Indizierung von Daten aus Azure Blob Storage

Hinweis

Foundry IQ (Azure KI-Suche) bietet direkte Indizierungs- und Abfrage-APIs zusammen mit Wissensquellen- und Knowledge Base-APIs auf höherer Ebene für den verwalteten Abruf. Verwenden Sie das Azure Portal, REST-APIs oder Azure SDKs, um diese Funktionen zu konfigurieren, oder verbinden Sie Agents mit Wissensdatenbanken im Microsoft Foundry-Portal.

Important

Features oder Funktionen, die in diesem Artikel als "Vorschau" gekennzeichnet sind, befinden sich in der öffentlichen Vorschau und unterliegen den ergänzenden Nutzungsbedingungen für Microsoft Azure Previews.

Spezifische Vorschaubedingungen für Foundry IQ (Azure KI-Suche) finden Sie unter Vorschaufunktionen.

Der BLOB-Indexer importiert Inhalte aus Azure Blob Storage und macht sie in Foundry IQ durchsuchbar. Der Indexer empfängt Blobs in einem einzelnen Container als Eingabe. Die Ausgabe ist ein Suchindex, der durchsuchbare Inhalte und Metadaten in einzelnen Feldern speichert.

In diesem Artikel werden die REST-APIs des Suchdiensts verwendet, um zu veranschaulichen, wie der Indexer konfiguriert und ausgeführt wird. Sie können jedoch auch Folgendes verwenden:

Hinweis

Die Aufnahme für den RBAC-Bereich von Standard-Blobcontainern und die Abfrageberechtigungsfilterung sind in der REST-API 2026-10-01 allgemein verfügbar. Diese Verfügbarkeit enthält keine ADLS-Datei oder Verzeichnis-ACLs. Informationen zum Einrichten und zur Unterscheidung zwischen gespeicherten Bereichen und Abfragezeitautorisierung finden Sie unter "Ingest Blob RBAC"-Bereiche.

Voraussetzungen

  • Azure Blob Storage, Standardleistung (Allzweck v2).

  • Zugriffsebenen umfassen heiß, kühl, kalt und Archiv. Indexer können Blobs auf heißen, kühlen und kalten Zugriffsebenen abrufen.

  • Blobs, die Textinhalte und Metadaten bereitstellen. Wenn Blobs binären Inhalt oder unstrukturierten Text enthalten, sollten Sie die KI-Anreicherung für bild- und natürliche Sprachverarbeitung hinzufügen. Blob-Inhalte dürfen die Indizierungsgrenzwerte für Ihr Preisniveau nicht überschreiten.

    Die Blob-Indexer-Grenzwerte decken die maximale BLOB-Größe und die Anzahl der Zeichen ab, die Foundry IQ aus einem Blob extrahiert. Wenn Sie ein Skillset verwenden, gelten die Eingabe- oder Dienstbeschränkungen der einzelnen Fähigkeiten nach dem Knacken des Dokuments separat.

  • Eine unterstützte Netzwerkkonfiguration und Datenzugriff. Sie benötigen mindestens Leseberechtigungen in Azure Storage. Eine Speicherverbindungszeichenfolge, die einen Zugriffsschlüssel enthält, bietet Ihnen Lesezugriff auf Speicherinhalte. Wenn Sie stattdessen Microsoft Entra-Anmeldungen und Rollen verwenden, stellen Sie sicher, dass die verwaltete Identität des Foundry IQ-Diensts über Speicher-Blob-Datenleserberechtigungen verfügt.

    Standardmäßig akzeptieren sowohl Such- als auch Speicheranforderungen von öffentlichen IP-Adressen. Wenn die Netzwerksicherheit kein unmittelbares Problem darstellt, können Sie Blob-Daten mithilfe der Verbindungszeichenfolge indizieren, sofern Leseberechtigungen vorhanden sind. Wenn Sie bereit sind, Netzwerkschutz hinzuzufügen, finden Sie unter Indexer-Zugriff auf Inhalte, die durch Azure-Netzwerksicherheitsfeatures geschützt sind Anleitungen zum Datenzugriff.

  • Verwenden Sie einen REST-Client, wenn Sie REST-Aufrufe formulieren wollen, die den in diesem Artikel gezeigten ähnlich sind.

Unterstützte Aufgaben

Sie können diesen Indexer für die folgenden Aufgaben verwenden:

Unterstützte Dokumentformate

Der Blobindexer kann Text aus den folgenden Dokumentformaten extrahieren:

  • CSV (siehe Indizierung von CSV-Blobs)
  • EML
  • EPUB
  • GZ
  • HTML
  • JSON (Siehe Indizierung von JSON-Blobs)
  • KML (XML für geografische Darstellungen)
  • Markdown
  • Microsoft Office-Formate: DOCX/DOC/DOCM, XLSX/XLS/XLSM, PPTX/PPT/PPTM, MSG (Outlook-E-Mails), XML (WORD XML 2003 und 2006)
  • Öffnen von Dokumentformaten: ODT, ODS, ODP
  • PDF
  • Textdateien (Siehe auch Indizierung von Nur-Text)
  • RTF
  • XML
  • ZIP

Bestimmen, welche Blobs indiziert werden sollen

Bevor Sie die Indizierung einrichten, überprüfen Sie Ihre Quelldaten, um zu bestimmen, ob Sie Änderungen vornehmen müssen. Ein Indexer kann immer nur Inhalte aus einem Container gleichzeitig indizieren. Standardmäßig verarbeitet der Indexer alle Blobs im Container. Sie haben mehrere Optionen für eine stärker selektive Verarbeitung:

  • Platzieren Sie Blobs in einem virtuellen Ordner. Eine Indexerdatenquellendefinition enthält einen query Parameter, der einen virtuellen Ordner annehmen kann. Wenn Sie einen virtuellen Ordner angeben, indiziert der Indexer nur die Blobs im Ordner.

