Azure Bilişsel Arama bilgi depolarına girişIntroduction to knowledge stores in Azure Cognitive Search

Önemli

Bilgi deposu Şu anda genel önizleme aşamasındadır.Knowledge store is currently in public preview. Önizleme işlevselliği, bir hizmet düzeyi sözleşmesi olmadan sağlanır ve üretim iş yükleri için önerilmez.Preview functionality is provided without a service level agreement, and is not recommended for production workloads. Daha fazla bilgi için bkz. Microsoft Azure Önizlemeleri için Ek Kullanım Koşulları.For more information, see Supplemental Terms of Use for Microsoft Azure Previews. REST API sürüm 2019-05-06-önizleme , Önizleme özellikleri sağlar.The REST API version 2019-05-06-Preview provides preview features. Şu anda sınırlı sayıda portal desteği var ve .NET SDK desteği yok.There is currently limited portal support, and no .NET SDK support.

Bilgi deposu, bağımsız analiz veya aşağı akış işleme için bir AI zenginleştirme ardışık düzeninde çıkışın devam eden bir Azure bilişsel arama özelliğidir.Knowledge store is a feature of Azure Cognitive Search that persists output from an AI enrichment pipeline for independent analysis or downstream processing. Zenginleştirilmiş bir belge , yapay, yapılandırılmış ve AI süreçlerini kullanılarak çözümlenen içerikten oluşturulan bir ardışık düzen çıktıdır.An enriched document is a pipeline's output, created from content that has been extracted, structured, and analyzed using AI processes. Standart bir AI ardışık düzeninde, zenginleştirilmiş belgeler yalnızca dizin oluşturma sırasında kullanılır ve sonra atılır.In a standard AI pipeline, enriched documents are transitory, used only during indexing and then discarded. Bilgi deposu ile zenginleştirilmiş belgeler korunur.With knowledge store, enriched documents are preserved.

Daha önce bilişsel becerileri kullandıysanız, becerileri bir belgeyi bir dizi enzenginleştirme aracılığıyla taşıyabileceğinizi zaten anlarsınız.If you have used cognitive skills in the past, you already know that skillsets move a document through a sequence of enrichments. Sonuç bir bilgi deposundaki bir arama dizini veya (Bu önizlemede yeni) projeksiyonu olabilir.The outcome can be a search index, or (new in this preview) projections in a knowledge store. İki çıkış, arama dizini ve bilgi deposu, aynı işlem hattının çarpımlarından oluşur; aynı girdilerden türetilmiş, ancak aynı şekilde yapılandırılmış, depolanmış ve çok farklı yollarla kullanılan çıktının sonucu.The two outputs, search index and knowledge store, are products of the same pipeline; derived from the same inputs, but resulting in output that is structured, stored, and used in very different ways.

Azure depolama, Azure Tablo depolama, Azure Blob depolama ya da her ikisi de fiziksel olarak bir bilgi deposu.Physically, a knowledge store is Azure Storage, either Azure Table storage, Azure Blob storage, or both. Azure depolama 'ya bağlanabilecek herhangi bir araç veya işlem bilgi deposunun içeriğini kullanabilir.Any tool or process that can connect to Azure Storage can consume the contents of a knowledge store.

Ardışık düzen diyagramında bilgi deposuKnowledge store in pipeline diagram

Bilgi deposunun avantajlarıBenefits of knowledge store

Bilgi deposu, yerleşik olarak yapılandırılmamış ve yarı yapılandırılmış veri dosyalarından, uygulanan Analize sahip görüntü dosyalarında veya hatta yapılandırılmış veriler, yeni formlara yeniden şekillendirilecek şekilde yapı, bağlam ve gerçek içerik sağlar.A knowledge store gives you structure, context, and actual content - gleaned from unstructured and semi-structured data files like blobs, image files that have undergone analysis, or even structured data, reshaped into new forms. Adım adımbir kılavuzda, en çok yoğun bir JSON belgesinin alt yapılara nasıl bölümlendiğini, yeni yapılara reconstituted ve makine öğrenimi ve veri bilimi iş yükleri gibi aşağı akış işlemlerinde nasıl kullanılabilir yapıldığını görebilirsiniz.In a step-by-step walkthrough, you can see first-hand how a dense JSON document is partitioned out into substructures, reconstituted into new structures, and otherwise made available for downstream processes like machine learning and data science workloads.

