Documenti sottoposti a ricerca per indicizzazione

• Viene eseguita la ricerca per indicizzazione solo dei documenti supportati da Discovery nel percorso file; tutti gli altri vengono ignorati. Per ulteriori informazioni, consultare Tipi di file supportati.
• La sicurezza a livello di documento è supportata. Quando questa opzione è abilitata, gli utenti possono eseguire la ricerca per indicizzazione e interrogare lo stesso contenuto a cui possono accedere quando accedono direttamente al filesystem.
• Quando una fonte viene ricaricata, i nuovi documenti vengono aggiunti, i documenti aggiornati vengono modificati nella versione corrente e i documenti eliminati vengono eliminati dall'indice della raccolta.
• Tutti i connettori dell'origine dati Discovery sono di sola lettura. Indipendentemente dalle autorizzazioni concesse all'account di ricerca per indicizzazione, Discovery non scrive, aggiorna o elimina mai alcun contenuto nell'origine dati originale.

Requisiti dell'origine dati

Oltre ai requisiti dell'origine dati per tutte le distribuzioni installate, l'origine dati del file system Windows deve soddisfare i seguenti requisiti:

• Il connettore supporta Microsoft Windows Server 2012 R2, 2016, 2019 e 2022.
• Il server agent remoto e i file server da sottoporre a ricerca per indicizzazione devono appartenere allo stesso dominio di Windows. Il crawler può raccogliere i dati dell'elenco di controllo degli accessi (ACL) solo da un singolo dominio Windows.

Il supporto per Microsoft Windows Server 2022 è stato aggiunto con la versione 4.6. A partire dalla release 4.7, è possibile proteggere il traffico inviato tra il servizio agent Windows e il relativo crawler abilitando il supporto per il protocollo TLS (transport layer security).

procedura

prerequisita

• Se si desidera abilitare la sicurezza a livello di documento, è necessario eseguire alcune operazioni per configurarlo. Per ulteriori informazioni, consultare Supporto della sicurezza a livello di documento.

  Per configurare la sicurezza a livello di documento, è necessario raccogliere le informazioni riportate di seguito:

  URL server LDAP

  Il server LDAP URL a cui connettersi. Ad esempio, ldap://<ldap_server>:<port>.

  Nome utente bind LDAP

  Il nome utente da utilizzare per collegarsi al servizio directory.

  Nella maggior parte dei casi, questo nome utente è un DN (distinguished name). Un nome utente Active Directory potrebbe funzionare, ma, a differenza dell'accesso Windows generale, è sensibile al maiuscolo / minuscolo.

  Password utente bind LDAP

  La password associata al nome utente associato.

  DN base LDAP

  Il punto di partenza per la ricerca delle voci utente in LDAP. Ad esempio, CN=Users,DC=example,DC=com.

  Filtro utente LDAP

  Il filtro utente per ricercare le voci utente in LDAP. Se vuoto, il valore predefinito è (userPrincipalName={0}).

• Prima di configurare una raccolta di file system Windows, è necessario installare IBM Watson Discovery Agent for Windows File Systems su un server di file Windows remoto o su un server Windows remoto. L'agente è un servizio Windows che recupera i dati dai server di origine dati e li invia a Discovery. L'agent può eseguire la ricerca per indicizzazione su file system Windows remoti, unità locali per l'agent e cartelle di rete condivise.

  Se si installa l'agente su un server Windows remoto, il server Windows remoto deve essere in grado di montare uno o più file server in modo che l'agente possa eseguire la scansione dei file system Windows remoti.

  Per installare e configurare l'agente, completare le seguenti operazioni:

  • Installare l'agent.
  • Configurare le directory condivise sul server agent.
  • Avviare e monitorare lo stato del server agent.

<AgentStatus>
  <SpaceStatus>
    <SpaceId>012</SpaceId>
    <RootFolder>E:\\Projects\Analytics\\data\test1</RootFolder>
    <ConnectionNumber>9</ConnectionNumber>
    <StartTime>1244709336093</StartTime>
    <LastTime>1244709385843</LastTime>
    <IdlePeriod>219</IdlePeriod>
  </SpaceStatus>
  <SpaceStatus>
    <SpaceId>013</SpaceId>
    <RootFolder>E:\\Projects\Analytics\\data\test2</RootFolder>
    <ConnectionNumber>10</ConnectionNumber>
    <StartTime>1244709336093</StartTime>
    <LastTime>1244709385843</LastTime>
    <IdlePeriod>219</IdlePeriod>
  </SpaceStatus>

Connessione a un'origine dati del file system Windows

Dal tuo progetto Discovery, completa la seguente procedura.

Se sono stati completati i passi prerequisiti, tornare alla raccolta dell'origine dati del file system Windows che si è iniziato a creare, quindi passare al passo 4.

