1 00:00:00,000 --> 00:00:11,370 2 00:00:11,370 --> 00:00:12,370 JEFFREY LICHT: Hallo zusammen. 3 00:00:12,370 --> 00:00:13,550 Ich bin Jeffrey Licht. 4 00:00:13,550 --> 00:00:17,890 Und ich bin hier, um Sie über das sprechen Harvard-Bibliothek und Gebäude von morgen 5 00:00:17,890 --> 00:00:20,870 heute Bibliothek, denke ich. 6 00:00:20,870 --> 00:00:23,040 Also der Hintergrund hier, die Tonhöhe für diese Sitzung 7 00:00:23,040 --> 00:00:26,930 ist im wesentlichen, dass es eine Menge der bibliographischen Daten 8 00:00:26,930 --> 00:00:28,400 in den Harvard-Bibliotheken. 9 00:00:28,400 --> 00:00:33,434 Und es gibt eine Möglichkeit, durch einige der Werkzeuge 10 00:00:33,434 --> 00:00:36,350 und ein Projekt, das in der Entwicklung befinden, den Zugang zu den Informationen zu erhalten 11 00:00:36,350 --> 00:00:42,430 und nehmen Sie an Orte, die die Harvard-Bibliothek wird nicht jetzt tun, 12 00:00:42,430 --> 00:00:45,460 machen neue Slideshows mit ihr experimentieren und damit experimentieren. 13 00:00:45,460 --> 00:00:52,413 >> So der Eintrittspunkt in das ist eine API genannt Harvard Bibliothek Wolke, die 14 00:00:52,413 --> 00:00:57,650 ist eine offene Metadaten-Server, was ich jetzt sprechen. 15 00:00:57,650 --> 00:01:02,595 So dass der Hintergrund ist, dass es ein Menge Sachen in der Harvard-Bibliothek. 16 00:01:02,595 --> 00:01:07,150 Wir haben mehr als 13 Millionen bibliographische Aufzeichnungen, Millionen von Bildern, 17 00:01:07,150 --> 00:01:11,090 und Tausende von Findmittel, die sind im wesentlichen Dokumente, welche 18 00:01:11,090 --> 00:01:15,500 Sammlungen, zu sagen, was in ihnen ist, Schachteln von Papieren 19 00:01:15,500 --> 00:01:21,080 und so weiter, die über darstellen eine Million einzelne Dokumente. 20 00:01:21,080 --> 00:01:24,290 Und es gibt auch eine Menge von Informationen, die der Bibliothek 21 00:01:24,290 --> 00:01:28,180 darüber, wie der Inhalt, dass verwendete könnte von Interesse zu Leuten sein 22 00:01:28,180 --> 00:01:32,400 die wollen, um mit ihm zu arbeiten. 23 00:01:32,400 --> 00:01:36,150 >> Also alle Informationen, die Bibliothek Metadaten. 24 00:01:36,150 --> 00:01:39,500 So Metadaten sind Daten über Daten. 25 00:01:39,500 --> 00:01:42,070 Also, wenn wir sprechen die Informationen, die es 26 00:01:42,070 --> 00:01:44,890 durch die Bibliothek zur Verfügung Wolke, die verfügbar ist, 27 00:01:44,890 --> 00:01:47,760 es ist nicht unbedingt die tatsächlichen Dokumente 28 00:01:47,760 --> 00:01:53,060 selbst, nicht notwendigerweise den vollen Text der Bücher oder der Vollbilder, 29 00:01:53,060 --> 00:01:54,890 obwohl das tatsächlich der Fall sein. 30 00:01:54,890 --> 00:01:57,550 Aber es ist wirklich Informationen über die Daten. 31 00:01:57,550 --> 00:02:00,909 >> So können Sie der Katalogisierung denken Informationen, Rufnummern, Themen, 32 00:02:00,909 --> 00:02:02,700 wie viele Kopien der Buch gibt es, was 33 00:02:02,700 --> 00:02:06,380 sind die Ausgaben, was sind die Formate, die Autoren, und so weiter. 34 00:02:06,380 --> 00:02:12,250 So gibt es eine Vielzahl von Informationen über die Informationen in der Sammlung, die, 35 00:02:12,250 --> 00:02:14,400 in sich selbst, ist eine Art von Natur nützlich. 36 00:02:14,400 --> 00:02:19,230 Und obwohl, wenn Sie Dabei gründliche Forschung, 37 00:02:19,230 --> 00:02:25,160 Sie wollen offensichtlich die tatsächliche erhalten Inhalt selbst und schauen Sie sich die Daten, 38 00:02:25,160 --> 00:02:30,140 die Metadaten sinnvoll im Hinblick auf die sowohl die Analyse der Korpus als Ganzes, 39 00:02:30,140 --> 00:02:33,870 wie das, was die Dinge sind in der Sammlung. 40 00:02:33,870 --> 00:02:35,520 Wie sie sich beziehen? 41 00:02:35,520 --> 00:02:39,482 Es hilft Ihnen, wirklich andere Sachen finden, das ist wirklich der Hauptzweck ist. 42 00:02:39,482 --> 00:02:41,190 Der Punkt, der die Metadaten und der Katalog 43 00:02:41,190 --> 00:02:43,230 ist es, Ihnen bei der Suche alle die Informationen, die es 44 00:02:43,230 --> 00:02:46,590 innerhalb der Kollektionen. 45 00:02:46,590 --> 00:02:53,690 >> So ist dies ein Beispiel für die Metadaten für ein Buch in der Bibliothek der Harvard. 46 00:02:53,690 --> 00:02:56,370 Also, es ist da. 47 00:02:56,370 --> 00:02:59,850 Und Sie sehen, es ist tatsächlich mäßig komplex. 48 00:02:59,850 --> 00:03:04,610 Und ein Teil des Wertes der Metadaten in der Harvard-Bibliothek Systems 49 00:03:04,610 --> 00:03:09,320 ist, dass es Art gewesen der durch Katalogisierer gebaut 50 00:03:09,320 --> 00:03:12,720 und von Menschen die Anwendung montiert eine Menge Know-how und Fähigkeiten 51 00:03:12,720 --> 00:03:20,030 und angenommen, dass es im Laufe der Zeit, die einen großen Wert. 52 00:03:20,030 --> 00:03:25,450 >> Also, wenn Sie einen Blick auf diesen Rekord für nehmen Das Kommentierte Alice, können Sie herausfinden 53 00:03:25,450 --> 00:03:32,590 Sie den Titel, der es geschrieben hat, das haben Autor, und all die verschiedenen Themen 54 00:03:32,590 --> 00:03:35,380 welche Personen haben sie in katalogisiert. 55 00:03:35,380 --> 00:03:40,110 Und Sie sehen, gibt es auch in Neben einer Menge guter Informationen 56 00:03:40,110 --> 00:03:42,852 Hier gibt es einige Überschneidungen. 57 00:03:42,852 --> 00:03:45,560 Es gibt eine Menge von Komplexität, die es durch die Metadaten wider 58 00:03:45,560 --> 00:03:46,300 dass Sie haben. 59 00:03:46,300 --> 00:03:50,320 >> So einen Titel dieses Buches ist Alice im Wunderland. 60 00:03:50,320 --> 00:03:53,880 Das ist also eine kommentierte Version dieses Buches. 61 00:03:53,880 --> 00:03:56,380 Aber es ist auch genannt The Annotated Alice, Alice 62 00:03:56,380 --> 00:03:58,570 im Wunderland, weil es ist etwas, was 63 00:03:58,570 --> 00:04:00,430 Martin Gardner schrieb und kommentierte das Buch. 64 00:04:00,430 --> 00:04:03,369 Und es gibt eine Menge Information zu Logik-Puzzles und Dinge 65 00:04:03,369 --> 00:04:05,410 innerhalb von Alice, dass Sie wahrscheinlich nicht wissen, über. 66 00:04:05,410 --> 00:04:07,000 Deshalb sollte man gehen, lesen Sie es. 67 00:04:07,000 --> 00:04:11,940 >> Aber sehen Sie, es gibt viel näher, 68 00:04:11,940 --> 00:04:15,340 einschließlich Kennungen, wenn es erstellt wurde, woher es kam, 69 00:04:15,340 --> 00:04:17,420 im Hinblick auf die Harvard System, und so weiter. 70 00:04:17,420 --> 00:04:20,350 Das ist also eine Probe die Art von Metadaten 71 00:04:20,350 --> 00:04:24,340 dass Sie für ein Buch in sehen können die Sammlung der Harvard-Bibliothek. 72 00:04:24,340 --> 00:04:26,680 >> Das ist etwas ganz anderes. 73 00:04:26,680 --> 00:04:32,610 So gibt es ein System mit dem Namen VIA Harvard, die im Grunde 74 00:04:32,610 --> 00:04:39,990 katalogisiert Bilder und Kunstgegenstände und visuelle Dinge ganz Harvard, 75 00:04:39,990 --> 00:04:44,010 und das Hinzufügen einiger Metadaten zu ihnen klassifiziert sie, 76 00:04:44,010 --> 00:04:49,200 und in einigen Fällen Bereitstellung kleine Vorschaubilder 77 00:04:49,200 --> 00:04:51,250 dass Sie ein zu nehmen sehen, wenn Sie so wollen. 78 00:04:51,250 --> 00:04:54,240 >> So ist dies ein Beispiel für das Metadaten, die Sie für eine Platte haben, 79 00:04:54,240 --> 00:04:57,840 aus, vermutlich, Alice im Wunderland. 80 00:04:57,840 --> 00:05:00,499 Und Sie sehen, es gibt weniger Metadaten hier. 81 00:05:00,499 --> 00:05:02,040 Es ist nur eine andere Art von Objekt. 