메모
Foundry IQ (Azure AI 검색)는 관리 검색을 위해 직접 인덱싱 및 쿼리 API와 함께 상위 수준의 지식 소스 및 지식 베이스 API를 제공합니다. Azure 포털, REST API 또는 Azure SDK 사용하여 이러한 기능을 구성하거나 Microsoft Foundry 포털의 기술 자료에 에이전트를 연결합니다.
이전 단계에서는 검색 지원 웹 사이트를 Azure Container Apps에 배포했습니다. 이 문서에서는 검색 통합을 설정하는 필수 단계를 강조 표시합니다. 검색을 웹앱에 통합하기 위한 치트 시트로 간주합니다.
Azure SDK Azure Search.Documents
API는 Azure AI 검색를 위해 Azure SDK를 사용합니다.
- NuGet: Azure. Search.Documents
- 참조 설명서: 클라이언트 라이브러리
API는 Foundry IQ 서비스 이름 및 인덱스 이름을 사용하여 SDK를 통해 클라우드 기반 Foundry IQ API에 인증합니다. Azure Container Apps에서는 컨테이너 환경이 구성 값을 제공합니다. 관리되는 ID는 기본 자격 증명 경로입니다.
관리 ID 인증
API의 각 Azure 함수는 공유 SearchClientFactory 클래스를 통해 자체 SearchClient를 생성하므로 모든 함수가 동일한 방식으로 인증됩니다. 기본적으로 팩터리는 DefaultAzureCredential를 빌드하고 이를 사용하여 Foundry IQ에 대한 토큰을 요청합니다. Azure Container Apps에서 DefaultAzureCredential는 컨테이너 앱에 할당된 관리 ID로 해석됩니다.
SearchClientFactory.cs의 다음 메서드는 해당 자격 증명을 만듭니다. 컨테이너 앱에 사용자 할당 관리 ID가 있는 경우 AZURE_CLIENT_ID 환경 변수의 클라이언트 ID를 DefaultAzureCredentialOptions에 전달하므로 토큰 획득이 모호하지 않습니다.
private static DefaultAzureCredential CreateManagedIdentityCredential()
{
var options = new DefaultAzureCredentialOptions();
if (!string.IsNullOrWhiteSpace(ManagedIdentityClientId))
{
options.ManagedIdentityClientId = ManagedIdentityClientId;
}
return new DefaultAzureCredential(options);
}
Bicep 인프라는 azd up 중에 관리 ID에 Foundry IQ 데이터 평면에 대한 액세스 권한을 할당합니다. 이 역할 할당을 통해 API는 컨테이너 환경에 쿼리 good-books 키를 저장하지 않고도 인덱스 쿼리를 수행할 수 있습니다.
로컬 및 배포된 자격 증명 확인 과정
로컬에서 AZURE_CLIENT_ID이 설정되지 않은 경우 DefaultAzureCredential은 표준 자격 증명 체인을 따라 로그인하는 데 사용한 Azure CLI 또는 Visual Studio Code 계정과 같은 로그인된 개발자 자격 증명으로 확인됩니다. Azure Container Apps에 배포되는 경우 Bicep 인프라는 AZURE_CLIENT_ID를 사용자 할당 관리 ID의 클라이언트 ID로 설정하므로, DefaultAzureCredential는 호스트가 노출할 수 있는 여러 ID 중에서 모호하게 확인되는 대신 해당 ID를 명확히 대상으로 합니다.
대신 API 키를 사용하려면 배포 전에 USE_KEYLESS_AUTH를 false로 설정합니다:
azd env set USE_KEYLESS_AUTH false
azd up
사용자 환경에 필요한 경우에만 키 인증을 사용하세요.
로컬 개발 설정
로컬 개발의 경우 샘플 sample.local.settings.json 파일은 API가 예상하는 값을 보여 줍니다. 개발에만 로컬 설정을 사용합니다. Azure Container Apps에서 배포 구성은 동등한 컨테이너 환경 값을 제공합니다.
| Setting | Purpose | 필요한 경우 |
|---|---|---|
SearchServiceName |
Foundry IQ 서비스의 이름입니다.