1. Dal riquadro di spostamento, scegliere Gestisci raccolte.

2. Fare clic su Nuova raccolta.

3. Fare clic su File system Windows, quindi fare clic su Avanti.

4. Denominare la raccolta.

5. Se la lingua dei documenti su cui si desidera eseguire la ricerca per indicizzazione non è l'inglese, selezionare la lingua appropriata.

   Per un elenco delle lingue supportate, vedi Supporto linguistico.

6. Facoltativo: modificare la pianificazione della sincronizzazione.

   Per ulteriori informazioni, vedi Opzioni di pianificazione della ricerca per indicizzazione.

7. Nella sezione Immettere le credenziali, aggiungere valori ai seguenti campi. Questi campi sono stati forniti durante l'installazione del server agent, descritto nella sezione Prerequisiti.

   Conduttore

   Il nome host del server Microsoft Windows remoto, ad esempio <hostname>.mydomain.com.

   Nome utente

   Il nome utente per connettersi al server agent. Utilizzi il nome utente per collegare Discovery alle cartelle di rete condivise e per eseguire la scansione dei contenuti.

   Password

   La password associata al nome utente.

   Porta di autenticazione agent

   La porta da utilizzare per l'autenticazione. Il valore predefinito della porta è 8397.

   Porta

   La porta da utilizzare per trasferire i dati. Il valore predefinito della porta è 8398.

8. Nella sezione Specifica cosa si desidera sottoporre a ricerca per indicizzazione, immettere il percorso file da sottoporre a ricerca per indicizzazione nel campo Percorso e fare clic su Aggiungi.

   Il percorso del file è sensibile al maiuscolo / minuscolo.

   Facoltativamente, aggiungere ulteriori percorsi file.

9. Facoltativo: personalizzare i tipi di file sottoposti a ricerca per indicizzazione.

   Il crawler viene configurato automaticamente per escludere un elenco di estensioni file per i tipi di file che possono non essere sicuri per la ricerca per indicizzazione. È possibile aggiungere ulteriori estensioni file all'elenco di filtri esclusi oppure elencare solo le estensioni file per i tipi di file che si desidera includere nella ricerca per indicizzazione. Elencare i tipi di file da includere è ancora più sicuro.

   Per modificare i tipi di file sottoposti a ricerca per indicizzazione, nella sezione Filtro estensione, scegliere se utilizzare un elenco di filtri Esclusi o Inclusi. Quindi, elencare le estensioni file per i tipi di file che si desidera escludere o includere.

   Questa opzione di configurazione è stata introdotta con la release 4.0.3.

10. Facoltativo: specificare la serie di caratteri dei dati da sottoporre a ricerca per indicizzazione.

    Il programma di conversione utilizzato dal crawler viene configurato automaticamente per rilevare la serie di caratteri dei file prima di convertirli. Tuttavia, è possibile scegliere di specificare una diversa codifica di caratteri da utilizzare per la conversione dei dati. Per specificare una codifica di caratteri, completare la seguente procedura:

    • Impostare l'opzione Rilevamento code page automatico su Off.
    • Nel campo Code page to use, specificare la codifica caratteri come valore Java Charset. Ad esempio, UTF-8 o UTF-16. Se non si specifica una serie di caratteri, viene utilizzato ISO-8859-1.

    Questa opzione di configurazione è stata introdotta con la release 4.0.3.

11. Facoltativo: se si desidera abilitare la sicurezza a livello di documento, nella sezione Sicurezza, impostare l'opzione Abilita sicurezza a livello di documento su On.

    Quando abiliti questa opzione, i tuoi utenti possono eseguire la ricerca per indicizzazione e le query sui contenuti a cui hanno accesso. È necessario fornire i dettagli sulla directory LDAP che si desidera utilizzare.

    URL server LDAP

    Il server LDAP URL a cui connettersi. Ad esempio, ldap://<ldap_server>:<port>.

    Nome utente bind LDAP

    Il nome utente da utilizzare per collegarsi al servizio directory.

    Password utente bind LDAP

    La password associata al nome utente associato.

    DN base LDAP

    Il punto di partenza per la ricerca delle voci utente in LDAP. Ad esempio, CN=Users,DC=example,DC=com.

    Filtro utente LDAP

    Il filtro utente per ricercare le voci utente in LDAP. Se vuoto, il valore predefinito è (userPrincipalName={0}).

12. Se si desidera che il crawler estragga il testo dalle immagini nei documenti, espandere Ulteriori impostazioni di elaborazionee impostare Applica OCR (optical character recognition) su On.

    Quando OCR è abilitato e i tuoi documenti contengono immagini, l'elaborazione richiede più tempo. Per ulteriori informazioni, consultare Riconoscimento dei caratteri ottici.

13. Fai clic su Finish.

La raccolta viene creata rapidamente. È necessario più tempo per l'elaborazione dei dati man mano che vengono aggiunti alla raccolta.

Se si desidera controllare l'avanzamento, andare alla pagina Attività. Dal riquadro di navigazione, fare clic su Gestisci raccolte, quindi fare clic per aprire la raccolta.