82 00:05:02,040 --> 00:05:03,425 Und so gibt es weniger Informationen. 83 00:05:03,425 --> 00:05:07,790 >> Sie haben vor allem die Tatsache, dass ein Anruf Anzahl, im wesentlichen, die es geschaffen, - 84 00:05:07,790 --> 00:05:10,410 >> Wir wissen nicht, wann es erstellt wurde. 85 00:05:10,410 --> 00:05:13,320 >> --Und einen Titel. 86 00:05:13,320 --> 00:05:14,300 >> Ein weiteres Beispiel. 87 00:05:14,300 --> 00:05:16,380 Dies ist ein Findbuch. 88 00:05:16,380 --> 00:05:19,030 Es gibt also eine Sammlung von Lewis Carrolls Arbeiten an der Harvard. 89 00:05:19,030 --> 00:05:23,601 Also das beschreibt, was ist in dieser Kollektion. 90 00:05:23,601 --> 00:05:26,100 So hat jemand durchgegangen und durch alle Boxen sah 91 00:05:26,100 --> 00:05:32,220 und katalogisiert sie, da einige Hintergrundinformationen, geschrieben eine Zusammenfassung dessen, was da ist. 92 00:05:32,220 --> 00:05:35,290 Und wenn Sie waren zu sehen weiter auf diese, diese 93 00:05:35,290 --> 00:05:39,620 geht für Seiten und Seiten und Seiten, aber wird Ihnen sagen, 94 00:05:39,620 --> 00:05:41,860 welche Buchstaben und was stammt aus welchen Boxen 95 00:05:41,860 --> 00:05:44,289 durch die gesamte Kollektion bestand. 96 00:05:44,289 --> 00:05:46,330 Aber das ist etwas, dass, wenn Sie an der Harvard sind, 97 00:05:46,330 --> 00:05:50,720 Sie gehen und tatsächlich physisch sehen und, vermutlich, einen Blick auf. 98 00:05:50,720 --> 00:05:53,440 >> Also das ist großartig. 99 00:05:53,440 --> 00:05:54,450 Diese Metadaten nützlich. 100 00:05:54,450 --> 00:05:56,327 Es ist in der Harvard-Bibliothek Systems. 101 00:05:56,327 --> 00:05:58,910 Es gibt Tools online, wo Sie kann gehen und einen Blick auf sie, 102 00:05:58,910 --> 00:05:59,993 und sehen es, und suchen sie. 103 00:05:59,993 --> 00:06:02,810 Und man kann es und Würfel schneiden es in viele verschiedene Möglichkeiten. 104 00:06:02,810 --> 00:06:06,920 >> Aber es ist wirklich nur verfügbar, wenn Sie ein Mensch im Sitzen sind 105 00:06:06,920 --> 00:06:12,600 an Ihren Web-Browser oder etwas oder Telefon und Navigation durch sie. 106 00:06:12,600 --> 00:06:16,730 Es ist nicht in wirklich verfügbar jede Art von einsetzbar Mode 107 00:06:16,730 --> 00:06:19,520 für andere Systeme oder andere Computer zu bedienen, 108 00:06:19,520 --> 00:06:21,500 nicht mit Systemen innerhalb der Harvard Library, 109 00:06:21,500 --> 00:06:24,890 jedoch Systeme in der Außenwelt, nur andere Menschen im Allgemeinen. 110 00:06:24,890 --> 00:06:30,210 Die Frage ist, wie können wir zur Verfügung stellen, um Computer 111 00:06:30,210 --> 00:06:33,560 so dass wir interessanter machen kann Sachen mit sich als nur 112 00:06:33,560 --> 00:06:36,550 Surfen sie uns? 113 00:06:36,550 --> 00:06:39,766 >> Also warum sollten Sie das tun? 114 00:06:39,766 --> 00:06:41,140 Es gibt eine Vielzahl von Möglichkeiten. 115 00:06:41,140 --> 00:06:43,980 Einer ist, dass Sie völlig bauen könnte ein andere Art der Browser- 116 00:06:43,980 --> 00:06:46,962 der Inhalt, der verfügbar ist durch die Harvard-Bibliotheken. 117 00:06:46,962 --> 00:06:48,670 Ich werde Ihnen zeigen, eine später genannt Stacklife, 118 00:06:48,670 --> 00:06:52,440 was eine ganz andere hat nehmen auf der Suche nach Inhalten. 119 00:06:52,440 --> 00:06:54,560 >> Sie könnten eine Empfehlungsmaschine zu bauen. 120 00:06:54,560 --> 00:06:57,955 So Harvard-Bibliothek nicht in der Business zu sagen, wie Sie dieses Buch. 121 00:06:57,955 --> 00:07:01,080 Dann gehen Sie einen Blick auf diese 17 anderen Bücher, die Sie in interessiert sein könnten 122 00:07:01,080 --> 00:07:03,200 oder diese 18 andere Bilder. 123 00:07:03,200 --> 00:07:06,040 Aber sicher konnte ein wertvolles Feature sein. 124 00:07:06,040 --> 00:07:09,272 Und angesichts der Metadaten, kann es möglich, daß zusammen. 125 00:07:09,272 --> 00:07:11,980 Sie können unterschiedliche Bedürfnisse haben in Hinblick auf die Suche im Inhalt, 126 00:07:11,980 --> 00:07:16,200 wie vielleicht trotz der Werkzeuge, zur Verfügung stehen, dass die Bibliothek macht 127 00:07:16,200 --> 00:07:18,450 zur Verfügung, sollten Sie in einer anderen Art und Weise zu suchen 128 00:07:18,450 --> 00:07:21,847 oder Optimierung für einen bestimmten Anwendungsfall, was vielleicht ist es sehr spezialisiert. 129 00:07:21,847 --> 00:07:23,930 Vielleicht gibt es nur wenige Menschen in der Welt, 130 00:07:23,930 --> 00:07:25,846 wollen, um den Inhalt zu suchen auf diese Weise, aber es 131 00:07:25,846 --> 00:07:28,985 wäre toll, wenn wir könnte lassen Sie sie tun. 132 00:07:28,985 --> 00:07:30,860 Es gibt eine Menge von Analytik in wie Menschen 133 00:07:30,860 --> 00:07:33,860 Nutzung der Inhalte, die wirklich sein würde Interessant zu wissen, um herauszufinden, 134 00:07:33,860 --> 00:07:37,280 Welche Bücher, die verwendet werden, was nicht, und so weiter. 135 00:07:37,280 --> 00:07:41,670 Und dann gibt es eine Menge von Möglichkeit zur Integration 136 00:07:41,670 --> 00:07:45,210 mit anderen Informationen, dass da draußen auf dem Netz. 137 00:07:45,210 --> 00:07:46,880 Also haben wir have-- 138 00:07:46,880 --> 00:07:50,260 >> Zum Beispiel hat NPR eine Buchbesprechung Segment 139 00:07:50,260 --> 00:07:53,090 wo sie zu interviewen Autoren über Bücher. 140 00:07:53,090 --> 00:07:56,837 Und so wäre es toll, wenn du Suche nach einem Buch in der Harvard- 141 00:07:56,837 --> 00:07:59,670 Bibliothek, und Sie sagen, OK, es gibt war ein Interview mit dem Autor. 142 00:07:59,670 --> 00:08:00,878 Gehen wir einen Blick auf, dass. 143 00:08:00,878 --> 00:08:05,461 Oder gibt es eine Wikipedia-Seite, wie ein autoritär, wissenschaftliche Referenz 144 00:08:05,461 --> 00:08:07,710 über dieses Buch, dass Sie Vielleicht möchten Sie einen Blick auf zu nehmen. 145 00:08:07,710 --> 00:08:12,600 >> Es sind diese Arten von Quellen im ganzen Web verstreut. 146 00:08:12,600 --> 00:08:16,555 Und ihnen die Zusammenführung könnte ein großer Nutzen sein 147 00:08:16,555 --> 00:08:18,930 um jemanden, der an der Inhalt, der Suche nach etwas. 148 00:08:18,930 --> 00:08:20,180 Aber es ist auch nicht der Art der Sache, du würdest 149 00:08:20,180 --> 00:08:23,205 möchte die Bibliothek verantwortlich zu sein für den Gang nach unten und die Jagd nach 150 00:08:23,205 --> 00:08:25,455 Alle diese unterschiedlichen Quellen und Zusammenstecken 151 00:08:25,455 --> 00:08:28,920 weil sie sich ständig verändernden sind. 152 00:08:28,920 --> 00:08:33,570 Und was sie denken, ist wichtig mai nicht das, was Sie denken, ist wichtig. 153 00:08:33,570 --> 00:08:36,929 >> Und mehr noch, im Grunde gibt es eine Menge Sachen haben wir noch nicht gedacht. 154 00:08:36,929 --> 00:08:42,222 Wenn wir dies eröffnen, mehr Menschen neben einem halben Dutzend oder so, 155 00:08:42,222 --> 00:08:45,174 die an diese Suche auf eine regelmäßigen Basis kann von Ideen denken 156 00:08:45,174 --> 00:08:47,340 und massieren Sie die Daten, und zu tun, was sie wollen mit ihm. 157 00:08:47,340 --> 00:08:49,920 158 00:08:49,920 --> 00:08:54,045 >> Also, dies zu machen, wollen wir Daten für die Welt. 159 00:08:54,045 --> 00:08:55,670 Nun, es gibt ein paar Komplikationen. 160 00:08:55,670 --> 00:08:58,540 Einer ist, dass diese Metadaten ist in verschiedenen Systemen. 