Crawling Root*

In diesem Feld können Sie Ein URL angeben wo ein Jive Sitemap erreichbar ist. Wenn Sie den Mindbreeze Sitemap Generator Add-On auf ihren Jive Server installiert ist und eine Sitemap erzeugt wurde, sollte hier die URL <Jive URL>/rpc/rest/mindbreeze/sitemap?jobid=full eingetragen werden.

URL Regex

In diesem Feld können Sie einen regulären Ausdruck bestimmen, der ein Muster für die Links, die indiziert werden sollen, vorgibt.

URL Exclude Regex

Sollen bestimmte URLs vom Crawlen ausgenommen werden, so können diese hier mit einem regulären Ausdruck konfiguriert werden.

Skip Thumbnail Generation URL Pattern

Sollen für gewisse URLs keine Vorschaubilder erzeugt werden, können diese mit einem regulären Ausdruck hier konfiguriert werden.

Thumbnailer URL Exclude Pattern

Sollen beim Erzeugen von Vorschaubildern bestimmte URLs blockiert werden (z.B. URLs, welche Werbung nachladen), so können diese hier mit einem regulären Ausdruck konfiguriert werden.

User Agent

Der angegebene Wert wird im User-Agent Header bei HTTP-Request mitgesendet.

Additional Hosts File

Sollte aus netzwerktechnischen Gründen die DNS-Auflösung bestimmter Webserver nicht klappen, kann man mit dem „Additional Hosts File“ die IPs vorgeben.

Ignore Proxy

Wenn aktiviert, wird kein HTTP-Proxy verwendet, unabhängig was im „Network“-Tab konfiguriert ist.

Accept-Headers
(Advanced Settings)

Möchte man bestimmte HTTP Header hinzufügen (beispielsweise Accept-Language), so kann man diese hier einstellen.

Incomplete Delta Crawl Runs
(Advanced Settings)

Wenn diese Option aktiviert ist, bleiben nach dem Crawl Run auch die Seiten im Index, die von der „Crawling Root“ aus nicht mehr erreichbar sind.

Enforce Matching Parent as ACL Reference.
(Advanced Settings)

Hier kann ein Pattern definiert werden.

Wenn ein Dokument einen Parent Container besitzt und dessen Key mit dem angegebenen Pattern übereinstimmt, wird die ACL Reference auf den Key des Parent Containers anstelle der Default ACL Reference gesetzt.

Use hashing queue assignment policy
(Advanced Settings)

Wenn aktiviert, werden die Input URLs Hash-basiert auf parallele Bearbeitungsschlangen verteilt. Die Anzahl der Bearbeitungsschlangen lässt sich mit der Option „Parallel queue Count“ einstellen.

Wenn deaktiviert, werden die URLs Hostname-basiert verteilt.

Parallel queue count
(Advanced Settings)

Mit dieser Option können Sie die Anzahl der Bearbeitungsschlangen einstellen.

Robots Honoring Policy

Bestimmt, wie mit einer robots.txt (wenn vorhanden) umgegangen wird. 3 Möglichkeiten:

Website Cache Directory

Pfad, in dem das Cache-Verzeichnis erstellt werden soll. Wenn diese Option gesetzt ist, ist Caching aktiviert.

Maximum Mirror Database Size (MB)

Maximale Größe der für die Zwischenspeicherung verwendeten Datenbank in MB. Die Standardgröße beträgt 512 MB.

Use Cache Only

Wenn aktiviert, werden die Dokumente ausschließlich aus dem Cache geladen.

Maximum Number of Extracted Links

Maximale Anzahl von Links, die aus einem Dokument extrahiert werden können. Der Standardwert ist 6000.

HTTP Request Header

Hier können HTTP Header definiert werden, die bei jedem Request mitgeschickt werden

Content Signature Type

Mit dieser Einstellung können Duplikate Dokumente vermieden werden.