Bir AI zenginleştirme ardışık düzeninin ne işe yarayabileceği görmek faydalı olsa da, bir bilgi deposunun gerçek potansiyeli verileri yeniden şekillendirmeye olanak tanır.Although it's useful to see what an AI enrichment pipeline can produce, the real potential of a knowledge store is the ability to reshape data. Temel bir beceri ile başlayabilir ve daha sonra yeni yapılar halinde birleştirebileceğiniz, daha sonra Azure Bilişsel Arama yanı sıra diğer uygulamalarda kullanabileceğiniz daha fazla yapı düzeyleri eklemek için bunu yineleyebilirsiniz.You might start with a basic skillset, and then iterate over it to add increasing levels of structure, which you can then combine into new structures, consumable in other apps besides Azure Cognitive Search.

Numaralandırılmış, bilgi deposunun avantajları şunları içerir:Enumerated, the benefits of knowledge store include the following:

  • Arama dışındaki analiz ve raporlama araçlarında zenginleştirilmiş belgeler kullanın.Consume enriched documents in analytics and reporting tools other than search. Power Query ile Power BI etkileyici bir seçimdir, ancak Azure depolama 'ya bağlanabilecek herhangi bir araç veya uygulama, oluşturduğunuz bir bilgi deposundan çekebilirsiniz.Power BI with Power Query is a compelling choice, but any tool or app that can connect to Azure Storage can pull from a knowledge store that you create.

  • Adımlarda ve beceri tanımlarında hata ayıklama sırasında bir AI dizin oluşturma işlem hattını daraltın.Refine an AI-indexing pipeline while debugging steps and skillset definitions. Bilgi deposu, bir AI dizin oluşturma işlem hattında bir beceri tanımının çarpımını gösterir.A knowledge store shows you the product of a skillset definition in an AI-indexing pipeline. Bu sonuçları daha iyi bir beceri tasarlamak için kullanabilirsiniz, çünkü tam olarak neyin nasıl göründüğünü görebilirsiniz.You can use those results to design a better skillset because you can see exactly what the enrichments look like. Bir bilgi deposunun içeriğini görüntülemek için Azure Storage 'da Depolama Gezgini kullanabilirsiniz.You can use Storage Explorer in Azure Storage to view the contents of a knowledge store.

  • Verileri yeni formlara şekillendirin.Shape the data into new forms. Yeniden şekillendirme becerileri içinde ortaklaşa bulunur, ancak nokta bir beceri artık bu özelliği sağlayabiliriz.The reshaping is codified in skillsets, but the point is that a skillset can now provide this capability. Azure Bilişsel Arama 'de beceri başına mil bu görevi kapsayacak şekilde genişletildi.The Shaper skill in Azure Cognitive Search has been extended to accommodate this task. Yeniden şekillendirme, ilişkileri korurken verilerin amaçlanan kullanımı ile hizalanan bir projeksiyon tanımlamanızı sağlar.Reshaping allows you to define a projection that aligns with your intended use of the data while preserving relationships.

Not

AI zenginleştirme ve bilişsel becerileri yenilikleri nelerdir?New to AI enrichment and cognitive skills? Azure Bilişsel Arama, görüntü dosyaları üzerinden optik karakter tanıma (OCR), metin dosyalarından varlık tanıma ve anahtar tümceciği ayıklama ve daha fazlasını kullanarak kaynak verileri ayıklamak ve zenginleştirmek için bilişsel hizmetler düzenleme ve dil özellikleriyle tümleşir.Azure Cognitive Search integrates with Cognitive Services Vision and Language features to extract and enrich source data using Optical Character Recognition (OCR) over image files, entity recognition and key phrase extraction from text files, and more. Daha fazla bilgi için bkz. Azure bilişsel arama 'de AI zenginleştirme.For more information, see AI enrichment in Azure Cognitive Search.

Fiziksel depolama alanıPhysical storage

Bilgi deposunun fiziksel ifadesi, Beceri içindeki bir knowledgeStore tanımının projections öğesi aracılığıyla ifade edilir.The physical expression of a knowledge store is articulated through the projections element of a knowledgeStore definition in a Skillset. Projeksiyon, bir çıktının yapısını, amaçlanan kullanım ile eşleşecek şekilde tanımlar.The projection defines a structure of the output so that it matches your intended use.