161 00:08:58,540 --> 00:09:01,110 Es ist in verschiedenen Formaten. 162 00:09:01,110 --> 00:09:04,719 Es gibt also einige Normalisierung was geschehen muss, 163 00:09:04,719 --> 00:09:08,010 die Normalisierungs wobei der Prozess der bringen die Dinge aus verschiedenen Formaten 164 00:09:08,010 --> 00:09:12,940 und Abbildung auf einem einzigen Format so dass die Felder übereinstimmen. 165 00:09:12,940 --> 00:09:15,160 >> Es gibt einige urheberrechtlichen Beschränkungen. 166 00:09:15,160 --> 00:09:21,010 Seltsamerweise der Katalogeintrag über ein Buch, haftet für Urheberrecht. 167 00:09:21,010 --> 00:09:24,060 Also auch wenn es nur Informationen aus dem Buch stammen, 168 00:09:24,060 --> 00:09:25,330 es ist urheberrechtlich. 169 00:09:25,330 --> 00:09:28,400 Und je nachdem, wer tatsächlich erstellt, dass Metadaten, 170 00:09:28,400 --> 00:09:32,175 kann begrenzt sein, die können sie zu verteilen, wie zu-- 171 00:09:32,175 --> 00:09:33,402 >> Ich weiß nicht. 172 00:09:33,402 --> 00:09:36,110 Es kann oder kann nicht ähnlich zu sein die Situation der Liedtexte, 173 00:09:36,110 --> 00:09:36,610 beispielsweise. 174 00:09:36,610 --> 00:09:38,560 So dass wir alle wissen, wie die Pfannen aus. 175 00:09:38,560 --> 00:09:40,450 Sie müssen also um diese Problem zu erhalten. 176 00:09:40,450 --> 00:09:44,910 >> Und dann noch ein Stück ist, , dass es eine Menge von Daten. 177 00:09:44,910 --> 00:09:52,420 Also, wenn ich bin jemand, der arbeiten will mit den Daten oder hat eine coole Idee, 178 00:09:52,420 --> 00:09:55,350 die sich mit 14 Millionen Aufzeichnungen auf meinem Laptop 179 00:09:55,350 --> 00:09:57,487 problematisch sein könnte und schwierig zu verwalten. 180 00:09:57,487 --> 00:09:59,320 So verkleinern möchten wir die Barrieren für Menschen 181 00:09:59,320 --> 00:10:02,130 in der Lage sein, mit den Daten zu arbeiten. 182 00:10:02,130 --> 00:10:07,880 >> So ist die Vorgehensweise, die hoffentlich Adressen all dieser Bedenken ist aus zwei Teilen. 183 00:10:07,880 --> 00:10:11,770 One ist eine Plattform, die statt Daten aus all diesen unterschiedlichen Quellen 184 00:10:11,770 --> 00:10:14,350 und verschärft es, normalisiert, bereichert und Marken 185 00:10:14,350 --> 00:10:16,650 es ist in einer einzigen Lage. 186 00:10:16,650 --> 00:10:20,950 Und es macht es verfügbar durch eine öffentliche API, die Menschen nennen kann. 187 00:10:20,950 --> 00:10:24,430 >> So ein API ist ein Application Programming Interface. 188 00:10:24,430 --> 00:10:28,930 Und es im Grunde bezieht sich auf ein Endpunkt, die ein System oder eine Technologie 189 00:10:28,930 --> 00:10:31,720 können anrufen und erhalten Daten zurück in ein strukturiertes Format, in einer Weise, 190 00:10:31,720 --> 00:10:32,900 dass es verwendet werden kann. 191 00:10:32,900 --> 00:10:36,060 Es ist also nicht angewiesen los auf eine Website 192 00:10:36,060 --> 00:10:37,970 und Kratzen Daten aus davon, zum Beispiel. 193 00:10:37,970 --> 00:10:40,690 194 00:10:40,690 --> 00:10:45,010 >> Das ist also die Startseite die Bibliothek Wolke Artikel API, 195 00:10:45,010 --> 00:10:47,220 die im Wesentlichen der Fassung zwei. 196 00:10:47,220 --> 00:10:50,130 So ist es die zweite Iteration versuchen, alle diese Daten zu machen 197 00:10:50,130 --> 00:10:53,280 verfügbar in der Welt. 198 00:10:53,280 --> 00:10:59,560 So ist es http://api.lib.harvard.edu/v2/items. 199 00:10:59,560 --> 00:11:03,830 Und nur um diese abzubauen etwas, was das bedeutet 200 00:11:03,830 --> 00:11:06,115 ist, dass diese Version zwei des API. 201 00:11:06,115 --> 00:11:08,490 Es gibt eine Version ein, die Ich werde nicht darüber zu sprechen. 202 00:11:08,490 --> 00:11:09,750 Aber es gibt eine Version ein. 203 00:11:09,750 --> 00:11:14,740 >> Und wenn Sie anrufen dies API, sind Sie immer Einzelteile. 204 00:11:14,740 --> 00:11:20,640 Und ein Teil der Idee, ein API ist eine API ist ein Vertrag. 205 00:11:20,640 --> 00:11:23,440 Es ist etwas, das ist nicht ändern. 206 00:11:23,440 --> 00:11:24,850 So zum Beispiel, - 207 00:11:24,850 --> 00:11:27,410 >> Und der Grund dafür ist, dass, wenn ich bauen eine Art von System, 208 00:11:27,410 --> 00:11:33,210 wird sich eine Bibliothek Cloud API Bücher zu zeigen oder den Menschen helfen, zu finden 209 00:11:33,210 --> 00:11:36,190 Informationen auf einzigartige Weise, was wir nicht wollen, zu geschehen 210 00:11:36,190 --> 00:11:38,940 ist für uns zu gehen, ändern, wie dass API funktioniert, und auf einmal 211 00:11:38,940 --> 00:11:41,340 Alles bricht auf den Endverbraucher Seite. 212 00:11:41,340 --> 00:11:46,710 So Teil, wenn Sie machen API sind erhältlich auf die Welt, ist es 213 00:11:46,710 --> 00:11:49,396 gute Praxis, ein setzen Versionsnummer es so Menschen 214 00:11:49,396 --> 00:11:51,020 wissen, welche Version sie es zu tun. 215 00:11:51,020 --> 00:11:54,300 >> Also, wenn wir entscheiden, finden wir einen besseren Weg, der Bereitstellung dieser Informationen, 216 00:11:54,300 --> 00:11:57,295 wir könnten das ändern nennen diese Version drei. 217 00:11:57,295 --> 00:11:59,920 So dass jeder, der noch mit Version zwei, das wird immer noch funktionieren. 218 00:11:59,920 --> 00:12:03,490 Aber Version drei würde haben alle die neue Slideshows erstellt. 219 00:12:03,490 --> 00:12:06,680 220 00:12:06,680 --> 00:12:09,210 >> Also das ist eine API, aber das sieht wirklich wie ein URL. 221 00:12:09,210 --> 00:12:11,680 Und was ist dies ein Beispiel ist das, was 222 00:12:11,680 --> 00:12:16,615 genannt Rest-API, die zur Verfügung steht über nur eine gewöhnliche Web-Verbindung. 223 00:12:16,615 --> 00:12:19,680 Und Sie können sogar gehen, um es in einem Browser. 224 00:12:19,680 --> 00:12:28,550 >> Also hier habe ich gerade Firefox geöffnet und um api.lib.harvard.edu/v2/items gegangen. 225 00:12:28,550 --> 00:12:31,560 Und was ich hier im Grunde die erste Seite 226 00:12:31,560 --> 00:12:34,740 der Ergebnisse des gesamten Set von Elementen, die wir haben. 227 00:12:34,740 --> 00:12:37,460 Und es ist hier, im XML-Format. 228 00:12:37,460 --> 00:12:40,130 229 00:12:40,130 --> 00:12:42,210 Und es ist auch von Firefox verschönert. 230 00:12:42,210 --> 00:12:45,850 Es muss nicht wirklich alle diese wenig ausdehnen und zusammenziehen 231 00:12:45,850 --> 00:12:47,880 doohickeys hier. 232 00:12:47,880 --> 00:12:52,520 Dies ist eine Art von einem schöneren Version Weg um es zu betrachten. 233 00:12:52,520 --> 00:12:57,040 >> Aber was diese sagt uns ist Ich habe Sie alle Einzelteile angefordert. 234 00:12:57,040 --> 00:13:03,120 So gibt es 13.289.475 Artikel. 235 00:13:03,120 --> 00:13:06,150 Und ich freue mich auf den ersten 10, beginnend an Position Null 236 00:13:06,150 --> 00:13:09,760 weil in der Informatik wir beginnen immer bei Null. 237 00:13:09,760 --> 00:13:15,150 Und was ich hier habe, wenn ich nur zusammenbrechen Diese werden Sie sehen, habe ich 10 Stück bekommen. 238 00:13:15,150 --> 00:13:20,410 239 00:13:20,410 --> 00:13:25,210 >> Und wenn ich in einem Artikel einen Blick, ich kann zu sehen, dass ich über es. 240 00:13:25,210 --> 00:13:27,400 Und das ist in so genannte MODS Form. 241 00:13:27,400 --> 00:13:30,860 Und so werde ich wechseln wieder hier für einen Moment. 