Hinweis: Damit diese Einstellung funktioniert, muss zusätzlich das Mindbreeze PostFilterTransformerPlugin SignatureToKeyRewriter konfiguriert sein.
Zudem wird auch empfohlen, nach Konfiguration dieser Option neu zu indizieren.

Es stehen Ihnen unterschiedliche Methoden zur Verfügung, wie Duplikate erkannt und überschrieben werden, sodass diese nicht mehrfach gefundenen werden.

Folgende Methoden sind auswählbar:

Disable Diffie-Hellman ciphers
(Advanced Settings)

Wenn angehakt, werden Diffie-Hellman-Chiffren für SSL-Verbindungen deaktiviert.

Support redirects in crawling roots.
(Advanced Settings)

Handelt es sich bei der Crawling-Root um eine Umleitung, wird die Umleitungsstelle gecrawlt.

Ignore SSL/Certificate Errors
(Advanced Settings)

Wenn aktiviert, werden HTTPS SSL oder Zertifikatsfehler ignoriert. Diese Einstellung darf aus Sicherheitsgründen nur in Testsystemen aktiviert werden.

Title

Ein XPath Ausdruck der den Titel auf den ersten Treffer setzt. (z.B.: //h1)

Title Element
(Advanced Settings)

Der Tag-Name des Titel Elements.

Use link text for title.
(Advanced Settings)

Ein regulärer Ausdruck der den Titel des Dokuments bei Verlinkungen setzt. (z.B.: *\.pdf)

Content

Ein XPath Ausdruck der den Inhalt auf den ersten Treffer setzt. (z.B.: //div[@class=‘content‘])

Content Metadata Selector
(Advanced Settings)

Der Selektor für Inhalts-Metadaten.
<attribute-name>=<regular expression>
class=.*index.*

Exclude Tags from Content

Ein XPath Ausdruck der spezielle Tags vom Inhalt exkludiert.

Metadata Selector
(Advanced Settings)

Der Selektor für Metadaten.
<attribute-name>=<regular expression>
class=.*index.*

Metadata Value Pattern
(Advanced Settings)

Ein regulärer Ausdruck für den Wert der Metadaten. (z.B.: \W*([\w \t]*)\W*)

URLs Excluded From Filtering
(Advanced Settings)

Ein regulärer Ausdruck für URLs die gecrawled, aber nicht gefiltert werden sollen.

Display Date Timezone

Zeitzone für das Anzeigedatum. (z. B. CET)

Default Encoding

Kodierung für die HTML-Dokumente.

Extract Metadata

Exclude Documents With Matching Elements

Assign Metadata
(Advanced Settings)

Diese Option ist veraltet und sollte nicht konfiguriert werden.

Um einem Dokument zusätzliche Metadaten hinzuzufügen, können Sie Entity Recognition, CSV Transformation oder Synthesized Metadata verwenden.

Memory Profile

Das „InSpire“-Profil ist Standard, bei Bedarf kann auch das ressourcenschonende „InSite“-Profil verwendet werden.

Number of Crawler Threads

Die Anzahl der Threads, welche die Webseite(n) parallel crawlen.

Minimum Request Interval

Mindestverzögerung in Millisekunden zwischen aufeinanderfolgenden Anfragen des Crawlers.

Eine „Crawl-Delay“ Robots-Anweisung setzt diesen Wert außer Kraft.

Maximum Request Interval

Maximale Verzögerung in Millisekunden zwischen aufeinanderfolgenden Anfragen des Crawlers.

Eine „Crawl-Delay“ Robots-Anweisung setzt diesen Wert außer Kraft.

Crawler Queue Size

Maximale Anzahl der Dokumente in der Warteschlange, die an den Index gesendet werden.

Mindbreeze Dispatcher Thread Count

Die Anzahl der Threads, die parallel Daten an den Index senden.

Login URL

Die Jive URL, an die das Login Formular geschickt werden soll: z.B. http://<jive_url>/cs_login

Session renewer URL Pattern.

