doc/introduction.xml

   1 <chapter id="introduction">
   2  <!-- $Id: introduction.xml,v 1.25 2003-06-26 08:46:31 mike Exp $ -->
   3  <title>Introduction</title>
   4
   5  <sect1>
   6   <title>Overview</title>
   7
   8   <para>
   9    <ulink url="http://indexdata.dk/zebra/">Zebra</ulink>
  10    is a high-performance, general-purpose structured text
  11    indexing and retrieval engine. It reads records in a
  12    variety of input formats (eg. email, XML, MARC) and provides access
  13    to them through a powerful combination of boolean search
  14    expressions and relevance-ranked free-text queries.
  15   </para>
  16
  17   <para>
  18    Zebra supports large databases (tens of millions of records,
  19    tens of gigabytes of data). It allows safe, incremental
  20    database updates on live systems. Because Zebra supports
  21    the industry-standard information retrieval protocol, Z39.50,
  22    you can search Zebra databases using an enormous variety of
  23    programs and toolkits, both commercial and free, which understand
  24    this protocol.  Application libraries are available to allow
  25    bespoke clients to be written in Perl, C, C++, Java, Tcl, Visual
  26    Basic, Python, PHP and more - see
  27    <ulink url="http://zoom.z3950.org/">the ZOOM web site</ulink>
  28    for more information on some of these client toolkits.
  29   </para>
  30
  31   <para>
  32    This document is an introduction to the Zebra system. It explains
  33    how to compile the software, how to prepare your first database,
  34    and how to configure the server to give you the
  35    functionality that you need.
  36   </para>
  37  </sect1>
  38
  39  <sect1 id="features">
  40   <title>Features</title>
  41
  42   <para>
  43    This is an overview of some of Zebra's most important features:
  44   </para>
  45
  46   <para>
  47    <itemizedlist>
  48
  49     <listitem>
  50      <para>
  51       Very large databases: logical files can be
  52       automatically partitioned over multiple disks.
  53      </para>
  54     </listitem>
  55
  56     <listitem>
  57      <para>
  58       Arbitrarily complex records.  The internal data format
  59       is a structured format conceptually similar to XML or GRS-1,
  60       which allows lists, nested structured data elements and
  61       variant forms of data.
  62      </para>
  63     </listitem>
  64
  65     <listitem>
  66      <para>
  67       Robust updating - records can be added and deleted ``on the fly''
  68       without rebuilding the index from scratch.
  69       Records can be safely updated even while users are accessing
  70       the server.
  71       The update procedure is tolerant to crashes or hard interrupts
  72       during database updating - data can be reconstructed following
  73       a crash.
  74      </para>
  75     </listitem>
  76
  77     <listitem>
  78      <para>
  79       Configurable to understand many input formats.
  80       A system of input filters driven by
  81       regular expressions allows most ASCII-based
  82       data formats to be easily processed.
  83       SGML, XML, ISO2709 (MARC), and raw text are also
  84       supported.
  85      </para>
  86     </listitem>
  87
  88     <listitem>
  89      <para>
  90       Searching supports a powerful combination of boolean queries as
  91       well as relevance-ranking (free-text) queries.  Truncation,
  92       masking, full regular expression matching and "approximate
  93       matching" (eg. spelling mistakes) are all handled.
  94      </para>
  95     </listitem>
  96
  97     <listitem>
  98       <para>
  99         Index-only databases: data can be, and usually is, imported
 100         into Zebra's own storage, but Zebra can also refer to
 101         external files, building and maintaining indexes of "live"
 102         collections.
 103       </para>
 104     </listitem>
 105
 106     <listitem>
 107      <para>
 108       Zebra is written in portable C, so it runs on most Unix-like systems
 109       as well as Windows NT.  A binary distribution for Windows NT is
 110       available at
 111       <ulink url="http://ftp.indexdata.dk/pub/zebra/win32/"/>,
 112       and pre-built packages are available for some Linux
 113       distributions:
 114       Red Hat 7.x RPMs at
 115       <ulink url="http://ftp.indexdata.dk/pub/zebra/RedHat7.X/"/>
 116       and Debian packages at
 117       <ulink url="http://ftp.indexdata.dk/pub/zebra/debian/"/>
 118      </para>
 119     </listitem>
 120
 121    </itemizedlist>
 122
 123   </para>
 124
 125   <para>
 126    Z39.50 protocol support:
 127   </para>
 128
 129   <para>
 130    <itemizedlist>
 131     <listitem>
 132      <para>
 133       Protocol facilities: Init, Search, Present (retrieval),
 134       Segmentation (support for very large records), Delete, Scan
 135       (index browsing), Sort, Close and support for the ``update''
