コネクタのデプロイ

Cloud Search チュートリアルのこのページでは、データをインデックス登録するためにデータソースとコンテンツ コネクタを設定する方法について説明します。このチュートリアルの最初から始めるには、Cloud Search スタートガイドのチュートリアルをご覧ください。

コネクタをビルドする

作業ディレクトリを cloud-search-samples/end-to-end/connector ディレクトリに変更し、次のコマンドを実行します。

mvn package -DskipTests

このコマンドは、コンテンツ コネクタのビルドに必要な依存関係をダウンロードし、コードをコンパイルします。

サービス アカウントの認証情報を作成する

コネクタには、Cloud Search API を呼び出すためのサービス アカウントの認証情報が必要です。認証情報を作成するには:

  1. Google Cloud コンソールに戻ります。
  2. 左側のナビゲーションで [認証情報] をクリックします。[認証情報] ページが表示されます。
  3. [+ 認証情報を作成] プルダウン リストをクリックし、[サービス アカウント] を選択します。[サービス アカウントの作成] ページが表示されます。
  4. [サービス アカウント名] フィールドに「tutorial」と入力します。
  5. サービス アカウント ID の値(サービス アカウント名の直後)をメモします。この値は後で使用されます。
  6. [作成] をクリックします。[サービス アカウントの権限(省略可)] ダイアログが表示されます。
  7. [続行] をクリックします[ユーザーにこのサービス アカウントへのアクセスを許可(省略可)] ダイアログが表示されます。
  8. [完了] をクリックします。[認証情報] 画面が表示されます。
  9. [サービス アカウント] で、サービス アカウントのメールアドレスをクリックします。[サービス アカウントの詳細] ページが表示されます。
  10. [鍵] で [鍵を追加] プルダウン リストをクリックし、[新しい鍵を作成] を選択します。[秘密鍵の作成] ダイアログが表示されます。
  11. [作成] をクリックします。
  12. (省略可)[console.cloud.google.com でのダウンロードを許可しますか?] ダイアログが表示されたら、[許可] をクリックします。
  13. 秘密鍵ファイルがパソコンに保存されます。ダウンロードしたファイルの場所をメモします。このファイルは、Google Cloud Search API を呼び出すときにコンテンツ コネクタが自己認証できるように、コンテンツ コネクタを構成するために使用されます。

サードパーティ サポートを初期化する

他の Cloud Search API を呼び出す前に、Google Cloud Search に対するサードパーティ サポートを初期化する必要があります。

Cloud Search のサードパーティ サポートを初期化するには:

  1. Cloud Search Platform プロジェクトにサービス アカウントの認証情報が含まれている。ただし、サードパーティ サポートを初期化するには、ウェブ アプリケーションの認証情報を作成する必要があります。ウェブ アプリケーションの認証情報を作成する手順については、認証情報を作成するをご覧ください。この手順が完了すると、クライアント ID とクライアント シークレット ファイルが作成されます。

  2. Google の OAuth 2 Playground を使用して、アクセス トークンを取得します。

    1. 設定をクリックし、[ユーザー独自の認証情報を使用] をオンにします。
    2. 手順 1 のクライアント ID とクライアント シークレットを入力します。
    3. [閉じる] をクリックします。
    4. scopes フィールドに「https://www.googleapis.com/auth/cloud_search.settings」と入力し、[承認] をクリックします。OAuth 2 Playground から認証コードが返されます。
    5. [Exchange authorization code for tokens] をクリックします。トークンが返されます。
  3. Cloud Search のサードパーティ サポートを初期化するには、次の curl コマンドを使用します。[YOUR_ACCESS_TOKEN] は、ステップ 2 で取得したトークンに置き換えてください。

    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
    

    成功した場合、レスポンスの本文には operation のインスタンスが含まれます。次に例を示します。

    {
    name: "operations/customers/01b3fqdm/lro/AOIL6eBv7fEfiZ_hUSpm8KQDt1Mnd6dj5Ru3MXf-jri4xK6Pyb2-Lwfn8vQKg74pgxlxjrY"
    }
    

    問題が解決しない場合は、Cloud Search サポートにお問い合わせください。

  4. operations.get を使用して、サードパーティ サポートが初期化されていることを確認します。

    curl \
    'https://cloudsearch.googleapis.com/v1/operations/customers/01b3fqdm/lro/AOIL6eBv7fEfiZ_hUSpm8KQDt1Mnd6dj5Ru3MXf-jri4xK6Pyb2-Lwfn8vQKg74pgxlxjrY?key=
    [YOUR_API_KEY]' \
    --header 'Authorization: Bearer [YOUR_ACCESS_TOKEN]' \
    --header 'Accept: application/json' \
    --compressed
    

    サードパーティの初期化が完了すると、true に設定された done フィールドが含まれます。例:

    {
    name: "operations/customers/01b3fqdm/lro/AOIL6eBv7fEfiZ_hUSpm8KQDt1Mnd6dj5Ru3MXf-jri4xK6Pyb2-Lwfn8vQKg74pgxlxjrY"
    done: true
    }
    

データソースを作成する

次に、管理コンソールでデータソースを作成します。データソースは、コネクタを使用してコンテンツをインデックス登録するための名前空間を提供します。

  1. Google 管理コンソールを開きます。
  2. アプリアイコンをクリックします。[アプリの管理] ページが表示されます。
  3. [Google Workspace] をクリックします。[Apps Google Workspace Administration] ページが表示されます。
  4. 下にスクロールして [Cloud Search] をクリックします。[Google Workspace の設定] ページが表示されます。
  5. [サードパーティのデータソース] をクリックします。[データソース] ページが表示されます。
  6. 丸い黄色の [+] をクリックします。[新しいデータソースを追加] ダイアログが表示されます。
  7. [表示名] フィールドに「tutorial」と入力します。
  8. [サービス アカウントのメールアドレス] フィールドに、前のセクションで作成したサービス アカウントのメールアドレスを入力します。サービス アカウントのメールアドレスがわからない場合は、サービス アカウント ページで値を検索します。
  9. [追加] をクリックします。[データソースを作成しました] ダイアログが表示されます。
  10. [OK] をクリックします。新しく作成したデータソースのソース ID をメモします。ソース ID は、コンテンツ コネクタの設定に使用されます。

