Keresés az Azure Blob Storage-tartalmak között

Megjegyzés

Azure AI Keresés a Azure portálon, REST API-kon és Azure SDK-k keresztül érhető el. Emellett a Foundry IQ-t is támogatja, amely a vállalati tartalmakat újrafelhasználható, engedélytudatos tudásbázisokká alakítja át az Microsoft Foundry portálon található ügynökök számára.

Important

Ezek a funkciók és szolgáltatások támogatják a más Microsoft-szolgáltatásokhoz és harmadik féltől származó szolgáltatásokhoz való kapcsolódást. Ezeknek a szolgáltatásoknak a használatára a vonatkozó feltételek vonatkoznak, és a Azure megfelelőségi határán kívüli adatfeldolgozást vagy tárolást, valamint a Azure megfelelőségi határba történő adatáramlást eredményezhetnek.

Az Ön felelőssége annak kezelése, hogy az adatok a szervezet megfelelőségi és földrajzi határain kívülre áramlanak-e, valamint hogy a megfelelő engedélyek, határok és jóváhagyások ki vannak-e építve.

Ön a felelős azért, hogy gondosan áttekintse és tesztelje azokat az alkalmazásokat, amelyeket az adott használati esetek kontextusában hoz létre, és minden megfelelő döntést és testreszabást meghoz. Ez magában foglalja a saját, felelős mesterségesintelligencia-csökkentő megoldások, például metapromptok, tartalomszűrők vagy egyéb biztonsági rendszerek implementálását, valamint annak biztosítását, hogy az alkalmazások megfeleljenek a megfelelő minőségi, megbízhatósági, biztonsági és megbízhatósági szabványoknak. További információ: Azure AI Keresés Átláthatósági megjegyzés.

Az Azure Blob Storage-ban tárolt tartalomtípusok közötti keresés nehéz feladat lehet, de az Azure AI Keresés mély integrációt biztosít a tartalomrétegben, szöveges információk kinyerésével és következtetésével, amelyeket aztán lekérdezhet egy keresési indexben.

Ebben a cikkben áttekintheti a tartalom és metaadatok blobokból való kinyeréséhez és az Azure AI Keresés keresési indexbe való küldéséhez szükséges alapszintű munkafolyamatot. Az eredményként kapott index teljes szöveges kereséssel vagy vektorkereséssel kérdezhető le. A nem keresési forgatókönyvek esetén a feldolgozott blobtartalmakat is elküldheti egy tudástárba .

Megjegyzés

Már ismeri a munkafolyamatot és a kompozíciót? A blobindexelő konfigurálása a következő lépés.

Mit jelent a blobadatokon végzett keresés hozzáadása?

Az Azure AI Keresés egy önálló keresési szolgáltatás, amely támogatja az indexelést és a számítási feladatok lekérdezését a felhőben üzemeltetett privát kereshető tartalmakat tartalmazó, felhasználó által definiált indexeken keresztül. A teljesítményhez szükség van a kereshető tartalom felhőbeli lekérdezési motorral való közös keresésére, és az eredményeket olyan sebességgel adja vissza, amelyet a felhasználók a keresési lekérdezésektől elvártak.

Az Azure AI Keresés integrálható az Azure Blob Storage-ral az indexelési rétegben, és a blobtartalmakat invertált indexekbe és más lekérdezési struktúrákba indexelt keresési dokumentumként importálja, amelyek támogatják a szabad formátumú szöveges lekérdezéseket, a vektoros lekérdezéseket és a szűrőkifejezéseket. Mivel a blob tartalma keresési indexbe van indexelve, az Azure AI Keresés lekérdezési funkcióinak teljes skáláját használhatja a blobtartalmak információinak megkereséséhez.

Az adatbeviteli elemek a blobok, egyetlen tárolóban, az Azure Blob Storage rendszerében találhatók. A blobok szinte bármilyen szöveges adat lehetnek. Ha a blobok képeket tartalmaznak, AI-bővítést adhat hozzá a képek szövegének és funkcióinak létrehozásához és kinyeréséhez.

A kimenet mindig egy Azure AI Keresés-index, amelyet gyors szöveges kereséshez, lekéréshez és feltáráshoz használnak az ügyfélalkalmazásokban. A kettő között maga az indexelési folyamat architektúrája van. A folyamat az indexelő funkción alapul, amelyről ebben a cikkben részletesebben is szó lesz.

Az index létrehozása és feltöltése után a blobtárolótól függetlenül létezik, de az indexelési műveletek újrafuttatásával frissítheti az indexet a módosított dokumentumok alapján. Az egyes blobok időbélyeg-információi a változásészleléshez használatosak. A frissítési mechanizmusként választhatja az ütemezett végrehajtást vagy az igény szerinti indexelést.