.search.windows.net와 결합하여 서비스 엔드포인트 URI를 빌드합니다. |
늘 |
SearchIndexName |
쿼리할 검색 인덱스의 이름입니다. 설정하지 않으면 good-books가 기본값입니다. |
Optional |
SEARCH_USE_KEY_AUTH |
기본값은 false이며 관리형 ID를 사용합니다.
true 관리 ID 대신 API 키를 사용하도록 설정합니다. |
선택적 키 인증 |
SearchApiKey |
Foundry IQ의 관리 키입니다. |
SEARCH_USE_KEY_AUTH이(가) true인 경우 필요합니다. |
{
"IsEncrypted": false,
"Values": {
"AzureWebJobsStorage": "",
"FUNCTIONS_WORKER_RUNTIME": "dotnet-isolated",
"SearchServiceName": "",
"SearchIndexName": "good-books"
},
"Host": {
"CORS": "*"
}
}
함수: 카탈로그 검색
검색 API는 검색어를 사용하여 검색 인덱스의 문서를 검색하고 일치하는 항목 목록을 반환합니다. Suggest API를 통해 부분 문자열은 사용자가 입력할 때 검색 엔진으로 전송됩니다. API는 검색 인덱스의 문서를 기반으로 책 제목 및 작성자와 같은 검색 용어를 제안하고 일치하는 항목의 작은 목록을 반환합니다.
Azure 함수는 컨테이너 환경에서 검색 구성 정보를 가져오고 Foundry IQ 클라이언트를 만들고 쿼리를 수행합니다.
검색 제안기 sg는 대량 업로드 중에 사용되는 스키마 파일에 정의되어 있습니다.
using Azure;
using Azure.Core.Serialization;
using Azure.Identity;
using Azure.Search.Documents;
using Azure.Search.Documents.Models;
using Microsoft.Azure.Functions.Worker;
using Microsoft.Azure.Functions.Worker.Http;
using Microsoft.Extensions.Logging;
using System.Net;
using System.Text.Json;
using System.Text.Json.Serialization;
using WebSearch.Models;
using SearchFilter = WebSearch.Models.SearchFilter;
namespace WebSearch.Function
{
public class Search
{
private readonly ILogger<Lookup> _logger;
public Search(ILogger<Lookup> logger)
{
_logger = logger;
}
[Function("search")]
public async Task<HttpResponseData> RunAsync(
[HttpTrigger(AuthorizationLevel.Anonymous, "post")] HttpRequestData req,
FunctionContext executionContext)
{
string requestBody = await new StreamReader(req.Body).ReadToEndAsync();
var data = JsonSerializer.Deserialize<RequestBodySearch>(requestBody);
// Azure AI Search (managed identity by default; API key only when SEARCH_USE_KEY_AUTH=true)
SearchClient searchClient = SearchClientFactory.CreateSearchClient();
SearchOptions options = new()
{
Size = data.Size,
Skip = data.Skip,
IncludeTotalCount = true,
Filter = CreateFilterExpression(data.Filters)
};
options.Facets.Add("authors");
options.Facets.Add("language_code");
SearchResults<SearchDocument> searchResults = searchClient.Search<SearchDocument>(data.SearchText, options);
var facetOutput = new Dictionary<string, IList<FacetValue>>();
foreach (var facetResult in searchResults.Facets)
{
facetOutput[facetResult.Key] = facetResult.Value
.Select(x => new FacetValue { value = x.Value.ToString(), count = x.Count })
.ToList();
}
// Data to return
var output = new SearchOutput
{
Count = searchResults.TotalCount,
Results = searchResults.GetResults().ToList(),
Facets = facetOutput
};
var response = req.CreateResponse(HttpStatusCode.Found);
// Serialize data
var serializer = new JsonObjectSerializer(
new JsonSerializerOptions(JsonSerializerDefaults.Web));
await response.WriteAsJsonAsync(output, serializer);
return response;
}
public static string CreateFilterExpression(List<SearchFilter> filters)
{
if (filters is null or { Count: <= 0 })
{
return null;
}
List<string> filterExpressions = new();
List<SearchFilter> authorFilters = filters.Where(f => f.field == "authors").ToList();
List<SearchFilter> languageFilters = filters.Where(f => f.field == "language_code").ToList();
List<string> authorFilterValues = authorFilters.Select(f => f.value).ToList();
if (authorFilterValues.Count > 0)
{
string filterStr = string.Join(",", authorFilterValues);
filterExpressions.Add($"{"authors"}/any(t: search.in(t, '{filterStr}', ','))");
}
List<string> languageFilterValues = languageFilters.Select(f => f.value).ToList();
foreach (var value in languageFilterValues)
{
filterExpressions.Add($"language_code eq '{value}'");
}
return string.Join(" and ", filterExpressions);
}
}
}
함수를 독립적으로 확인하려면 요청 본문에 검색어를 넣어 /api/search를 호출하고 응답에 일치하는 책 문서, 총 개수 및 패싯 값이 포함되어 있는지 확인합니다.