  • Einschließen oder Ausschließen von Blobs nach Dateityp. Anhand der Liste der unterstützten Dokumentformate können Sie ermitteln, welche Blobs ausgeschlossen werden sollen. Beispielsweise können Sie Bild- oder Audiodateien ausschließen, die keinen durchsuchbaren Text bereitstellen. Sie steuern diese Funktion über Konfigurationseinstellungen im Indexer.

  • Einschließen oder Ausschließen beliebiger Blobs. Um ein bestimmtes Blob zu überspringen, fügen Sie die folgenden Metadateneigenschaften und -werte zu Blobs in Azure Blob Storage hinzu. Wenn ein Indexer auf diese Eigenschaft trifft, überspringt er das Blob oder dessen Inhalt in der Indizierungsausführung.

    Eigenschaftsname Eigenschaftswert Explanation
    AzureSearch_Skip true Weist den Blobindexer an, das Blob vollständig zu überspringen. Der Indexer versucht nicht, Metadaten oder Inhalte zu extrahieren. Diese Eigenschaft ist nützlich, wenn ein bestimmter BLOB wiederholt fehlschlägt und den Indizierungsprozess unterbricht.
    AzureSearch_SkipContent true Der Indexer überspringt Inhalte und extrahiert nur die Metadaten. Diese Eigenschaft entspricht der "dataToExtract": "allMetadata" in den Konfigurationseinstellungen beschriebenen Einstellung, ist jedoch auf ein bestimmtes Blob ausgerichtet.

Wenn Sie keine Einschluss- oder Ausschlusskriterien einrichten, meldet der Indexer ein nicht berechtigtes Blob als Fehler und bewegt sich weiter. Wenn genügend Fehler auftreten, wird die Verarbeitung möglicherweise beendet. Sie können die Fehlertoleranz in den Konfigurationseinstellungen des Indexers angeben.

Ein Indexer erstellt in der Regel ein Suchdokument pro Blob, in dem der Textinhalt und die Metadaten als durchsuchbare Felder in einem Index erfasst werden. Wenn Blobs ganze Dateien sind, können Sie sie potenziell in mehrere Suchdokumente analysieren. Beispielsweise können Sie Zeilen in einer CSV-Datei analysieren, um ein Suchdokument pro Zeile zu erstellen.

Ein Verbunddokument oder eingebettetes Dokument (z. B. ein ZIP-Archiv, ein Word-Dokument mit eingebetteter Outlook-E-Mail mit Anlagen oder eine MSG-Datei mit Anlagen) wird ebenfalls als einzelnes Dokument indiziert. Beispielsweise werden alle Bilder, die aus den Anlagen einer .MSG-Datei extrahiert wurden, im normalized_images-Feld zurückgegeben. Wenn Sie über Bilder verfügen, sollten Sie eine KI-Anreicherung hinzufügen, um mehr Suchhilfe aus diesen Inhalten zu erhalten.

Der Indexer extrahiert den Textinhalt eines Dokuments in ein Zeichenfolgenfeld mit dem Namen content. Sie können auch Standard- sowie benutzerdefinierte Metadaten extrahieren.

Indizieren der Metadaten von Blobs

Sie können Blobmetadaten zusammen mit Inhalten indizieren. Der Indexer extrahiert Metadateneigenschaften und speichert sie in Indexfeldern, was zum Erstellen von Filtern und Abfragen nützlich ist.

Definieren Sie Felder in Ihrem Suchindex für die Metadateneigenschaften, die Sie erfassen möchten. Sie müssen nicht jede verfügbare Standard- oder benutzerdefinierte Metadateneigenschaft definieren. Erfassen Sie einfach die Eigenschaften, die Sie für Ihre Anwendung benötigen.

Derzeit unterstützt dieser Indexer keine Blobindextags.

Important

Der Indexer füllt nur Metadatenfelder auf, die bereits im Suchindex definiert sind. Diese Anforderung gilt sowohl für Standard-BLOB-Metadaten als auch für benutzerdefinierte Metadaten. Wenn ein Feld nicht definiert ist, wird der Metadatenwert während der Indizierung extrahiert, aber im Hintergrund verworfen, sodass es nicht in suchergebnissen angezeigt wird. Dies ist die häufigste Quelle von Null-Metadatenfeldern in Suchergebnissen. Weitere Informationen finden Sie unter Metadatenfelder sind in Suchergebnissen null.

Standard-Blobmetadateneigenschaften

Definieren Sie für Standardmäßige Blobmetadaten Felder in Ihrem Index mit denselben unterstrichenen Namen. Schritt-für-Schritt-Felddefinitionsbeispiele finden Sie unter Hinzufügen von Suchfeldern zu einem Index.