Blobkeresési megoldásban használt erőforrások

Szüksége van az Azure AI Keresésre, az Azure Blob Storage-ra és egy ügyfélre. Az Azure AI Keresés általában a megoldás számos összetevőjének egyike, ahol az alkalmazáskód lekérdezési API-kéréseket ad ki, és kezeli a választ. Az indexelés kezeléséhez alkalmazáskódot is írhat, bár a megvalósíthatósági vizsgálat és a rögtönzött feladatok esetében gyakori, hogy az Azure Portalt használja keresési ügyfélként.

A Blob Storage-on belül szüksége lesz egy forrástartalmat biztosító tárolóra. Megadhatja a fájlbefoglalási és kizárási feltételeket, és megadhatja, hogy a blob mely részei legyenek indexelve az Azure AI Keresésben.

Közvetlenül a Tárfiók portáljának oldalán kezdheti.

  1. Az Adatkezelés bal oldali navigációs lapján válassza az Azure AI Keresés lehetőséget a keresési szolgáltatás kiválasztásához vagy létrehozásához.

  2. Importáló varázslóval kinyerheti és igény szerint létrehozhat kereshető tartalmakat a blobokból. A munkafolyamat létrehoz egy indexelőt, adatforrást, indexet és választható készségeket az Azure AI Keresés szolgáltatásban.

    Képernyőkép az Azure AI Keresés varázslóról az Azure Storage Portál oldalán.

  3. A tartalom lekérdezéséhez használja a Keresőböngészőt a keresési portál lapján.

A varázsló a legjobb kiindulópont, de rugalmasabb lehetőségeket is felfedezhet, ha saját maga konfigurál egy blobindexelőt . REST-ügyfelet is használhat. Oktatóanyag: A részben strukturált adatok (JSON-blobok) indexelése és keresése végigvezeti a REST API meghívásának lépésein.

A blobok indexelésének menete

Alapértelmezés szerint a blobok többsége egyetlen keresési dokumentumként van indexelve az indexben, beleértve a strukturált tartalommal rendelkező blobokat, például a JSON-t vagy a CSV-t, amelyek egyetlen szövegtömbként vannak indexelve. Belső struktúrával (elválasztókkal) rendelkező JSON- vagy CSV-dokumentumok esetében azonban elemzési módokat rendelhet hozzá az egyes sorokhoz vagy elemekhez tartozó egyéni keresési dokumentumok létrehozásához:

Összetett vagy beágyazott dokumentum (például ZIP-archívum, mellékleteket tartalmazó beágyazott Outlook-e-maileket tartalmazó Word-dokumentum vagy . A mellékleteket tartalmazó MSG-fájl is egyetlen dokumentumként van indexelve. Például az MSG-fájl mellékleteiből kinyert összes kép a normalized_images mezőben lesz visszaadva. Ha rendelkezik képekkel, fontolja meg az AI-bővítés hozzáadását, hogy több keresési segédprogramot kapjon az adott tartalomból.

A dokumentum szöveges tartalma egy "content" nevű sztringmezőbe lesz kinyerve. Standard és felhasználó által definiált metaadatokat is kinyerhet.

Megjegyzés

Az Azure AI Keresés korlátozza az indexelők számára, hogy a tarifacsomagtól függően mennyi szöveget nyer ki. Ha a dokumentumok csonkoltak, figyelmeztetés jelenik meg az indexelő állapotválaszában.

Blobindexelő használata tartalomkinyeréshez

Az indexelők az Azure AI Keresés adatforrás-tudatos alszolgáltatásai, amelyek belső logikával rendelkeznek az adatok mintavételezéséhez, az adatok és metaadatok beolvasásához és lekéréséhez, valamint az adatok natív formátumokból JSON-dokumentumokba való szerializálásához a későbbi importáláshoz.

Az Azure Storage-blobok indexelése a blobindexelő használatával történik. Ezt az indexelőt az Azure Storage Azure AI Keresés parancsával, az Adatok importálása varázslóval az Azure Portalon, a REST API-ban vagy a .NET SDK-ban hívhatja meg. A kódban ezt az indexelőt a típus beállításával és az Azure Storage-fiókot és egy blobtárolót tartalmazó kapcsolati adatok megadásával használhatja. A blobokat úgy oszthatja fel, hogy létrehoz egy virtuális könyvtárat, amelyet aztán paraméterként adhat át, vagy egy fájltípus-bővítményre szűrhet.

Az indexelő "feltör egy dokumentumot", és megnyit egy blobot a tartalom vizsgálatához. Az adatforráshoz való csatlakozás után ez a folyamat első lépése. Blobadatok esetén a rendszer itt észleli a PDF- és Office-dokumentumokat és más tartalomtípusokat. A szövegkinyeréssel végzett dokumentumfeltörés díjmentes. Ha a blobok képtartalmat tartalmaznak, a rendszer figyelmen kívül hagyja a képeket, kivéve, ha AI-bővítést ad hozzá. A szabványos indexelés csak szöveges tartalomra vonatkozik.