242 00:13:30,860 --> 00:13:33,750 OK. 243 00:13:33,750 --> 00:13:37,447 >> Lassen Sie uns also die Suche nach etwas spezifische, weil das erste Element, 244 00:13:37,447 --> 00:13:40,030 passiert zu kommen, wenn man sich durch die gesamte Kollektion 245 00:13:40,030 --> 00:13:41,750 ist per definitionem, zufällig. 246 00:13:41,750 --> 00:13:44,550 Also schauen wir uns für einige Donuts. 247 00:13:44,550 --> 00:13:46,830 Oh. 248 00:13:46,830 --> 00:13:49,190 >> OK. 249 00:13:49,190 --> 00:13:49,940 So Donuts. 250 00:13:49,940 --> 00:13:55,360 So fanden wir es 80 Objekte in die Sammlung, die Donuts zu verweisen. 251 00:13:55,360 --> 00:13:57,150 Wir sind auf den ersten 10 von ihnen suchen. 252 00:13:57,150 --> 00:14:01,890 Nun, sehen Sie hier die Art und Weise, dass Ich sagte, ich interessiere mich für Donuts, 253 00:14:01,890 --> 00:14:04,400 Ich habe gerade etwas hinzugefügt, um die Abfragezeichenfolge der URL. 254 00:14:04,400 --> 00:14:09,680 So q gleich Donuts, die Sie sehen ein wenig mehr einfach hier. 255 00:14:09,680 --> 00:14:12,131 >> Und das bedeutet im Grunde gibt es eine Spezifikation für die API, die 256 00:14:12,131 --> 00:14:13,880 definiert, was alle Diese Parameter bedeuten. 257 00:14:13,880 --> 00:14:17,150 Und das bedeutet, dass wir zu gehen Suche alles für Donuts. 258 00:14:17,150 --> 00:14:24,910 >> Also den ersten Punkt haben wir hier Sie sehen, der Titel ist Donuts, 259 00:14:24,910 --> 00:14:29,310 und es gibt ein Untertitel genannte Ein Amerikanische Leidenschaft, das ist, denke ich, 260 00:14:29,310 --> 00:14:31,610 angemessen. 261 00:14:31,610 --> 00:14:36,134 Es gibt eine Menge von different-- 262 00:14:36,134 --> 00:14:38,050 Sobald Sie auf den Punkt des Erhaltens der Daten, 263 00:14:38,050 --> 00:14:41,020 Es gibt viele verschiedene Formate, können Sie es in zu erhalten. 264 00:14:41,020 --> 00:14:44,050 Und es gibt verschiedene Stärken und Schwächen für sie alle. 265 00:14:44,050 --> 00:14:49,000 Also in diesem Fall, können Sie sehen, Hier ist diese Form sehr reich. 266 00:14:49,000 --> 00:14:51,946 Und es ist standardisiert. 267 00:14:51,946 --> 00:14:55,040 >> Es gibt also eine bestimmte Titel Feld, ein Untertitel-Feld. 268 00:14:55,040 --> 00:14:58,950 Es gibt eine alternative Titel, Eine amerikanische Leidenschaft. 269 00:14:58,950 --> 00:15:01,650 Es ist der Name zugeordnet. 270 00:15:01,650 --> 00:15:03,120 Art der Ressource ist Text. 271 00:15:03,120 --> 00:15:06,070 Es gibt eine Menge von Informationen hier in diesem Format. 272 00:15:06,070 --> 00:15:09,480 >> Aber es gibt eine Reihe von verschiedenen Formaten. 273 00:15:09,480 --> 00:15:11,920 Also, was wir gerade waren Blick auf ein Format 274 00:15:11,920 --> 00:15:17,700 genannt MODS ist die Abkürzung Metadaten Objekt Beschreibung Service, 275 00:15:17,700 --> 00:15:18,250 möglicherweise. 276 00:15:18,250 --> 00:15:23,030 Eigentlich bin ich nicht ganz sicher über die S. Aber es ist eine ziemlich komplexe Format. 277 00:15:23,030 --> 00:15:24,240 Es ist das Standardformat. 278 00:15:24,240 --> 00:15:30,260 >> Aber es ist die eine, die hält der Reichtum aller Daten 279 00:15:30,260 --> 00:15:33,820 dass die Bibliothek durch es ist ganz in der Nähe, was 280 00:15:33,820 --> 00:15:35,110 die Bibliothek intern verwendet. 281 00:15:35,110 --> 00:15:39,030 Es ist ein Standard, der ist im ganzen Land verwendet wird, 282 00:15:39,030 --> 00:15:40,944 auf der ganzen Welt in wissenschaftlichen Bibliotheken. 283 00:15:40,944 --> 00:15:42,110 Und es ist sehr kompatibel. 284 00:15:42,110 --> 00:15:44,852 Also, wenn Sie ein Dokument haben dh in MODS Format, 285 00:15:44,852 --> 00:15:47,560 Sie können das an jemand weitergeben deren Systeme zu verstehen, MODS, 286 00:15:47,560 --> 00:15:48,518 und sie können es zu importieren. 287 00:15:48,518 --> 00:15:50,840 So ist es ein Standard. 288 00:15:50,840 --> 00:15:54,250 Es ist sehr gut definiert, sehr spezifisch. 289 00:15:54,250 --> 00:15:58,980 Und das ist, was es ermöglicht interoperabel, weil, wenn jemand sagt: 290 00:15:58,980 --> 00:16:04,930 dies ist die alternative Bezeichnung a Rekord, jeder weiß, was das bedeutet. 291 00:16:04,930 --> 00:16:07,740 Auf der anderen Seite ist es sehr kompliziert. 292 00:16:07,740 --> 00:16:13,160 >> Also, wenn Sie einen Blick zu nehmen bei hier dieser Platte 293 00:16:13,160 --> 00:16:15,320 Wenn ich will nur das bekommen Titel des Dokumentes, 294 00:16:15,320 --> 00:16:21,150 dieses Buches, das ist wahrscheinlich Donuts, Eine amerikanische Leidenschaft, Parsen es heraus 295 00:16:21,150 --> 00:16:22,940 ist ein wenig beteiligt. 296 00:16:22,940 --> 00:16:27,380 Während es gibt eine andere Format namens Dublin Core, 297 00:16:27,380 --> 00:16:29,730 was eine viel, viel einfacheres Format. 298 00:16:29,730 --> 00:16:33,764 >> Und so sehen Sie hier, gibt es keinen Titel, Untertitel, alternative Titel. 299 00:16:33,764 --> 00:16:35,930 Es ist nur der Titel, Donuts, An American Leidenschaft, 300 00:16:35,930 --> 00:16:38,780 und ein weiterer Titel, American Leidenschaft. 301 00:16:38,780 --> 00:16:42,907 Also, wenn Sie in welcher Form suchen Sie wollen, um die Daten aus der bekommen, 302 00:16:42,907 --> 00:16:44,740 viel hängt davon ab, wie du gehst, es zu benutzen. 303 00:16:44,740 --> 00:16:46,573 Verwenden Sie für Interoperabilität oder haben Sie 304 00:16:46,573 --> 00:16:49,970 wollen etwas einfach, dass vielleicht leichter zu handhaben sein? 305 00:16:49,970 --> 00:16:56,002 >> Auf der anderen Seite, eine Menge von der Details erhalten irgendwie gequetscht unten. 306 00:16:56,002 --> 00:16:58,460 Sie können die Nuancen zu verlieren was ein bestimmtes Feld Mittel 307 00:16:58,460 --> 00:17:02,960 wenn Sie mit Dublin Core zu tun haben, die Sie nicht mit MODS bekommen. 308 00:17:02,960 --> 00:17:06,462 Das sind also zwei der Formate Sie aus dem API bekommen können. 309 00:17:06,462 --> 00:17:08,920 Und im Grunde halten wir es hinter den Kulissen in MODS. 310 00:17:08,920 --> 00:17:14,179 Aber wir können Sie es in MODS geben kann und Dublin Core und alles andere als gut. 311 00:17:14,179 --> 00:17:16,470 Die andere Überlegung bei der Sie in der Daten suchen 312 00:17:16,470 --> 00:17:21,210 ist, können Sie es entweder als JSON, erhalten die steht für JavaScript Object Notation, 313 00:17:21,210 --> 00:17:24,720 oder XML ist die Abkürzung Extensible Markup Language. 314 00:17:24,720 --> 00:17:30,080 Und diese Datendarstellungen sowohl genau die gleichen Daten, genau 315 00:17:30,080 --> 00:17:31,080 die gleichen Felder. 316 00:17:31,080 --> 00:17:33,644 Aber sie sind nur syntaktisch anders. 317 00:17:33,644 --> 00:17:40,401 >> Das ist also a-- 318 00:17:40,401 --> 00:17:41,400 Nun, lassen Sie uns einfach wechseln. 319 00:17:41,400 --> 00:17:47,490 Das ist also unsere Anfrage nach Donuts im XML-Format. 320 00:17:47,490 --> 00:17:53,470 Wenn ich nur wechseln diese zu JSON zu sein, Ich sehe es anders aus. 321 00:17:53,470 --> 00:17:58,580 So, jetzt ist der gleiche Inhalt, aber eine andere Struktur. 322 00:17:58,580 --> 00:18:00,080 Es gibt weniger spitzen Klammern. 323 00:18:00,080 --> 00:18:02,530 Es gibt weniger ausführlich. 324 00:18:02,530 --> 00:18:06,440 >> Und dies ist ein Format, das, wenn Sie werden in der Web-Umgebung arbeiten, 325 00:18:06,440 --> 00:18:09,680 Sie sind am ehesten an, weil man verwenden möchten 326 00:18:09,680 --> 00:18:12,630 der nette Dinge über JSON es ist mit JavaScript kompatibel. 