Informationen zur Indexerkonfiguration, einschließlich der dataToExtract Einstellung, die steuert, welche Metadaten extrahiert werden sollen, finden Sie unter Konfigurieren und Ausführen des Blob-Indexers.

Der Indexer erkennt und kann diese Standardmetadateneigenschaften zuordnen, wenn Sie entsprechende Felder in Ihrem Index definieren:

  • metadata_storage_name (Edm.String) ist der Dateiname des BLOB. Wenn Sie z. B. über ein Blob /my-container/my-folder/subfolder/resume.pdfverfügen, lautet resume.pdfder Wert dieses Felds .

  • metadata_storage_path (Edm.String) ist der vollständige URI des Blobs, einschließlich des Speicherkontos. Beispiel: https://myaccount.blob.core.windows.net/my-container/my-folder/subfolder/resume.pdf. Verwenden Sie diese Eigenschaft, um Blob-URLs in Suchergebnisse für navigations- oder Quellzuordnungen einzuschließen.

  • metadata_storage_content_type (Edm.String) ist der Inhaltstyp, der durch den Code angegeben wird, den Sie zum Hochladen des Blobs verwendet haben. Beispiel: application/octet-stream.

  • metadata_storage_last_modified (Edm.DateTimeOffset) ist der Zeitstempel der letzten Änderung für das Blob. Foundry IQ verwendet diesen Zeitstempel, um geänderte Blobs zu identifizieren und die Neuindizierung von allem nach der anfänglichen Indizierung zu vermeiden.

  • metadata_storage_size (Edm.Int64) ist die BLOB-Größe in Byte.

  • metadata_storage_content_md5 (Edm.String) ist der MD5-Hash des BLOB-Inhalts, falls verfügbar.

  • metadata_storage_sas_token (Edm.String) ist ein temporäres SAS-Token, das benutzerdefinierte Fähigkeiten verwenden kann, um Zugriff auf das Blob zu erhalten. Speichern Sie dieses Token nicht für die spätere Verwendung, da es abläuft.

Benutzerdefinierte und inhaltsspezifische Metadaten

Definieren Sie für angepasste oder benutzerdefinierte Blobmetadaten ein Feld mit genau demselben Namen wie der Metadatenschlüssel des Blobs. Wenn Ihre Blobs beispielsweise über einen Metadatenschlüssel Sensitivity mit Wert Highverfügen, definieren Sie ein Feld Sensitivity mit dem Namen des Typs Edm.String in Ihrem Index.

Überprüfen Sie, wer benutzerdefinierte Metadaten schreiben kann, bevor Sie sie für Dokumentschlüssel oder Berechtigungen verwenden. Ein übereinstimmende Feldname stellt eine Zuordnung und nicht die Autorität des Werts her. Siehe Dokumentidentität und Berechtigungs-Provenienz schützen.

Sie können auch Metadateneigenschaften darstellen, die für das Dokumentformat der Blobs spezifisch sind, die Sie indizieren. Weitere Informationen finden Sie unter Inhaltsmetadateneigenschaften.

Definieren der Datenquelle

Die Datenquellendefinition gibt die zu indizierenden Daten, die Anmeldeinformationen und die Richtlinien für die Identifizierung von Datenänderungen an. Eine Datenquelle wird als unabhängige Ressource definiert, sodass sie von mehreren Indexern verwendet werden kann.

  1. Erstellen oder aktualisieren Sie eine Datenquelle, um ihre Definition festzulegen:

    {
        "name" : "my-blob-datasource",
        "type" : "azureblob",
        "credentials" : { "connectionString" : "DefaultEndpointsProtocol=https;AccountName=<account name>;AccountKey=<account key>;" },
        "container" : { "name" : "my-container", "query" : "<optional-virtual-directory-name>" }
    }
    
  2. Legen Sie type auf azureblob fest (erforderlich).

  3. Setzen Sie credentials auf eine Azure Storage-Verbindungszeichenfolge. Im nächsten Abschnitt werden die unterstützten Formate beschrieben.

  4. Legen Sie container auf den Blobcontainer fest, und verwenden Sie query, um mögliche Unterordner anzugeben.

Sie können auch Richtlinien für das vorläufige Löschen in eine Datenquellendefinition einschließen, wenn der Indexer ein Suchdokument löschen soll, wenn das Quelldokument zum Löschen gekennzeichnet ist.

Unterstützte Anmeldeinformationen und Verbindungszeichenfolgen

Indexer können mithilfe der folgenden Verbindungen eine Verbindung mit einem BLOB-Container herstellen.

