Planear el rastreo y la federación en SharePoint Server

SE APLICA A:2013 2016 2019 Subscription Edition SharePoint en Microsoft 365

Antes de que los usuarios puedan realizar búsquedas en SharePoint Server, debe rastrear o federar el contenido que desea que puedan buscar. Al rastrear contenido, el servicio de búsqueda crea un índice de búsqueda en el que los usuarios pueden ejecutar consultas (solicitudes de búsqueda). También puede configurar el sistema de búsqueda para que muestre resultados de la búsqueda desde un proveedor externo (como Bing) junto con los resultados del índice de búsqueda local. El proceso de obtener resultados de búsqueda de un proveedor externo y mostrar los resultados localmente se denomina federación.

Planear orígenes de contenido

A content source is a definition of a group of crawl settings such as which hosts to crawl, the type of content that will be crawled (such as SharePoint content or file shares), a crawl schedule, and how deep to crawl.

Cuando se crea una aplicación de servicio de búsqueda, la aplicación proporciona de forma automática el origen de contenido preconfigurado Sitios locales de SharePoint. Con este origen de contenido puede especificar cómo desea rastrear el contenido de SharePoint en las aplicaciones web que se encuentran asociadas con la aplicación de servicio de búsqueda.

Si solo tiene un tipo de contenido (por ejemplo, recursos compartidos de archivo o sitios de SharePoint), seguramente solo necesitará un origen de contenido. Sin embargo, si tiene contenido de distintos tipos o requisitos únicos por host, definir varios orígenes de contenido puede resultarle muy útil. Considere la posibilidad de crear orígenes de contenido adicionales si necesita:

• Rastrear distintos tipos de contenido: por ejemplo, recursos compartidos de archivos y datos de aplicaciones de línea de negocio

• Rastrear contenido que se encuentra en programaciones diferentes a otros contenidos

• Limitar o aumentar la cantidad de contenido rastreado

• Establecer prioridades diferentes para rastrear sitios distintos

• Mantener algunos tipos de contenido más actualizados que otros

Aunque se puede crear un número ilimitado de orígenes de contenido en cada aplicación de servicio de búsqueda, cada origen de contenido conlleva una sobrecarga. Por lo tanto, se recomienda limitar el número de orígenes de contenido al mínimo necesario para satisfacer los demás requisitos operativos, como las diferencias entre la prioridad y la programación de los rastreos. Cada origen de contenido puede contener hasta 100 direcciones de inicio.

Planeación del rastreo de distintos tipos de contenido

Solo puede rastrear un tipo de contenido por origen de contenido. Por ejemplo, puede crear un origen de contenido que contenga direcciones de inicio para sitios de SharePoint y otro origen de contenido que contenga direcciones de inicio para recursos compartidos de archivos, pero no puede crear un único origen de contenido que contenga direcciones de inicio tanto a sitios de SharePoint como a recursos compartidos de archivos. En la siguiente tabla se enumeran los tipos de orígenes de contenido que puede configurar.

Orígenes de contenido los datos de línea de negocio

Los orígenes de contenido de datos empresariales necesitan que las aplicaciones que hospedan los datos se especifiquen en un modelo de aplicación de una aplicación de servicio de conectividad a datos empresariales. Puede crear un origen de contenido para rastrear todas las aplicaciones registradas en el servicio de conectividad a datos empresariales, o bien puede crear orígenes de contenido independientes para que rastreen aplicaciones individuales. Para obtener más información, vea Marco del conector de búsqueda en SharePoint 2013 (este artículo de MSDN también es válido para SharePoint Server).

Muchas veces, las personas que planean integrar datos de negocio a colecciones de sitios no son las mismas que están implicadas en el proceso de planeación de contenido general. Por lo tanto, es recomendable incluir administradores de aplicaciones empresariales en los equipos de planeación de contenido para que puedan aconsejar sobre cómo integrar datos de las aplicaciones empresariales en el contenido para presentarlos de forma efectiva en las colecciones de sitios.

Rastreo de contenido en distintas programaciones

Considere la posibilidad de definir los orígenes de contenido con programaciones distintas si desea:

• Compatibilizar los tiempos de inactividad con los períodos de uso máximo.

• Rastrear con mayor frecuencia el contenido que se actualiza más a menudo.

• Rastrear el contenido que se encuentra ubicado en servidores más lentos independientemente del contenido de los servidores más rápidos.

• Realizar un rastreo continuo de un origen de contenido de SharePoint que debe actualizarse con mucha frecuencia. Para más información, vea Manage continuous crawls in SharePoint Server.

Motivos para realizar un rastreo completo

Algunos de los motivos por los que un administrador de la aplicación de servicio de búsqueda debe realizar un rastreo completo de uno o más orígenes de contenido son:

• Se acaba de crear una aplicación de servicio de búsqueda y aún no se ha rastreado el origen de contenido configurado Sitios locales de SharePoint.

• Otro origen de contenido es nuevo y todavía no se ha rastreado.

• El administrador de la aplicación de servicio de búsqueda ha cambiado un origen de contenido.

• Se ha instalado una actualización de software o Service Pack en los servidores de la granja de servidores. Para obtener más información lea las instrucciones de la actualización de software o Service Pack.

• Un administrador de la colección de sitios o de la aplicación de servicio de búsqueda ha agregado o cambiado una propiedad administrada. Para que una propiedad administrada nueva o modificada entre en vigor, es necesario realizar un rastreo completo.

• Desea detectar los cambios de seguridad que se han realizado en grupos locales de un recurso compartido de archivos tras el último rastreo completo del recurso compartido de archivos.

• Desea resolver varios errores consecutivos de rastreo incremental. Si un rastreo incremental genera errores en un número elevado de ocasiones con relación a un contenido específico, el sistema quitará el contenido afectado del índice de búsqueda.

• Se han agregado, eliminado o modificado reglas de rastreo.

• Desea reemplazar un índice de búsqueda dañado.

• Han cambiado los permisos de la cuenta de usuario que se encuentra asignada a la cuenta de acceso al contenido predeterminada.

El sistema realiza un rastreo completo incluso cuando hay programado un rastreo incremental o continuo en las circunstancias siguientes:

• Un administrador de búsqueda detuvo el rastreo anterior.

• Se ha restaurado una base de datos de contenido o un administrador de la granja de servidores ha desasociado y vuelto a asociar una base de datos de contenido.

• Nunca se ha realizado un rastreo completo del origen de contenido desde esta aplicación de servicio de búsqueda.

• La base de datos de rastreo no contiene entradas para las direcciones que se están rastreando. Si en la base de datos de rastreo no hay entradas para los elementos que se están rastreando, no se pueden realizar rastreos incrementales.

Limitar o aumentar la cantidad de contenido rastreado

Las opciones disponibles para las propiedades de los distintos orígenes de contenido varían en función del tipo de origen de contenido que se selecciona. Puede usar las opciones de configuración del rastreo para limitar o aumentar la cantidad de contenido que debe rastrearse. Para cada origen de contenido, puede especificar el alcance del rastreo de las direcciones de inicio. La mayoría de los tipos de origen de contenido permiten especificar la cantidad de niveles de la jerarquía que deben rastrearse desde las distintas direcciones de inicio. Este comportamiento se aplica a todas las direcciones de inicio de un origen de contenido específico. Si desea rastrear algunos sitios en mayor profundidad, puede crear otros orígenes de contenido que incluyan esos sitios. La tabla siguiente describe los procedimientos recomendados para la configuración de las opciones de rastreo.

Planeación de los conectores

El rastreador usa conectores (denominados "controladores de protocolo" en las versiones anteriores de SharePoint Server) para adquirir e indexar contenido. En el caso de los protocolos más comunes, SharePoint Server proporciona y usa de forma automática los conectores adecuados. Para rastrear contenido que necesite un conector que no se proporcione de forma predeterminada, primero tiene que instalar el conector de terceros o crear un conector personalizado. Para obtener una lista de los conectores que se instalan de forma predeterminada, vea Default connectors in SharePoint Server (también es válido para SharePoint Server).

Otras consideraciones sobre la planeación de orígenes de contenido

En el caso de los repositorios de contenido de un mismo tamaño (como los sitios de SharePoint), la decisión sobre si debe usarse uno o varios orígenes de contenido dependerá en gran medida de aspectos administrativos. Para facilitar la administración, organice los orígenes de contenido de tal forma que la actualización de estos y de las reglas y las programaciones de rastreo resulte adecuada para los administradores.

• No puede rastrear las mismas direcciones de inicio mediante varios orígenes de contenido de la misma aplicación de servicio de búsqueda. Por ejemplo, si usa un origen de contenido determinado para rastrear una colección de sitios y todos sus subsitios, no puede usar un origen de contenido distinto para rastrear uno de esos subsitios de manera independiente en una programación distinta.

• A menudo, los administradores actualizan los orígenes de contenido y, si se cambia un origen de contenido, resulta necesario realizar en él un rastreo completo. Por lo tanto, considere la posibilidad de crear orígenes de contenido independientes para ejecutar varios rastreos completos de forma simultánea si resulta necesario. De este modo, los rastreos completos de orígenes de contenido específicos se realizarán con mayor rapidez.

Planeación de reglas para optimizar el rastreo

Las reglas de rastreo se aplican a todos los orígenes de contenido de la aplicación de servicio de búsqueda. Puede aplicar reglas de rastreo a una dirección URL determinada o a un conjunto de direcciones URL para realizar las siguientes tareas:

• Evitar el rastreo de contenido irrelevante mediante la exclusión de una o más direcciones URL. Esto también ayuda a reducir el uso de recursos de servidor y tráfico de red.

• Rastrear los vínculos de la dirección URL sin rastrear la propia dirección URL. Esta opción es útil para los sitios que tienen vínculos de contenido relevante cuando la página que contiene los vínculos no cuenta con información relevante.

• Permitir el rastreo de URL complejas. Esta opción indica al sistema que debe rastrear las URL que contienen un parámetro de consulta especificado con un signo de interrogación. En función del sitio, es posible que estas URL no incluyan contenido relevante. Debido a que las URL complejas pueden redirigir al usuario a sitios irrelevantes con bastante frecuencia, se recomienda habilitar esta opción solo en sitios donde se sabe que el contenido disponible a través de URL complejas es relevante.

• Permitir que el contenido de los sitios de SharePoint se rastree como páginas HTTP. Esta opción permite que el sistema de búsqueda rastree sitios de SharePoint que están detrás de un firewall o en escenarios en los que el sitio que se va a rastrear restringe el acceso al servicio web que usa el rastreador (un componente de rastreo de la topología de búsqueda).

• Especificar si desea usar la cuenta predeterminada de acceso al contenido, una cuenta de acceso al contenido distinta o un certificado de cliente para rastrear la URL especificada.

Debido a que el rastreo de contenido consume recursos y ancho de banda, es mejor incluir una cantidad de contenido menor que sepa que es relevante, en lugar de incluir una cantidad mayor que podría no serlo. Después de la implementación inicial, puede revisar los registros de consultas y rastreo para ajustar los orígenes de contenido y las reglas de rastreo, de modo que sean más relevantes e incluyan más contenido.

Planeación de la autenticación del rastreador

Cuando el rastreador obtener acceso a las direcciones de inicio que se enumeran en los orígenes de contenido, se debe autenticar y se le debe conceder acceso a los servidores que hospedan ese contenido. De forma predeterminada, el sistema usa la cuenta predeterminada de acceso al contenido. O bien, puede usar las reglas de rastreo para especificar una cuenta de acceso al contenido distinta para usar cuando se rastrea contenido específico. Independientemente de si usa la cuenta predeterminada de acceso al contenido o una distinta que especifica la regla de rastreo, la cuenta de acceso al contenido que use debe tener al menos permisos de lectura para todo el contenido rastreado. De lo contrario, el contenido no se rastrea, no se indiza y, por lo tanto, no está disponible para las consultas.

Se recomienda que la cuenta que especifique como la cuenta predeterminada de acceso al contenido tenga acceso a la mayor parte del contenido rastreado. Use otras cuentas de acceso al contenido solo cuando las consideraciones de seguridad requieran cuentas de acceso al contenido independientes.

Para cada origen de contenido que planee, determine las direcciones de inicio a las que no podrá obtener acceso la cuenta predeterminada de acceso al contenido. A continuación, planee agregar reglas de rastreo para esas direcciones de inicio.

Otra consideración importante es que el rastreador (crawler) debe usar el mismo protocolo de autenticación que el servidor host. De forma predeterminada, el rastreador (crawler) autentica mediante NTLM. Puede configurar el rastreador para que use un protocolo de autenticación distinto, si es necesario.

Si usa la autenticación basada en notificaciones, asegúrese de que la autenticación de Windows esté habilitada en todas las aplicaciones web que se van a rastrear.

Planeación del procesamiento de contenido

El rastreador rastrea repositorios de contenido especificados por orígenes de contenido y, a continuación, alimenta los contenidos y los metadatos de los elementos rastreados para el componente de procesamiento de contenido. El componente de procesamiento de contenido lee y analiza las propiedades rastreadas y, a continuación, informa de las propiedades a la base de datos de administración de búsquedas.

Puede asignar propiedades rastreadas a propiedades administradas y configurar los valores de la propiedad modificando el esquema de búsqueda. El componente de procesamiento de contenido lee el esquema de búsqueda y lo utiliza para llevar a cabo la asignación. Solo las propiedades administradas se incluyen en el índice de búsqueda. Las propiedades administradas pueden utilizarse para crear los refinadores, por ejemplo. Para obtener más información, vea Información general sobre el esquema de búsqueda en SharePoint Server.

Inclusión o exclusión de tipos de archivo

En el índice de búsqueda se puede incluir contenido de cualquier tipo de archivo. Para que se indice su contenido, primero debe rastrearlo un componente de rastreo y después debe analizarlo un componente de procesamiento de contenido. Un componente de rastreo solo puede rastrear un archivo si la extensión del archivo se incluye en la lista de extensiones de nombre de archivo de la página Administrar tipos de archivo. Un componente de procesamiento de contenido solo puede analizar el contenido de un archivo rastreado en las condiciones siguientes:

• El componente de procesamiento de contenido tiene un controlador de formato que puede analizar el formato del archivo.

• El componente de procesamiento de contenido está habilitado para analizar los archivos que tienen el formato de archivo y la extensión de nombre de archivo.

Si el componente de procesamiento de contenido no puede analizar un archivo, el índice de búsqueda solo incluirá sus propiedades, como el nombre de archivo.

De forma predeterminada, SharePoint Server cumple estos requisitos para muchos tipos de archivos y puede rastrear y analizar estos tipos de archivos sin que tenga que instalar ningún otro controlador de formato. Para obtener información general sobre los tipos de archivos, vea Default crawled file name extensions and parsed file types in SharePoint Server.

Cuando planee incluir contenido en el índice de búsqueda a partir de repositorios de contenido que tienen tipos de archivo que no se encuentran en la página Administrar tipos de archivo, revise lo siguiente:

• Para rastrear el tipo de archivo, agregue el tipo de archivo a la página Administrar tipos de archivo.

• Para analizar el tipo de archivo:

  • Si SharePoint Server no tiene ningún controlador de formato para el formato, instale uno basado en filtros de terceros para el formato de archivo en cada servidor que hospede un componente de procesamiento de contenido en la aplicación de servicio de búsqueda.

  • Habilite el análisis del formato de archivo y de la extensión de nombre de archivo en todos los servidores que hospeden un componente de procesamiento de contenido en la aplicación de servicio de búsqueda

Para obtener más información, vea Add or remove a file type from the search index in SharePoint Server.

Planeación para usar extractores de entidad (personalizados)

Puede configurar el sistema de búsqueda para buscar "entidades" en el contenido no estructurado, como en el texto del cuerpo o en el título de un documento. Estas entidades pueden ser palabras o frases, tales como nombres de productos. Para especificar las entidades que se deben buscar, puede crear e implementar sus propios diccionarios.

Las entidades extraídas se almacenan en el índice de búsqueda como propiedades administradas independientes, que se configuran automáticamente para poderse buscar, consultar, recuperar, ordenar y refinar. Puede utilizar estas propiedades en los refinadores de búsqueda, por ejemplo, para ayudar a los usuarios a filtrar los resultados de la búsqueda.

Para las compañías, puede usar el diccionario de extracción de compañía rellenado previamente que proporciona SharePoint Server.

Además, puede implementar varios tipos de extractores de entidad personalizada en forma de diccionarios de extracción de entidad personalizada. Implemente estos diccionarios mediante PowerShell de Microsoft. Las entradas de estos diccionarios (una o varias palabras) se harán coincidir con palabras o partes de palabras del contenido de forma que se distingan las mayúsculas de las minúsculas o viceversa. Para obtener más información, vea Crear e implementar extractores de entidades personalizadas en SharePoint Server.

Acerca de los orígenes de resultado y la federación

En SharePoint Server, use un origen de resultados para especificar la dirección URL de un proveedor de la que obtendrá los resultados de búsqueda, un protocolo que usará para obtener esos resultados y otras opciones de configuración relacionadas. Por ejemplo, el origen de resultados predeterminado es Resultados locales de SharePoint.

Puede agregar orígenes de resultados que especifiquen proveedores de búsqueda externos (como motores de búsqueda remotos o fuentes) desde los que obtener resultados de búsqueda. Esto se denomina federación.

Descripción general de federación

Cuando usa la federación, los usuarios pueden buscar y recuperar contenido que los servidores no han rastreado en la granja de servidores local. Por ejemplo, la federación puede ofrecer resultados de búsqueda de un proveedor de búsqueda web como Bing, o quizá de un conjunto de datos privado al que no tiene acceso para rastrearlo.

La federación también puede ser una buena solución para una organización con oficinas distribuidas en varias ubicaciones geográficas, que quiere ofrecer a las distintas oficinas el acceso de búsqueda al contenido, cuando cada oficina tenga su propio índice de búsqueda. Como cada oficina proporciona resultados de búsqueda desde su propio índice, no es necesario implementar un servicio de búsqueda centralizado que crea un solo índice unificado y accede a dicho índice. En este contexto, la federación puede ofrecer algunas ventajas, como estas:

• Requisitos de ancho de banda bajo : es posible que una organización dispersa geográficamente no tenga el ancho de banda de red alto necesario para rastrear e indexar grandes cantidades de contenido remoto. Cuando una organización usa la federación, los principales datos que se transmiten para la búsqueda en la red de área extensa solo son un conjunto de resultados de búsqueda procedente de cada repositorio de contenido federado.

• Actualización de los resultados de la búsqueda : cada división de una organización puede rastrear el contenido local más rápidamente de lo que una implementación de búsqueda centralizada podría rastrear todo el contenido de toda la organización.

• Variabilidad de la búsqueda divisional : cuando una organización usa federación, cada división de la organización puede proporcionar y controlar su propio entorno de búsqueda. Cada división puede ajustar la búsqueda a sus propios requisitos y preferencias, con su propia experiencia de usuario y sus propios conectores de búsqueda, por ejemplo. Un portal de búsqueda centralizada no permitiría tales diferencias.

• Tamaño limitado de los índices de búsqueda : una organización grande y distribuida geográficamente podría tener millones de documentos. Para una organización así no sería práctico disponer de un único índice de búsqueda unificado, ya que necesitaría una gran infraestructura para dar cabida a un índice tan grande. La federación permite a los usuarios de cada división realizar una sola búsqueda para encontrar contenido relevante que esté distribuido por varios índices de búsqueda más pequeños en la organización.

Usar orígenes de resultados para la federación

Para usar la federación en SharePoint Server, tiene que seleccionar uno de estos protocolos en la sección Protocolo de la página Agregar o editar origen de resultados:

Consulte también

Información sobre los orígenes de resultados de búsqueda en SharePoint Server

Configurar orígenes de resultados para búsqueda en SharePoint Server

Manage crawling in SharePoint Server

Default connectors in SharePoint Server

Extensiones de nombres de archivo rastreados y tipos de archivo analizados de forma predeterminada en SharePoint Server

Marco del conector de búsqueda en SharePoint 2013