클라이언트: 카탈로그 검색
React 클라이언트의 검색 페이지는 사용자가 쿼리를 search 입력하거나 패싯 필터를 변경하거나 결과의 새 페이지로 이동할 때마다 Azure 함수를 호출합니다. 클라이언트는 검색 텍스트, 현재 페이지의 skip 및 top 값, 그리고 선택된 작성자 또는 언어 필터를 POST 본문에 담아 /api/search로 보냅니다. 이 함수는 일치하는 책 문서 목록, 총 개수 및 패싯 값을 반환하며, 이 값은 페이지가 결과 목록, 호출기 및 패싯 필터를 렌더링하는 데 사용합니다. 다음 코드는 \client\src\pages\Search\Search.jsx에서 해당 요청을 빌드하고 응답을 구성 요소 상태에 저장합니다.
import React, { useEffect, useState, Suspense } from 'react';
import fetchInstance from '../../url-fetch';
import CircularProgress from '@mui/material/CircularProgress';
import { useLocation, useNavigate } from "react-router-dom";
import Grid from '@mui/material/Grid';
import Box from '@mui/material/Box';
import Container from '@mui/material/Container';
import Results from '../../components/Results/Results';
import Pager from '../../components/Pager/Pager';
import Facets from '../../components/Facets/Facets';
import SearchBar from '../../components/SearchBar/SearchBar';
import { SearchMain, SearchBarColumn, SearchBarResults, SearchBarColumnContainer, SearchResultsContainer, PagerStyle } from './styled';
export default function Search() {
let location = useLocation();
const navigate = useNavigate();
const [results, setResults] = useState([]);
const [q, setQ] = useState(new URLSearchParams(location.search).get('q') ?? "*");
const [resultCount, setResultCount] = useState(0);
const [currentPage, setCurrentPage] = useState(1);
const [top] = useState(new URLSearchParams(location.search).get('top') ?? 8);
const [skip, setSkip] = useState(new URLSearchParams(location.search).get('skip') ?? 0);
const [filters, setFilters] = useState([]);
const [facets, setFacets] = useState({});
const [isLoading, setIsLoading] = useState(true);
let resultsPerPage = top;
// Handle page changes in a controlled manner
function handlePageChange(newPage) {
setCurrentPage(newPage);
}
// Calculate skip value and fetch results when relevant parameters change
useEffect(() => {
// Calculate skip based on current page
const calculatedSkip = (currentPage - 1) * top;
// Only update if skip has actually changed
if (calculatedSkip !== skip) {
setSkip(calculatedSkip);
return; // Skip the fetch since skip will change and trigger another useEffect
}
// Proceed with fetch
setIsLoading(true);
const body = {
q: q,
top: top,
skip: skip,
filters: filters
};
fetchInstance('/api/search', { body, method: 'POST' })
.then(response => {
setResults(response.results);
setFacets(response.facets);
setResultCount(response.count);
setIsLoading(false);
})
.catch(error => {
console.log(error);
setIsLoading(false);
});
}, [q, top, skip, filters, currentPage]);
// pushing the new search term to history when q is updated
// allows the back button to work as expected when coming back from the details page
useEffect(() => {
navigate('/search?q=' + q);
setCurrentPage(1);
setFilters([]);
// eslint-disable-next-line react-hooks/exhaustive-deps
}, [q]);
let postSearchHandler = (searchTerm) => {
setQ(searchTerm);
};
// filters should be applied across entire result set,
// not just within the current page
const updateFilterHandler = (newFilters) => {
// Reset paging
setSkip(0);
setCurrentPage(1);
// Set filters
setFilters(newFilters);
};
return (<Container maxWidth={false} component={SearchMain} sx={{ marginTop: 2 }}>
<Grid container spacing={2} sx={{ px: 2, marginTop: 2 }}> {/* Added horizontal padding and top margin */}
<Grid item xs={12} md={3} component={SearchBarColumn} sx={{
padding: '8px 16px 16px 16px',
borderRight: '1px solid #f0f0f0'
}}>
<SearchBarColumnContainer>
<SearchBar postSearchHandler={postSearchHandler} query={q} width={false}></SearchBar>
</SearchBarColumnContainer>
<Facets facets={facets} filters={filters} setFilters={updateFilterHandler}></Facets>
</Grid>
<Grid item xs={12} md={9} component={SearchBarResults}>
{isLoading ? (<Box display="flex" justifyContent="center" p={2}>
<CircularProgress />
</Box>) : (<SearchResultsContainer>
<Results documents={results} top={top} skip={skip} count={resultCount} query={q}></Results>
<PagerStyle>
<Pager currentPage={currentPage} resultCount={resultCount} resultsPerPage={resultsPerPage} onPageChange={handlePageChange}></Pager>
</PagerStyle>
</SearchResultsContainer>)}
</Grid>
</Grid>
</Container>);
}
이 통합을 확인하려면 웹 사이트의 검색 창에 검색어를 입력하고 결과 목록, 결과 수 및 패싯이 모두 업데이트되는지 확인합니다.
