Amazon S3 - Amazon Kendra
Características admitidasRequisitos previosInstrucciones de conexión

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Amazon S3

Amazon S3es un servicio de almacenamiento de objetos que almacena datos como objetos dentro de cubos. Puedes usarlo Amazon Kendra para indexar el repositorio de documentos de tu Amazon S3 depósito.

aviso

Amazon Kendrano utiliza una política de bucket que conceda permisos a un Amazon Kendra director para interactuar con un bucket de S3. En su lugar, usa IAM roles. Asegúrate de Amazon Kendra no incluirlo como miembro de confianza en tu política de grupos para evitar problemas de seguridad de los datos al conceder permisos accidentalmente a directores arbitrarios. Sin embargo, puede añadir una política de bucket para utilizar un bucket de Amazon S3 en distintas cuentas. Para obtener más información, consulte Políticas para usar Amazon S3 en varias cuentas (en la pestaña de roles de IAM de S3, en la sección Roles de IAM para orígenes de datos). Para obtener información sobre las IAM funciones de las fuentes de datos de S3, consulte las IAMfunciones.

nota

Amazon Kendraahora es compatible con un Amazon S3 conector actualizado.

La consola se ha actualizado de forma automática. Todos los conectores nuevos que cree en la consola utilizarán la arquitectura actualizada. Si usa la API, ahora debe usar el objeto TemplateConfiguration en lugar del objeto S3DataSourceConfiguration para configurar el conector.

Los conectores configurados con la antigua arquitectura de consola y API seguirán funcionando tal y como estaban configurados. Sin embargo, no podrá editarlos ni actualizarlos. Si desea editar o actualizar la configuración de un conector, deberá crear uno nuevo.

Se recomienda migrar el flujo de trabajo de los conectores a la versión actualizada. Está previsto que la compatibilidad para los conectores configurados con la arquitectura anterior finalice en junio de 2024.

Puede conectarse a su fuente de Amazon S3 datos mediante la Amazon Kendraconsola o la TemplateConfigurationAPI.

nota

Para generar un informe de estado de sincronización para su fuente de Amazon S3 datos, consulte Solución de problemas con las fuentes de datos.

Para solucionar problemas del conector de fuente de datos Amazon Kendra S3, consulteSolución de problemas con los orígenes de datos.

Temas

Características admitidas

  • Asignaciones de campo

  • Control de acceso de usuarios

  • Filtros de inclusión/exclusión

  • Sincronizaciones completas e incrementales del contenido

  • Nube privada virtual (VPC)

Requisitos previos

Antes de poder utilizarla Amazon Kendra para indexar la fuente de datos de S3, realice estos cambios en su S3 y en sus AWS cuentas.

En S3, asegúrese de que:

  • Copiaste el nombre de tu Amazon S3 bucket.

    nota

    El depósito debe estar en la misma región que el Amazon Kendra índice y el índice debe tener permiso para acceder al depósito que contiene los documentos.

  • Ha comprobado que cada documento es único en S3 y en otros orígenes de datos que vaya a utilizar para el mismo índice. Cada origen de datos que desee utilizar para un índice no debe contener el mismo documento en varios orígenes de datos. IDs Los documentos son globales con respecto a un índice y deben ser únicos por índice.

En su AWS cuenta, asegúrese de tener:

Si no tiene un IAM rol existente, puede usar la consola para crear un nuevo IAM rol al conectar su fuente de datos de S3. Amazon Kendra Si utiliza la API, debe proporcionar el ARN de un IAM rol existente y un ID de índice.

Instrucciones de conexión

Para conectarse Amazon Kendra a la fuente de datos de S3, debe proporcionar los detalles necesarios de la fuente de datos de S3 para Amazon Kendra poder acceder a los datos. Si aún no ha configurado S3 paraAmazon Kendra, consulteRequisitos previos.

Console

Para conectarse Amazon Kendra a Amazon S3

  1. Inicie sesión en la Amazon Kendraconsola Consola de administración de AWS y ábrala.

  2. En el panel de navegación izquierdo, elija Índices y, a continuación, elija el índice que desee usar de la lista de índices.

    nota

    Puede elegir configurar o editar los ajustes de Control de acceso de usuarios en la Configuración del índice.

