Job-Manager

Um bei der Suche Ergebnisse zu erzielen, müssen Sie zuerst einen Indexierungsjob anlegen. Dies wird über den Der Job-Manager durchgeführt. Dieser steht nach erfolgreicher Anmeldung eines Nutzers mit administrativen Rechten zur Verfügung (Standard-Nutzer: admin/admin).

Nach erfolgreicher Anmeldung können Sie den Job-Manager auf zwei Arten öffnen:

  1. Über die Eingabe des Context /smartfinder/manager in der Adresszeile des Browser, oder

  2. Durch Klick auf das Tool Job Manager in der Oberfläche.

Verwaltung von Indexierungsjobs

Nach erfolgreicher Anmeldung bzw. Aufruf sehen Sie folgende Oberfläche:

jobmanager de

Hier sind alle publizierten Jobs gelistet. Diese sind wie folgt beschrieben:

Parameter Erläuterung

Titel

Der Titel des Jobs

Status

Der aktuelle Status der Indexierung. Folgende Status sind möglich:

  • inactive: der Job wird aktuell nicht indexiert

  • scheduled: der Job wird im Rahmen eines Schedulings in der Zukunft ausgeführt

  • pending: der Job wird bei der nächsten Iteration ausgeführt

  • executing: der Job wird aktuell indexiert

Quelle

Die Quelle, die durch diesen Job indexiert wird

Status der letzten Ausführung

successful oder failed

Letzter Erfolg

Datum der letzten erfolgreich durchgeführten Indexierung.

Ausführung

Ist ein Scheduling konfiguriert, so wird hier der nächste Ausführungszeitpunkt angezeigt.

Anzahl indexierter Elemente

Anzahl der Dokumente, die bei der letzten erfolgreich durchgeführten Indexierung in den Index aufgenommen worden sind.

Name des Indexes

Name des Index, in dem die Daten indexiert werden, siehe Cores und Indexes
Da die Indexierung der Jobs asynchron erfolgt wird die Anzahl der indexierten Dokumente für einen Job verzögert dargestellt.

Anlegen von Indexierungs-Jobs

Klicken Sie zum Anlegen eines neuen Jobs auf das Plus-Symbol in der oberen linken Ecke. Es erscheint ein Auswahldialog, über den Sie die zu indexierende Quelle auswählen können.

Allgemeine Angaben

Jede Quelle benötigt eine Reihe von Parametern. Einige sind spezifisch, andere gelten allgemein für jede Quelle.

Die allgemeinen Parameter sind:

Parameter Erläuterung

Titel

Der Titel des Jobs

Statusnachricht senden an

Komma-separierte Liste von Email-Adressen, an die Statusänderungen geschickt werden

Name des Index

Der Name des Index, in den die Ressources der Quelle indexiert werden sollen. Wird kein Wert ausgewählt, so wird der Default-Index verwendet. Dieser wird durch das Property solr.default.core.name festgelegt.

Scheduling

Wiederholt die Ausführung des Jobs in festgelegten Intervallen. Siehe Indexierungs-Jobs zeitlich planen

Die folgenden Abschnitte erläutern die spezifischen Parameter zu jeder Quelle.

Indexierungsquelle URL

Wählen Sie diesen Typ, wenn Sie Ressourcen indexieren möchten, die über eine URL adressierbar sind. Beispiele sind Ressourcen, die auf einer Web-Seite liegen oder auch GetCapabilities-Request.

Parameter Erläuterung

URL

URL der Quelle

Filter

Nur für Web-Site Crawling: regulärer Ausdruck, um die Weiterverfolgung von Links zu definieren.