Regulärer Ausdruck, der auf die URL für die Erneuerung der Sitzung angepasst ist.

Follow Redirects for Login Post

Wenn aktiviert, wird „multiple-round-authentication“ unterstützt.

Form Elements

Form Password Elements

Access Check Principal

Die Benutzernamen können im Format „username@domain“, „domain\username“ oder „distinguished name“ sein. Die Gruppennamen können nur im Format „distinguished name“ sein. Weiters kann hier ein Verweis auf eine Capture-Group in der Selection Pattern verwendet werden.

Access Check Action

“Grant” oder “Deny”.

Metadata Key for Selection (e.g. url)

Ein Metadatenname, kann leer sein (alle Dokumente werden selektiert).

Selection Pattern (e.g. .*html)

Eine Regularexpression, kann leer sein (alle Dokumente werden selektiert).

Jive URL*

Basis URL des Jive Servers.

Grant Access to Configured Principals if Key Matches

Regular Expression, mit der statische ACL Grants auf Dokumente gesetzt werden können. Die Regex matcht auf den Document Key und die Entries können mit der nächsten Option konfiguriert werden.

Grant Access to Principal

Gibt an, welche Grants gesetzt werden, wenn das Dokument mit der vorherigen Regex matched. Damit können gewissen Usern oder Gruppen Zugriff auf die Dokumente gegeben werden.

Check Tags For Update

Liste von Tags welche nach neuen Dokumenten überprüft werden sollen. Einträge werden mit Zeilenumbrüchen getrennt. Ansonsten können Änderungen von Tags nicht verlässlich aktualisiert werden. Diese Option sollte nur für wichtige Tags verwendet werden.

Enable

Wenn angehakt, werden Kaltura Videos indiziert und die nachfolgenden Optionen werden wirksam.

Video URL Pattern

Regular Expression, mit der die IDs der eingebetteten Videos aus den IFrame-URLs (<iframe src={URL}</iframe>) extrahiert werden können. Dabei stellt die erste Capture Group in der RegEx die ID des Videos dar. Z.B.: https?\Q://cdnapi.kaltura.com/p/999999/\E.*entry_id=([^&\/]*).*

Kaltura URL

Die URL von Kaltura, normalerweise https://www.kaltura.com

Secret

„Administrator Secret“ (empfohlen) oder „User Secret“. Kann in der Kaltura Management Console (KMC) unter „Settings“ -> „Integration Settings“ gefunden werden.

Partner ID

Kann in der Kaltura Management Console (KMC) unter „Settings“ -> „Integration Settings“ gefunden werden.

Privileges

Dieses Feld kann leer gelassen werden. Ansonsten können hier Rechte der Session eingeschränkt werden (siehe Kaltura’s API Authentication and Security).

Session Expiration

Anzahl der Sekunden, nachdem die Session ablaufen soll. Empfohlen wird ein Tag (86400 Sekunden).

Concurrent Filter and Index Dispatch Threads

Die Anzahl an Threads, mit der Dokumente vom Crawler zum Index gesendet werden.

Jive Server URL

Basis URL des Jive Servers.

User Agent

Der angegebene Wert wird im User-Agent Header bei HTTP-Requests mitgesendet.

Read Timeout (Minutes)

Definiert den Read Timeout für ausgehende Verbindungen.

Connect Timeout (Minutes)

Definiert den Connect Timeout für ausgehende Verbindungen.

Jive Guest Access enabled

Ist bei Jive der Zugriff für nicht angemeldete Benutzer erlaubt, bitte diese Option aktivieren.

Groups Containing All Users

Mit dieser Option können Gruppen definiert werden, sodass alle Benutzer so behandelt werden, als ob sie Mitglieder dieser Gruppen sind.

Keep Groups Containing All Users in Memory

Mit der Aktivierung dieser Option, werden solche Gruppen bis zum nächsten Cacheupdate im RAM gehalten.

