Qué documentos se rastrean

Durante el rastreo inicial del contenido, los documentos de todo el contenido al que se puede acceder desde el punto final de almacenamiento se rastrean y se añaden a la colección. No se pueden rastrear puntos finales privados.

Durante los posteriores rastreos planificados, sólo se rastrean los documentos nuevos y modificados y los cambios se reflejan en la colección. Los documentos que se suprimen del origen de datos externo no se suprimen de la colección.

Todos los conectores de origen de datos Discovery son de sólo lectura. Independientemente de los permisos otorgados a la cuenta de rastreo, Discovery nunca graba, actualiza o suprime ningún contenido del origen de datos original.

La tabla siguiente ilustra los objetos que Discovery puede rastrear.

Lo que necesita antes de empezar

Obtenga las licencias de servicio necesarias para el contenido del sitio web al que desea conectarse. Para obtener más información sobre las licencias, póngase en contacto con el administrador del sistema del origen de datos.

Punto final

endpoint para los datos de IBM Cloud Object Storage. Por ejemplo, s3.us-south.cloud-object-storage.appdomain.cloud.

No incluya http:// ni https:// en el valor del punto final. Para obtener más información, consulte Puntos finales regionales.

Además del punto final, debe proporcionar credenciales para habilitar la autenticación con el almacén de objetos. Puede optar por utilizar uno de los métodos de autenticación siguientes:

HMAC

Utiliza un código de autenticación de mensajes basado en hash para autenticar usuarios. HMAC es una técnica de autenticación criptográfica que utiliza una función hash y una clave secreta. Los datos se mezclan antes de enviarlos a través de Internet. A continuación, el destinatario deseado utiliza la clave secreta para descodificar los datos. Para obtener más información, consulte Autenticación HMAC.

IAM

Utiliza el servicio IBM Cloud Identity and Access Management (IAM) para autenticar a los usuarios. La ventaja de este tipo de autenticación es que el usuario puede utilizar el mismo proceso para acceder a todos los recursos de IBM Cloud Platform. Para obtener más información, consulte Autenticación de IAM.

Para acceder a la información de credenciales, vaya a la página de credenciales de servicio de la instancia de servicio de IBM Cloud Object Storage. Expanda la credencial de servicio para ver los detalles de la credencial.

Para obtener más información, consulte Credenciales de servicio en la documentación del producto Object Storage.

Conexión con el origen de datos

En el proyecto Discovery, realice los pasos siguientes:

1. En el panel de navegación, elija Gestionar colecciones.

2. Haga clic en Nueva colección.

3. Haga clic en el enlace situado junto al campo ¿Necesita conectarse a un origen de datos?, haga clic en IBM Cloud Object Storage y, a continuación, haga clic en Siguiente.

4. Elija un tipo de credencial y, a continuación, complete los campos con la información que ha recopilado anteriormente.

   • IAM
   • HMAC

   Pulse Siguiente.

5. Asigne un nombre a la colección.

6. Si el idioma de los documentos almacenados no es el inglés, seleccione el idioma adecuado.

   Para ver una lista de los idiomas admitidos, consulte Soporte de idiomas.

7. Opcional: cambie la planificación de sincronización.

   Para obtener más información, consulte Opciones de planificación de rastreo.

8. Elija los cubos que desea rastrear.

   Cuantos más grupos seleccione, más tiempo tardará el proceso de los documentos.

9. Si desea limitar los tipos de archivos que se van a añadir a la colección, puede listar las extensiones de archivo para los tipos de archivo que se van a incluir o excluir.

   Cuando elija listar extensiones para los tipos de archivo a excluir, debe añadir al menos una extensión de archivo.

   Para obtener una lista de los tipos de archivo soportados, consulte Tipos de archivo soportados.

10. Si desea que el rastreador extraiga texto de imágenes en el sitio, expanda Más valores de procesoy establezca Aplicar reconocimiento óptico de caracteres (OCR) en On.

    Cuando OCR está habilitado y los documentos contienen imágenes, el proceso tarda más tiempo. Para obtener más información, consulte Reconocimiento de caracteres ópticos.

11. Pulse Finalizar.

La colección se crea rápidamente. Los datos tardan más tiempo en procesarse a medida que se añaden a la colección.

Si desea comprobar el progreso, vaya a la página Actividad. En el panel de navegación, pulse Gestionar colecciones y, a continuación, pulse para abrir la colección.