Projeksiyonlar tablo, nesne veya dosya olarak ifade edilebilir.Projections can be articulated as tables, objects, or files.

"knowledgeStore": { 
    "storageConnectionString": "<YOUR-AZURE-STORAGE-ACCOUNT-CONNECTION-STRING>", 
    "projections": [ 
        { 
            "tables": [ ], 
            "objects": [ ], 
            "files": [ ]
        },
                { 
            "tables": [ ], 
            "objects": [ ], 
            "files": [ ]
        }

Bu yapıda belirttiğiniz projeksiyonun türü, bilgi deposu tarafından kullanılan depolama türünü belirler.The type of projection you specify in this structure determines the type of storage used by knowledge store.

  • tablestanımladığınızda tablo depolaması kullanılır.Table storage is used when you define tables. Analitik araçlara giriş veya diğer veri depolarına veri çerçeveleri olarak dışarı aktarma için tablo Raporlama yapılarına ihtiyacınız olduğunda tablo projeksiyonu tanımlayın.Define a table projection when you need tabular reporting structures for inputs to analytical tools or export as data frames to other data stores. Zenginleştirilmiş belgelerin alt kümesini veya çapraz bölümünü almak için birden çok tables belirtebilirsiniz.You can specify multiple tables to get a subset or cross section of enriched documents. Aynı projeksiyon grubu içinde, tüm bunlarla çalışabilmeniz için tablo ilişkileri korunur.Within the same projection group, table relationships are preserved so that you can work with all of them.

  • BLOB depolama, objects veya filestanımlarken kullanılır.Blob storage is used when you define objects or files. object fiziksel temsili, zenginleştirilmiş bir belgeyi temsil eden hiyerarşik bir JSON yapısıdır.The physical representation of an object is a hierarchical JSON structure that represents an enriched document. file, bir belgeden ayıklanan ve BLOB depolama alanına bozulmadan aktarılan bir görüntüdür.A file is an image extracted from a document, transferred intact to Blob storage.

Tek bir projeksiyon nesnesi, bir dizi tables, objects, filesve birçok senaryo için bir projeksiyon oluşturmak yeterli olabilir.A single projection object contains one set of tables, objects, files, and for many scenarios, creating one projection might be enough.

Ancak, -file projeksiyonlar object``table-birden çok kümesi oluşturmak mümkündür ve farklı veri ilişkileri istiyorsanız bunu yapabilirsiniz.However, it is possible to create multiple sets of table-object-file projections, and you might do that if you want different data relationships. Bir küme içinde, bu ilişkilerin mevcut olduğu ve algılanabilmesi durumunda veriler birbiriyle ilgilidir.Within a set, data is related, assuming those relationships exist and can be detected. Ek kümeler oluşturursanız, her bir gruptaki belgeler hiçbir şekilde ilgili değildir.If you create additional sets, the documents in each group are never related. Birden çok projeksiyon grubu kullanmanın bir örneği, aynı verilerin bir çevrimiçi sisteminizle birlikte kullanılması ve bunun belirli bir şekilde temsil edilebilmesi için de tasarlanan bir veri bilimi ardışık düzeninde kullanılmak üzere aynı verilerin de olmasını istiyorsanız olabilir. ele.An example of using multiple projection groups might be if you want the same data projected for use with your online system and it needs to be represented a specific way, you also want the same data projected for use in a data science pipeline that is represented differently.

GereksinimlerRequirements

Azure depolama alanı gereklidir.Azure Storage is required. Fiziksel depolama alanı sağlar.It provides physical storage. BLOB depolama, tablo depolama veya her ikisini de kullanabilirsiniz.You can use Blob storage, Table storage or both. BLOB depolama, genellikle çıkış aşağı akış işlemlerine giderken, genellikle zenginleştirilmiş belgeler için kullanılır.Blob storage is used for intact enriched documents, usually when the output is going to downstream processes. Tablo depolama, genellikle analiz ve raporlama için kullanılan, zenginleştirilmiş belgelerin dilimlerine yöneliktir.Table storage is for slices of enriched documents, commonly used for analysis and reporting.

