నేను రోజు అప్ పూర్తి చేసిన 2 ఎండ నీధం లో వేగవంతం శిక్షణ, MA, మరియు నేను ఆలోచనలను పగిలిపోవడం వెబ్ (అన్ని మంచి శిక్షణ తరగతులు నాకు ఇవి). One particular aspect of FAST has me thinking and I wanted to write it down while it was still fresh and normal day-to-day "stuff" నా తల దాన్ని ముందుకు.

మేము SharePoint WSS 3.0 / MOSS అమలు తరచుగా ఏ అయినా SharePoint ప్రాజెక్ట్ తో ఒక కఠినమైన సమస్య ఎదుర్కొనే: మేము అది మా సంపూర్ణ రూపకల్పన సమాచారం నిర్మాణంలోపల సరిపోయే అటువంటి SharePoint లోకి లోడ్ అన్ని NUM_UNTAGGED ట్యాగ్ తీసివేయబడిన డేటా ఎలా పొందాలి?

తరచుగా తగినంత, ఇది ఒక హార్డ్ సమస్య కాదు ఎందుకంటే ఇబ్బంది మేము పరిధిని మమ్మల్ని బయటకు: "We don’t care about anything more than 3 months old." "We’ll handle all that old stuff with keyword search and going-forward we’ll do it the RIGHT way…" Etc.

కాని, what happens if we can’t scope ourselves out of trouble and we’re looking at 10’s of thousands or 100’s of thousands (లేదా మిలియన్ల) డాక్స్ — లోడ్ మరియు ఇది ఆఫ్ టాగింగ్ మా విశ్వాసంగల ఆకాంక్షిస్తుంది?

వేగవంతం సమాధానం కావచ్చు.

వేగవంతం యొక్క శోధన ప్రక్రియ కదిలే భాగాలు చాలా ఉన్నాయి కానీ ఒక సరళమైన వీక్షణ ఈ ఉంది:

• ఒక క్రాలర్ ప్రక్రియ కంటెంట్ వెదుకుతుంది.
• ఇది కంటెంట్ తెలుసుకుంటాడు మరియు పత్రం ప్రాసెసర్ల యొక్క ఒక పూల్ నిర్వహించే ఒక మధ్యవర్తి ప్రక్రియ ఇది ​​ఆఫ్ చేతులు.
• బ్రోకర్ ప్రక్రియ పత్రం ప్రాసెసర్ల దానిని ఆఫ్ చేతులు.
• పత్రం ప్రాసెసర్ పత్రం విశ్లేషిస్తుంది మరియు పైప్లైన్ ప్రక్రియ ద్వారా, పత్రం నుండి bejeezus విశ్లేషిస్తుంది మరియు ఒక ఇండెక్స్ బిల్డర్ రకం ప్రక్రియ ఇది ​​ఆఫ్ చేతులు.

స్టార్ షిప్ ప్రయాణాలను వేగంగా, we have a lot of control over the document processing pipeline. We can mix and match about 100 పైప్లైన్ భాగాలు మరియు, చాలా ఆసక్తికరంగా, we can write our own components. Like I say, FAST is analyzing documents every which way but Sunday and it compiles a lot of useful information about those documents. Those crazy FAST people are clearly insane and obsessive about document analysis because they have tools and/or strategies to REALLY categorize documents.

ఈ విధంగా … మా స్వంత కస్టమ్ పైప్లైన్ భాగం కలిపి వేగవంతం ఉపయోగించి, we can grab all that context information from FAST and feed it back to MOSS. It might go something like this:

• డాక్యుమెంట్ MOSS నుండి వేగవంతం ఉంచుతారు.
• సాధారణ వెర్రి-అబ్సెసివ్ వేగవంతం పత్రం అన్వయించడం మరియు వర్గీకరణలో జరుగుతుంది.
• మా స్వంత కస్టమ్ పైప్లైన్ భాగం ఒక డేటాబేస్ ఆ సందర్భంలో సమాచారం యొక్క కొంత ఆఫ్ పడిపోతుంది.
• మా స్వంత రూపకల్పనను ప్రక్రియలో సందర్భం సమాచారాన్ని చదువుతుంది, మా IA లోపల ఆ MOSS పత్రం సరిపోయే ఎలా కొన్ని నిర్ణయాలు చేస్తుంది మరియు ఒక వెబ్ సేవ మరియు ఆబ్జెక్ట్ మోడల్ ఉపయోగించి దానిని సూచిస్తుంది.

కోర్సు యొక్క, అలాంటి స్వయంచాలక ప్రక్రియ అబ్సెసివ్ ఖచ్చితమైన కానీ ధన్యవాదాలు ఉంటుంది (మరియు మతిస్థిమితం కాని లో ఒక మంచి మార్గం వేగవంతం ప్రజలు), కేవలం కేవలం శోధించదగిన పత్రాలు ఒక సమూహం తో ఒక SQL డేటాబేస్ అప్ పూరించడానికి కంటే మేము ఎక్కువ చేసే నిజంగా ప్రభావవంతమైన ప్రజా లోడ్ ప్రక్రియ కాల్చి నిజమైన పోరాటం కలిగి ఉండవచ్చు.

</చివర>

నా బ్లాగ్ సబ్స్క్రయిబ్.