클라이언트: 카탈로그의 제안
Suggest 함수 API는 Material UI Autocomplete component의 일부로 React 앱의 \client\src\components\SearchBar\SearchBar.jsx에서 호출됩니다. 이 구성 요소는 입력 텍스트를 사용하여 일치하는 작성자 및 책을 검색합니다. 그런 다음 가능한 일치 항목을 드롭다운 목록에 선택 가능한 항목으로 표시합니다.
import React, { useState, useEffect } from 'react';
import { TextField } from '@mui/material';
import fetchInstance from '../../url-fetch';
import {
SearchAutocomplete,
SearchBox,
SearchButton,
SearchContainer,
} from './styles';
const suggestionListStyles = {
padding: 0,
'& .MuiAutocomplete-option': {
minHeight: '40px',
padding: '8px 14px',
textAlign: 'left',
},
};
export default function SearchBar({ postSearchHandler, query, width }) {
const [q, setQ] = useState(() => query || '');
const [suggestions, setSuggestions] = useState([]);
const search = (value) => {
postSearchHandler(value);
};
useEffect(() => {
if (q) {
const body = { q, top: 5, suggester: 'sg' };
fetchInstance('/api/suggest', { body, method: 'POST' })
.then(response => {
setSuggestions(response.suggestions.map(s => s.text));
})
.catch(error => {
console.log(error);
setSuggestions([]);
});
}
}, [q]);
const onInputChangeHandler = (event, value) => {
setQ(value);
};
const onChangeHandler = (event, value) => {
setQ(value);
search(value);
};
const onEnterButton = (event) => {
if (event.key === 'Enter') {
search(q);
}
};
return (
<SearchContainer $wide={Boolean(width)}>
<SearchBox>
<SearchAutocomplete
freeSolo
value={q}
options={suggestions}
onInputChange={onInputChangeHandler}
onChange={onChangeHandler}
disableClearable
ListboxProps={{ sx: suggestionListStyles }}
renderInput={(params) => (
<TextField
{...params}
id="search-box"
placeholder="What are you looking for?"
onBlur={() => setSuggestions([])}
onClick={() => setSuggestions([])}
onKeyDown={onEnterButton}
/>
)}
/>
<SearchButton variant="contained" onClick={() => search(q)}>
Search
</SearchButton>
</SearchBox>
</SearchContainer>
);
}
이 통합을 확인하려면 웹 사이트의 검색 창에 텍스트를 입력하고 일치하는 책 제목과 작성자가 자동 완성 드롭다운에 표시되는지 확인합니다.
함수: 특정 문서 가져오기
문서 조회 API는 사용자가 검색 결과에서 문서를 선택한 후 단일 책에 대한 전체 문서를 검색합니다. 함수는 요청의 쿼리 문자열에서 책 id을 읽고, SearchClientFactory를 사용해 인증된 SearchClient를 생성한 다음, GetDocumentAsync를 호출하여 good-books 인덱스에서 해당 키를 조회합니다.