Suchtiefe

Nur für Web-Site Crawling: Angabe der maximalen Suchtiefe innerhalb der Seiten-Hierarchie
Beispiel 1: Ernten aller Links einer Web-Seite, die mit .pdf enden.
URL: https://www.example.com/dir
Filter: .*(\.(pdf))$
Suchtiefe: 2

Ergebnis:
https://www.example.com/dir/doc.pdf wird indexiert
https://www.example.com/dir/1/doc2.pdf wird indexiert
https://www.example.com/dir/1/doc3.xdoc wird nicht indexiert
https://www.example.com/dir/1/2/doc3.pdf wird nicht indexiert

Beispiel 2: Indexierung einer Capabilities URL
Titel: WMS Demo Portal con terra
URL: http://www.example.com/geoserver/wms?Request=GetCapabilities&Service=WMS

Ergebnis: Das Capabilities XML der URL wird indexiert.

Indexierungsquelle Dataimport Handler

Viele Anwendungen speichern ihre Inhalte in einem strukturierten Datenspeicher, wie z.B. einer relationalen Datenbank. Der Data Import Handler (DIH) ist ein Feature von Apache Solr und bietet einen Mechanismus zum Indizierung dieser Inhalten.

Der smart.finder ermöglicht es, die Konfigurationsdatei eines Data Import Handlers einzulesen und im Job Manager einzubinden. Die Konfiguration für eine spezifische Datenquelle entnehmen Sie der Apache Solr Dokumentation .

Data Import Handler Konfigurationen werden immer für einen spezifischen Index erstellt. Es gelten im smart.finder folgende Konventionen:

  1. Diese Konfigurationsdateien müssen im /conf Verzeichnis des jeweiligen Index liegen.

  2. Der Name beginnt mit dih- und endet mit .xml

Unter core0/conf/dih-sample.xml finden Sie die Beispielkonfiguration eines Data Import Handlers. Dieses zeigt die Indexierung eines ATOM Feeds.

Um eine Konfigurationsdatei im Job-Manager einzubinden, wählen Sie die Option Datenimport. Folgende spezifische Parameter können angegeben werden:

Parameter Erläuterung

Konfigurationsdatei

Die dih-*.xml Datei, die über diesen Job auf dem Server ausgeführt werden soll.

Art des Imports

  • Komplett: die Datenquelle wird vollständig indexiert

  • Delta: es werden nur neue Daten aus der Datenquelle indexiert.

    Für einen Delta-Import muss die Konfigurationdatei bestimmten Anforderungen genügen, siehe Apache Solr Dokumentation

Ein Delta-Import kann nur mit einer Datenbank als Datenquelle durchgeführt werden.

Indexierungsquelle OGC CSW Katalog

Um ISO Metadaten zu indexieren, die über eine OGC CSW 2.0.2 Schnittstelle zugreifbar sind, wählen Sie die Option OGC CSW Katalog. Geben Sie folgende Werte an:

Parameter Erläuterung

URL

HTTP POST Endpunkt der GetRecords-Schnittstelle des Katalogs

Verteilte Kataloge indexieren

Klicken Sie diese Option, falls Sie zusätzlich die ISO Metadaten indexieren wollen, die durch den o.g. Katalog im Rahmen einer verteilten Suche zugreifbar sind.

Suchtiefe

Nur relevant, wenn die Option verteilte Kataloge Indexieren aktiviert wurde und definiert die Suchtiefe für die verteilten Kataloge (der sogenannte hopCount).
Indexierung OGC CSW Katalog

Wollen Sie z.B. den Katalog im Demo Portal der con terra indexieren, so geben Sie folgende Werte an:

Titel: CSW Demo Portal con terra URL: http://www.example.com/soapServices/CSWStartup
Verteilte Kataloge indexieren: Ja
Suchtiefe: 2

Der so definierte Job indexiert den CSW Katalog sowie alle angeschlossenen Katalog bis zu einer Suchtiefe von 2.

Indexierungsquelle Verzeichnis

Um Ressourcen zu indexieren, die in einem lokalen Verzeichnis vorliegen, wählen Sie die Option Verzeichnis. Geben Sie folgende Werte an:

Parameter Erläuterung

Verzeichnis

Das Basis-Verzeichnis, welches durchsucht werden soll.

