Если вы зарабатываете на жизнь управлением инфраструктурой или написанием программного обеспечения, вы, вероятно, усвоили тихое лицемерие: мы создаем системы, которые индексируют петабайты журналов за секунды, а затем ищем собственные документы, просматривая папку загрузок...
Если вы зарабатываете на жизнь управлением инфраструктурой или написанием программного обеспечения, вы, вероятно, усвоили тихое лицемерие: мы создаем системы, которые индексируют петабайты журналов за секунды, а затем ищем собственные документы, просматривая папку загрузок, отсортированную по дате.
Эта статья о разрыве между этими двумя мирами: почему поиск по имени файла структурно нарушен для реальных коллекций документов, как это исправляет семантический поиск, почему теперь все это работает локально, а не в облаке, и что это значит для команд, которые живут в Linux. Никаких рамок, никаких презентаций продукта; цель состоит в том, чтобы вы могли сами оценить что-либо в этой категории.
1. Почему поиск по имени файла — проигрышная модель
Традиционный поиск по файлам — это сопоставление подстрок с именами и, в лучших реализациях, с некоторыми извлеченными метаданными. Это работает в том смысле, что возвращает результаты. Это терпит неудачу в том смысле, что результаты зависят от трех хрупких предпосылок.
Предпосылка 1: файл был назван правильно. Каждый документ, который вы когда-либо получали от другого человека, знает, что это ложь. Final_v3_REAL.docx. Отсканированные контракты с именем IMG_4021.pdf. Экспорт из инструментов, генерирующих UUID для имен файлов. Количественные исследования IDC на рабочих местах