Beceri gereklidir.Skillset is required. knowledgeStore tanımını içerir ve zenginleştirilmiş bir belgenin yapısını ve birleşimini belirler.It contains the knowledgeStore definition, and it determines the structure and composition of an enriched document. Boş bir beceri kullanarak bilgi deposu oluşturamazsınız.You cannot create a knowledge store using an empty skillset. Beceri içinde en az bir beceriye sahip olmanız gerekir.You must have at least one skill in a skillset.

Dizin Oluşturucu gereklidir.Indexer is required. Bir beceri, yürütmeyi yönlendiren bir Dizin Oluşturucu tarafından çağrılır.A skillset is invoked by an indexer, which drives the execution. Dizin oluşturucular kendi gereksinimler ve öznitelikleri kümesiyle gelir.Indexers come with their own set of requirements and attributes. Bu özniteliklerin birkaçı bir bilgi deposunda doğrudan bir pul alır:Several of these attributes have a direct bearing on a knowledge store:

  • Dizin oluşturucular desteklenen bir Azure veri kaynağı gerektirir (Azure 'da desteklenen bir kaynaktan veri çekilerek bilgi deposunu oluşturan işlem hattı başlatılır).Indexers require a supported Azure data source (the pipeline that ultimately creates the knowledge store starts by pulling data from a supported source on Azure).

  • Dizin oluşturucular bir arama dizini gerektirir.Indexers require a search index. Bir Dizin Oluşturucu, hiç bir şekilde kullanmayı planlamıyorsanız bile bir dizin şeması sağlamanızı gerektirir.An indexer requires that you provide an index schema, even if you never plan to use it. En az dizinde anahtar olarak atanan bir dize alanı bulunur.A minimal index has one string field, designated as the key.

  • Dizin oluşturucular, hedef alana kaynak alanı diğer adı için kullanılan isteğe bağlı alan eşlemeleri sağlar.Indexers provide optional field mappings, used to alias a source field to a destination field. Bir varsayılan alan eşlemesinin değiştirilmesine ihtiyacı varsa (farklı bir ad veya tür kullanmak için), bir dizin oluşturucu içinde alan eşlemesi oluşturabilirsiniz.If a default field mapping needs modification (to use a different name or type), you can create a field mapping within an indexer. Bilgi deposu çıktısı için, hedef bir blob nesnesi veya tablosunda bir alan olabilir.For knowledge store output, the destination can be a field in a blob object or table.

  • Dizin oluşturucular zamanlamalar ve çeşitli veri kaynakları tarafından sunulan değişiklik algılama mekanizmaları gibi diğer özellikleri de bir bilgi deposuna uygulanabilir.Indexers have schedules and other properties, such as change detection mechanisms provided by various data sources, can also be applied to a knowledge store. Örneğin, içeriği yenilemek için düzenli aralıklarla zenginleştirme zamanlayabilirsiniz .For example, you can schedule enrichment at regular intervals to refresh the contents.

Bilgi deposu oluşturmaHow to create a knowledge store

Bilgi deposu oluşturmak için portalı veya önizleme REST API (api-version=2019-05-06-Preview) kullanın.To create knowledge store, use the portal or the preview REST API (api-version=2019-05-06-Preview).

Azure Portal’ı kullanmaUse the Azure portal

Veri Içeri aktarma Sihirbazı, bilgi deposu oluşturma seçeneklerini içerir.The Import data wizard includes options for creating a knowledge store. İlk araştırma için, ilk bilgi deponuzu dört adımda oluşturun.For initial exploration, create your first knowledge store in four steps.

  1. Desteklenen bir veri kaynağı seçin.Select a supported data source.

  2. Zenginleştirme belirtin: kaynak iliştirme, beceriler seçme ve bir bilgi deposu belirtme.Specify enrichment: attach a resource, select skills, and specify a knowledge store.

  3. Dizin şeması oluşturun.Create an index schema. Sihirbaz için gereklidir ve bir tane olabilir.The wizard requires it and can infer one for you.

  4. Sihirbazı çalıştırın.Run the wizard. Ayıklama, zenginleştirme ve depolama bu son adımda oluşur.Extraction, enrichment, and storage occur in this last step.

