Quais documentos estão engatinados

• Apenas os documentos que são suportados por Discovery em seu caminho de arquivo são rastejados; todos os outros são ignorados. Para obter mais informações, consulte Tipos de arquivos suportados.
• A segurança de nível de documentos é suportada. Quando essa opção estiver ativada, seus usuários podem engatinhar e consultar o mesmo conteúdo que eles podem acessar quando acessarem o sistema de arquivos diretamente.
• Quando uma fonte é rastreada novamente, novos documentos são adicionados, documentos atualizados são modificados para a versão atual e documentos excluídos são excluídos do índice da coleção.
• Todos os conectores de origem de dados Discovery são de leitura. Independentemente das permissões que são concedidas à conta de crawl, Discovery nunca grava, atualiza ou exclui qualquer conteúdo na origem de dados original.

Requisitos da origem de dados

Além dos requisitos de origem de dados para todas as implementações instaladas, sua origem de dados do Windows File System deve atender aos seguintes requisitos:

• O conector suporta o Microsoft Windows Server 2012 R2, 2016, 2019 e 2022.
• O servidor de agente remoto e os servidores de arquivos a serem submetidos a crawl devem pertencer ao mesmo domínio do Windows. O rastreador pode coletar dados da lista de controle de acesso (ACL) somente de um único domínio do Windows.

O suporte para o Microsoft Windows Server 2022 foi adicionado com a liberação 4.6. Iniciando com a liberação 4.7, é possível proteger o tráfego enviado entre o serviço do Windows Agent e seu crawler ativando o suporte para o protocolo de segurança da camada de transporte (TLS).

Etapas de pré-requisito

• Se você deseja habilitar a segurança de nível de documento, você deve tomar algumas etapas para configurá-lo. Para obter mais informações, consulte Apoiando a segurança de nível de documentos.

  Para configurar a segurança de nível de documentos, é necessário coletar as seguintes informações:

  URL do servidor LDAP

  O servidor LDAP URL ao qual se conectar. Por exemplo, ldap://<ldap_server>:<port>.

  Nome de usuário de ligação LDAP

  O nome de usuário a ser usado para ligar ao serviço de diretório.

  Na maioria dos casos, esse nome do usuário é um nome distinto (DN). Um nome de usuário do Active Directory pode funcionar, mas, ao contrário do logon geral do Windows, ele é caso sensível.

  Senha do usuário de ligação LDAP

  A senha que está associada ao nome de usuário vinculado.

  DN Base LDAP

  O ponto de partida para pesquisa de entradas de usuários no LDAP. Por exemplo, CN=Users,DC=example,DC=com.

  Filtro do usuário LDAP

  O filtro de usuário para pesquisar entradas de usuário no LDAP. Se for deixado vazio, o valor padrão será (userPrincipalName={0}).

• Antes de configurar uma coleção do Windows File System, deve-se instalar o IBM Watson Discovery Agent for Windows File Systems em um servidor de arquivos Windows remoto ou em um servidor Windows remoto. O agente é um serviço do Windows que recupera dados dos servidores de fonte de dados e os envia para Discovery. O agente pode engatinhar sistemas de arquivos remotos do Windows, unidades que são locais para o agente, e pastas de rede compartilhadas.

  Se você instalar o agente em um servidor Windows remoto, o servidor Windows remoto deverá ser capaz de montar um ou mais servidores de arquivos para que o agente possa rastrear os sistemas de arquivos Windows remotos.

  Para instalar e configurar o agente, conclua as seguintes tarefas:

  • Instale o agente.
  • Configure diretórios compartilhados no servidor do agente.
  • Iniciar e monitorar o status do servidor do agente.

<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>

Como conectar a uma fonte de dados do Windows File System

Em seu projeto Discovery, conclua as seguintes etapas.

Se você concluiu as etapas do pré-requisito, retorne para a coleta de origem de dados do Sistema de Arquivos do Windows que você começou a criar e, em seguida, pule para a Etapa 4.

1. A partir da pane de navegação, escolha Gerenciar coleções.

2. Clique em New collection (Nova coleção ).

3. Clique em Sistema de Arquivos do Windows e, em seguida, clique em Avançar.

4. Nomeia a coleção.

5. Se a linguagem dos documentos que você deseja engatinhar não for o inglês, selecione a linguagem apropriada.

   Para obter uma lista de idiomas suportados, consulte Suporte ao idioma.

