Questa pagina è stata tradotta dall'API Cloud Translation.

Esegui il deployment del connettore

Questa pagina del tutorial di Cloud Search mostra come configurare un'origine dati e un connettore di contenuti per indicizzare i dati. Per iniziare questo tutorial, consulta Tutorial introduttivo su Cloud Search

Crea il connettore

Cambia la tua directory di lavoro nella directory cloud-search-samples/end-to-end/connector ed esegui questo comando:

mvn package -DskipTests

Il comando scarica le dipendenze necessarie per creare il connettore di contenuti e compila il codice.

Crea credenziali dell'account di servizio

Il connettore richiede le credenziali dell'account di servizio per chiamare le API Cloud Search. Per creare le credenziali:

Torna alla console Google Cloud.
Nel menu di navigazione a sinistra, fai clic su Credenziali. Viene visualizzata la pagina "Credenziale".
Fai clic sull'elenco a discesa + CREA CREDENZIALI e seleziona Account di servizio. Viene visualizzata la pagina "Crea account di servizio".
Nel campo Nome account di servizio, inserisci "tutorial".
Prendi nota del valore dell'ID dell'account di servizio (subito dopo il nome dell'account di servizio). Questo valore verrà utilizzato in un secondo momento.
Fai clic su CREA. Viene visualizzata la finestra di dialogo "Autorizzazioni account di servizio (facoltativo)".
Fai clic su CONTINUA. Viene visualizzata la finestra di dialogo "Concedi agli utenti l'accesso a questo account di servizio (facoltativo)".
Fai clic su FINE. Viene visualizzata la schermata "Credentials" (Credenziali).
In Account di servizio, fai clic sull'email dell'account di servizio. Viene visualizzata la pagina "Dettagli account di servizio".
In Chiavi, fai clic sull'elenco a discesa AGGIUNGI CHIAVE e seleziona Crea nuova chiave. Viene visualizzata la finestra di dialogo "Crea chiave privata".
Fai clic su CREA.
(Facoltativo) Se viene visualizzata la finestra di dialogo "Vuoi consentire i download su console.cloud.google.com?", fai clic su Consenti.
Sul computer viene salvato un file di chiave privata. Prendi nota della posizione del file scaricato. Questo file viene utilizzato per configurare il connettore di contenuti in modo che possa autenticarsi quando si chiamano le API Google Cloud Search.

Inizializzare l'assistenza di terze parti

Prima di poter chiamare qualsiasi altra API Cloud Search, devi inizializzare il supporto di terze parti per Google Cloud Search.

Per inizializzare il supporto di terze parti per Cloud Search:

Il progetto della piattaforma Cloud Search contiene le credenziali dell'account di servizio. Tuttavia, per inizializzare l'assistenza di terze parti, devi creare credenziali per le applicazioni web. Per istruzioni su come creare le credenziali per le applicazioni web, consulta Creare credenziali. Al termine di questo passaggio, dovresti avere un ID client e un file client secret.
Utilizza il parco giochi OAuth 2 di Google per ottenere un token di accesso:
1. Fai clic su Impostazioni e seleziona Utilizza le tue credenziali di autenticazione.
2. Inserisci l'ID client e il client secret del passaggio 1.
3. Fai clic su Chiudi.
4. Nel campo dell'ambito, digita https://www.googleapis.com/auth/cloud_search.settings e fai clic su Autorizza. Il parco giochi OAuth 2 restituisce un codice di autorizzazione.
5. Fai clic su Scambia codice di autorizzazione per i token. Viene restituito un token.

Per inizializzare il supporto di terze parti per Cloud Search, utilizza il seguente comando curl. Assicurati di sostituire [YOUR_ACCESS_TOKEN] con il token ottenuto nel passaggio 2.

curl --request POST \
'https://cloudsearch.googleapis.com/v1:initializeCustomer' \
  --header 'Authorization: Bearer [YOUR_ACCESS_TOKEN]' \
  --header 'Accept: application/json' \
  --header 'Content-Type: application/json' \
  --data '{}' \
  --compressed

In caso di esito positivo, il corpo della risposta contiene un'istanza di operation. Ad esempio:

{
name: "operations/customers/01b3fqdm/lro/AOIL6eBv7fEfiZ_hUSpm8KQDt1Mnd6dj5Ru3MXf-jri4xK6Pyb2-Lwfn8vQKg74pgxlxjrY"
}

Se l'operazione non riesce, contatta l'assistenza di Cloud Search.