327 00:18:12,630 --> 00:18:17,680 Also, wenn ich schreibe Web-App, ziehe ich kann in JSON und nur mit ihm zu arbeiten direkt. 328 00:18:17,680 --> 00:18:20,187 Während bei XML, ist es eine etwas mehr kompliziert. 329 00:18:20,187 --> 00:18:21,520 Also noch einmal, das sind sowohl nützlich. 330 00:18:21,520 --> 00:18:26,387 Sie sind nur verschiedene Anwendungsfälle wo die Menschen wünschen konnte, sie zu benutzen. 331 00:18:26,387 --> 00:18:26,886 OK. 332 00:18:26,886 --> 00:18:29,810 333 00:18:29,810 --> 00:18:31,680 Also zurück zum API. 334 00:18:31,680 --> 00:18:32,900 So können wir for-- suchen 335 00:18:32,900 --> 00:18:36,220 >> Ich gebe ein Beispiel Suche nach Donuts. 336 00:18:36,220 --> 00:18:39,330 Wir können auch nur in einer Suche bestimmten Bereich innerhalb hier. 337 00:18:39,330 --> 00:18:41,310 Also statt suchen der gesamte Datensatz, 338 00:18:41,310 --> 00:18:43,870 Ich kann nur die Suche der Titelfeld. 339 00:18:43,870 --> 00:18:48,810 Und jetzt gibt es 25 Dinge, haben Donuts in den Titel, von denen einer 340 00:18:48,810 --> 00:18:52,430 geht es um die Wiederherstellung Feuchtgebiete in Management 341 00:18:52,430 --> 00:18:54,990 des Loches in der Donut Programm, das ist wahrscheinlich 342 00:18:54,990 --> 00:18:58,970 nicht unbedingt das, was wir suchen für, wenn wir für Donuts suchen. 343 00:18:58,970 --> 00:19:02,790 344 00:19:02,790 --> 00:19:05,490 >> Sie können auch, wenn Sie unterwegs sind Umgang mit einem API-- 345 00:19:05,490 --> 00:19:08,827 >> Ein Teil der mit einer API geben Menschen Zugang zu großen Datenmengen. 346 00:19:08,827 --> 00:19:11,410 Und es gibt ein anderes Paar Werkzeuge, die Sie verwenden können, um das zu tun. 347 00:19:11,410 --> 00:19:14,170 Einer ist, sehr einfach, Sie blättern durch die Daten. 348 00:19:14,170 --> 00:19:17,340 So, als ob Sie eine Abfrage zu tun über ein Webinterface, 349 00:19:17,340 --> 00:19:19,470 Sie sind auf Seite aussehen, Seite zwei, Seite drei. 350 00:19:19,470 --> 00:19:22,040 Sie können das gleiche tun, was über die API. 351 00:19:22,040 --> 00:19:24,150 Sie brauchen nur zu sein explizit wie Sie es tun. 352 00:19:24,150 --> 00:19:29,511 >> So zum Beispiel, wenn ich bin auf der Suche bei hier meine erste Abfrage, 353 00:19:29,511 --> 00:19:32,510 wo ich eine Suche nach Dingen mit Donuts in den Titel, kann ich sagen, 354 00:19:32,510 --> 00:19:35,415 und Grenze beträgt 20, was bedeutet, gib mir die ersten 20 Datensätze nicht 355 00:19:35,415 --> 00:19:38,540 der erste 10, der Standardwert ist, denn ich will bei 20 zu einer Zeit zu suchen. 356 00:19:38,540 --> 00:19:43,435 Oder ich kann sagen, stellen die beginnen gleich 20 und Grenze 357 00:19:43,435 --> 00:19:47,150 gleich 20, die geben mich zeichnet 21 bis 40. 358 00:19:47,150 --> 00:19:52,680 >> Also ich denke, das Ding hier nehmen ist 359 00:19:52,680 --> 00:19:57,290 dass wir mit den Abfrage-Strings die Parameter für die Abfrage festlegen. 360 00:19:57,290 --> 00:20:02,760 Und es können Sie die Kontrolle was man bekommt zurück. 361 00:20:02,760 --> 00:20:05,980 >> Ein weiteres Werkzeug, das Sie verwenden können, - 362 00:20:05,980 --> 00:20:09,250 >> Und das ist sehr hilfreich bei der Bezug auf die Erkundung der Daten. 363 00:20:09,250 --> 00:20:10,840 >> --is so genannte Facettenschliff. 364 00:20:10,840 --> 00:20:15,530 So ist der Begriff Facettierung nicht unbedingt üblich. 365 00:20:15,530 --> 00:20:16,880 Aber Sie haben alle zuvor gesehen. 366 00:20:16,880 --> 00:20:18,630 Wenn Sie ein Blick in Amazon zum Beispiel 367 00:20:18,630 --> 00:20:20,870 und Sie eine Suche nach tun Donuts in die Bücher, 368 00:20:20,870 --> 00:20:27,080 hier haben sie eine Reihe von Bücher bekam, und sie sind nach Kategorien gruppiert, 369 00:20:27,080 --> 00:20:30,470 und Sie erhalten die verschiedenen Kategorien, und wie viele Bücher in jeder Kategorie 370 00:20:30,470 --> 00:20:31,330 angezeigt. 371 00:20:31,330 --> 00:20:33,420 >> Das ist also im Grunde eine Facette. 372 00:20:33,420 --> 00:20:37,570 Sie nehmen alle ihre Bücher, die 1800 Bücher, die Donuts Auf Amazon entsprechen. 373 00:20:37,570 --> 00:20:39,820 12 von ihnen sind in der Frühstück Kategorie. 374 00:20:39,820 --> 00:20:43,100 21 in Gebäck und Backen, und so weiter und so fort. 375 00:20:43,100 --> 00:20:47,670 >> Also das ist wirklich eine nützliche Werkzeug für die Erkundung der Inhalte 376 00:20:47,670 --> 00:20:53,260 innerhalb der Bibliothek als auch denn wenn man an einer Facette aussehen, 377 00:20:53,260 --> 00:20:56,520 es gibt Ihnen eine Vorstellung davon, welche Themen vorhanden ist, wie das, was Arten von Motiven 378 00:20:56,520 --> 00:20:58,510 am beliebtesten sind in Ihrer Anfrage-Set. 379 00:20:58,510 --> 00:21:00,950 Und es hilft beim Anfahren und beim erkunden. 380 00:21:00,950 --> 00:21:02,770 So können wir das Gleiche zu tun. 381 00:21:02,770 --> 00:21:05,940 >> Wenn wir das nutzen wollen API und Blick auf Facetten, 382 00:21:05,940 --> 00:21:08,950 wir einen weiteren Parameter hinzufügen unser Freund, der Query-String. 383 00:21:08,950 --> 00:21:12,540 So Facetten entspricht einem Komma getrennt Liste dessen, was wir zu Facette möchten. 384 00:21:12,540 --> 00:21:14,790 So eine der Facetten könnte Thema sein. 385 00:21:14,790 --> 00:21:16,565 Eine andere Sprache sein kann. 386 00:21:16,565 --> 00:21:19,665 Und so, wenn wir führen Sie diese Abfrage, get-- wir 387 00:21:19,665 --> 00:21:23,372 388 00:21:23,372 --> 00:21:24,830 Es sieht ziemlich gleich hier. 389 00:21:24,830 --> 00:21:29,010 Aber wir haben bis zum Ende aufgenommen der Liste eine Reihe von Facetten. 390 00:21:29,010 --> 00:21:34,060 So haben wir eine Facette namens Thema. 391 00:21:34,060 --> 00:21:40,250 Also das sagt uns, dass, wenn ich sehen auf meine 80 ergibt sich aus der Donut-Abfrage, 392 00:21:40,250 --> 00:21:42,100 13 von ihnen haben die werfen USA. 393 00:21:42,100 --> 00:21:43,684 Drei haben die Gegenstand Donuts. 394 00:21:43,684 --> 00:21:45,600 Drei haben das Thema der Renaturierung von Feuchtgebieten, 395 00:21:45,600 --> 00:21:47,720 die unser Loch im Donut sein können. 396 00:21:47,720 --> 00:21:51,780 Zwei von ihnen, die Simpsons, und so weiter und so fort. 397 00:21:51,780 --> 00:21:59,211 >> So kann dies sinnvoll, wenn Sie wollen Ihre Suche einzugrenzen. 398 00:21:59,211 --> 00:22:00,210 Es kann Ihnen helfen, das zu tun. 399 00:22:00,210 --> 00:22:03,580 Besonders, wenn Sie mehr als, sagen wir, 80 Ergebnisse. 400 00:22:03,580 --> 00:22:05,980 >> Ebenso wir auch gefragt, für Facetten auf Sprache. 401 00:22:05,980 --> 00:22:14,790 Also, wenn wir auf unsere Ergebnisse sehen wir, 76 von ihnen sind in Englisch, vier in Französisch, 402 00:22:14,790 --> 00:22:19,620 zwei in Spanien, zwei, ich denke, das ist undefiniert oder unbekannt, Niederländisch und Latein. 403 00:22:19,620 --> 00:22:22,830 Also ich denke, das lateinische Donut Ergebnis wieder 404 00:22:22,830 --> 00:22:24,922 hat nichts mit Backwaren zu tun. 405 00:22:24,922 --> 00:22:25,630 Aber Sie gehen. 