ENTERPRISE SEARCH Toteutustekniikka Mikko Uusitalo Tampereen ammattikorkeakoulu

Sisältö • Enterprise search • Google Search Appliance • Ylläpito • Integrointi • Ongelmia ja ratkaisuja 2 / 12

Enterprise search • Yksi hakupalvelu yhdistää useat tietolähteet  Yhtenäinen hakukokemus • Ei ole rajoittunut pelkästään julkisiin www-sivuihin  Esimerkiksi henkilöhaku LDAP-hakemistosta mahdollinen • Pääsynhallinta  Näytetään vain ne dokumentit, joihin käyttäjällä on käyttöoikeus • Haun tarkennus ja rajaus (dynaaminen navigointi)  Epäoleelliset hakutulokset suodattuvat pois käyttäjän valintojen mukaan 3 / 12

Google Search Appliance (GSA) • Oma Google-hakupalvelin  Googlen hakuosaaminen käytettävissä • Crawling, Indexing, Serving, Administration • Lisenssi määrittää, montako dokumenttia indeksiin mahtuu  Yksi URL = yksi dokumentti, vaikka sivu olisi sama. Uuden järjestelmän indeksointia kannattaa seurata, ettei lisenssi tule vahingossa täyteen esimerkiksi HTTP GET -parametrien takia. 4 / 12

Google Search Appliance (GSA) • Googlen tuki nopeaa ja asiantuntevaa  Koodimuutos ohjelmistobugin korjaamiseksi saatiin kymmenessä tunnissa • Tuki ottaa laitteeseen yhteyden SSH:lla tukipyyntöjä selvittääkseen • Apua ostettavissa Solita Oy:ltä, ainoa Enterprise Search -partneri Suomessa 5 / 12

Crawl • Yksinkertaisimmillaan jonkin järjestelmän ”crawlaus” aloitetaan kertomalla sen osoite GSA:lle • Muiden kuin www-sivujen läpikäyntiin käytetään connector-lisäosia  Saatavilla ilmaiseksi, ostettavissa ja koodattavissa (Java) • Pääsynhallinta vaatii muutoksia kohdejärjestelmään ja/tai järjestelmään kirjautumisen opettamista GSA:lle  Määritellään miten GSA pääsee kohdejärjestelmään  Määritellään käyttäjän käyttöoikeuksien tarkistus  Helppo huomioida uuden järjestelmän toteutusvaiheessa 6 / 12

Index • Dokumentteja voidaan myös viedä indeksiin XML-syötteenä  Dokumentit joihin ei ole viittauksia muualla  GSA:n ei tarvitse päästä kohdejärjestelmään • Indeksoitavat dokumentit jaetaan kokoelmiin (collection), jolloin esimerkiksi intranetin ja julkisen www-sivuston hakusisältö voidaan erottaa toisistaan • Kattavasti tilatietoa ja lokeja laitteen toiminnasta 7 / 12

Serving • Integrointi kannattaa toteuttaa yhteistyössä indeksoitavan järjestelmän toimittajan kanssa • Hakulause lähetetään GSA:lle HTTP GET -pyyntönä, johon saadaan haluttaessa vastaus myös XML:nä • Haku- ja tulossivun ulkoasua voi muokata XSLT- tyylitiedostolla 8 / 12

Serving • Käyttäjän käyttöoikeuksien tarkistukseen useita vaihtoehtoja • Perus HTTP-kirjautuminen • Cookie cracking • Kerberos • SAML • X.509-käyttäjävarmenne • Connector 9 / 12

Cookie cracking 10 / 12

Ongelmia ja ratkaisuja • GSA:n sisäänrakennettu LDAP connector kaatui, koska se ei saanut LDAP-palvelimelta dataa riittävän nopeasti  Otettiin käyttöön ulkoinen connector-palvelin • Palaute hakukokemuksesta ollut pääosin hyvää  Opetetaan GSA:lle vielä etsityimpien hakutermien synonyymit (esim. kurssipalaute = opintojaksopalaute) 11 / 12

Kiitos! 12 / 12