 136       Extended Service to add or replace an existing XML record.
 137         <!-- Adam says:
 138              * Supported
 139              You can insert/delete/replace an XML record given an
 140              "external" ID.  Actually this way of doing ES Update was
 141              meant for an OAI application that Ian Ibbotson had in
 142              mind to implement. The "update" command in YAZ client
 143              implements this on the client side. My plan is to make
 144              this available in ZOOM "extended" soon..
 145         -->
 146      </para>
 147     </listitem>
 148
 149     <listitem>
 150      <para>
 151       Piggy-backed presents are honored in the search request - that
 152       is, a subset of the found records can be returned directly with
 153       a search response, enabling search and retrieval to happen in a
 154       single round-trip.
 155      </para>
 156     </listitem>
 157
 158     <listitem>
 159      <para>
 160       Named result sets are supported.
 161      </para>
 162     </listitem>
 163
 164     <listitem>
 165      <para>
 166       Easily configured to support different application profiles, with
 167       tables for attribute sets, tag sets, and abstract syntaxes.
 168       Additional tables control facilities such as element mappings to
 169       different schema (eg., GILS-to-USMARC).
 170      </para>
 171     </listitem>
 172
 173     <listitem>
 174      <para>
 175       Complex composition specifications using Espec-1 (partial support).
 176       Element sets are defined using the Espec-1 capability,
 177       and are specified in configuration files as simple element
 178       requests (and, optionally, variant requests).
 179      </para>
 180     </listitem>
 181
 182     <listitem>
 183      <para>
 184       Multiple record syntaxes
 185       for data retrieval: GRS-1, SUTRS,
 186       XML, ISO2709 (MARC), etc. Records can be mapped between record syntaxes
 187       and schemas on the fly.
 188      </para>
 189     </listitem>
 190
 191    </itemizedlist>
 192
 193   </para>
 194
 195  </sect1>
 196
 197   <sect1 id="apps">
 198   <title>Applications</title>
 199   <para>
 200    Zebra has been deployed in numerous applications, in both the
 201    academic and commercial worlds, in application domains as diverse
 202    as bibliographic catalogues, geospatial information, structured
 203    vocabulary browsing, government information locators, civic
 204    information systems, environmental observations, museum information
 205    and web indexes.
 206   </para>
 207   <para>
 208    Notable applications include the following:
 209   </para>
 210
 211   <sect2>
 212    <title>DADS - the DTV Article Database Service</title>
 213    <para>
 214     DADS is a huge database of more than ten million records, totalling
 215     over ten gigabytes of data.  The records are metadata about academic
 216     journal articles, primarily scientific; about 10% of these
 217     metadata records link to the full text of the articles they
 218     describe, a body of about a terabyte of information (although the
 219     full text is not indexed.)
 220    </para>
 221    <para>
 222     It allows students and researchers at DTU (Danmarks Tekniske
 223     Universitet, the Technical College of Denmark) to find and order
 224     articles from multiple databases in a single query.  The database
 225     contains literature on all engineering subjects.  It's available
 226     on-line through a web gateway, though currently only to registered
 227     users.
 228    </para>
 229    <para>
 230     More information can be found at
 231     <ulink url="http://www.dtv.dk/help/dads/index_e.htm"/>
 232    </para>
 233   </sect2>
 234
 235   <sect2>
 236    <title>NLI-Z39.50 - a Natural Language Interface for Libraries</title>
 237    <para>
 238     Fernuniversit&#x00E4;t Hagen in Germany have developed a natural
 239     language interface for access to library databases.
 240     <ulink url="http://ki212.fernuni-hagen.de/nli/NLIintro.html"/>
 241     In order to evaluate this interface for recall and precision, they
 242     chose Zebra as the basis for retrieval effectiveness.  The Zebra
 243     server contains a copy of the GIRT database, consisting of more
 244     than 76000 records in SGML format (bibliographic records from
 245     social science), which are mapped to MARC for presentation.
 246    </para>
 247    <para>
 248     (GIRT is the German Indexing and Retrieval Testdatabase.  It is a
 249     standard German-language test database for intelligent indexing
 250     and retrieval systems.  See
 251     <ulink url="http://www.gesis.org/forschung/informationstechnologie/clef-delos.htm"/>)
 252    </para>
 253    <para>
 254     Evaluation will take place as part of the TREC/CLEF campaign 2003
 255     <ulink url="http://clef.iei.pi.cnr.it or http://www4.eurospider.ch/CLEF/"/>
 256    </para>
 257    <para>
 258     For more information, contact Johannes Leveling
 259     <email>Johannes.Leveling@FernUni-Hagen.De</email>
 260    </para>
 261   </sect2>
 262
 263   <sect2>
 264    <title>ULS (Union List of Serials)</title>
 265    <para>
 266     The M25 Systems Team
 267     has created a union catalogue for the periodicals of the
 268     twenty-one constituent libraries of the University of London and
 269     the University of Westminster
 270     (<ulink url="http://www.m25lib.ac.uk/ULS/"/>).
 271     They have achieved this using an
 272     unusual architecture, which they describe as a
 273     ``non-distributed virtual union catalogue''.
 274    </para>
 275    <para>
 276     The member libraries send in data files representing their
 277     periodicals, including both brief bibliographic data and summary
 278     holdings.  Then 21 individual Z39.50 targets are created, each
 279     using Zebra, and all mounted on the single hardware server.
 280     The live service provides a web gateway allowing Z39.50 searching
 281     of all of the targets or a selection of them.  Zebra's small
 282     footprint allows a relatively modest system to comfortably host
 283     the 21 servers.
 284    </para>
 285    <para>
 286     More information can be found at
 287     <ulink url="http://www.m25lib.ac.uk/ULS/"/>
 288    </para>
 289   </sect2>
 290
 291   <sect2>
 292    <title>Various web indexes</title>
 293    <para>
 294     Zebra has been used by a variety of institutions to construct
 295     indexes of large web sites, typically in the region of tens of
 296     millions of pages.  In this role, it functions somewhat similarly
 297     to the engine of google or altavista, but for a selected intranet
 298     or a subset of the whole Web.
 299    </para>
 300    <para>
 301     For example, Liverpool University's web-search facility (see on
 302     the home page at
 303     <ulink url="http://www.liv.ac.uk/"/>
 304     and many sub-pages) works by relevance-searching a Zebra database
 305     which is populated by the Harvest-NG web-crawling software.
 306    </para>
 307    <para>
 308     For more information on Liverpool university's intranet search
 309     architecture, contact John Gilbertson
 310     <email>jgilbert@liverpool.ac.uk</email>
 311    </para>
 312    <para>
 313     Kang-Jin Lee
 314     <email>lee@arco.de</email>,
 315     has recently modified the Harvest web indexer to use Zebra as
 316     its native repository engine.  His comments on the switch over
 317     from the old engine are revealing:
 318     <blockquote>
 319      <para>
 320       The first results after some testing with Zebra are very
 321       promising.  The tests were done with around 220,000 SOIF files,
 322       which occupies 1.6GB of disk space.
 323      </para>
 324      <para>
 325       Building the index from scratch takes around one hour with Zebra
 326       where [old-engine] needs around five hours.  While [old-engine]
 327       blocks search requests when updating its index, Zebra can still
 328       answer search requests.
 329       [...]
 330       Zebra supports incremental indexing which will speed up indexing
 331       even further.
 332      </para>
 333      <para>
 334       While the search time of [old-engine] varies from some seconds
 335       to some minutes depending how expensive the query is, Zebra
 336       usually takes around one to three seconds, even for expensive
 337       queries.
 338       [...]
 339       Zebra can search more than 100 times faster than [old-engine]
 340       and can process multiple search requests simultaneously
 341      </para>
 342      <para>
 343       I am very happy to see such nice software available under GPL.
 344      </para>
 345     </blockquote>
 346    </para>
 347   </sect2>
 348  </sect1>
 349
 350
 351  <sect1 id="support">
 352   <title>Support</title>
 353   <para>
 354    You can get support for Zebra from at least three sources.
 355   </para>
 356   <para>
 357    First, there's the Zebra web site at
 358    <ulink url="http://indexdata.dk/zebra/"/>,
 359    which always has the most recent version available for download.