LookupOutput 개체로 래핑된 결과 문서를 반환합니다.
using Azure;
using Azure.Core.Serialization;
using Azure.Identity;
using Azure.Search.Documents;
using Azure.Search.Documents.Models;
using Microsoft.Azure.Functions.Worker;
using Microsoft.Azure.Functions.Worker.Http;
using Microsoft.Extensions.Logging;
using System.Net;
using System.Text.Json;
using WebSearch.Models;
namespace WebSearch.Function
{
public class Lookup
{
private readonly ILogger<Lookup> _logger;
public Lookup(ILogger<Lookup> logger)
{
_logger = logger;
}
[Function("lookup")]
public async Task<HttpResponseData> RunAsync(
[HttpTrigger(AuthorizationLevel.Anonymous, "get", "post")] HttpRequestData req,
FunctionContext executionContext)
{
// Get Document Id
var query = System.Web.HttpUtility.ParseQueryString(req.Url.Query);
string documentId = query["id"].ToString();
// Azure AI Search (managed identity by default; API key only when SEARCH_USE_KEY_AUTH=true)
SearchClient searchClient = SearchClientFactory.CreateSearchClient();
var getDocumentResponse = await searchClient.GetDocumentAsync<SearchDocument>(documentId);
// Data to return
var output = new LookupOutput
{
Document = getDocumentResponse.Value
};
var response = req.CreateResponse(HttpStatusCode.Found);
// Serialize data
var serializer = new JsonObjectSerializer(
new JsonSerializerOptions(JsonSerializerDefaults.Web));
await response.WriteAsJsonAsync(output, serializer);
return response;
}
}
}
Lookup 함수를 독립적으로 확인하려면 Lookup 함수/api/lookup를 유효한 책id으로 호출하고 응답이 해당 책의 전체 문서를 반환하는지 확인합니다.
클라이언트: 특정 문서 가져오기
사용자가 검색 결과에서 책을 선택하면 요약 목록에 표시되지 않는 필드를 포함하여 세부 정보 페이지에 해당 책의 전체 문서가 필요합니다. 세부 정보 페이지는 경로 매개 변수에서 책 id를 읽고 구성 요소가 탑재되면 /api/lookup를 통해 문서 조회 API를 호출합니다. 반환된 문서를 구성 요소 상태로 저장하고 결과 및 원시 데이터 탭에 렌더링합니다. 다음 코드는 \client\src\pages\Details\Details.jsx 구성 요소 초기화 중에 이 조회를 수행합니다.
import React, { useState, useEffect } from "react";
import { useParams } from 'react-router-dom';
import Rating from '@mui/material/Rating';
import CircularProgress from '@mui/material/CircularProgress';
import Tabs from '@mui/material/Tabs';
import Tab from '@mui/material/Tab';
import Box from '@mui/material/Box';
import fetchInstance from '../../url-fetch';
import { TabPanel, TabPanelValue, CardBody, ImageContainer, CardTitle, CardText, BoxContent, DetailsBoxParent, DetailsTabBoxHeader, DetailsCustomTabPanelJsonDiv } from './styled';
function CustomTabPanel(props) {
const { children, value, index, ...other } = props;
return (<TabPanel role="tabpanel" hidden={value !== index} id={`simple-tabpanel-${index}`} aria-labelledby={`simple-tab-${index}`} {...other}>
{value === index && <TabPanelValue>{children}</TabPanelValue>}
</TabPanel>);
}
export default function BasicTabs() {
const { id } = useParams();
const [document, setDocument] = useState({});
const [value, setValue] = React.useState(0);
const [isLoading, setIsLoading] = useState(true);
useEffect(() => {
setIsLoading(true);
fetchInstance('/api/lookup', { query: { id: id } })
.then(response => {
console.log(JSON.stringify(response));
const doc = response.document;
setDocument(doc);
setIsLoading(false);
})
.catch(error => {
console.log(error);
setIsLoading(false);
});
}, [id]);
const handleChange = (event, newValue) => {
setValue(newValue);
};
if (isLoading || !id || Object.keys(document).length === 0) {
return (<Box sx={{ display: 'flex', flexDirection: 'column', alignItems: 'center', padding: '2em' }}>
<CircularProgress />
<Box sx={{ mt: 2 }}>Loading...</Box>
</Box>);
}
return (<DetailsBoxParent>
<DetailsTabBoxHeader>
<Tabs value={value} onChange={handleChange} aria-label="book-details-tabs">
<Tab label="Result"/>
<Tab label="Raw Data"/>
</Tabs>
</DetailsTabBoxHeader>
<CustomTabPanel value={value} index={0} component={BoxContent}>
<CardBody>
<CardTitle variant="h5">{document.original_title}</CardTitle>
<ImageContainer src={document.image_url} alt="Book cover"/>
<CardText variant="body1">{document.authors?.join('; ')} - {document.original_publication_year}</CardText>
<CardText variant="body1">ISBN {document.isbn}</CardText>
<Rating name="half-rating-read" value={parseInt(document.average_rating)} precision={0.1} readOnly></Rating>
<CardText variant="body1">{document.ratings_count} Ratings</CardText>
</CardBody>
</CustomTabPanel>
<CustomTabPanel value={value} index={1} component={BoxContent}>
<CardBody>
<DetailsCustomTabPanelJsonDiv>
<pre><code>
{JSON.stringify(document, null, 2)}
</code></pre>
</DetailsCustomTabPanelJsonDiv>
</CardBody>
</CustomTabPanel>
</DetailsBoxParent>);
}
이 통합을 확인하려면 검색 결과에서 책을 선택하고 표지 이미지, 작성자 및 등급을 포함한 세부 정보가 세부 정보 페이지에 표시되는지 확인합니다.