406 00:22:25,630 --> 00:22:31,420 407 00:22:31,420 --> 00:22:38,630 >> Also das ist eine Art, die Sie wie Sie die Inhalte zurückziehen 408 00:22:38,630 --> 00:22:41,270 von der API nur durch Web-Browser, was ausgezeichnet ist. 409 00:22:41,270 --> 00:22:44,320 Aber es ist nicht wirklich das, was würden Sie, Verwendung in API für es normalerweise sein. 410 00:22:44,320 --> 00:22:48,710 So ein Beispiel, wie Sie könnte tatsächlich tun ist Ich habe 411 00:22:48,710 --> 00:22:54,720 geschrieben ein super kleines Programm, die, einmal hat mein Krapfen Suche 412 00:22:54,720 --> 00:22:59,010 und wählt ein paar Felder und zeigt sie in einer Tabelle. 413 00:22:59,010 --> 00:23:01,610 Also das ist sehr, die elben Inhalte, die wir gerade 414 00:23:01,610 --> 00:23:04,830 Säge mit ein paar Feldern herausgezogen. 415 00:23:04,830 --> 00:23:12,090 So Liste der Titel, die Lage von dem, was das Buch 416 00:23:12,090 --> 00:23:15,120 geht es um die Sprache, und so weiter und so fort. 417 00:23:15,120 --> 00:23:20,480 >> So, wie diese tatsächlich passiert ist, da Ich denke, wir müssen zu einem bestimmten Code aussehen, 418 00:23:20,480 --> 00:23:22,420 ist-- 419 00:23:22,420 --> 00:23:28,060 >> Was wir hier haben ist eine einfache HTML Seite, der den Text anzeigt, 420 00:23:28,060 --> 00:23:32,900 willkommen in Bibliothek Wolke und dann wird eine Tabelle der Ergebnisse. 421 00:23:32,900 --> 00:23:37,790 Und es gibt offensichtlich keine Ergebnisse für die Tabelle, wenn die Seite geladen wird. 422 00:23:37,790 --> 00:23:41,380 Aber was wir tun ist, vor allem, wir 423 00:23:41,380 --> 00:23:46,290 Laden einer Bibliothek mit dem Namen jQuery, das ist im Grunde 424 00:23:46,290 --> 00:23:52,030 eine JavaScript-Bibliothek, die es macht sehr leicht zu manipulieren JavaScript 425 00:23:52,030 --> 00:23:58,780 nativ, HTML und Webseiten erstellen, Client-seitige Logik und Webseiten. 426 00:23:58,780 --> 00:24:01,595 >> Also, was wir hier haben, ist jQuery hat eine Methode namens Get, 427 00:24:01,595 --> 00:24:05,270 die im Wesentlichen wird zu gehen eine URL, die, in diesem Fall 428 00:24:05,270 --> 00:24:09,070 ist dieses bekannte suchen URL. 429 00:24:09,070 --> 00:24:14,440 Und erhalten dann die Inhalte aus dass URL und führen Sie dann eine Funktion auf sie. 430 00:24:14,440 --> 00:24:19,240 Also sagten wir zu api.lib.harvard / edu. 431 00:24:19,240 --> 00:24:20,060 Suche nach Donuts. 432 00:24:20,060 --> 00:24:21,300 Geben Sie uns 20 Datensätzen. 433 00:24:21,300 --> 00:24:28,590 Und führen Sie dann diese Funktion, die Ich habe gewählt und übergibt die Daten. 434 00:24:28,590 --> 00:24:34,430 Und die Daten der JSON, dass wurde von der API zurückgegeben. 435 00:24:34,430 --> 00:24:40,120 >> Und dann werden wir sagen, dass in Daten gibt es ein Feld mit dem Namen Element. 436 00:24:40,120 --> 00:24:48,117 Und wenn ich hing werfen Sie einen Blick zurück auf eines dieser Ergebnisse, die hier ist, 437 00:24:48,117 --> 00:24:49,200 es gibt etwas called-- 438 00:24:49,200 --> 00:24:50,220 >> Nun, es ist Punkt genannt. 439 00:24:50,220 --> 00:24:53,520 So daß sein, dass. 440 00:24:53,520 --> 00:25:01,840 Und was sie tut, ist es durchläuft jedes Element 441 00:25:01,840 --> 00:25:05,300 und ruft dann eine andere -Funktion für jedes Element. 442 00:25:05,300 --> 00:25:08,440 Und diese Funktion im Grunde nimmt den Wert 443 00:25:08,440 --> 00:25:12,010 der Artikel, die ist im Wesentlichen die einzelnen Datensatz 444 00:25:12,010 --> 00:25:18,220 und ermöglicht es uns, den Titel herausziehen, die Berichterstattung und die Sprache. 445 00:25:18,220 --> 00:25:21,640 >> Also haben wir eine Funktion auf jeden Anruf Artikel, die wir von der API zurückkamen. 446 00:25:21,640 --> 00:25:25,397 Und wenn Sie nur einen Blick bei gleich hier dieses Stück, 447 00:25:25,397 --> 00:25:27,230 was wir tun ist schaffen wir einen String, 448 00:25:27,230 --> 00:25:31,810 die im Wesentlichen einige HTML-Markup an einem Tisch, mit value.title, 449 00:25:31,810 --> 00:25:35,790 das ist der Titel der Objekt, value.coverage, 450 00:25:35,790 --> 00:25:36,790 welche die Abdeckung ist, - 451 00:25:36,790 --> 00:25:38,225 >> Und wir tun, einen Scheck hier, um zu sehen, wer ist undefined 452 00:25:38,225 --> 00:25:40,570 und es zu verbergen, wenn er sagt, nicht definiert ist, weil wir nicht wirklich daran interessiert, 453 00:25:40,570 --> 00:25:41,600 dass. 454 00:25:41,600 --> 00:25:42,939 >> --und dann ist die Sprache. 455 00:25:42,939 --> 00:25:44,730 Und dann, was wir sind Dabei wird angehängt, dass 456 00:25:44,730 --> 00:25:48,510 auf die Tabelle, die ist durch diese Zeichenfolge hier identifiziert. 457 00:25:48,510 --> 00:25:50,790 Und wie jQuery funktioniert ist, was dieser sagt, 458 00:25:50,790 --> 00:25:56,420 wird für die Tabelle mit Idee aussehen Ergebnisse und fügen Sie diesen Text, um ihn. 459 00:25:56,420 --> 00:25:59,380 Und dies ist die Tabelle mit Idee Ergebnisse. 460 00:25:59,380 --> 00:26:04,998 Also, was Sie am Ende mit ist diese Seite hier. 461 00:26:04,998 --> 00:26:06,206 Und um zu sehen source-- 462 00:26:06,206 --> 00:26:11,310 463 00:26:11,310 --> 00:26:13,810 Nun, das ist nicht die Quelle tatsächlich aktualisiert, wenn das passiert. 464 00:26:13,810 --> 00:26:18,740 So können Sie die tatsächliche sehen Ergebnisse der Tabelle hier aber. 465 00:26:18,740 --> 00:26:24,770 >> Also das ist nur ein einfaches Beispiel macht einen sehr einfachen Abfrage für die API 466 00:26:24,770 --> 00:26:29,020 und Anzeigen von Information in anderer zu bilden, und nichts zu extravagant nicht zu tun. 467 00:26:29,020 --> 00:26:36,370 Nun ist ein weiteres Beispiel dafür, wie ein Anwendung von David Weinberger geschrieben 468 00:26:36,370 --> 00:26:39,120 als Demo davon, welche Wesentlichen zeigt Ihnen 469 00:26:39,120 --> 00:26:44,620 wie Sie mash up die Ergebnisse Sie immer aus der Bibliothek Cloud API 470 00:26:44,620 --> 00:26:46,250 mit, sagen wir, Google Books. 471 00:26:46,250 --> 00:26:52,225 >> Und der Gedanke dabei ist, dass ich kann, eine Abfrage gegen Google Books, 472 00:26:52,225 --> 00:26:56,060 erhalten eine Volltextsuche, bekommen einige Ergebnisse zurück, um herauszufinden, welche dieser Elemente 473 00:26:56,060 --> 00:27:01,180 tatsächlich in Hollis gibt, das Bibliothekssystem, 474 00:27:01,180 --> 00:27:03,200 und dann geben Sie mir Links zurück auf die Güter. 475 00:27:03,200 --> 00:27:12,730 Also, wenn ich nach, war es eine dunkle und stürmische Nacht, ich 476 00:27:12,730 --> 00:27:16,210 wieder ein paar Ergebnisse von Google, und dann ein Ergebnis 477 00:27:16,210 --> 00:27:19,460 was Gefangene der Zeit. 478 00:27:19,460 --> 00:27:29,330 Und das sind Links, Bücher, die es gibt in der Harvard-Bibliothek Systems. 479 00:27:29,330 --> 00:27:32,160 >> Also ich denke, der Punkt ist hier nicht so dass diese möglicherweise nicht 480 00:27:32,160 --> 00:27:34,118 ist die Art und Weise, die Sie wollen um die Bibliothek zu suchen, 481 00:27:34,118 --> 00:27:38,310 es ist aber ein völlig anderer Weise, die nicht für Sie war, 482 00:27:38,310 --> 00:27:42,884 vor, wie Sie hatte keine Möglichkeit, dies zu tun Volltextsuche für Bücher, die auch 483 00:27:42,884 --> 00:27:44,550 waren Teil der Harvard-Bibliothek Systems. 484 00:27:44,550 --> 00:27:46,870 So, jetzt ist dies ein Weg, dass Sie das tun. 485 00:27:46,870 --> 00:27:51,930 Und Sie können sie in Anzeigen welchem ​​Format auch immer Sie wollen. 486 00:27:51,930 --> 00:27:55,990 Der Punkt hier ist, im Grunde, wir eröffnen neue Möglichkeiten für die Menschen 487 00:27:55,990 --> 00:27:59,080 mit den Daten arbeiten. 