Utilizza operations.get per verificare che il supporto di terze parti sia inizializzato:

curl \
'https://cloudsearch.googleapis.com/v1/operations/customers/01b3fqdm/lro/AOIL6eBv7fEfiZ_hUSpm8KQDt1Mnd6dj5Ru3MXf-jri4xK6Pyb2-Lwfn8vQKg74pgxlxjrY?key=
[YOUR_API_KEY]' \
--header 'Authorization: Bearer [YOUR_ACCESS_TOKEN]' \
--header 'Accept: application/json' \
--compressed

Al termine dell'inizializzazione di terze parti, contiene il campo done impostato su true. Ad esempio:

{
name: "operations/customers/01b3fqdm/lro/AOIL6eBv7fEfiZ_hUSpm8KQDt1Mnd6dj5Ru3MXf-jri4xK6Pyb2-Lwfn8vQKg74pgxlxjrY"
done: true
}

Crea l'origine dati

Poi, crea un'origine dati nella Console di amministrazione. L'origine dati fornisce uno spazio dei nomi per l'indicizzazione dei contenuti utilizzando il connettore.

Apri la Console di amministrazione Google.
Fai clic sull'icona App. Viene visualizzata la pagina "Amministrazione app".
Fai clic su Google Workspace. Viene visualizzata la pagina "Amministrazione di Google Workspace app".
Scorri verso il basso e fai clic su Cloud Search. Viene visualizzata la pagina "Impostazioni per Google Workspace".
Fai clic su Origini dati di terze parti. Viene visualizzata la pagina "Origini dati".
Fai clic sul segno rotondo giallo +. Viene visualizzata la finestra di dialogo "Aggiungi nuova origine dati".
Nel campo Nome visualizzato, digita "tutorial".
Nel campo Indirizzi email dell'account di servizio, inserisci l'indirizzo email dell'account di servizio che hai creato nella sezione precedente. Se non conosci l'indirizzo email dell'account di servizio, cerca il valore nella pagina degli account di servizio.
Fai clic su AGGIUNGI. Viene visualizzata la finestra di dialogo "Origine dati creata".
Fai clic su *OK. Prendi nota dell'ID origine dell'origine dati appena creata. L'ID origine viene utilizzato per configurare il connettore di contenuti.

Genera un token di accesso personale per l'API GitHub

Il connettore richiede l'accesso autenticato all'API GitHub per disporre di una quota sufficiente. Per semplicità, il connettore utilizza token di accesso personale invece di OAuth. I token personali consentono l'autenticazione come utente con un insieme limitato di autorizzazioni simili a OAuth.

Accedi a GitHub.
Nell'angolo in alto a destra, fai clic sulla tua immagine del profilo. Viene visualizzato un menu a discesa.
Fai clic su Impostazioni.
Fai clic su Impostazioni sviluppatore.
Fai clic su Token di accesso personali.
Fai clic su Genera token di accesso personale.
Nel campo Nota, inserisci "Tutorial Cloud Search".
Controlla l'ambito public_repo.
Fai clic su Genera token.
Prendi nota del token generato. Viene utilizzato dal connettore per chiamare le API GitHub e fornisce la quota API per eseguire l'indicizzazione.

Configura il connettore

Dopo aver creato le credenziali e l'origine dati, aggiorna la configurazione del connettore in modo da includere questi valori:

Dalla riga di comando, cambia la directory in cloud-search-samples/end-to-end/connector/.
Apri il file sample-config.properties con un editor di testo.
Imposta il parametro api.serviceAccountPrivateKeyFile sul percorso file delle credenziali di servizio scaricate in precedenza.
Imposta il parametro api.sourceId sull'ID dell'origine dati creata in precedenza.
Imposta il parametro github.user sul tuo nome utente GitHub.
Imposta il parametro github.token sul token di accesso che hai creato in precedenza.
Salva il file.

