Esegui il deployment del connettore

Questa pagina del tutorial di Cloud Search mostra come configurare un'origine dati e un connettore di contenuti per l'indicizzazione dei dati. Per iniziare dall'inizio di questo tutorial, consulta il tutorial di guida introduttiva a Cloud Search

Crea il connettore

Modifica la directory di lavoro in cloud-search-samples/end-to-end/connector ed esegui questo comando:

mvn package -DskipTests

Il comando scarica le dipendenze richieste per la creazione del connettore di contenuti e compila il codice.

Crea le credenziali del service account

Il connettore richiede le credenziali del service account per chiamare le API Cloud Search. Per creare le credenziali:

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

Inizializza il supporto di terze parti

Inizializza il supporto di terze parti per Google Cloud Search prima di chiamare altre API Cloud Search.

Per inizializzare il supporto di terze parti:

1. Crea le credenziali dell'applicazione web nel progetto della piattaforma Cloud Search. Consulta Crea credenziali. Ti servono l'ID client e il client secret.
2. Ottieni un token di accesso utilizzando il OAuth 2.0 Playground:
   1. Fai clic su Configurazione OAuth 2.0 (icona delle impostazioni) e seleziona Utilizza le tue credenziali OAuth.
   2. Inserisci l'ID client e il client secret.
   3. Nel campo degli ambiti, inserisci https://www.googleapis.com/auth/cloud_search.settings e fai clic su Autorizza API.
   4. Fai clic su Scambia codice di autorizzazione con token.

3. Esegui questo comando curl, sostituendo [YOUR_ACCESS_TOKEN] con il tuo token:

   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 include un operation. In caso di errore, contatta l'assistenza Cloud Search.

4. Utilizza operations.get per verificare l'inizializzazione:

   curl 'https://cloudsearch.googleapis.com/v1/operations/<var>operation_name</var>?key=[YOUR_API_KEY]' \
   --header 'Authorization: Bearer [YOUR_ACCESS_TOKEN]' \
   --header 'Accept: application/json' \
   --compressed
   

   L'inizializzazione è completa quando done è 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.

1. Apri la Console di amministrazione Google.
2. Fai clic sull'icona App. Viene visualizzata la pagina "Amministrazione app".
3. Fai clic su Google Workspace. Viene visualizzata la pagina "Amministrazione app Google Workspace".
4. Scorri verso il basso e fai clic su Cloud Search. Viene visualizzata la pagina "Impostazioni per Google Workspace".
5. Fai clic su Origini dati di terze parti. Viene visualizzata la pagina "Origini dati".
6. Fai clic sul pulsante giallo rotondo +. Viene visualizzata la finestra di dialogo "Aggiungi nuova origine dati".
7. Nel campo Nome visualizzato, digita "tutorial".
8. Nel campo Indirizzi email degli account di servizio, inserisci l'indirizzo email del service account che hai creato nella sezione precedente. Se non conosci l' indirizzo email del service account, cerca il valore ne lla pagina dei service account.
9. Fai clic su AGGIUNGI. Viene visualizzata la finestra di dialogo "L'origine dati è stata creata".
10. Fai clic su *OK. Prendi nota dell'ID origine per l'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 avere una quota sufficiente. Per semplicità, il connettore utilizza i token di accesso personali anziché OAuth. I token personali consentono l'autenticazione come utente con un insieme limitato di autorizzazioni simile a OAuth.

1. Accedi a GitHub.
2. Nell'angolo in alto a destra, fai clic sulla tua immagine del profilo. Viene visualizzato un menu a discesa.
3. Fai clic su Impostazioni.
4. Fai clic su Impostazioni sviluppatore.
5. Fai clic su Token di accesso personali.
6. Fai clic su Genera token di accesso personale.
7. Nel campo Nota, inserisci "Tutorial di Cloud Search".
8. Seleziona l'ambito public_repo.
9. Fai clic su Genera token.
10. 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:

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

Aggiorna lo schema

Il connettore indicizza sia i contenuti strutturati che quelli non strutturati. Prima di indicizzare i dati, devi aggiornare lo schema per l'origine dati. Esegui il comando seguente 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 il comando:

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

La configurazione predefinita del 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 per rilevare le modifiche al repository che devono essere riportate nell'indice di Cloud Search.

Esamina il codice

Le sezioni rimanenti esaminano la creazione del connettore.

Avvia l'applicazione

L'entry point del connettore è la classe GithubConnector. Il metodo main crea un'istanza di IndexingApplication dell'SDK e la avvia.

/**
 * 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();
}

Il ListingConnector fornito dall'SDK implementa una strategia di attraversamento che utilizza le code di Cloud Search per monitorare lo stato degli elementi nell'indice. Delega a GithubRepository, implementato dal connettore di esempio, l'accesso ai contenuti di GitHub.

Attraversa i repository GitHub

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

Il connettore può indicizzare più repository o organizzazioni. Per ridurre al minimo l'impatto di un errore, viene attraversato 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 dal repository corrente anziché iniziare dall'inizio.

/**
 * 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 rappresentano gli elementi da inserire nella coda. Gli elementi vengono inseriti come 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 controllo leggero per determinare se i contenuti sono stati modificati senza dover caricare contenuti aggiuntivi. Il connettore mette in coda tutti gli elementi. Se l'elemento è nuovo o il valore hash è stato modificato, viene reso disponibile per il polling nella coda. In caso contrario, l'elemento viene considerato non modificato.

/**
 * 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;
}

Elabora la coda

Al termine dell'attraversamento completo, il connettore inizia a eseguire il polling della coda per gli elementi da indicizzare. Il getDoc() metodo viene chiamato 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 viene eseguito su dati attivi che possono 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.

/**
 * 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 dell'elemento per Cloud Search. Ad esempio, per creare la rappresentazione degli elementi di contenuti:

/**
 * 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();
}

Poi, esegui il deployment dell'interfaccia di ricerca.

Precedente Avanti