Verzeichnistiefe

  • Basis: durchsucht nur das Wurzelverzeichnis

  • Direkt: durchsucht das Wurzelverzeichnis sowie die direkten Unterverzeichnisse

  • Alle: durchsucht das Wurzelverzeichnis sowie alle Unterverzeichnisse

Dateitypen

Ein optionaler Filter zur Einschränkung der Dateien, die indexiert werden sollen. Dieser wird mit Hilfe des glob Pattern beschrieben, siehe: What Is a Glob? .

Beispiele:

*.shp: es werden nur ESRI Shape Dateien indexiert

*.{xml,pdf}: es werden nur Dateien mit der Endung xml oder pdf indexiert
Indexierung Verzeichnis

Gegeben sei folgende Verzeichnisstruktur:

C:\data\1.pdf
C:\data\1.doc
C:\data\sub\1.xml
C:\data\sub\2.pdf
C:\data\sub\subsub\1.tiff

Wollen Sie z.B. alle XML Dateien im Wurzelverzeichnis und eine Ebene tiefer indexieren möchten, geben Sie folgende Werte an:

Titel: Verzeichnis 'data'
Verzeichnis: C:\data
Vezeichnistiefe: Direkt
Dateitypen: *.xml

Wollen Sie hingegen alle PDF und Tiff Dateien indexieren, geben Sie folgende Werte an:

Titel: Verzeichnis 'data'
Verzeichnis: C:\data Vezeichnistiefe:
Alle Dateitypen: *.{pdf,tiff}

Indexierungs-Jobs zeitlich planen

Neben dem manuellen Starten von Jobs haben Sie die Möglichkeit, diese auch zu bestimmten Zeitpunkten wiederholt und automatisch durchführen zu lassen. Hierzu können Sie für jeden Job ein Scheduling explizit definieren. Aktivieren Sie hierzu die Option Scheduling beim Anlegen eines Jobs. Sie können ein Scheduling auch für einen Job nachträglich festlegen.

Wann?

Eine vordefinierte Liste von Werten, die bestimmte Zeiträume abdecken. Diese sind:

  • Jede volle Stunde (d.h. stündlich)

  • Jeden Tag um 00:00 Uhr (d.h. täglich)

  • Jeden Sonntag um 00:00 Uhr (d.h. wöchentlich)

  • Jeden 1. Tag im Monat um 00:00 Uhr (d.h. monatlich)

Cron Job

Hier werden das zeitliche Pattern in der Cron Notation eingetragen.

Status

Hier wird festgelegt, ob das Scheduling aktiviert (scheduled) oder pausiert (inactive) werden soll.

Ist für einen Indexierungsjob eine Scheduling definiert, ergeben sich hieraus die folgenden Status:

scheduled

Dies ist der Normalzustand: der Job steht in der Warteschlange und es kontinuierlich überprüft, ob das durch den Scheduler angegeben Intervall erreicht wurde

pending

Das durch den Scheduler angegebene Intervall ist aktuell erreicht. Der Job wartet auf einen freien Platz in der Ausführungskette.

executing

Indexierung des Jobs läuft. Nach erfolgreicher Indexierung wird wieder der Zustand scheduled für den Job gesetzt.

inactive

Für den Indexierungsjob ist ein Scheduling definiert, jedoch aktuell pausiert.

Die vordefinierten Notationen decken eine Vielzahl von Anwendungsfällen ab. Sollte Sie dennoch eine eigene Ablaufplanung des Jobs bevorzugen, können Sie die Einstellung auf Benutzerdefiniert setzen und einen eigenen Cron Job definiert. Die Erläuterung hierzu finden Sie dokumentiert im Quartz-Framework, welches Server-seitig verwendet wird: Quartz Cron Trigger Tutorial

Löschen von Indexierungs-Jobs

Wählen Sie im Job-Manager mindestens einen Job mittels der Checkbox aus. Klicken Sie anschließend das Minus-Symbol oben links und bestätigen Sie den Löschvorgang.

Durch das Löschen eines Jobs werden alle mit diesem Job verbundenen Dokumente aus dem Index gelöscht und stehen bei einer Suche nicht mehr zur Verfügung.