Verbindungszeichenfolge für den Vollzugriff auf ein Speicherkonto
{ "connectionString" : "DefaultEndpointsProtocol=https;AccountName=<your storage account>;AccountKey=<your account key>;" }
Sie können die Verbindungszeichenfolge über die Seite "Speicherkonto" im Azure-Portal abrufen, indem Sie im linken Bereich Zugriffstasten auswählen. Stellen Sie sicher, dass Sie eine vollständige Verbindungszeichenfolge und nicht nur einen Schlüssel auswählen.
Verbindungszeichenfolge für verwaltete Identitäten
{ "connectionString" : "ResourceId=/subscriptions/<your subscription ID>/resourceGroups/<your resource group name>/providers/Microsoft.Storage/storageAccounts/<your storage account name>/;" }
Diese Verbindungszeichenfolge erfordert keinen Kontoschlüssel, aber Sie müssen zuvor einen Foundry IQ-Dienst für die Verbindung mit einer verwalteten Identität konfiguriert haben.
Shared Access Signature (SAS)-Verbindungszeichenfolge für ein Speicherkonto
{ "connectionString" : "BlobEndpoint=https://<your account>.blob.core.windows.net/;SharedAccessSignature=?sv=2016-05-31&sig=<the signature>&spr=https&se=<the validity end time>&srt=co&ss=b&sp=rl;" }
Die SAS sollte über Zugriffsrechte zum Auflisten und Lesen von Container- und Objektinhalten (in diesem Fall Blobs) verfügen.
Shared Access Signature für Container
{ "connectionString" : "ContainerSharedAccessUri=https://<your storage account>.blob.core.windows.net/<container name>?sv=2016-05-31&sr=c&sig=<the signature>&se=<the validity end time>&sp=rl;" }
Die SAS muss über Listen- und Leseberechtigungen für den Container verfügen. Weitere Informationen finden Sie unter Gewähren von eingeschränktem Zugriff auf Azure Storage-Ressourcen mithilfe von SAS (Shared Access Signature).

Hinweis

Wenn Sie SAS-Anmeldeinformationen verwenden, müssen Sie regelmäßig die Anmeldeinformationen der Datenquelle mit erneuerten Signaturen aktualisieren, um deren Ablauf zu verhindern. Wenn SAS-Anmeldeinformationen ablaufen, schlägt der Indexer mit einer Fehlermeldung wie "In der Verbindungszeichenfolge bereitgestellte Anmeldeinformationen sind ungültig oder abgelaufen" fehl.

Hinzufügen von Suchfeldern zu einem Index

Fügen Sie in einem Suchindex Felder hinzu, um den Inhalt und die Metadaten Ihrer Azure-Blobs zu akzeptieren.

  1. Erstellen oder aktualisieren Sie einen Index , um Suchfelder zu definieren, die Blob-Inhalte und Metadaten speichern:

    POST https://[service name].search.windows.net/indexes?api-version=2026-10-01
    {
        "name" : "my-search-index",
        "fields": [
            { "name": "ID", "type": "Edm.String", "key": true, "searchable": false },
            { "name": "content", "type": "Edm.String", "searchable": true, "filterable": false },
            { "name": "metadata_storage_name", "type": "Edm.String", "searchable": false, "filterable": true, "sortable": true  },
            { "name": "metadata_storage_size", "type": "Edm.Int64", "searchable": false, "filterable": true, "sortable": true  },
            { "name": "metadata_storage_content_type", "type": "Edm.String", "searchable": false, "filterable": true, "sortable": true },        
        ]
    }
    
  2. Erstellen eines Dokumentschlüsselfelds ("key": true). Wählen Sie eine Schlüsselquelle aus, die die beabsichtigte Dokumentidentität darstellt, und überprüfen Sie, wer ihren Wert steuern kann.

    • metadata_storage_path ist die standardmäßige Blob-Schlüsselquelle und enthält den vollständigen Pfad zum Objekt oder zur Datei. Überprüfen Sie Ihren Parser und Ihre Zuordnungen, um den effektiven Schlüssel zu ermitteln. Dieser Standardwert ist keine Garantie für die Eigentümerschaft.

    • metadata_storage_name kann nur verwendet werden, wenn Namen eindeutig sind. Wenn Sie dieses Feld als Schlüssel benötigen, verschieben Sie "key": true in diese Felddefinition.

    • Eine benutzerdefinierte Metadateneigenschaft, die Sie Blobs hinzufügen. Für diese Option ist es erforderlich, dass diese Metadateneigenschaft im Prozess des Hochladens von Blobs allen Blobs hinzugefügt wird. Da der Schlüssel eine erforderliche Eigenschaft ist, werden alle Blobs, denen ein Wert fehlt, nicht indiziert. Wenn Sie eine benutzerdefinierte Metadateneigenschaft als Schlüssel verwenden, vermeiden Sie es, Änderungen an dieser Eigenschaft vorzunehmen. Indexer fügen doppelte Dokumente für dasselbe Blob hinzu, wenn sich die Schlüsseleigenschaft ändert.

    Metadateneigenschaften enthalten häufig Zeichen wie zum Beispiel / und -, die für Dokumentschlüssel ungültig sind. Der Indexer codiert jedoch automatisch die Schlüsselmetadateneigenschaft, ohne dass eine Konfiguration oder Feldzuordnung erforderlich ist.

  3. Fügen Sie ein content Feld hinzu, um extrahierten Text aus jeder Datei über die Eigenschaft des Blobs content zu speichern. Sie müssen diesen Namen nicht verwenden, aber mithilfe dieses Namens können Sie implizite Feldzuordnungen nutzen.

  4. Fügen Sie Felder für Standardmetadateneigenschaften hinzu. Der Indexer kann Eigenschaften von benutzerdefinierten Metadaten, Standardmetadaten und inhaltsspezifischen Metadaten lesen.