Create beceri ve Preview REST API kullanınUse Create Skillset and the preview REST API

Bir knowledgeStore, bir Dizin Oluşturucutarafından çağrılan bir beceriiçinde tanımlanır.A knowledgeStore is defined within a skillset, which in turn is invoked by an indexer. Zenginleştirme sırasında Azure Bilişsel Arama, Azure depolama hesabınızda bir alan oluşturur ve yapılandırmanıza bağlı olarak, belgeleri Bloblar veya tablolar olarak zenginleştirir.During enrichment, Azure Cognitive Search creates a space in your Azure Storage account and projects the enriched documents as blobs or into tables, depending on your configuration.

Şu anda önizleme REST API, programlama yoluyla bilgi deposu oluşturabileceğiniz tek mekanizmadır.Currently, the preview REST API is the only mechanism by which you can create a knowledge store programmatically. Araştırmanın kolay bir yolu, Postman ve REST API kullanarak ilk bilgi deponuzi oluşturmaktır.An easy way to explore is create your first knowledge store using Postman and the REST API.

Bu önizleme özelliği için başvuru içeriği, bu makalenin API başvurusu bölümünde bulunur.Reference content for this preview feature is located in the API reference section of this article.

Araçlar ve uygulamalar ile bağlanmaHow to connect with tools and apps

Depolarda enzenginler varsa, Azure Blob veya tablo depolama 'ya bağlanan herhangi bir araç veya teknoloji, içeriği incelemek, çözümlemek veya kullanmak için kullanılabilir.Once the enrichments exist in storage, any tool or technology that connects to Azure Blob or Table storage can be used to explore, analyze, or consume the contents. Aşağıdaki liste bir başlangıç:The following list is a start:

  • Zenginleştirilmiş belge yapısını ve içeriğini görüntülemek için Depolama Gezgini .Storage Explorer to view enriched document structure and content. Bilgi deposu içeriğini görüntülemek için bunu taban çizgisi aracınız olarak düşünün.Consider this as your baseline tool for viewing knowledge store contents.

  • Raporlama ve analiz için Power BI .Power BI for reporting and analysis.

  • Daha fazla düzenleme için Azure Data Factory .Azure Data Factory for further manipulation.

API başvurusuAPI reference

Bu bölüm, bir knowledgeStore tanımı içerecek şekilde değiştirilen Create beceri (REST API) başvuru belgesi 'nin bir sürümüdür.This section is a version of the Create Skillset (REST API) reference doc, modified to include a knowledgeStore definition.

Örnek-knowledgeStore Embedded beceriExample - knowledgeStore embedded in a Skillset

Aşağıdaki örnekte, bir beceri tanımının en altında knowledgeStore gösterilmektedir.The following example shows knowledgeStore at the bottom of a skillset definition.

  • İsteği formülleştirmek için Post veya PUT kullanın.Use POST or PUT to formulate the request.
  • Bilgi deposu işlevine erişmek için REST API api-version=2019-05-06-Preview sürümünü kullanın.Use the api-version=2019-05-06-Preview version of the REST API to access knowledge store functionality.
POST https://[servicename].search.windows.net/skillsets?api-version=2019-05-06-Preview
api-key: [admin key]
Content-Type: application/json

İsteğin gövdesi, knowledgeStoreiçeren bir beceri tanımlayan bir JSON belgesidir.The body of request is a JSON document that defines a skillset, which includes knowledgeStore.

{
  "name": "my-skillset-name",
  "description": "Extract organization entities and generate a positive-negative sentiment score from each document.",
  "skills":
  [
    {
      "@odata.type": "#Microsoft.Skills.Text.EntityRecognitionSkill",
      "categories": [ "Organization" ],
      "defaultLanguageCode": "en",
      "inputs": [
        {
          "name": "text",
          "source": "/document/content"
        }
      ],
      "outputs": [
        {
          "name": "organizations",
          "targetName": "organizations"
        }
      ]
    },
    {
      "@odata.type": "#Microsoft.Skills.Text.SentimentSkill",
      "inputs": [
        {
          "name": "text",
          "source": "/document/content"
        }
      ],
      "outputs": [
        {
          "name": "score",
          "targetName": "mySentiment"
        }
      ]
    },
  ],
  "cognitiveServices": 
    {
    "@odata.type": "#Microsoft.Azure.Search.CognitiveServicesByKey",
    "description": "mycogsvcs resource in West US 2",
    "key": "<YOUR-COGNITIVE-SERVICES-KEY>"
    },
    "knowledgeStore": { 
        "storageConnectionString": "<YOUR-AZURE-STORAGE-ACCOUNT-CONNECTION-STRING>", 
        "projections": [ 
            { 
                "tables": [  
                { "tableName": "Organizations", "generatedKeyName": "OrganizationId", "source": "/document/organizations*"}, 
                { "tableName": "Sentiment", "generatedKeyName": "SentimentId", "source": "/document/mySentiment"}
                ], 
                "objects": [ ], 
                "files": [  ]       
            }    
        ]     
    } 
}