488 00:27:59,080 --> 00:28:07,925 >> Ein weiteres Stück der Bibliothek ist, dass Cloud- es hilft aussetzen einige der Nutzungsdaten 489 00:28:07,925 --> 00:28:08,800 dass die Bibliothek. 490 00:28:08,800 --> 00:28:12,630 Also, wenn Sie in die Bibliothek gehen, und Sie für Bücher suchen, 491 00:28:12,630 --> 00:28:15,770 Sie nicht unbedingt tun, eigentlich eine Vorstellung davon haben, 492 00:28:15,770 --> 00:28:19,080 für alle Gegenstände in einem bestimmten Thema, was 493 00:28:19,080 --> 00:28:21,200 sind die Menschen in der Gemeinschaft, sei es 494 00:28:21,200 --> 00:28:24,890 definiert als Harvard oder Land oder Ihre Klasse, 495 00:28:24,890 --> 00:28:26,421 was haben sie am nützlichsten? 496 00:28:26,421 --> 00:28:28,920 Und die Bibliothek hat eigentlich ein Unmenge an Informationen über das, was 497 00:28:28,920 --> 00:28:32,999 ist besonders nützlich, da, wenn viele Menschen erkundest gerade ein Buch, 498 00:28:32,999 --> 00:28:34,040 Sie erzählt etwas. 499 00:28:34,040 --> 00:28:36,498 Es muss einen Grund haben, sie wollen, check it out. 500 00:28:36,498 --> 00:28:38,270 Eine Menge Leute es auf Reserve. 501 00:28:38,270 --> 00:28:42,520 >> Wenn es auf der Reserveliste für viele von Klassen, die Sie erzählt etwas. 502 00:28:42,520 --> 00:28:45,960 Wenn Mitglieder der Fakultät sind es überprüfen aus viel und Studenten sind nicht, 503 00:28:45,960 --> 00:28:47,200 das sagt mir etwas. 504 00:28:47,200 --> 00:28:49,280 Umgekehrt, die auch sagt etwas. 505 00:28:49,280 --> 00:28:54,680 So wäre es wirklich interessant zu sein bringe diese Informationen da draußen und lassen 506 00:28:54,680 --> 00:28:59,969 Leute benutzen es, um sie zu finden arbeitet innerhalb des Bibliothekssystems. 507 00:28:59,969 --> 00:29:02,260 Die Kehrseite davon ist, gibt es einige ernsthafte Privatsphäre 508 00:29:02,260 --> 00:29:07,854 Bedenken, weil eine der Kernaspekte der Bibliothek 509 00:29:07,854 --> 00:29:10,770 wird wir werden nicht zu erzählen Menschen, was andere Leute lesen. 510 00:29:10,770 --> 00:29:17,360 Und selbst wenn Sie sagen, diese Buch wurde viermal geprüft 511 00:29:17,360 --> 00:29:20,070 in einem bestimmten Monat, angewandt werden könnten 512 00:29:20,070 --> 00:29:25,252 bis zu einem bestimmten Link zurück Person, die von De-Anonymisierungs Daten 513 00:29:25,252 --> 00:29:26,710 und herauszufinden, wer es ausgecheckt. 514 00:29:26,710 --> 00:29:30,792 So ist die Art, wie wir können avoid-- 515 00:29:30,792 --> 00:29:33,750 Die Art und Weise, dass wir versuchen, zu extrahieren einige Signal von allen Informationen, 516 00:29:33,750 --> 00:29:36,740 ohne Verletzung Bedenken hinsichtlich der Privatsphäre jedermanns 517 00:29:36,740 --> 00:29:42,150 ist im Wesentlichen betrachten wir 10 Jahre Nutzungsdaten - 518 00:29:42,150 --> 00:29:43,930 >> So ist es über einen langen Zeitraum. 519 00:29:43,930 --> 00:29:50,639 >> --und sagen, OK, mal sehen, wie oft diese Arbeit verwendet wurde, 520 00:29:50,639 --> 00:29:52,930 und durch die in diesem Zeitraum der Zeit, und dann im Grunde 521 00:29:52,930 --> 00:29:56,300 zurück zu geben eine Reihe, die wir als ein Stapel der Gäste, die im Wesentlichen 522 00:29:56,300 --> 00:29:59,910 steht, wie viel es verwendet. 523 00:29:59,910 --> 00:30:01,084 Und das number-- 524 00:30:01,084 --> 00:30:03,250 Viele verschiedene Berechnungen gehen Sie in dieser Zahl. 525 00:30:03,250 --> 00:30:05,150 --Aber es ist eine sehr grobe Metrik, die Ihnen 526 00:30:05,150 --> 00:30:11,300 eine Vorstellung davon, wie die Community kann diese Arbeit zu schätzen wissen. 527 00:30:11,300 --> 00:30:16,772 >> Und so eine andere Art von selbst Weitere Anwendungs ​​konkretisiert 528 00:30:16,772 --> 00:30:18,480 dass nutzt Dies ist etwas, 529 00:30:18,480 --> 00:30:24,000 genannt Stacklife, die eigentlich durch den Haupt Harvard verfügbar 530 00:30:24,000 --> 00:30:24,880 Bibliotheksportal. 531 00:30:24,880 --> 00:30:26,700 Sie gehen also zu library.harvard.edu. 532 00:30:26,700 --> 00:30:29,360 Sie werden eine Reihe von verschiedenen sehen Arten der Suche des Bibliothek. 533 00:30:29,360 --> 00:30:32,300 Und einer von ihnen heißt Stacklife. 534 00:30:32,300 --> 00:30:38,980 >> Und dies ist eine Anwendung, durchsucht den Inhalt der Bibliothek, 535 00:30:38,980 --> 00:30:43,490 aber komplett gebaut wird An der Spitze dieser APIs. 536 00:30:43,490 --> 00:30:46,910 Also gibt es keine spezielle Sachen hinter den Kulissen. 537 00:30:46,910 --> 00:30:49,570 Es gibt keinen Zugang zu Daten, die Sie nicht haben. 538 00:30:49,570 --> 00:30:54,090 Es ist mit den APIs, um Ihnen mit einem völlig anderen Browsing 539 00:30:54,090 --> 00:30:55,480 Erfahrung. 540 00:30:55,480 --> 00:30:58,570 >> Also, wenn ich nach Alice im Wunderland in diesem Fall, 541 00:30:58,570 --> 00:31:02,600 Ich bekomme ein Ergebnis, das wie folgt aussieht Dieses, das ist ziemlich much-- ist 542 00:31:02,600 --> 00:31:05,430 543 00:31:05,430 --> 00:31:10,870 >> Es ist sehr ähnlich zu einem anderen Such Sie tun könnte, außer in diesem Fall 544 00:31:10,870 --> 00:31:15,730 wir Ranking die Einzelteile durch stackscore, die Ihnen 545 00:31:15,730 --> 00:31:19,850 eine Vorstellung davon, wie beliebt diese Artikel waren in der Gemeinschaft. 546 00:31:19,850 --> 00:31:25,610 Und so klar, Alice im Wunderland von Walt Disney ist sehr beliebt. 547 00:31:25,610 --> 00:31:36,570 Aber Sie können auch die ersten vier Hier sind diejenigen, die Sie nicht actually-- könnten 548 00:31:36,570 --> 00:31:39,220 >> Dinge, die stark verwendet werden, aber Sie können nicht sofort 549 00:31:39,220 --> 00:31:41,240 Verbindung mit Alice im Wunderland. 550 00:31:41,240 --> 00:31:44,650 Also unser alter Freund der Kommentierte Alice ist hier. 551 00:31:44,650 --> 00:31:46,350 So kann ich einen Blick auf sie zu nehmen. 552 00:31:46,350 --> 00:31:52,010 Und nun, was ich suche in ist im Grunde ein Set von-- 553 00:31:52,010 --> 00:31:53,760 Ich kann die kommentierte haben Alice hier richtig. 554 00:31:53,760 --> 00:31:56,700 Ich habe Informationen über sie. 555 00:31:56,700 --> 00:32:00,230 Und ich habe auch eine stackscore von in diesem Fall 26. 556 00:32:00,230 --> 00:32:03,169 Und das sagt mir irgendwie grob wie wir auf diese stackscore bekam, 557 00:32:03,169 --> 00:32:05,835 wie, die es ausgecheckt, wie, wie oft ist es ausgecheckt wurde, 558 00:32:05,835 --> 00:32:08,440 wie Fakultät oder under, wie viele Kopien der Bibliothek, 559 00:32:08,440 --> 00:32:11,300 und so weiter und so fort. 560 00:32:11,300 --> 00:32:16,460 >> Und Sie können auch, interessant genug, hier praktisch einige der Stacks. 561 00:32:16,460 --> 00:32:19,550 So werden die Daten hier, diese zeigt Ihnen sort 562 00:32:19,550 --> 00:32:23,547 einer virtuellen Darstellung von dem, was im Regal Macht 563 00:32:23,547 --> 00:32:25,880 aussehen, wenn Sie zu treffen waren alle Bestand der Bibliothek 564 00:32:25,880 --> 00:32:28,940 und sie zusammen auf einer unendlichen Regal. 565 00:32:28,940 --> 00:32:30,990 Und das Schöne daran ist, dass wir can-- 566 00:32:30,990 --> 00:32:33,380 >> Zunächst wird die Metadaten über diese Bücher 567 00:32:33,380 --> 00:32:35,627 oft zeigt an, wann es veröffentlicht wurde. 