Schutz der Dokumentidentität und Berechtigungsprovenienz

Ein Dokumentschlüssel identifiziert den Indexdatensatz, auf den sich eine Aktualisierung oder Zusammenführung bezieht. Es handelt sich nicht um eine Autorisierungsgrenze. Die Berechtigung zum Schreiben von Quellinhalten gewährt nicht die Berechtigung, die indizierte Identität eines anderen Dokuments auszuwählen oder zugriff darauf zu gewähren.

Blob-Eigenschaften, benutzerdefinierte Metadaten, analysierte Inhalte, Feldzuordnungen und Anreicherungsausgabezuordnungen tragen Werte zum Index bei. Bei segmentierten Inhalten steuern Indexprojektionen auch die Felder, die in jedes untergeordnete Element geschrieben werden. Ein benanntes metadata_storage_path Feld stellt keinen Beweis dafür dar, dass sein Wert in jeder Konfiguration autoritativ ist. Gehen Sie nicht davon aus, dass der Name Konflikte mit anderen Eingaben verhindert oder dass dieses Feld immer der letzte Schlüssel ist.

Die Base64-Codierung ändert die Darstellung eines Schlüssels; sie authentifiziert seine Quelle nicht und verhindert auch nicht, dass ein anderer Autor dieselbe Identität verwendet. Das Reservieren eines Feldnamens oder das Hinzufügen eines Schlüsselpräfixes allein erzwingt nicht den Besitz von Dokumenten.

Verwenden Sie stabile, entsprechend eindeutige Identitäten für Datensätze, die getrennt bleiben müssen. Trennen Sie Anwendungs-Geschäfts-IDs vom Indexschlüssel, wenn sie den vorgesehenen Quelldatensatz nicht eindeutig identifizieren. Wenn mehrere Quellen absichtlich einen logischen Datensatz aktualisieren, legen Sie die vertrauenswürdigen Autoren und die Berechtigungsrichtlinie fest. Siehe „Indizierung mehrerer Datenquellen“.

In den folgenden Beispielen werden Konfigurationsoptionen identifiziert, die überprüft werden sollen, nicht die Einstellungen zur Erzwingung der Besitzerschaft:

Quellkonfiguration Identitäts- und Berechtigungsüberprüfung
Zwei Container enthalten jeweils ein Blob mit dem Namen policy.pdf. Ein Schlüssel, der nur auf dem Dateinamen basiert, unterscheidet die beiden Quellelemente nicht voneinander. Überprüfen Sie die endgültig zugeordneten Schlüssel quellenübergreifend über beide Quellen hinweg, nicht nur die Dateinamen innerhalb des jeweiligen Containers.
JSON-Einträge in unabhängigen Blobs enthalten dieselbe Geschäfts-ID. Entscheiden Sie, ob es sich um separate Datensätze oder um einen absichtlich gemeinsam genutzten Datensatz handelt. Überprüfen Sie analysierte Schlüssel und Zuordnungen, bevor zugelassen wird, dass mit dieser ID der indizierte Datensatz ausgewählt wird.
Zwei vertrauenswürdige Quellen tragen absichtlich zu einem Datensatz bei. Überprüfen Sie, welcher Writer jedes Feld und die endgültige Berechtigungsrichtlinie steuert. Gehen Sie nicht davon aus, dass das Zusammenführen von Berechtigungssammlungen Berechtigungen kombiniert oder ihre Zuordnung mit dem vorgesehenen Inhalt bewahrt.

Überprüfen Sie Ihre Ingestion-Konfiguration

Bevor Sie einen Indexer bereitstellen oder seine Zuordnungen ändern:

  1. Beschränken Sie den Schreibzugriff auf Quellinhalte und benutzerdefinierte Metadaten. Beschränken Sie separat, wer Datenquellen, Parser, Zuordnungen, Skillsets, Projektionen und indizierte Dokumente ändern kann.
  2. Wählen Sie die Schlüsselquelle für jeden Parser- und Aufnahmepfad aus, und steuern Sie sie. Berücksichtigen Sie implizite Zuordnungen sowie explizite Zuordnungen und Anreicherungsausgaben. Lassen Sie nicht zu, dass Inhalte mit geringerem Vertrauensniveau Schlüssel für Datensätze auswählen, die sie nicht pflegen dürfen.
  3. Halten Sie Schlüssel für unabhängige Datensätze in allen beitragenden Quellen voneinander getrennt. Berücksichtigen Sie Geschäfts-IDs, Transformationen und generierte untergeordnete Schlüssel. Absichtliche Zusammenführungen nur zwischen Autoren zulassen, die zum Verwalten desselben logischen Datensatzes autorisiert sind.
  4. Akzeptieren Sie Berechtigungen nur von einer autorisierten Richtlinienquelle. Halten Sie Berechtigungen vor der Aufnahme sowie bei Zusammenführungen und Projektionen an die vorgesehene Dokumentidentität gebunden. Kopieren Sie berechtigungsähnliche Werte nicht aus normalen Inhalten in vertrauenswürdige Berechtigungsfelder.
  5. Wenden Sie das Prinzip der geringsten Rechte auf Administratoren der Datenaufnahme und Dokumentausgeber an. Jeder Autor, der autorisiert ist, Aktualisierungen an den Index zu übermitteln, kann einen Zieldatensatz nach Schlüssel auswählen; der Schlüssel schränkt diesen Writer nicht auf Dokumente ein, die sie besitzen.
  6. Trennen Sie unabhängig vertrauenswürdige Datasets und Autoren mithilfe der entsprechenden Zugriffssteuerungen. Separate Indizes allein sind keine vollständige Grenze, wenn gemeinsam genutzte Anmeldeinformationen auf Dienstebene oder Administratoren schreibenden Zugriff über sie hinweg haben können.
  7. Konfigurieren Sie jede geschützte Projektion so, dass sie den Inhalt, die übergeordnete Identität, den Quellkontext und die Berechtigungen für dasselbe beabsichtigte Quelldokument enthält. Behalten Sie Berechtigungsupdates innerhalb desselben vertrauenswürdigen Aufnahmeprozesses bei.