  3. En la página Introducción, seleccione Agregar origen de datos.

  4. En la página Agregar origen de datos, seleccione el Conector de S3 y, a continuación, seleccione Agregar conector. Si usa la versión 2 (si corresponde), elija el Conector de S3 con la etiqueta “V2.0”.

  5. En la página Especificar detalles del origen de datos, introduzca la siguiente información:

    1. En Nombre y descripción, en Nombre del origen de datos: introduzca un nombre para el origen de datos. Puede incluir guiones, pero no espacios.

    2. (Opcional) Descripción: introduzca una descripción opcional para el origen de datos.

    3. En Idioma predeterminado: elija un idioma para filtrar los documentos para el índice. A menos que especifique lo contrario, el idioma predeterminado es el inglés. El idioma especificado en los metadatos del documento anula el idioma seleccionado.

    4. En Etiquetas, para añadir una nueva etiqueta: incluye etiquetas opcionales para buscar y filtrar tus recursos o realizar un seguimiento de tus AWS costes.

    5. Elija Siguiente.

  6. En la página Definir acceso y seguridad, introduzca la siguiente información opcional:

    1. IAMrol: elija un IAM rol existente o cree uno nuevo IAM para acceder a las credenciales de su repositorio e indexar el contenido.

      nota

      IAMlos roles utilizados para los índices no se pueden usar para las fuentes de datos. Si no está seguro de si un rol existente se utiliza para un índice o para las preguntas frecuentes, elija Crear un nuevo rol para evitar errores.

    2. Nube privada virtual (VPC): puede optar por utilizar una VPC. Si es así, debe agregar Subredes y Grupos de seguridad de VPC.

    3. Elija Siguiente.

  7. En la página Configurar ajustes de sincronización, introduzca la siguiente información:

    1. En Ubicación de origen de datos: especifique la ruta al bucket de Amazon S3 donde se almacenan los datos. Seleccione Examinar S3 para elegir el bucket de S3.

    2. En Tamaño máximo de archivo: especifique un límite en MB para rastrear solo los archivos que estén por debajo de este límite. El tamaño máximo de archivo Amazon Kendra permitido es de 50 MB.

    3. Para los archivos de metadatos (opcionales), prefija la ubicación de la carpeta: especifique la ruta a la carpeta en la que se almacenan sus metadatos fields/attributes y los de otros documentos. Seleccione Examinar S3 para localizar la carpeta de metadatos.

    4. (Opcional) En Ubicación del archivo de configuración de la lista de control de acceso: especifique la ruta al archivo que contiene una estructura JSON de sus usuarios y su acceso a los documentos. Seleccione Examinar S3 para localizar el archivo de la ACL.

    5. (Opcional) Seleccionar clave de descifrado: seleccione esta opción para usar una clave de descifrado. Puede elegir usar una clave de AWS KMS existente.

    6. (Opcional) En Configuración adicional: agregue patrones para incluir o excluir determinados archivos. Todas las rutas se expresan con relación al bucket de S3 de ubicación del origen de datos.

    7. Modo de sincronización: elija cómo desea actualizar el índice cuando cambie el contenido del origen de datos. Al sincronizar la fuente de datos Amazon Kendra por primera vez, todo el contenido se rastrea e indexa de forma predeterminada. Debe ejecutar una sincronización completa de los datos si la sincronización inicial falló, incluso si no selecciona la sincronización completa como opción de modo de sincronización.

      • Sincronización completa: se vuelve a indexar todo el contenido, reemplazando el contenido existente cada vez que el origen de datos se sincronice con el índice.

      • Sincronización nueva, modificada o eliminada: indexe solo el contenido nuevo, modificado y eliminado cada vez que la fuente de datos se sincronice con el índice. Amazon Kendrapuede usar el mecanismo de la fuente de datos para realizar un seguimiento de los cambios en el contenido e indexar el contenido que ha cambiado desde la última sincronización.

    8. En Programación de ejecución de sincronización, en Frecuencia: elija la frecuencia con la que desea sincronizar el contenido del origen de datos y actualizar el índice.