GitHub API 用の個人用アクセス トークンを生成する

コネクタが十分な割り当てを取得するには、GitHub API への認証済みアクセスが必要です。簡素化のため、このコネクタは OAuth ではなく個人アクセス トークンを使用します。個人トークンを使用すると、OAuth と同様に、制限付きの権限セットを持つユーザーとして認証できます。

  1. GitHub にログインします。
  2. 右上のプロフィール写真をクリックします。プルダウン メニューが表示されます。
  3. [設定] をクリックします。
  4. [デベロッパー向けの設定] をクリックします。
  5. [Personal access tokens] をクリックします。
  6. [Generate personal access token] をクリックします。
  7. [Note] フィールドに「Cloud Search チュートリアル」と入力します。
  8. public_repo スコープを確認します。
  9. [Generate token] をクリックします。
  10. 生成されたトークンをメモします。コネクタが GitHub API を呼び出すときに使用され、インデックス処理を行う API 割り当てを提供します。

コネクタを構成する

認証情報とデータソースを作成したら、コネクタ構成を更新して次の値を含めます。

  1. コマンドラインから、ディレクトリを cloud-search-samples/end-to-end/connector/ に変更します。
  2. テキスト エディタで sample-config.properties ファイルを開きます。
  3. api.serviceAccountPrivateKeyFile パラメータを、前にダウンロードしたサービス認証情報のファイルパスに設定します。
  4. api.sourceId パラメータを、前に作成したデータソースの ID に設定します。
  5. github.user パラメータを GitHub ユーザー名に設定します。
  6. github.token パラメータを、前に作成したアクセス トークンに設定します。
  7. ファイルを保存します。

スキーマを更新する

このコネクタは、構造化データと非構造化データの両方をインデックス登録します。データをインデックスに登録する前に、データソースのスキーマを更新する必要があります。次のコマンドを実行してスキーマを更新します。

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

コネクタを実行する

コネクタを実行してインデックス登録を開始するには、次のコマンドを実行します。

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

コネクタのデフォルト構成では、googleworkspace 組織内の単一のリポジトリをインデックスに登録します。リポジトリのインデックス登録には 1 分ほどかかります。最初のインデックス登録の後、コネクタは、Cloud Search インデックスに反映する必要があるリポジトリへの変更をポーリングします。

コードの確認

以降のセクションでは、コネクタの作成方法について説明します。

アプリケーションの起動

コネクタのエントリ ポイントは GithubConnector クラスです。main メソッドは、SDK の IndexingApplication をインスタンス化して開始します。

GithubConnector.java
/**
 * 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();
}

SDK で提供される ListingConnector は、Cloud Search キューを活用してインデックス内のアイテムの状態を追跡する走査戦略を実装します。GitHub からコンテンツにアクセスするために、サンプル コネクタによって実装された GithubRepository に委任します。

GitHub リポジトリの走査

完全な走査中、getIds() メソッドが呼び出され、インデックスに登録する必要があるアイテムがキューにプッシュされます。

コネクタは、複数のリポジトリまたは組織のインデックスを作成できます。障害の影響を最小限に抑えるために、一度に 1 つの GitHub リポジトリが走査されます。チェックポイントは、getIds() の呼び出しでインデックスに登録されるリポジトリのリストを含む走査結果とともに返されます。エラーが発生した場合、インデックス登録は最初からではなく、現在のリポジトリで再開されます。

GithubRepository.java
/**
 * 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));
  }
}

メソッド collectRepositoryItems() は、単一の GitHub リポジトリの走査を処理します。このメソッドは、キューにプッシュされるアイテムを表す ApiOperations のコレクションを返します。アイテムは、リソース名とアイテムの現在の状態を表すハッシュ値として push されます。

ハッシュ値は、GitHub リポジトリのその後の走査で使用されます。この値は、追加のコンテンツをアップロードしなくてもコンテンツが変更されたかどうかを判断するための軽量なチェックを提供します。コネクタは、すべてのアイテムを盲目的にキューに追加します。アイテムが新規の場合、またはハッシュ値が変更されている場合は、キューでポーリングできるようになります。そうでない場合、アイテムは変更されていないと見なされます。

GithubRepository.java
/**
 * 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;
}

キューの処理

フル走査が完了すると、コネクタはインデックスに登録する必要があるアイテムをキューからポーリングし始めます。getDoc() メソッドは、キューから pull されるアイテムごとに呼び出されます。このメソッドは GitHub からアイテムを読み取り、インデックス登録用の適切な表現に変換します。

コネクタはいつでも変更される可能性があるライブデータに対して実行されるため、getDoc() はキュー内のアイテムがまだ有効であることを確認します。また、存在しないアイテムはインデックスから削除します。

GithubRepository.java
/**
 * 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));
  }
}

コネクタがインデックスに登録する GitHub オブジェクトごとに、対応する indexItem() メソッドが Cloud Search のアイテム表現の作成を処理します。たとえば、コンテンツ アイテムの表現を作成するには、次のようにします。

GithubRepository.java
/**
 * 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();
}

次に、検索インターフェースをデプロイします。

前へ 次へ