Aggiorna lo schema

Il connettore indicizza i contenuti strutturati e non strutturati. Prima di indicizzare i dati, devi aggiornare lo schema per l'origine dati. Esegui questo comando per aggiornare lo schema:

mvn exec:java -Dexec.mainClass=com.google.cloudsearch.tutorial.SchemaTool \
    -Dexec.args="-Dconfig=sample-config.properties"

Esegui il connettore

Per eseguire il connettore e iniziare l'indicizzazione, esegui questo comando:

mvn exec:java -Dexec.mainClass=com.google.cloudsearch.tutorial.GithubConnector \
    -Dexec.args="-Dconfig=sample-config.properties"

La configurazione predefinita per il connettore prevede l'indicizzazione di un singolo repository nell'organizzazione googleworkspace. L'indicizzazione del repository richiede circa 1 minuto. Dopo l'indicizzazione iniziale, il connettore continua a eseguire il polling delle modifiche al repository che devono essere riportate nell'indice di Cloud Search.

Revisione del codice

Le sezioni rimanenti esaminano la creazione del connettore.

Avvio dell'applicazione

Il punto di ingresso al connettore è la classe GithubConnector. Il metodo main crea un'istanza IndexingApplication dell'SDK e lo avvia.

GithubConnector.java

Visualizza su GitHub

/**
 * Main entry point for the connector. Creates and starts an indexing
 * application using the {@code ListingConnector} template and the sample's
 * custom {@code Repository} implementation.
 *
 * @param args program command line arguments
 * @throws InterruptedException thrown if an abort is issued during initialization
 */
public static void main(String[] args) throws InterruptedException {
  Repository repository = new GithubRepository();
  IndexingConnector connector = new ListingConnector(repository);
  IndexingApplication application = new IndexingApplication.Builder(connector, args)
      .build();
  application.start();
}

La classe ListingConnector fornita dall'SDK implementa una strategia di attraversamento che sfrutta le code di Cloud Search per monitorare lo stato degli elementi nell'indice. Delega a GithubRepository, implementato dal connettore di esempio, per accedere ai contenuti da GitHub.

Esplorazione dei repository GitHub

Durante gli attraversamenti completi, viene chiamato il metodo getIds() per eseguire il push degli elementi che potrebbero dover essere indicizzati nella coda.

Il connettore può indicizzare più repository od organizzazioni. Per minimizzare l'impatto di un errore, viene eseguito il trasferimento di un repository GitHub alla volta. Viene restituito un checkpoint con i risultati dell'attraversamento contenente l'elenco dei repository da indicizzare nelle chiamate successive a getIds(). Se si verifica un errore, l'indicizzazione viene ripresa nel repository attuale anziché iniziare dall'inizio.

GithubRepository.java

Visualizza su GitHub

/**
 * Gets all of the existing item IDs from the data repository. While
 * multiple repositories are supported, only one repository is traversed
 * per call. The remaining repositories are saved in the checkpoint
 * are traversed on subsequent calls. This minimizes the amount of
 * data that needs to be reindex in the event of an error.
 *
 * <p>This method is called by {@link ListingConnector#traverse()} during
 * <em>full traversals</em>. Every document ID and metadata hash value in
 * the <em>repository</em> is pushed to the Cloud Search queue. Each pushed
 * document is later polled and processed in the {@link #getDoc(Item)} method.
 * <p>
 * The metadata hash values are pushed to aid document change detection. The
 * queue sets the document status depending on the hash comparison. If the
 * pushed ID doesn't yet exist in Cloud Search, the document's status is
 * set to <em>new</em>. If the ID exists but has a mismatched hash value,
 * its status is set to <em>modified</em>. If the ID exists and matches
 * the hash value, its status is unchanged.
 *
 * <p>In every case, the pushed content hash value is only used for
 * comparison. The hash value is only set in the queue during an
 * update (see {@link #getDoc(Item)}).
 *
 * @param checkpoint value defined and maintained by this connector
 * @return this is typically a {@link PushItems} instance
 */
@Override
public CheckpointCloseableIterable<ApiOperation> getIds(byte[] checkpoint)
    throws RepositoryException {
  List<String> repositories;
  // Decode the checkpoint if present to get the list of remaining
  // repositories to index.
  if (checkpoint != null) {
    try {
      FullTraversalCheckpoint decodedCheckpoint = FullTraversalCheckpoint
          .fromBytes(checkpoint);
      repositories = decodedCheckpoint.getRemainingRepositories();
    } catch (IOException e) {
      throw new RepositoryException.Builder()
          .setErrorMessage("Unable to deserialize checkpoint")
          .setCause(e)
          .build();
    }
  } else {
    // No previous checkpoint, scan for repositories to index
    // based on the connector configuration.
    try {
      repositories = scanRepositories();
    } catch (IOException e) {
      throw toRepositoryError(e, Optional.of("Unable to scan repositories"));
    }
  }