Verwenden Sie für vom Connector abgeleitete Blob-RBAC-Bereiche die unterstützte Aufnahmekonfiguration, und überprüfen Sie die Zuordnung zwischen jedem Dokument und seinem Quellcontainer. Für vom Kunden verwaltete Pushberechtigungen ist der autorisierte Herausgeber sowohl für die Dokumentidentität als auch für berechtigungswerte verantwortlich. Weder eine Berechtigungsfeldanmerkung noch eine erfolgreiche Indizierung belegt, dass ein gewöhnlicher Inhaltsautor berechtigt ist, Zugriff zu gewähren.

Diese Steuerelemente müssen Teil des Ingestionsdesigns sein. Indizierte Schlüssel und Feldnamen liefern keine eindeutigen Nachweise für den historischen Besitz oder die Person, die einen Wert angegeben hat. Konfigurationskonventionen verhindern nicht, dass ein autorisierter Autor auf einen anderen Datensatz abzielt.

Durch das Ändern einer Schlüsselquelle oder Zuordnung können neue Datensätze erstellt werden, während alte Datensätze im Index verbleiben. Eine Zurücksetzung, Berechtigungsresynchronisation oder API-Versionsänderung allein stellt keinen vertrauenswürdigen Dokumentbesitz her.

Konfigurieren und Ausführen des Blob-Indexers

Nachdem Sie den Index und die Datenquelle erstellt haben, erstellen Sie den Indexer. Die Indexerkonfiguration gibt die Eingaben, Parameter und Eigenschaften an, die das Laufzeitverhalten steuern. Sie können auch angeben, welche Teile eines Blobs indiziert werden sollen.

  1. Erstellen oder aktualisieren Sie einen Indexer , indem Sie ihm einen Namen geben und auf die Datenquelle und den Zielindex verweisen:

    POST https://[service name].search.windows.net/indexers?api-version=2026-10-01
    {
      "name" : "my-blob-indexer",
      "dataSourceName" : "my-blob-datasource",
      "targetIndexName" : "my-search-index",
      "parameters": {
          "batchSize": null,
          "maxFailedItems": null,
          "maxFailedItemsPerBatch": null,
          "configuration": {
              "indexedFileNameExtensions" : ".pdf,.docx",
              "excludedFileNameExtensions" : ".png,.jpeg",
              "dataToExtract": "contentAndMetadata",
              "parsingMode": "default"
          }
      },
      "schedule" : { },
      "fieldMappings" : [ ]
    }
    
  2. Setzen Sie batchSize , wenn die Standardkonfiguration (10 Dokumente) die verfügbaren Ressourcen unterfordert oder überlastet. Die Standardbatchgrößen sind datenquellenspezifisch. Blob-Indizierung legt die Batchgröße auf 10 Dokumente fest, angesichts der größeren durchschnittlichen Dokumentgröße.

  3. Legen Sie unter configuration fest, welche Blobs basierend auf dem Dateityp indiziert werden, oder lassen Sie die Option nicht spezifiziert, um alle Blobs abzurufen.

    Geben Sie für indexedFileNameExtensions eine durch Trennzeichen getrennte Liste der Dateierweiterungen an (mit vorangestelltem Punkt). Führen Sie die gleichen Schritte für excludedFileNameExtensions aus, um zu zeigen, welche Erweiterungen der Indexer überspringen soll. Wenn sich dieselbe Erweiterung in beiden Listen befindet, schließt der Indexer sie aus der Indizierung aus.

  4. Unter configuration setzen Sie dataToExtract fest, um zu steuern, welche Teile der Blobs indiziert werden:

  5. Unter configuration setzen Sie parsingMode. Der Standardanalysemodus ist ein Suchdokument pro Blob. Bei der Berechtigungsaufnahme auf Dokumentebene behalten Sie default bei; spezielle Analysemodi werden nicht unterstützt. Siehe Unterstütztes Parsing und Inhaltsextraktion für die Berechtigungserfassung.

    Ohne Berechtigungserfassung können Nur-Text-Blobs Plain-Text-Parsing für eine bessere Leistung verwenden. Geben Sie für eine genauere Analyse, die Blobs mehreren Suchdokumenten zuordnet, einen anderen Modus an. Die 1:n-Analyse wird für Blobs unterstützt, die besteht aus:

  6. Geben Sie Feldzuordnungen an, wenn Es Unterschiede im Feldnamen oder Typ gibt oder wenn Sie mehrere Versionen eines Quellfelds im Suchindex benötigen.