6. Opcional: Alterar o cronograma de sincronização.

   Para obter mais informações, consulte Opções de planejamento de Crawl.

7. Na seção Digite suas credenciais, inclua valores nos campos a seguir. Você forneceu esses campos durante a instalação do servidor do agente, que foi descrito na seção Etapas de pré-requisito.

   Host

   O nome do host do servidor remoto Microsoft Windows, por exemplo, <hostname>.mydomain.com.

   Nome do usuário

   O nome de usuário para conectar o servidor do agente. O nome de usuário é usado para conectar o site Discovery às pastas de rede compartilhadas e rastrear o conteúdo.

   Senha

   A senha que está associada ao nome de usuário.

   Porta de Autenticação do Agente

   A porta a ser usada para autenticação. O valor da porta padrão é 8397.

   Porta

   A porta a ser usada para transferência de dados. O valor da porta padrão é 8398.

8. Na seção Especifique o que você deseja engatinhar, insira o caminho de arquivo que deseja engatinhar no campo Caminho e, em seguida, clique em Adicionar.

   O caminho do arquivo é sensível ao caso.

   Opcionalmente, inclua mais caminhos de arquivo.

9. Opcional: Personalize os tipos de arquivos que são engatinados.

   O crawler é configurado automaticamente para excluir uma lista de extensões de arquivo para tipos de arquivo que podem ser inseguros para engatinhar. Você pode adicionar mais extensões de arquivo na lista de filtros excluídos, ou listar apenas as extensões de arquivo para tipos de arquivo que você deseja incluir no crawl. Listar os tipos de arquivos a incluir é ainda mais seguro.

   Para alterar os tipos de arquivo que são engatinados, na seção Filtro de extensão, escolha se deve usar uma lista de filtros Excluídos ou Incluídos. E, em seguida, listar as extensões de arquivo para os tipos de arquivos que deseja excluir ou incluir.

   Essa opção de configuração foi introduzida com a versão 4.0.3.

10. Opcional: Especifique o conjunto de caracteres dos dados para engatinhar.

    O conversor que é usado pelo crawler é configurado automaticamente para detectar o conjunto de caracteres dos arquivos antes de convertê-los. No entanto, você pode optar por especificar uma codificação de caracteres diferente para usar para a conversão de dados. Para especificar uma codificação de caracteres, conclua as etapas a seguir:

    • Configure o comutador Detecção de página de código Automático para Off.
    • No campo Página de código para usar, especifique a codificação de caracteres como um valor Java Charset. Por exemplo, UTF-8 ou UTF-16. Se você não especificar um conjunto de caracteres, ISO-8859-1 é usado.

    Essa opção de configuração foi introduzida com a versão 4.0.3.

11. Opcional: Se você deseja ativar a segurança de nível de documento, na seção Segurança, configure o comutador Ativar Segurança de Nível de Documento para On.

    Quando você ativa essa opção, seus usuários podem executar crawl e consultar o conteúdo ao qual têm acesso. Você deve fornecer os detalhes sobre o diretório LDAP que deseja utilizar.

    URL do servidor LDAP

    O servidor LDAP URL ao qual se conectar. Por exemplo, ldap://<ldap_server>:<port>.

    Nome de usuário de ligação LDAP

    O nome de usuário a ser usado para ligar ao serviço de diretório.

    Senha do usuário de ligação LDAP

    A senha que está associada ao nome de usuário vinculado.

    DN Base LDAP

    O ponto de partida para pesquisa de entradas de usuários no LDAP. Por exemplo, CN=Users,DC=example,DC=com.

    Filtro do usuário LDAP

    O filtro de usuário para pesquisar entradas de usuário no LDAP. Se for deixado vazio, o valor padrão será (userPrincipalName={0}).

12. Se você deseja que o crawler extraia texto a partir de imagens em documentos, expanda Mais configurações de processamentoe configure Aplicar reconhecimento de caracteres ópticos (OCR) a On.

    Quando o OCR é ativado e seus documentos contêm imagens, o processamento demora mais. Para obter mais informações, consulte Reconhecimento de caracteres Ópticos.

13. Clique em Finish.

A coleção é criada rapidamente. É preciso mais tempo para que os dados sejam processados conforme ele é adicionado à coleção.

Se você quiser verificar o progresso, acesse a página Atividade. A partir da pane de navegação, clique em Gerenciar coleções e, em seguida, clique para abrir a coleção.