  if (repositories.isEmpty()) {
    // Nothing left to index. Reset the checkpoint to null so the
    // next full traversal starts from the beginning
    Collection<ApiOperation> empty = Collections.emptyList();
    return new CheckpointCloseableIterableImpl.Builder<>(empty)
        .setCheckpoint((byte[]) null)
        .setHasMore(false)
        .build();
  }

  // Still have more repositories to index. Pop the next repository to
  // index off the list. The remaining repositories make up the next
  // checkpoint.
  String repositoryToIndex = repositories.get(0);
  repositories = repositories.subList(1, repositories.size());

  try {
    log.info(() -> String.format("Traversing repository %s", repositoryToIndex));
    Collection<ApiOperation> items = collectRepositoryItems(repositoryToIndex);
    FullTraversalCheckpoint newCheckpoint = new FullTraversalCheckpoint(repositories);
    return new CheckpointCloseableIterableImpl.Builder<>(items)
        .setHasMore(true)
        .setCheckpoint(newCheckpoint.toBytes())
        .build();
  } catch (IOException e) {
    String errorMessage = String.format("Unable to traverse repo: %s",
        repositoryToIndex);
    throw toRepositoryError(e, Optional.of(errorMessage));
  }
}

Il metodo collectRepositoryItems() gestisce l'attraversamento di un singolo repository GitHub. Questo metodo restituisce una raccolta di ApiOperations che rappresenta gli elementi di cui eseguire il push in coda. Gli elementi vengono inviati sotto forma di nome risorsa e valore hash che rappresenta lo stato attuale dell'elemento.

Il valore hash viene utilizzato negli attraversamenti successivi dei repository GitHub. Questo valore fornisce un semplice controllo per determinare se i contenuti sono stati modificati senza dover caricare altri contenuti. Il connettore mette in coda tutti gli elementi. Se l'elemento è nuovo o il valore hash è cambiato, viene reso disponibile per il polling in coda. In caso contrario, l'elemento viene considerato non modificato.

GithubRepository.java

Visualizza su GitHub

/**
 * Fetch IDs to  push in to the queue for all items in the repository.
 * Currently captures issues & content in the master branch.
 *
 * @param name Name of repository to index
 * @return Items to push into the queue for later indexing
 * @throws IOException if error reading issues
 */
private Collection<ApiOperation> collectRepositoryItems(String name)
    throws IOException {
  List<ApiOperation> operations = new ArrayList<>();
  GHRepository repo = github.getRepository(name);

  // Add the repository as an item to be indexed
  String metadataHash = repo.getUpdatedAt().toString();
  String resourceName = repo.getHtmlUrl().getPath();
  PushItem repositoryPushItem = new PushItem()
      .setMetadataHash(metadataHash);
  PushItems items = new PushItems.Builder()
      .addPushItem(resourceName, repositoryPushItem)
      .build();

  operations.add(items);
  // Add issues/pull requests & files
  operations.add(collectIssues(repo));
  operations.add(collectContent(repo));
  return operations;
}

Elaborazione della coda

Una volta completato il attraversamento completo, il connettore inizia a eseguire il polling della coda per gli elementi che devono essere indicizzati. Viene chiamato il metodo getDoc() per ogni elemento estratto dalla coda. Il metodo legge l'elemento da GitHub e lo converte nella rappresentazione corretta per l'indicizzazione.

Poiché il connettore è in esecuzione su dati in tempo reale che potrebbero essere modificati in qualsiasi momento, getDoc() verifica anche che l'elemento nella coda sia ancora valido ed elimina dall'indice tutti gli elementi che non esistono più.