    Bei der Blobindizierung können Sie Feldzuordnungen häufig weglassen, da der Indexer über eine integrierte Unterstützung für die Zuordnung von content und Metadateneigenschaften zu ähnlich benannten und typisierten Feldern in einem Index verfügt. Bei Metadateneigenschaften ersetzt der Indexer im Suchindex automatisch Bindestriche - durch Unterstriche.

  7. Weitere Informationen zu anderen Eigenschaften finden Sie unter Erstellen von Indexern in Azure Cognitive Search. Die vollständige Liste der Parameterbeschreibungen finden Sie unter REST-API.

Ein Indexer wird automatisch ausgeführt, wenn er erstellt wird. Sie können diese Aktion verhindern, indem Sie auf "true" festlegen disabled . Um die Ausführung des Indexers zu steuern, führen Sie einen Indexer nach Bedarf aus, oder legen Sie für ihn einen Zeitplan fest.

Indizieren von Daten aus mehreren Azure Blob-Containern zu einem einzelnen Index

Denken Sie daran, dass ein Indexer nur Daten aus einem einzelnen Container indiziert. Wenn Sie Daten aus mehreren Containern indizieren und in einem einzigen Foundry IQ-Index konsolidieren müssen, konfigurieren Sie mehrere Indexer, die alle auf denselben Index verweisen. Beachten Sie die maximale Anzahl verfügbarer Indexer pro SKU.

Sie können z. B. zwei Indexer verwenden, um Daten aus zwei unterschiedlichen Datenquellen abzurufen, die benannt my-blob-datasource1 sind und my-blob-datasource2. Jede Datenquelle verweist auf einen separaten Azure Blob-Container, aber beide direkt auf denselben Index namens my-search-index.

Beispiel für die erste Indexerdefinition:

POST https://[service name].search.windows.net/indexers?api-version=2026-10-01
{
  "name" : "my-blob-indexer1",
  "dataSourceName" : "my-blob-datasource1",
  "targetIndexName" : "my-search-index",
  "parameters": {
      "batchSize": null,
      "maxFailedItems": null,
      "maxFailedItemsPerBatch": null,
      "configuration": {
          "indexedFileNameExtensions" : ".pdf,.docx",
          "excludedFileNameExtensions" : ".png,.jpeg",
          "dataToExtract": "contentAndMetadata",
          "parsingMode": "default"
      }
  },
  "schedule" : { },
  "fieldMappings" : [ ]
}

Beispiel für eine zweite Indexerdefinition, die parallel ausgeführt wird:

POST https://[service name].search.windows.net/indexers?api-version=2026-10-01
{
  "name" : "my-blob-indexer2",
  "dataSourceName" : "my-blob-datasource2",
  "targetIndexName" : "my-search-index",
  "parameters": {
      "batchSize": null,
      "maxFailedItems": null,
      "maxFailedItemsPerBatch": null,
      "configuration": {
          "indexedFileNameExtensions" : ".pdf,.docx",
          "excludedFileNameExtensions" : ".png,.jpeg",
          "dataToExtract": "contentAndMetadata",
          "parsingMode": "default"
      }
  },
  "schedule" : { },
  "fieldMappings" : [ ]
}

Überprüfen des Indexerstatus

Um den Indexerstatus und den Ausführungsverlauf zu überwachen, senden Sie eine Anforderung zum Abrufen des Indexerstatus:

GET https://myservice.search.windows.net/indexers/myindexer/status?api-version=2026-10-01
  Content-Type: application/json  
  api-key: [admin key]

Die Antwort enthält den Status und die Anzahl der verarbeiteten Elemente. Sie sollte in etwa wie das folgende Beispiel aussehen:

    {
        "status":"running",
        "lastResult": {
            "status":"success",
            "errorMessage":null,
            "startTime":"2022-02-21T00:23:24.957Z",
            "endTime":"2022-02-21T00:36:47.752Z",
            "errors":[],
            "itemsProcessed":1599501,
            "itemsFailed":0,
            "initialTrackingState":null,
            "finalTrackingState":null
        },
        "executionHistory":
        [
            {
                "status":"success",
                "errorMessage":null,
                "startTime":"2022-02-21T00:23:24.957Z",
                "endTime":"2022-02-21T00:36:47.752Z",
                "errors":[],
                "itemsProcessed":1599501,
                "itemsFailed":0,
                "initialTrackingState":null,
                "finalTrackingState":null
            },
            ... earlier history items
        ]
    }

Der Ausführungsverlauf enthält bis zu 50 der zuletzt abgeschlossenen Ausführungen. Die Einträge werden in umgekehrter chronologischer Reihenfolge sortiert, sodass die neueste Ausführung zuerst erfolgt.

Problembehandlung

Verwenden Sie diesen Abschnitt, um fehlende Metadatenwerte und häufige Blobindizierungsfehler zu diagnostizieren.

Metadatenfelder sind in Suchergebnissen null

Wenn in den Suchergebnissen null- oder leere Werte für Metadatenfelder angezeigt werden, verwenden Sie diese Checkliste:

  1. Überprüfen Sie, ob das Feld in Ihrem Indexschema vorhanden ist: Überprüfen Sie, ob Sie ein Feld für jede Metadateneigenschaft definiert haben, die Sie erfassen möchten. Führen Sie eine GET-Anforderung für Ihren Index aus, um zu bestätigen, dass das Feld vorhanden ist.

  2. Verwenden Sie den richtigen Feldnamen: Verwenden Sie für Standard-Blob-Eigenschaften den Namen mit Unterstrichen, wie metadata_storage_path statt metadata-storage-path. Bei benutzerdefinierten Metadaten muss der Feldname exakt mit dem Metadatenschlüssel des Blobs übereinstimmen.

  3. Vergewissern Sie sich, dass dataToExtract für den Indexer korrekt festgelegt ist:

    • contentAndMetadata (Standardwert) extrahiert sowohl Inhalte als auch Standard-/benutzerdefinierte Metadaten.
    • storageMetadata extrahiert nur Standard-Blob-Eigenschaften und benutzerdefinierte Metadaten.
    • allMetadata extrahiert Standardeigenschaften sowie inhaltstypspezifische Metadaten.

    Überprüfen Sie ihre Indexerkonfiguration, um sicherzustellen, dass die Einstellung Ihren Absichten entspricht.

  4. Führen Sie den Indexer nach Schemaaktualisierungen erneut aus: Wenn Sie ihrem Index ein neues Feld hinzugefügt haben, führen Sie den Indexer erneut aus, damit Dokumente mit dem aktualisierten Schema verarbeitet werden. Vorhandene Dokumente müssen möglicherweise erneut verarbeitet werden, bevor das neue Feld aufgefüllt wird.

  5. Überprüfen Sie den Indexerausführungsverlauf: Wechseln Sie zum Indexer im Azure-Portal, oder verwenden Sie get Indexer Status (REST API), um Ausführungsdetails und alle Fehlermeldungen anzuzeigen.

Indexerfehler und nicht unterstützte Inhaltstypen

Standardmäßig stoppt der BLOB-Indexer, sobald ein Blob mit einem nicht unterstützten Inhaltstyp wie einer Audiodatei auftritt. Sie können mithilfe des Parameters excludedFileNameExtensions bestimmte Inhaltstypen überspringen.

Wenn die Indizierung fortgesetzt werden soll, wenn einige Dokumente fehlschlagen, passen Sie die folgenden Parameter an, und untersuchen Sie dann später einzelne Dokumente. Weitere Informationen finden Sie unter "Anleitung zur Problembehandlung bei Indexer " und "Indexer"-Fehler und -Warnungen.

Wenn Fehler auftreten, steuern fünf Indexerparameter die Antwort des Indexers:

PUT /indexers/[indexer name]?api-version=2026-10-01
{
  "parameters" : { 
    "maxFailedItems" : 10, 
    "maxFailedItemsPerBatch" : 10,
    "configuration" : { 
        "failOnUnsupportedContentType" : false, 
        "failOnUnprocessableDocument" : false,
        "indexStorageMetadataOnlyForOversizedDocuments": false
      }
    }
}
Parameter Gültige Werte Description
maxFailedItems -1, NULL oder 0, positive ganze Zahl Setzen Sie die Indizierung fort, wenn an einem beliebigen Punkt der Verarbeitung Fehler auftreten, entweder bei der Analyse von Blobs oder beim Hinzufügen von Dokumenten zu einem Index. Legen Sie diese Eigenschaft auf die Anzahl der zulässigen Fehler fest. Der Wert -1 ermöglicht die Verarbeitung unabhängig davon, wie viele Fehler auftreten. Andernfalls ist der Wert eine positive ganze Zahl.
maxFailedItemsPerBatch -1, NULL oder 0, positive ganze Zahl Wie oben, wird aber für die Batchindizierung verwendet.
failOnUnsupportedContentType wahr oder falsch Wenn der Indexer den Inhaltstyp nicht ermitteln kann, geben Sie an, ob der Auftrag fortgesetzt werden soll oder fehlschlagen soll.
failOnUnprocessableDocument wahr oder falsch Wenn der Indexer ein Dokument eines ansonsten unterstützten Inhaltstyps nicht verarbeiten kann, geben Sie an, ob der Auftrag fortgesetzt oder abgebrochen wird.
indexStorageMetadataOnlyForOversizedDocuments wahr oder falsch Zu große Blobs werden standardmäßig als Fehler behandelt. Wenn Sie diesen Parameter auf TRUE festlegen, versucht der Indexer, seine Metadaten zu indizieren, auch wenn der Inhalt nicht indiziert werden kann. Bei der 1:n-Analyse erzeugt ein überdimensioniertes Blob ein Dokument nur mit Metadaten, dessen Rohschlüsselquelle metadata_storage_path ist, vor jeder Schlüsselcodierung. Die ACL-Aufnahme wird für diese Kombination nicht unterstützt. Größenübergänge können Dokumente unter alten Schlüsseln belassen, einschließlich vorheriger ACL-Werte. Siehe Überdimensionierte Blobs und 1:n-Schlüssel und Dienstgrenzwerte.