 360    If you have a problem with Zebra, the first thing to do is see
 361    whether it's fixed in the current release.
 362   </para>
 363   <para>
 364    Second, there's the Zebra mailing list.  Its home page at
 365    <ulink url="http://indexdata.dk/mailman/listinfo/zebralist"/>
 366    includes a complete archive of all messages that have ever been
 367    posted on the list.  The Zebra mailing list is used both for
 368    announcements from the authors (new
 369    releases, bug fixes, etc.) and general discussion.  You are welcome
 370    to seek support there.  Join by sending email to
 371    <email>zebra-request@indexdata.dk</email> with the word
 372    <literal>subscribe</literal> in the body of the message.
 373   </para>
 374   <para>
 375    Third, it's possible to buy a commercial support contract, with
 376    well defined service levels and response times, from Index Data.
 377    See
 378    <ulink url="http://indexdata.dk/support2/"/>
 379    for details.
 380   </para>
 381  </sect1>
 382
 383
 384  <sect1 id="future">
 385   <title>Future Directions</title>
 386
 387   <para>
 388    These are some of the plans that we have for the software in the near
 389    and far future, ordered approximately as we expect to work on them.
 390   </para>
 391
 392   <para>
 393    <itemizedlist>
 394
 395     <listitem>
 396      <para>
 397        Improved support for XML in search and retrieval. Eventually,
 398        the goal is for Zebra to pull double duty as a flexible
 399        information retrieval engine and high-performance XML
 400        repository.  The recent addition of XPath searching is one
 401        example of the kind of enhancement we're working on.
 402      </para>
 403     </listitem>
 404
 405     <listitem>
 406      <para>
 407        Access to the search engine through SOAP/RPC API to allow the
 408        construction of applications without requiring Z39.50 tools.
 409        This will shortly be available by means of Index Data's
 410        SRW-to-Z39.50 gateway, currently in beta test.
 411      </para>
 412     </listitem>
 413
 414     <listitem>
 415      <para>
 416        Finalisation and documentation of Zebra's C programming
 417        API, allowing updates, database management and other functions
 418        not readily expressed in Z39.50.  We will also consider
 419        exposing the API through SOAP.
 420      </para>
 421     </listitem>
 422
 423     <listitem>
 424      <para>
 425        Support for the use of Perl both for access to the Zebra API
 426        and for building extension ``plug-ins'' such as input filters.
 427        The code for this has been contributed to the source tree by
 428        Peter Popovics
 429        <email>pop@technomat.hu</email>,
 430        and is in the process of being integrated and tested.
 431      </para>
 432     </listitem>
 433
 434     <listitem>
 435      <para>
 436        Improved free-text searching. We're first and foremost octet jockeys and
 437        we're actively looking for organisations or people who'd like
 438        to contribute experience in relevance ranking and text
 439        searching.
 440      </para>
 441     </listitem>
 442
 443    </itemizedlist>
 444   </para>
 445
 446   <para>
 447    Programmers thrive on user feedback. If you are interested in a
 448    facility that you don't see mentioned here, or if there's something
 449    you think we could do better, please drop us a mail.  Better still,
 450    implement it and send us the patches.
 451   </para>
 452   <para>
 453    If you think it's all really neat, you're welcome to drop us a line
 454    saying that, too. You can email us on
 455    <email>info@indexdata.dk</email>
 456    or check the contact info at the end of this manual.
 457   </para>
 458
 459  </sect1>
 460 </chapter>
 461  <!-- Keep this comment at the end of the file
 462  Local variables:
 463  mode: sgml
 464  sgml-omittag:t
 465  sgml-shorttag:t
 466  sgml-minimize-attributes:nil
 467  sgml-always-quote-attributes:t
 468  sgml-indent-step:1
 469  sgml-indent-data:t
 470  sgml-parent-document: "zebra.xml"
 471  sgml-local-catalogs: nil
 472  sgml-namecase-general:t
 473  End:
 474  -->