:@localhost:1521/sample
   SQL Server	jdbc:sqlserver://{serverName}[{instanceName}]:{port}[;property=value]	jdbc:sqlserver://localhost:1433;DatabaseName=sample
   postgresql	jdbc:postgresql://{host}:{port}/{database}	jdbc:postgresql://localhost/sample

   Benutzer

   Der Benutzername, den Sie von der ausgewählten Datenbank erhalten. Sie verwenden diesen Benutzernamen, um eine Crawlersuche für die Quelle durchzuführen. Ihr Benutzername ist je nach Datenbank ein anderer.

   Kennwort

   Das Passwort, das mit Ihrem Benutzernamen verknüpft ist. Ihr Kennwort ist je nach Datenbank ein anderes.

8. Füllen Sie die folgenden Felder im Abschnitt Verbindungseinstellungen aus:

   JDBC-Treibertyp

   Wählen Sie die Datenbank aus.

   Db2 ist standardmäßig ausgewählt. Wenn Sie von einem Datenbanktyp crawlen möchten, der nicht aufgelistet ist, wählen Sie ANDERE. Um Daten zu durchsuchen, die von Data Virtualization auf IBM Cloud Pak for Dataverwaltet werden, lassen Sie Db2 ausgewählt.

   JDBC treiber-Klassenname

   Der Name der JDBC-Treiberklasse, die der ausgewählten Datenbank zugeordnet ist. Dieses Feld wird automatisch ausgefüllt, sofern Sie nicht ANDERE auswählen.

   JDBC-Treiberklassenpfad

   Laden Sie eine JDBC Treiberdatei hoch, die eine.jar- oder.zip-Dateierweiterung haben kann. Alternativ können Sie eine JAR-oder ZIP-Datei wiederverwenden, die Sie zuvor hochgeladen haben.

9. Füllen Sie die folgenden Felder im Abschnitt Zu durchsuchende Elemente angeben aus und klicken Sie anschließend Hinzufügen an:

   Schemaname

   Das Schema, das Sie crawlen möchten.

   Tabellenname

   Die Tabelle in einem Schema, die Sie durchsuchen wollen

   Klicken Sie auf das Symbol 'Bearbeiten', um weitere Einstellungen für die Tabellencrawlersuche anzugeben, einschließlich der folgenden:

   Primärschlüssel

   Der Primärschlüssel der Zieldatenbanktabelle. Wenn der Primärschlüssel in der Zieldatenbanktabelle nicht konfiguriert ist, müssen Sie den Schlüssel in diesem Feld angeben. Der JDBC-Datenbankcrawler hängt diesen Primärschlüsselwert an die URL der einzelnen durchsuchten Zeilen an, um die Eindeutigkeit zu erhalten. Wenn der Primärschlüssel ein zusammengesetzter Schlüssel ist, trennen Sie die Schlüsselnamen durch ein Komma. Beispiel: key1,key2. Wenn keine Angabe erfolgt, verwendet das Projekt standardmäßig die Primärschlüsselfelder der Tabelle. Wenn der Primärschlüssel in der Zieldatenbanktabelle konfiguriert ist, wird er automatisch erkannt.

   Zeilenfilter

   Optional. Geben Sie die SQL WHERE Klausel an, um zu bestimmen, welche Tabellenzeilen gecrawlt werden sollen. Sie müssen einen booleschen Ausdruck angeben, der die Bedingung für eine WHERE-Klausel in einer SELECT-Anweisung sein kann. Wenn in Syntax oder Spaltennamen ein Fehler enthalten ist, wird die Tabelle von der Crawlersuche ausgeschlossen und es werden keine Dokumente indexiert.

   Spalte mit zu extrahierenden Daten

   Name der Spalte mit Daten, die Sie durchsuchen wollen. Wenn Sie die Spalte nicht angeben, wird eine Spalte mit Text oder mit einem einzelnen großen Objekt für die Crawlersuche ausgewählt.

   MIME-Typ der Daten

   Optional. Der MIME-Typ wird erkannt, wenn er nicht angegeben ist.

   Die Werte, die Sie im Dialog Einstellungen für die Tabellencrawlersuche angeben, werden nicht mit den Schema-und Tabellennamen angezeigt, aber die Werte werden auf die Datenbankverbindung angewandt.

   Die Felder Column with data to extract und MIME type of data wurden mit Release 4.6.5 hinzugefügt.

10. Wenn der Crawler Text aus Bildern in Dokumenten extrahieren soll, erweitern Sie Weitere Verarbeitungseinstellungenund legen Sie Optische Zeichenerkennung anwenden auf On fest.

    Wenn OCR aktiviert ist und Ihre Dokumente Bilder enthalten, dauert die Verarbeitung länger. Weitere Informationen finden Sie unter Optische Zeichenerkennung.

11. Klicken Sie auf Beenden.

Die Objektgruppe wird schnell erstellt. Es dauert länger, bis die Daten verarbeitet werden, wenn sie der Objektgruppe hinzugefügt werden.

Wenn Sie den Fortschritt überprüfen möchten, rufen Sie die Seite 'Aktivität' auf. Klicken Sie im Navigationsfenster auf Sammlungen verwalten und anschließend auf, um die Sammlung zu öffnen.

Aufbereitungen auf Inhalte aus einer Datenbank anwenden

Wenn Sie eine Datenbank als Datenquelle verwenden und Aufbereitungen auf die verschachtelten Felder anwenden möchten, die aus der Datenbank indexiert werden, müssen Sie einen Content-Mining-Projekttyp verwenden.

Wenn Sie eine Suchanwendung mit einem Projekttyp für Dokumentabruf erstellen möchten, erstellen Sie zuerst einen Content-Mining-Projekttyp. Über das Content-Mining-Projekt können Sie eine Verbindung zur Datenbank herstellen und die Daten aufbereiten. Anschließend können Sie die aufbereitete Sammlung aus einem Dokumentabrufprojekt wiederverwenden.

Führen Sie die folgenden Schritte aus, um Datenbankinhalte für die Verwendung in einem Dokumentabrufprojekt aufzubereiten:

1. Erstellen Sie ein Content-Mining-Projekt.

   Weitere Informationen finden Sie unter Projekt erstellen.

2. Verbinden Sie sich mit einer Datenbank-Datenquelle.

   Weitere Informationen finden Sie unter Datenquelle konfigurieren: Datenbank.

3. Wenden Sie Aufbereitungen an.

   Weitere Informationen finden Sie unter den folgenden Themen:

   • Domänenspezifische Ressourcen hinzufügen
   • Vordefinierte Aufbereitungen anwenden.

4. Erstellen Sie ein Projekt zum Abrufen von Dokumenten.

   Weitere Informationen finden Sie unter Projekt erstellen.

   Wenn Sie aufgefordert werden, eine Sammlung auszuwählen, wählen Sie Daten aus einer vorhandenen Sammlung wiederverwenden aus. Blättern Sie bei Bedarf, um diese Option anzuzeigen.

5. Wählen Sie die Objektgruppe aus, die Sie mit dem Content-Mining-Projekt erstellt und aufbereitet haben, und klicken Sie anschließend auf Fertigstellen.