140 lines
4.2 KiB
Markdown
140 lines
4.2 KiB
Markdown
# Datenintegration für noah.nrw
|
|
Harvesting von OAI-PMH-Schnittstellen und Transformation in METS/MODS für das Portal [noah.nrw](https://noah.nrw/)
|
|
|
|
**:warning: Dies ist ein Prototyp für die Beta-Version des Portals.**
|
|
|
|
## Datenfluss
|
|
|
|
![Datenflussdiagramm](flowchart.svg)
|
|
|
|
## Verwendete Tools
|
|
|
|
* Harvesting (mit Cache): [metha](https://github.com/miku/metha/)
|
|
* Transformation: [OpenRefine](https://github.com/OpenRefine/OpenRefine) und [openrefine-client](https://github.com/opencultureconsulting/openrefine-client)
|
|
* :warning: Für den Produktivbetrieb ist der Einsatz von [metafacture](https://github.com/metafacture) geplant.
|
|
* Task Runner: [Task](https://github.com/go-task/task)
|
|
|
|
## Systemvoraussetzungen
|
|
|
|
* GNU/Linux (getestet mit Fedora 32)
|
|
* JAVA 8+
|
|
|
|
## Installation
|
|
|
|
1. Git Repository klonen
|
|
|
|
```sh
|
|
git clone https://github.com/opencultureconsulting/noah.git
|
|
cd noah
|
|
```
|
|
|
|
2. [OpenRefine 3.4.1](https://github.com/OpenRefine/OpenRefine/releases/tag/3.4.1) (benötigt JAVA 8+)
|
|
|
|
```sh
|
|
# in Unterverzeichnis openrefine installieren
|
|
wget -O openrefine.tar.gz https://github.com/OpenRefine/OpenRefine/releases/download/3.4.1/openrefine-linux-3.4.1.tar.gz
|
|
mkdir -p openrefine
|
|
tar -xzf openrefine.tar.gz -C openrefine --strip 1 && rm openrefine.tar.gz
|
|
# automatisches Starten des Browsers abschalten
|
|
sed -i '$ a JAVA_OPTIONS=-Drefine.headless=true' "openrefine/refine.ini"
|
|
# Zeitraum für automatisches Speichern von 5 Minuten auf 25 Stunden erhöhen
|
|
sed -i 's/#REFINE_AUTOSAVE_PERIOD=60/REFINE_AUTOSAVE_PERIOD=1440/' "openrefine/refine.ini"
|
|
```
|
|
|
|
3. [openrefine-client 0.3.10](https://github.com/opencultureconsulting/openrefine-client/releases/tag/v0.3.10)
|
|
|
|
```sh
|
|
# in Unterverzeichnis openrefine installieren
|
|
mkdir -p openrefine
|
|
wget -O openrefine/openrefine-client https://github.com/opencultureconsulting/openrefine-client/releases/download/v0.3.10/openrefine-client_0-3-10_linux
|
|
chmod +x openrefine/openrefine-client
|
|
```
|
|
|
|
4. [metha 0.2.20](https://github.com/miku/metha/releases/tag/v0.2.20)
|
|
|
|
a) RPM-basiert (Fedora, CentOS, SLES, etc.)
|
|
|
|
```sh
|
|
wget https://github.com/miku/metha/releases/download/v0.2.20/metha-0.2.20-0.x86_64.rpm
|
|
sudo dnf install ./metha-0.2.20-0.x86_64.rpm && rm metha-0.2.20-0.x86_64.rpm
|
|
```
|
|
|
|
b) DEB-basiert (Debian, Ubuntu etc.)
|
|
|
|
```sh
|
|
wget https://github.com/miku/metha/releases/download/v0.2.20/metha_0.2.20_amd64.deb
|
|
sudo apt install ./metha_0.2.20_amd64.deb && rm metha_0.2.20_amd64.deb
|
|
```
|
|
|
|
5. [Task 3.2.2](https://github.com/go-task/task/releases/tag/v3.2.2)
|
|
|
|
a) RPM-basiert (Fedora, CentOS, SLES, etc.)
|
|
|
|
```sh
|
|
wget https://github.com/go-task/task/releases/download/v3.2.2/task_linux_amd64.rpm
|
|
sudo dnf install ./task_linux_amd64.rpm && rm task_linux_amd64.rpm
|
|
```
|
|
|
|
b) DEB-basiert (Debian, Ubuntu etc.)
|
|
|
|
```sh
|
|
wget https://github.com/go-task/task/releases/download/v3.2.2/task_linux_amd64.deb
|
|
sudo apt install ./task_linux_amd64.deb && rm task_linux_amd64.deb
|
|
```
|
|
|
|
## Nutzung
|
|
|
|
* Vorab ggf. ulimit erhöhen, um Abbruch durch "too many open files" zu vermeiden
|
|
|
|
```
|
|
ulimit -n 10000
|
|
```
|
|
|
|
* Alle Datenquellen harvesten, transformieren und validieren (parallelisiert)
|
|
|
|
```
|
|
task
|
|
```
|
|
|
|
* Eine Datenquelle harvesten, transformieren und validieren
|
|
|
|
```
|
|
task siegen:default
|
|
```
|
|
|
|
* Zwei Datenquellen harvesten, transformieren und validieren (parallelisiert)
|
|
|
|
```
|
|
task --parallel siegen:default wuppertal:default
|
|
```
|
|
|
|
* Links einer Datenquelle überprüfen
|
|
|
|
```
|
|
task siegen:linkcheck
|
|
```
|
|
|
|
* Cache einer Datenquelle löschen
|
|
|
|
```
|
|
task siegen:delete
|
|
```
|
|
|
|
* Verfügbare Tasks auflisten
|
|
|
|
```
|
|
task --list
|
|
```
|
|
|
|
## Konfiguration
|
|
|
|
* Workflow für die jeweilige Datenquelle in [tasks](tasks)
|
|
* Beispiel: [tasks/siegen.yml](tasks/siegen.yml)
|
|
* OpenRefine-Transformationsregeln in [rules](rules)
|
|
* Beispiel: [rules/siegen/hbz.json](rules/siegen/hbz.json)
|
|
* Allgemeine Tasks (z.B. Validierung) in [Taskfile.yml](Taskfile.yml)
|
|
|
|
## OAI-PMH Data Provider
|
|
|
|
Für die Bereitstellung der transformierten Daten wird der dateibasierte OAI-PMH Data Provider [oai_pmh](https://github.com/opencultureconsulting/oai_pmh) genutzt. Installations- und Nutzungshinweise sind dort zu finden.
|