איך ווע פאַרטיק אַרויף טאָג 2 פון שנעל טריינינג אין זוניק נעעדהאַם, מאַ, און איך בין בערסטינג מיט געדאנקען (וואָס אַלע די גוט טריינינג קלאסן טאָן צו מיר). 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" פּושט עס אויס פון מיין קאָפּ.

מיר שאַרעפּאָינט ווסס 3.0 / מאָך ימפּלעמענטערס אָפט פּנים אַ האַרט פּראָבלעם מיט קיין ריזאַנאַבלי-סייזד שאַרעפּאָינט פּרויעקט: ווי טאָן מיר באַקומען אַלע די ונטאַגגעד דאַטן לאָודיד אין שאַרעפּאָינט אַזאַ וואָס עס אַלע פיץ ין אונדזער בישליימעס דיזיינד אינפֿאָרמאַציע אַרקאַטעקטשער?

אָפֿט גענוג, דאָס איז נישט אַזאַ אַ שווער פּראָבלעם ווייַל מיר פאַרנעם זיך אויס פון קאָנפליקט: "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.

אָבער, 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 (אָדער אַפֿילו מיליאַנז) פון דאָקס — די לאָודינג און טאַגינג פון וואָס איז אונדזער פרום ווינטשן?

שנעל זאל זייַן דער ענטפער.

שנעל ס זוכן פּראָצעס כולל אַ פּלאַץ פון מאָווינג טיילן אָבער איין סימפּלאַפייד מיינונג איז דעם:

• א קריכער פּראָצעס קוקט פֿאַר צופרידן.
• עס געפינט צופרידן און הענט עס אַוועק צו אַ מעקלער פּראָצעס אַז מאַנידזשיז אַ בעקן פון דאָקומענט פּראַסעסערז.
• מעקלער פּראָצעס הענט עס אַוועק צו איינער פון די דאָקומענט פּראַסעסערז.
• דער דאָקומענט פּראַסעסער אַנאַליזעס דעם דאָקומענט און דורך אַ רערנ - ליניע פּראָצעס, אַנאַליזעס די בעדזשעעזוס אויס פון דעם דאָקומענט און הענט עס אַוועק צו אַן אינדעקס בילדער טיפּ פּראָצעס.

אויף די סטאַרשיפּ שנעל, we have a lot of control over the document processing pipeline. We can mix and match about 100 רערנ - ליניע קאַמפּאָונאַנץ און, רובֿ ינטערעסטינגלי, 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.

אַזוי … ניצן שנעל אין קאָמבינאַציע מיט אונדזער אייגן מנהג רערנ - ליניע קאָמפּאָנענט, we can grab all that context information from FAST and feed it back to MOSS. It might go something like this:

• דאָקומענט איז פאסטעכער אין שנעל פון מאָך.
• נאָרמאַל משוגע-אַבסעסיוו שנעל דאָקומענט פּאַרסינג און קאַטאַגעריזיישאַן כאַפּאַנז.
• אונדזער אייגן מנהג רערנ - ליניע קאָמפּאָנענט טראפנס עטלעכע פון ​​וואָס קאָנטעקסט אינפֿאָרמאַציע אַוועק צו אַ דאַטאַבאַסע.
• א פּראָצעס פון אונדזער אייגן פּלאַן לייענט די קאָנטעקסט אינפֿאָרמאַציע, מאכט עטלעכע דיסיזשאַנז אויף ווי צו פּאַסיק אַז מאָך דאָקומענט ין אונדזער איז און מאַרקס עס אַרויף ניצן אַ וועב דינסט און די כייפעץ מאָדעל.

אַוואַדע, ניט אַזאַ אָטאַמייטיד פּראָצעס קענען זייַן גאנץ אָבער דאַנק צו די אַבסעסיוו (און עפשער מעשוגע-אָבער-אין-א גוט-וועג שנעל מענטשן), מיר זאלן האָבן אַ פאַקטיש פייטינג שאָס אין אַ באמת עפעקטיוו מאַסע מאַסע פּראָצעס וואָס טוט מער ווי נאָר פּלאָמבירן אַרויף אַ סקל דאַטאַבאַסע מיט אַ בינטל פון קוים-סעאַרטשאַבלע דאָקומענטן.

</עק>

אַבאָנירן צו מיין בלאָג.