Identity Encryption Credential

Mit dieser Option kann man die Benutzeridentität verschlüsselt in der app.telemetry anzeigen lassen.

Cache In Memory Items Size

Anzahl der im Cache aufbewahrten Items. Abhängig vom verfügbaren Speicherplatz der JVM.

Database Directory Path

Der Verzeichnispfad für den Cache.

Beispiel: /data/principal_resolution_cache

Falls man ein Mindbreeze Enterprise Produkt verwendet, muss ein Pfad gesetzt werden.

Bei Verwendung von einem Mindbreeze InSpire Produkt muss der Pfad nicht gesetzt werden.

Cache Update Interval (Minutes)

Diese Option bestimmt (in Minuten), wann der Cache aktualisiert werden soll. (Standardwert: 60 Minuten)

Werte unter 0, deaktivieren das Cache Update.

Beim Starten des Service wird die letzte (persistierte) Cache-Aktualisierungszeit berücksichtigt. Das bedeutet, dass der Cache z. B. nicht unbedingt aktualisiert wird, wenn der Service gestoppt/gestartet wird, sondern erst beim nächsten Zeitintervall.

Clean Cache Update Schedule

In diesem Feld kann man das Cleanup und Update vom Cache mithilfe von Extended Cron Expressions zu bestimmten Zeiten konfigurieren (eine Dokumentation und Beispiele zu Cron Expressions finden Sie hier)

Backup cache before cleaning

Wenn diese Option ausgewählt ist, wird eine Kopie des Cache im /data/currentservice/<Service Name>/temp Verzeichnis angelegt

Retry Update Cache Run If Was Incomplete In (Minutes)

Diese Option bestimmt (in Minuten), wann der Cache einen neuen Aktualisierungsprozess durchführen soll, falls eine Aktualisierung unvollständig war.

Werte unter 0, deaktivieren das Cache-Retry-Update.

Use Parent Principals Cache Service

Wenn diese Option aktiviert ist, werden zusätzlich Gruppen des Benutzers in einem anderen Cache (Parent Cache) aufgelöst und geliefert.

Parent Principals Cache Service Port

Der Port der für die Option „Use Parent Principals Cache Service“ verwendet wird falls diese aktiviert ist.

Parent Cache Principals Include Patterns

Wenn leer, werden alle übergeordneten Cache-Principals einbezogen, andernfalls muss ein übergeordnetes Principal mindestens einem Pattern entsprechen (Groß- und Kleinschreibung wird nicht berücksichtigt), um einbezogen zu werden.

Parent Cache Principals Exclude Patterns

Übergeordnete Cache-Principals, die mit mindestens einer Patternzeile übereinstimmen (Groß- und Kleinschreibung wird nicht berücksichtigt), werden ausgeschlossen. „exclude patterns“ haben Vorrang vor „include patterns“.

Parent Principals Are Unique IDs

Wenn aktiviert, werden die eindeutigen IDs der übergeordnete principals aufgelöst, falls diese keine eindeutigen IDs sind.

Webservice Port

Das Service ist am angegebenen Port verfügbar. Wenn mehrere Principal Resolution Services konfiguriert sind, stellen Sie sicher, dass die unterschiedliche „Webservice Port“ Parameter haben und diese verfügbar sind.

Lowercase Principals

Mit dieser Option werden alle vom Cache gelieferten Principals kleingeschrieben.

Case Insensitive Member Resolution

Diese Option bestimmt, ob Benutzer unabhängig von deren Groß- und Kleinschreibung geprüft werden.

Suppress JIVE Service Calls

Wenn Benutzer bei einer Suchanfrage nicht aufgelöst werden können, wird eine Anfrage direkt an Jive abgesetzt, wenn diese Option nicht aktiviert ist.
Aus Performancegründen wird jedoch empfohlen, diese Option zu aktivieren, sodass keine Live-Anfragen an Jive gestellt werden.