API를 지원하는 C# 모델
Azure Functions API 및 대량 가져오기 프로젝트는 C# 모델 클래스 집합을 공유합니다. 이러한 클래스는 검색 텍스트, 페이징 값 및 필터와 같이 클라이언트가 보내는 요청 본문을 정의합니다. 또한 검색 결과, 패싯 값 및 조회된 단일 문서와 같이 클라이언트에서 기대하는 응답 셰이프를 정의합니다. 이러한 모델을 한 파일에 유지하면 검색, 제안 및 문서 조회 엔드포인트가 React 클라이언트의 예상과 일관되게 유지됩니다.
Models.cs에 정의된 다음 모델은 이 앱의 기능을 지원합니다.
using Azure.Search.Documents.Models;
using System.Text.Json.Serialization;
namespace WebSearch.Models
{
public class RequestBodyLookUp
{
[JsonPropertyName("id")]
public string Id { get; set; }
}
public class RequestBodySuggest
{
[JsonPropertyName("q")]
public string SearchText { get; set; }
[JsonPropertyName("top")]
public int Size { get; set; }
[JsonPropertyName("suggester")]
public string SuggesterName { get; set; }
}
public class RequestBodySearch
{
[JsonPropertyName("q")]
public string SearchText { get; set; }
[JsonPropertyName("skip")]
public int Skip { get; set; }
[JsonPropertyName("top")]
public int Size { get; set; }
[JsonPropertyName("filters")]
public List<SearchFilter> Filters { get; set; }
}
public class SearchFilter
{
public string field { get; set; }
public string value { get; set; }
}
public class FacetValue
{
public string value { get; set; }
public long? count { get; set; }
}
class SearchOutput
{
[JsonPropertyName("count")]
public long? Count { get; set; }
[JsonPropertyName("results")]
public List<SearchResult<SearchDocument>> Results { get; set; }
[JsonPropertyName("facets")]
public Dictionary<String, IList<FacetValue>> Facets { get; set; }
}
class LookupOutput
{
[JsonPropertyName("document")]
public SearchDocument Document { get; set; }
}
public class BookModel
{
public string id { get; set; }
public decimal? goodreads_book_id { get; set; }
public decimal? best_book_id { get; set; }
public decimal? work_id { get; set; }
public decimal? books_count { get; set; }
public string isbn { get; set; }
public string isbn13 { get; set; }
public string[] authors { get; set; }
public decimal? original_publication_year { get; set; }
public string original_title { get; set; }
public string title { get; set; }
public string language_code { get; set; }
public double? average_rating { get; set; }
public decimal? ratings_count { get; set; }
public decimal? work_ratings_count { get; set; }
public decimal? work_text_reviews_count { get; set; }
public decimal? ratings_1 { get; set; }
public decimal? ratings_2 { get; set; }
public decimal? ratings_3 { get; set; }
public decimal? ratings_4 { get; set; }
public decimal? ratings_5 { get; set; }
public string image_url { get; set; }
public string small_image_url { get; set; }
}
}
다음 단계:
Foundry IQ 개발에 대한 학습을 계속하려면 인덱싱에 대한 다음 자습서를 시도해 보세요.