İstek gövdesi sözdizimiRequest body syntax

Aşağıdaki JSON, bir indexer (gösterilmez) tarafından çağrılan skillsetbir parçası olan knowledgeStorebelirtir.The following JSON specifies a knowledgeStore, which is part of a skillset, which is invoked by an indexer (not shown). AI zenginleştirme hakkında zaten bilgi sahibiyseniz bir beceri, zenginleştirilmiş bir belgenin birleşimini belirler.If you are already familiar with AI enrichment, a skillset determines the composition of an enriched document. Bir beceri, veri yapılarını modüle ediyorsanız en az bir yetenek, büyük olasılıkla yetenek başına bir yetenek içermelidir.A skillset must contain at least one skill, most likely a Shaper skill if you are modulating data structures.

İstek yükünü yapılandırmak için sözdizimi aşağıdaki gibidir.The syntax for structuring the request payload is as follows.

{   
    "name" : "Required for POST, optional for PUT requests which sets the name on the URI",  
    "description" : "Optional. Anything you want, or null",  
    "skills" : "Required. An array of skills. Each skill has an odata.type, name, input and output parameters",
    "cognitiveServices": "A key to Cognitive Services, used for billing.",
    "knowledgeStore": { 
        "storageConnectionString": "<YOUR-AZURE-STORAGE-ACCOUNT-CONNECTION-STRING>", 
        "projections": [ 
            { 
                "tables": [ 
                    { "tableName": "<NAME>", "generatedKeyName": "<FIELD-NAME>", "source": "<DOCUMENT-PATH>" },
                    { "tableName": "<NAME>", "generatedKeyName": "<FIELD-NAME>", "source": "<DOCUMENT-PATH>" },
                    . . .
                ], 
                "objects": [ 
                    {
                    "storageContainer": "<BLOB-CONTAINER-NAME>", 
                    "source": "<DOCUMENT-PATH>", 
                    }
                ], 
                "files": [ 
                    {
                    "storageContainer": "<BLOB-CONTAINER-NAME>",
                    "source": "/document/normalized_images/*"
                    }
                ]  
            },
            {
                "tables": [ ],
                "objects": [ ],
                "files":  [ ]
            }  
        ]     
    } 
}

knowledgeStore iki özelliğe sahiptir: bir Azure depolama hesabına storageConnectionString ve fiziksel depolamayı tanımlayan projections.A knowledgeStore has two properties: a storageConnectionString to an Azure Storage account, and projections that defines physical storage. Herhangi bir depolama hesabını kullanabilirsiniz, ancak aynı bölgedeki hizmetleri kullanmak uygun maliyetli olabilir.You can use any storage account, but it's cost-effective to use services in the same region.

projections koleksiyonu İzdüşüm nesneleri içerir.A projections collection contains projection objects. Her projeksiyon nesnesinin, belirtilen veya null olan tables, objects, files (her biri) sahip olması gerekir.Each projection object must have tables, objects, files (one of each), which are either specified or null. Yukarıdaki sözdizimi iki nesne gösterir, biri tam olarak belirtilir ve diğeri tamamen null.The syntax above shows two objects, one fully specified and the other fully null. Yansıtma nesnesi içinde, depolama alanında ifade edildikten sonra veriler arasındaki ilişkiler korunur.Within a projection object, once it is expressed in storage, any relationships among the data, if detected, are preserved.