GithubRepository.java

Visualizza su GitHub

/**
 * Gets a single data repository item and indexes it if required.
 *
 * <p>This method is called by the {@link ListingConnector} during a poll
 * of the Cloud Search queue. Each queued item is processed
 * individually depending on its state in the data repository.
 *
 * @param item the data repository item to retrieve
 * @return the item's state determines which type of
 * {@link ApiOperation} is returned:
 * {@link RepositoryDoc}, {@link DeleteItem}, or {@link PushItem}
 */
@Override
public ApiOperation getDoc(Item item) throws RepositoryException {
  log.info(() -> String.format("Processing item: %s ", item.getName()));
  Object githubObject;
  try {
    // Retrieve the item from GitHub
    githubObject = getGithubObject(item.getName());
    if (githubObject instanceof GHRepository) {
      return indexItem((GHRepository) githubObject, item);
    } else if (githubObject instanceof GHPullRequest) {
      return indexItem((GHPullRequest) githubObject, item);
    } else if (githubObject instanceof GHIssue) {
      return indexItem((GHIssue) githubObject, item);
    } else if (githubObject instanceof GHContent) {
      return indexItem((GHContent) githubObject, item);
    } else {
      String errorMessage = String.format("Unexpected item received: %s",
          item.getName());
      throw new RepositoryException.Builder()
          .setErrorMessage(errorMessage)
          .setErrorType(RepositoryException.ErrorType.UNKNOWN)
          .build();
    }
  } catch (FileNotFoundException e) {
    log.info(() -> String.format("Deleting item: %s ", item.getName()));
    return ApiOperations.deleteItem(item.getName());
  } catch (IOException e) {
    String errorMessage = String.format("Unable to retrieve item: %s",
        item.getName());
    throw toRepositoryError(e, Optional.of(errorMessage));
  }
}

Per ogni oggetto GitHub indicizzato dal connettore, il metodo indexItem() corrispondente gestisce la creazione della rappresentazione degli elementi per Cloud Search. Ad esempio, per creare la rappresentazione per i contenuti:

GithubRepository.java

Visualizza su GitHub

/**
 * Build the ApiOperation to index a content item (file).
 *
 * @param content      Content item to index
 * @param previousItem Previous item state in the index
 * @return ApiOperation (RepositoryDoc if indexing,  PushItem if not modified)
 * @throws IOException if unable to create operation
 */
private ApiOperation indexItem(GHContent content, Item previousItem)
    throws IOException {
  String metadataHash = content.getSha();

  // If previously indexed and unchanged, just requeue as unmodified
  if (canSkipIndexing(previousItem, metadataHash)) {
    return notModified(previousItem.getName());
  }

  String resourceName = new URL(content.getHtmlUrl()).getPath();
  FieldOrValue<String> title = FieldOrValue.withValue(content.getName());
  FieldOrValue<String> url = FieldOrValue.withValue(content.getHtmlUrl());

  String containerName = content.getOwner().getHtmlUrl().getPath();
  String programmingLanguage = FileExtensions.getLanguageForFile(content.getName());

  // Structured data based on the schema
  Multimap<String, Object> structuredData = ArrayListMultimap.create();
  structuredData.put("organization", content.getOwner().getOwnerName());
  structuredData.put("repository", content.getOwner().getName());
  structuredData.put("path", content.getPath());
  structuredData.put("language", programmingLanguage);

  Item item = IndexingItemBuilder.fromConfiguration(resourceName)
      .setTitle(title)
      .setContainerName(containerName)
      .setSourceRepositoryUrl(url)
      .setItemType(IndexingItemBuilder.ItemType.CONTAINER_ITEM)
      .setObjectType("file")
      .setValues(structuredData)
      .setVersion(Longs.toByteArray(System.currentTimeMillis()))
      .setHash(content.getSha())
      .build();

  // Index the file content too
  String mimeType = FileTypeMap.getDefaultFileTypeMap()
      .getContentType(content.getName());
  AbstractInputStreamContent fileContent = new InputStreamContent(
      mimeType, content.read())
      .setLength(content.getSize())
      .setCloseInputStream(true);
  return new RepositoryDoc.Builder()
      .setItem(item)
      .setContent(fileContent, IndexingService.ContentFormat.RAW)
      .setRequestMode(IndexingService.RequestMode.SYNCHRONOUS)
      .build();
}

Quindi, esegui il deployment dell'interfaccia di ricerca.

Indietro Avanti