現行 OReFiL システムの分析

[h-morita]

現行システム分析結果

構成

現行 OReFil システムの構成

• Linux
  
• Apache
  Apache2 (/opt/apache2) を利用している模様。
  /etc/httpd/conf/httpd.confは使われていない模様。
  
• Perl
  CGI スクリプトとして動作。
  森田環境では別途 Template モジュールを導入。
  
• Berkeley DB
  文書 ID からオンラインリソースの各種属性情報を引く為に利用されている模様。
  Perl の DB_File モジュール経由で利用されている。
  バージョンは4.2のものに依存している。
  
• Lemur
  メインの検索エンジン。
  検索文字列から文書 ID を引く為に利用される。
  内部的には IndriRunQuery コマンドを利用している。
  

検索時の動作フロー

フロントエンドである index.cgi (実体は index07.cgi)はおおよそ以下のようなフローをたどる。

1. 初期化
2. バックエンドに対し問い合わせ
   1. 入力されたパラメータを元に IndriRunQuery
      • 以下のフォーマットで出力される(TREC フォーマット)

        <queryID> Q0 <DocID> <rank> <score> <runID>
        

      • <DocID> はさらに以下のフォーマットで出力される

        <id>|<url>|<pmids>
        

   2. IndriRunQuery の結果を元に、map して grep して map
      1. 1回目の map
         IndriRunQueryの結果をパース。
      2. grep
         パース結果をフィルタ。
      3. 2回目の map
         パース結果を元に属性情報を取り出し、検索結果用のタプルを作る。
         MeSH の出現頻度を累計
         
3. MeSH の出現頻度を加工
4. Index の最終作成日を算出 インデックスファイルの更新日時を元に算出
5. Template モジュールに食わせる元データの作成
   • CGI.pm と utf-8 の組合わせで発生するバグの回避コードもある。
     詳しくはこちら http://blog.nomadscafe.jp/archives/000491.html
6. Template エンジンを実行

分類を修正。

チケット概要に書かれた分析結果を成果物として、一旦タスクをクローズとする。