    9. Elija Siguiente.

  8. En la página Establecer asignaciones de campos, especifique la siguiente información opcional:

    1. Asignaciones de campos predeterminadas: seleccione entre las fuentes de datos predeterminadas Amazon Kendra generadas los campos que desee asignar a su índice.

    2. Agregar campo: elija esta opción para agregar campos de origen de datos personalizados para crear un nombre de campo de índice al que asignarlos y el tipo de datos del campo.

    3. Elija Siguiente.

  9. En la página Revisar y crear, compruebe que la información que ha introducido es correcta y, a continuación, seleccione Añadir origen de datos. También puede elegir editar la información desde esta página. El origen de datos aparecerá en la página Orígenes de datos una vez que el origen de datos se haya agregado correctamente.

API

Para conectarse a Amazon Kendra Amazon S3

Debe especificar un JSON del esquema del origen de datos mediante la API TemplateConfiguration. Debe proporcionar la siguiente información:

  • Origen de datos: defina el tipo de origen de datos como S3 cuando utilice el esquema JSON TemplateConfiguration. Además, defina el origen de datos como TEMPLATE al llamar a la API CreateDataSource.

  • BucketName—El nombre del depósito que contiene los documentos.

  • Modo de sincronización: especifique cómo Amazon Kendra debe actualizarse el índice cuando cambie el contenido de la fuente de datos. Al sincronizar el origen de datos con Amazon Kendra por primera vez, todo el contenido se rastrea y se indexa de forma predeterminada. Debe ejecutar una sincronización completa de los datos si la sincronización inicial falló, incluso si no selecciona la sincronización completa como opción de modo de sincronización. Puede elegir entre las siguientes opciones:

    • FORCED_FULL_CRAWL para volver a indexar todo el contenido, reemplazando el contenido existente cada vez que el origen de datos se sincronice con el índice.

    • FULL_CRAWL para indexar solo el contenido nuevo, modificado y eliminado cada vez que el origen de datos se sincronice con el índice. Amazon Kendra puede utilizar el mecanismo del origen de datos para realizar un seguimiento de los cambios en el contenido e indexar el contenido modificado desde la última sincronización.

  • IAMrol: especifique RoleArn cuándo llama CreateDataSource para proporcionar un IAM rol con permisos para acceder a su Secrets Manager secreto y para llamar al público requerido APIs para el conector S3 y. Amazon Kendra Para obtener más información, consulte Roles de IAM para orígenes de datos de S3.

También puede añadir las siguientes características opcionales:

  • Nube privada virtual (VPC): especifique a VpcConfiguration cuándo llamar a CreateDataSource. Para obtener más información, consulte ¿Se está configurando Amazon Kendra para usar un Amazon VPC.

  • Filtros de inclusión y exclusión: especifique si desea incluir o excluir determinados nombres de archivos, tipos de archivos o rutas de archivos. Utilice patrones globales (patrones que pueden expandir un patrón comodín para convertirlo en una lista de nombres de rutas que coincidan con el patrón dado). Para ver ejemplos, consulte Uso de filtros de exclusión e inclusión en la referencia de comandos de la AWS CLI.

  • Configuración de metadatos de documentos y control de acceso: agregue archivos de metadatos de documentos y control de acceso que contienen información como la URI de origen, el autor del documento o campos y atributos de documentos personalizados, así como los usuarios y a qué documentos pueden acceder. Cada archivo de metadatos contiene metadatos sobre un solo documento.

  • Asignaciones de campos: elija asignar los campos del origen de datos de S3 a los campos de índice de Amazon Kendra. Para obtener más información, consulte Asignación de campos de origen de datos.

    nota

    El campo del cuerpo del documento o el cuerpo del documento equivalente de sus documentos es obligatorio Amazon Kendra para poder buscarlos. Debe asignar el nombre del campo del cuerpo del documento en el origen de datos al nombre del campo del índice _document_body. Todos los demás campos son opcionales.

Para obtener una lista de otras claves JSON importantes que debe configurar, consulte el Esquema de plantilla de S3.

Más información

Para obtener más información sobre la integración Amazon Kendra con la fuente de datos de S3, consulte: