Uma Empresa Search Engine em 15 minutos?

By : CSIRO Astronomy and Space Science Category : computers-internet Posted : 27-06-2014

Arkadi Kosmynin, Jessica ChapmanIt não se contesta que os motores de busca são ferramentas extremamente úteis. Afinal, quem não usa os motores de busca da web globais, tais como Google, nos dias de hoje? Suas irmãs menores, intranet ou motores de busca da empresa, desempenham funções semelhantes em um conhecimento menor escala e ajuda ação dentro da empresa, com um aumento de pessoal productivity.However, há um par de sérios problemas com a maioria das pesquisas da empresa. Em primeiro lugar e, talvez surpreendentemente, os algoritmos que fazem o Google tão eficaz na web global, não funcionam tão bem em sites de intranet. Os algoritmos de busca do Google, usado para a web global, são baseados em estatísticas obtidas a partir de links da web. Estas estatísticas são insuficientes, mesmo em grandes intranets. Encontrar algoritmos eficazes para intranets e sites corporativos é altamente desafiador. Nós escrevemos sobre este problema no nosso artigo "Intranet Pesquisa: Podemos obter o Google" (Http://www.atnf.csiro.au/computing/software/arch/ArchWebArticle.pdf) Se o problema parece interessante, leio it.A segundo problema é o custo. O enorme custo de funcionamento de motores de busca web globais é quase sempre pago por anunciantes. O custo de licenciamento, implantação e manutenção de motores de busca da empresa tem de ser coberto, e termos como "solução empresarial força" ou "licença da empresa" indicam muitas vezes custos elevados. Por exemplo, se você quer uma solução para suas necessidades empresariais de busca, você pode querer comprar o Google Search Appliance, com preços começando em torno de 32 mil dólares americanos para indexar até 500 mil documentos. Além disso, este tipo de solução não pode tratar adequadamente o primeiro problema descrito acima. CSIRO Arch é uma fonte aberta, livre motor de busca intranet baseado no Apache Nutch livremente disponível. Arch modifica Nutch para uso em intranets e estende-lo, adicionando recursos críticos necessários para ambientes corporativos, tais como a segurança em nível de documentos e controle de acesso. O resultado é uma alta performance, motor de busca força empresarial muito escalável e versátil que é capaz de intranets de indexação de qualquer tamanho. O melhor de tudo, Arch fornece resultados de pesquisa excelentes tanto para intranet e pesquisas empresariais. Em testes sistemáticos "cegas", descobrimos que o desempenho do Arch em intranets é comparável ao desempenho do Google na web mundial - algo que, como agora sabemos, outros motores de busca da intranet ainda tem que achieve.The recentemente lançou a versão 1.7 do Arch é muito simples de instalar. Neste artigo vamos explicar como implantar Arch em 15 minutos. Você vai precisar de um computador com Linux / Unix ou Windows Vista / 7 + Cygwin, um casal GB de RAM, Java 7 ou versão posterior, o Apache Ant e Ivy.To começar, vá para a página inicial Arch http://www. atnf.csiro.au / informática / software / arch / e baixe a última versão do Arch. Guarde-o em algum lugar no seu disco rígido. Mude para o diretório onde você salvou o pacote baixado Arch (suponho que é o arqui-1.7-src.tar.gz) e faça o seguinte: tar-xzf arqui-1.7-src.tar.gz cd arco-1.7 cd formiga ArchHome / bin arco vi. / archWhen você digita vi arco (veja acima), o editor Vi vai abrir um script rastejando Arch. Passar por este e editar os parâmetros. No mínimo, você deve fornecer URLs de sementes para iniciar o rastreamento com. Também é uma boa idéia fazer um rastreamento julgamento em primeiro lugar, com crawling.depth = 2.Que 's-lo! Isso pode ser feito em um minuto ou dois, então, por que nós pedimos por 15 minutos? Porque Formiga tem que baixar um número bastante grande de dependências (bibliotecas Java) que usa Arch. Dependendo da velocidade da sua conexão com a internet, isso pode levar cerca de 10 minutos. Quando Arch termina o rastreamento, você pode consultá-lo em http://arch endereço host: 8993/arch/search.This configuração rápida vai funcionar bem para simples pequena para intranets médias (de algumas centenas de páginas para alguns milhares). Casos mais complexos podem exigir uma configuração mais avançada, configuração e ajuste exemplo process.For, você pode querer: - excluir determinados ramos de seus sites de indexação; - Esconder restrito documentos de acesso de pessoas que não estão autorizados a vê-los; - Documentos de poda antes de indexação, para evitar que as partes comuns, tais como menus, rodapés e cabeçalhos de poluir o seu índice; - Dividir seus sites em diferentes áreas para rastreamento diferencial e busca mais fácil; - Implantar uma série de gateways para pesquisa filtrada; - Melhorar drasticamente a qualidade da pesquisa, fazendo logs do servidor web disponível para Arch para tratamento estatístico; - Disponibilizar para indexação e pesquisa exportações provenientes de outras fontes (não-Web), como databases.All corporativo isso pode ser feito em Arch, mas vai demorar mais tempo para fazer. O Guia de Início Rápido Arch fornece referências a capítulos relevantes para o Manual de Implementação. Portanto, a resposta para a pergunta do título deste artigo, "motor de busca da empresa em 15 minutos?" é "sim e não". "Sim" - se você tem um site relativamente simples e / ou pequeno para o índice. "Não" - se você precisa para personalizar a configuração Arch para atender às suas necessidades especiais.

Yooarticles

Find, Search, Reprint, Submit Articles For Free

Uma Empresa Search Engine em 15 minutos?

Other articles