Yalıtımı ve belirli senaryoları desteklemek için ihtiyacınız olan çok sayıda yansıtma nesnesi oluşturun (örneğin, araştırma için kullanılan veri yapıları ve bir veri bilimi iş yükünde gerekenlere karşı).Create as many projection objects as you need to support isolation and specific scenarios (for example, data structures used for exploration, versus those needed in a data science workload). source ve storageContainer ya da bir nesne içindeki farklı değerlere table ayarlayarak belirli senaryolar için yalıtım ve özelleştirme sağlayabilirsiniz.You can get isolation and customization for specific scenarios by setting source and storageContainer or table to different values within an object. Daha fazla bilgi ve örnek için bkz. bir bilgi deposunda projeksiyonlarla çalışma.For more information and examples, see Working with projections in a knowledge store.

ÖzellikProperty Uygulandığı öğe:Applies to AçıklamaDescription
storageConnectionString knowledgeStore Gereklidir.Required. Şu biçimde: DefaultEndpointsProtocol=https;AccountName=<ACCOUNT-NAME>;AccountKey=<ACCOUNT-KEY>;EndpointSuffix=core.windows.netIn this format: DefaultEndpointsProtocol=https;AccountName=<ACCOUNT-NAME>;AccountKey=<ACCOUNT-KEY>;EndpointSuffix=core.windows.net
projections knowledgeStore Gereklidir.Required. tables, objects, files ve ilgili özelliklerinden oluşan özellik nesnelerinin bir koleksiyonu.A collection of property objects consisting of tables, objects, files and their respective properties. Kullanılmayan projeksiyonlar null olarak ayarlanabilir.Unused projections can be set to null.
source Tüm projeksiylerAll projections Projeksiyonun kökü olan zenginleştirme ağacının düğümünün yolu.The path to the node of the enrichment tree that is the root of the projection. Bu düğüm, Beceri içindeki yeteneklerin herhangi birinin çıktıdır.This node is the output of any of the skills in the skillset. Yollar, zenginleştirilmiş belgeyi temsil eden, ancak /document/content/ veya belge ağacı içindeki düğümlere genişletilebilen /document/başlar.Paths start with /document/, representing the enriched document but can be extended to /document/content/ or to nodes within the document tree. Örnekler: /document/countries/* (tüm ülkeler) veya /document/countries/*/states/* (tüm ülkelerde tüm durumlar).Examples: /document/countries/* (all countries), or /document/countries/*/states/* (all states in all countries). Belge yolları hakkında daha fazla bilgi için bkz. beceri kavramları ve bileşimi.For more information on document paths, see Skillset concepts and composition.
tableName tables Azure Tablo depolamada oluşturulacak bir tablo.A table to create in Azure Table storage.
storageContainer objects, filesobjects, files Azure Blob depolamada oluşturulacak kapsayıcının adı.Name of a container to create in Azure Blob storage.
generatedKeyName tables Bir belgeyi benzersiz bir şekilde tanımlayan tabloda oluşturulan sütun.A column created in the table that uniquely identifies a document. Zenginleştirme ardışık düzeni, bu sütunu üretilen değerlerle doldurur.The enrichment pipeline populates this column with generated values.

YanıtResponse

Başarılı bir istek için "201 oluşturuldu" durum kodunu görmeniz gerekir.For a successful request, you should see status code "201 Created". Varsayılan olarak, yanıt gövdesi oluşturulan beceri tanımı için JSON 'u içerir.By default, the response body will contain the JSON for the skillset definition that was created. Bilgi deposunun, bu beceri başvuran bir Dizin Oluşturucu çağırana kadar oluşturulmadığından emin olarak unutmayın.Recall that the knowledge store is not created until you invoke an indexer that references this skillset.

Sonraki adımlarNext steps

Bilgi deposu, bir Azure depolama hesabına erişim özellikli herhangi bir istemci uygulaması tarafından tüketimine yönelik bir beceri tasarımı veya yeni yapıların oluşturulması için yararlı olan belgelerin kalıcılığını, yararlı bir şekilde veya yeni yapıların oluşturulmasını sağlar.Knowledge store offers persistence of enriched documents, useful when designing a skillset, or the creation of new structures and content for consumption by any client applications capable of accessing an Azure Storage account.

Zenginleştirilmiş belgeler oluşturmak için en basit yaklaşım Portal üzerindenyapılır, ancak nesnelerin nasıl oluşturulduğuna ve başvurulduğunu öğrenmek isterseniz daha kullanışlı olan Postman ve REST API de kullanabilirsiniz.The simplest approach for creating enriched documents is through the portal, but you can also use Postman and REST API, which is more useful if you want insight into how objects are created and referenced.