Az Azure Blob Indexer konfigurációs paraméterekkel rendelkezik, és támogatja a változáskövetést, ha a mögöttes adatok elegendő információt nyújtanak. Az Indexadatok alapvető funkcióiról az Azure Blob Storage-ból tudhat meg többet.

Támogatott hozzáférési szintek

A Blob Storage hozzáférési szintjei közé tartozik a gyakori elérésű, a ritka elérésű, a hideg elérésű és az archiválás. Az indexelők lekérhetik a blobokat forró, hűvös és hideg hozzáférési szinteken.

Támogatott tartalomtípusok

Ha blobindexelőt futtat egy tárolón, egyetlen lekérdezéssel kinyerheti a szöveget és a metaadatokat a következő tartalomtípusokból:

  • CSV (lásd : CSV-blobok indexelése)
  • EML
  • EPUB
  • GZ
  • HTML
  • JSON (lásd : JSON-blobok indexelése)
  • KML (XML földrajzi ábrázolásokhoz)
  • Markdown
  • Microsoft Office-formátumok: DOCX/DOC/DOCM, XLSX/XLS/XLSM, PPTX/PPT/PPTM, MSG (Outlook-e-mailek), XML (2003 és 2006 WORD XML)
  • Dokumentumformátumok megnyitása: ODT, ODS, ODP
  • PDF
  • Egyszerű szöveges fájlok (lásd még : Egyszerű szöveg indexelése)
  • Rich Text Formátum (RTF)
  • XML
  • ZIP

Az indexelt blobok szabályozása

Az indexelt és kihagyott blobokat a blob fájltípusa vagy a blob tulajdonságainak beállításával szabályozhatja, így az indexelő átugorhatja őket.

Adjon meg adott fájlkiterjesztéseket a fájlkiterjesztések vesszővel tagolt listájának beállításával "indexedFileNameExtensions" (vezető ponttal). Bizonyos fájlkiterjesztések kizárása a kihagyandó bővítmények beállításával "excludedFileNameExtensions" . Ha ugyanaz a bővítmény mindkét listában szerepel, akkor az indexelésből ki lesz zárva.

PUT /indexers/[indexer name]?api-version=2026-04-01
{
    "parameters" : { 
        "configuration" : { 
            "indexedFileNameExtensions" : ".pdf, .docx",
            "excludedFileNameExtensions" : ".png, .jpeg" 
        } 
    }
}

"Skip" metaadat hozzáadása a blobhoz

Az indexelő konfigurációs paraméterei a tárolóban vagy mappában lévő összes blobra vonatkoznak. Néha érdemes szabályozni az egyes blobok indexelt módját.

Adja hozzá a következő metaadat-tulajdonságokat és értékeket a blobokhoz a Blob Storage-ban. Amikor az indexelő találkozik ezzel a tulajdonságmal, kihagyja a blobot vagy annak tartalmát az indexelési futtatás során.

Tulajdonság neve Tulajdonságérték Magyarázat
AzureSearch_Skip "true" Utasítja a blobindexelőt, hogy hagyja ki teljesen a blobot. Sem a metaadatok, sem a tartalom kinyerése nem történik meg. Ez akkor hasznos, ha egy adott blob ismétlődően meghiúsul, és megszakítja az indexelési folyamatot.
"AzureSearch_SkipContent" "true" Ez egyenértékű az "dataToExtract": "allMetadata"itt leírt beállítással, de csak egy adott blobra terjed ki.

Blob metaadatainak indexelése

Egy gyakori forgatókönyv, amely megkönnyíti a blobok bármilyen tartalomtípus szerinti rendezését, ha az egyes blobok egyéni metaadatait és rendszertulajdonságait is indexeli. Ily módon a rendszer az összes blob adatait a dokumentum típusától függetlenül indexeli, és a keresési szolgáltatás egy indexében tárolja. Az új index használatával folytathatja a rendezést, a szűrést és a fájlok kategorizálását az összes Blob tároló tartalom felett.

Megjegyzés

A Blob Index-címkéket a Blob Storage szolgáltatás natív indexeli, és lekérdezésre teszi közzé. Ha a blobok kulcs-/értékattribútumai indexelési és szűrési képességeket igényelnek, a blobindex-címkéket metaadatok helyett kell használni.

A Blob Indexről további információt az Azure Blob Storage és a Blob Index adatainak kezelése és keresése című témakörben talál.

Blobtartalom keresése keresési indexben

Az indexelő kimenete egy keresési index, amely interaktív feltáráshoz használható ingyenes szövegekkel és szűrt lekérdezésekkel egy ügyfélalkalmazásban. A tartalom kezdeti feltárásához és ellenőrzéséhez javasoljuk, hogy kezdje a Search Explorerrel az Azure Portalon a dokumentumszerkezet vizsgálatához. A Kereséskezelőben a következőt használhatja:

Állandóbb megoldás a lekérdezési bemenetek összegyűjtése és a válasz megjelenítése keresési eredményként egy ügyfélalkalmazásban.

Következő lépések

  • Utolsó frissítés időpontja: