Actualizar páginas web con la actualización automática y manual

Busca el ID de tu almacén de datos. Si ya tienes el ID del almacén de datos, ve al siguiente paso.

1. En la Google Cloud consola, ve a la página Aplicaciones de IA y, en el menú de navegación, haz clic en Almacenes de datos.

   Ir a la página Almacenes de datos

2. Haga clic en el nombre de su almacén de datos.

3. En la página Datos de su almacén de datos, obtenga el ID del almacén de datos.

Llama al método recrawlUris y usa el campo uris para especificar cada página web que quieras rastrear. Cada uri representa una sola página, aunque contenga asteriscos (*). No se admiten patrones comodín.

curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json" \
-H "X-Goog-User-Project: PROJECT_ID" \
"https://discoveryengine.googleapis.com/v1alpha/projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID/siteSearchEngine:recrawlUris" \
-d '{
  "uris": [URIS]
}'

Haz los cambios siguientes:

• PROJECT_ID: el ID de tu proyecto de Google Cloud .
• DATA_STORE_ID: el ID del almacén de datos de Vertex AI Search.
• URIS: la lista de páginas web que quieres rastrear. Por ejemplo, "https://example.com/page-1", "https://example.com/page-2", "https://example.com/page-3".

El resultado debería ser similar al siguiente:

{
  "name": "projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID/operations/recrawl-uris-0123456789012345678",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.discoveryengine.v1alpha.RecrawlUrisMetadata"
  }
}

Guarda el valor de name como entrada para la operación operations.get cuando monitorices el estado de tu operación de nuevo rastreo.

Busca el ID de tu almacén de datos. Si ya tienes el ID del almacén de datos, ve al siguiente paso.

1. En la Google Cloud consola, ve a la página Aplicaciones de IA y, en el menú de navegación, haz clic en Almacenes de datos.

   Ir a la página Almacenes de datos

2. Haga clic en el nombre de su almacén de datos.

3. En la página Datos de su almacén de datos, obtenga el ID del almacén de datos.

Sondea el método operations.get.

curl -X GET \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json" \
-H "X-Goog-User-Project: PROJECT_ID" \
"https://discoveryengine.googleapis.com/v1alpha/OPERATION_NAME"

Haz los cambios siguientes:

• PROJECT_ID: el ID de tu proyecto de Google Cloud .
• OPERATION_NAME: el nombre de la operación, que se encuentra en el campo name devuelto en la llamada al método recrawlUris en Volver a rastrear las páginas web de tu almacén de datos. También puedes obtener el nombre de la operación consultando las operaciones de larga duración.

Evalúa cada respuesta.

• Si una respuesta indica que hay URIs pendientes y que la operación de volver a rastrear no se ha completado, significa que tus páginas web aún se están rastreando. Sigue sondeando.

  Ejemplo

    {
      "name": "projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID/operations/recrawl-uris-0123456789012345678",
      "metadata": {
        "@type": "type.googleapis.com/google.cloud.discoveryengine.v1alpha.RecrawlUrisMetadata",
        "createTime": "2023-09-05T22:07:28.690950Z",
        "updateTime": "2023-09-05T22:22:10.978843Z",
        "validUrisCount": 4000,
        "successCount": 2215,
        "pendingCount": 1785
      },
      "done": false,
      "response": {
        "@type": "type.googleapis.com/google.cloud.discoveryengine.v1alpha.RecrawlUrisResponse",
      }
    }

  Los campos de respuesta se pueden describir de la siguiente manera:

  • createTime: indica la hora en la que se inició la operación de larga duración.
  • updateTime: indica la última vez que se actualizaron los metadatos de la operación de larga duración. Indica que los metadatos se actualizan cada cinco minutos hasta que se completa la operación.
  • validUrisCount: indica que has especificado 4000 URIs válidos en tu llamada al método recrawlUris.
  • successCount: indica que se han rastreado correctamente 2215 URIs.
  • pendingCount: indica que aún no se han rastreado 1785 URIs.
  • done: el valor false indica que la operación de nuevo rastreo sigue en curso.

• Si una respuesta indica que no hay URIs pendientes (no se devuelve ningún campo pendingCount ) y la operación de nuevo rastreo se ha completado, significa que se han rastreado tus páginas web. Detener la comprobación: puedes salir de este procedimiento.

  Ejemplo

    {
      "name": "projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID/operations/recrawl-uris-0123456789012345678",
      "metadata": {
        "@type": "type.googleapis.com/google.cloud.discoveryengine.v1alpha.RecrawlUrisMetadata",
        "createTime": "2023-09-05T22:07:28.690950Z",
        "updateTime": "2023-09-05T22:37:11.367998Z",
        "validUrisCount": 4000,
        "successCount": 4000
      },
      "done": true,
      "response": {
        "@type": "type.googleapis.com/google.cloud.discoveryengine.v1alpha.RecrawlUrisResponse"
      }
    }

  Los campos de respuesta se pueden describir de la siguiente manera:

  • createTime: indica la hora en la que se inició la operación de larga duración.
  • updateTime: indica la última vez que se actualizaron los metadatos de la operación de larga duración. Indica que los metadatos se actualizan cada cinco minutos hasta que se completa la operación.
  • validUrisCount: indica que has especificado 4000 URIs válidos en tu llamada al método recrawlUris.
  • successCount: indica que se han rastreado correctamente 4000 URIs.
  • done: el valor true indica que la operación de nuevo rastreo se ha completado.

Si una respuesta indica que hay URIs pendientes y se ha completado la operación de nuevo rastreo, significa que esta operación ha agotado el tiempo de espera (24 horas) antes de que se rastrearan todas tus páginas web. Vuelve a empezar en Volver a rastrear las páginas web de tu almacén de datos. Usa los failedUris valores de la respuesta operations.get para los valores del campo uris en tu nueva llamada al método recrawlUris.