568 00:32:35,627 --> 00:32:37,085 Hier erfahren Sie, wie viele Seiten es hat. 569 00:32:37,085 --> 00:32:38,459 Es könnte die Abmessungen sagen. 570 00:32:38,459 --> 00:32:42,930 So können Sie sehen, das ist hier reflektiert in Bezug auf die Größe der Bücher. 571 00:32:42,930 --> 00:32:46,740 >> Und dann können wir das nutzen stapeln Partitur zu markieren 572 00:32:46,740 --> 00:32:49,170 die Bücher, die höhere Stapel Partituren haben. 573 00:32:49,170 --> 00:32:54,930 So dass, wenn es dunkler ist, bedeutet dies, dass, sie vermutlich häufiger verwendet wird. 574 00:32:54,930 --> 00:32:57,040 Also in diesem Fall, ich bin werde zu erraten, dass diese 575 00:32:57,040 --> 00:33:03,226 ist die Version von Alice im Wunderland Das ist sehr häufig verwendet und die meisten 576 00:33:03,226 --> 00:33:05,100 zugegriffen wird, die Bibliothek hat die meisten Kopien. 577 00:33:05,100 --> 00:33:06,975 Also, wenn Sie suchen, für Alice im Wunderland, 578 00:33:06,975 --> 00:33:10,220 dies könnte ein guter Anfang sein. 579 00:33:10,220 --> 00:33:13,500 >> Und hier können Sie auch eine Verbindung aus zu sagen, Amazon, das Buch zu kaufen, 580 00:33:13,500 --> 00:33:15,182 und so weiter und so fort. 581 00:33:15,182 --> 00:33:17,140 Der Punkt hier wieder ist nicht so sehr, dass diese 582 00:33:17,140 --> 00:33:25,030 ist der beste Weg, um die Bibliothek zu durchsuchen oder das richtige Werkzeug für jede Gelegenheit. 583 00:33:25,030 --> 00:33:28,400 Aber es ist eine andere Art, es zu tun. 584 00:33:28,400 --> 00:33:31,359 Und indem der Daten durch eine API zur Verfügung, 585 00:33:31,359 --> 00:33:34,650 ist von sehr einfachen Bausteinen, der Sie den Inhalt durchsuchen können, 586 00:33:34,650 --> 00:33:39,420 Sie können etwas zu bauen so dass 587 00:33:39,420 --> 00:33:41,520 außerordentlich wertvoll für einige Menschen. 588 00:33:41,520 --> 00:33:46,640 589 00:33:46,640 --> 00:33:51,860 >> Also das ist eine Art, so viel wie ich will um wirklich über das, was die neue API geradezu sagen 590 00:33:51,860 --> 00:33:56,070 und was es macht, es gibt eine ganze Haufen Zeug hinter den Kulissen, die 591 00:33:56,070 --> 00:33:59,480 Ich werde einfach zu kurz berühren nur weil es eine Art kommt in diesen 592 00:33:59,480 --> 00:34:03,720 aus einem ganz anderen Blickwinkel in Bedingungen Wie funktioniert so etwas wie dieses 593 00:34:03,720 --> 00:34:04,580 in Platz gesetzt werden? 594 00:34:04,580 --> 00:34:10,820 >> So eine API ist eine Standard- Schnittstelle, um alle diese Inhalte. 595 00:34:10,820 --> 00:34:13,820 Aber um es dort, die erhalten erste, was wir tun mussten, 596 00:34:13,820 --> 00:34:17,260 Informationen wurde an einem Strang ziehen Bücher und Bilder 597 00:34:17,260 --> 00:34:21,580 und die Findmittel, die Sammlung Dokument aus verschiedenen Harvard-Systeme. 598 00:34:21,580 --> 00:34:23,929 Aleph, VIA und OASIS sind die Namen der Systeme. 599 00:34:23,929 --> 00:34:28,820 Und sie im wesentlichen in eine gehen Pipeline, eine Verarbeitungspipeline. 600 00:34:28,820 --> 00:34:33,230 >> Also zunächst einmal, den Export erhalten wir Dateien von allen diesen Systemen. 601 00:34:33,230 --> 00:34:35,130 Wir teilen sie in einzelne Elemente. 602 00:34:35,130 --> 00:34:39,360 Wir haben also eine Datei, die ein Gigabyte ist, die hat eine Million Datensätze in es. 603 00:34:39,360 --> 00:34:42,290 So teilen wir es in einzelne Elemente. 604 00:34:42,290 --> 00:34:45,374 Dann wird für jeden Artikel, konvertieren wir in MODS, weil einige von ihnen 605 00:34:45,374 --> 00:34:47,040 sind nativ MODS, sind einige von ihnen nicht. 606 00:34:47,040 --> 00:34:49,204 Sie alle, so kommen wir zu werden in dem gleichen Format. 607 00:34:49,204 --> 00:34:51,120 Dann gibt es verschiedene Anreicherungsschritten, wobei 608 00:34:51,120 --> 00:34:55,969 wir weitere Informationen zu der Daten hinzufügen als verfügbar war in der Bibliothek. 609 00:34:55,969 --> 00:34:59,750 Also müssen wir in erster Linie hinzuzufügen, wir haben, was Bibliotheken halten. 610 00:34:59,750 --> 00:35:02,250 Wir gehen durch einen Schritt des Berechnung der stackscore. 611 00:35:02,250 --> 00:35:07,112 Wir gehen durch einen anderen Schritt des Hinzufügen weiterer Metadaten in Bezug auf 612 00:35:07,112 --> 00:35:10,730 von dem, was Menschen Kollektionen könnte this-- hinzugefügt haben 613 00:35:10,730 --> 00:35:12,532 >> Menschen schaffen Sammlungen von Gegenständen. 614 00:35:12,532 --> 00:35:13,990 Was bedeutet es für Sammlungen gehören? 615 00:35:13,990 --> 00:35:17,220 Wie haben die Menschen getaggt dieser Inhalt in der Vergangenheit? 616 00:35:17,220 --> 00:35:20,750 Dann können Sie herausfiltern, und Sie zu beschränken die Aufzeichnungen, denn, wie ich bereits erwähnt, 617 00:35:20,750 --> 00:35:24,120 es gibt einige Datensätze, die aufgrund Copyright-Gründen können wir nicht an. 618 00:35:24,120 --> 00:35:26,700 Und dann haben wir sie zu laden in so genannten 619 00:35:26,700 --> 00:35:31,680 Solr, das ist nicht ein Rechtschreibfehler, aber ist der Name einer Software 620 00:35:31,680 --> 00:35:35,710 das tut Suchindizierung, die fährt alle Such hinter der API. 621 00:35:35,710 --> 00:35:40,110 Und dann wird es zur Verfügung die API, und die Leute können es verwenden. 622 00:35:40,110 --> 00:35:44,640 >> Also das ist wie eine ziemlich einfacher Prozess. 623 00:35:44,640 --> 00:35:47,230 Eine der interessant Dinge über sie ist 624 00:35:47,230 --> 00:35:50,990 dass wir es zu tun mit 13 Millionen Datensätzen 625 00:35:50,990 --> 00:35:53,820 und wir werden zu tun haben oder mehr. 626 00:35:53,820 --> 00:36:01,260 Und wir in der Lage zu handhaben sein wollen dies in einem relativ schnellen Weise. 627 00:36:01,260 --> 00:36:03,630 Es dauert eine lange Zeit, verarbeiten 13 Millionen Datensätzen. 628 00:36:03,630 --> 00:36:09,529 >> So, wie diese Pipeline eingerichtet ist, dass Sie can-- 629 00:36:09,529 --> 00:36:12,070 Ich denke, der Vorteil der Pipeline, das Problem, daß wir 630 00:36:12,070 --> 00:36:15,580 versuchen, hier zu lösen, besteht darin, dass alle Transformationen, all 631 00:36:15,580 --> 00:36:18,729 diese Schritte in diese Pipeline trennbar sind. 632 00:36:18,729 --> 00:36:19,645 Es gibt keine Abhängigkeit. 633 00:36:19,645 --> 00:36:22,146 Wenn Sie die Bearbeitung sind eine Aufzeichnung von einem Buch, 634 00:36:22,146 --> 00:36:24,270 es gibt keine Abhängigkeit in dass zwischen einem anderen Buch. 635 00:36:24,270 --> 00:36:27,760 >> Also, was wir tun können, ist im Grunde, bei jeder Stufe in der Pipeline, 636 00:36:27,760 --> 00:36:30,470 wir setzen es in eine Warteschlange in der Cloud. 637 00:36:30,470 --> 00:36:32,250 Ich war gerade auf Amazon Web Services sein. 638 00:36:32,250 --> 00:36:35,140 Es gibt also eine Liste von, sagen, dass 10.000 Artikel 639 00:36:35,140 --> 00:36:38,100 müssen normalisiert werden sollen, und um MODS-Format konvertiert. 640 00:36:38,100 --> 00:36:41,620 Und wir spin up so viele Server wie wir wollen, vielleicht 10 Servern. 641 00:36:41,620 --> 00:36:44,860 Und jedem dieser Server nur dasitzt, sieht in der Warteschlange, 642 00:36:44,860 --> 00:36:46,730 sieht, dass es eine, die benötigt verarbeitet werden, zieht es aus der Warteschlange, 643 00:36:46,730 --> 00:36:48,740 verarbeitet sie und Stöcke es auf die nächste Warteschlange. 644 00:36:48,740 --> 00:36:54,200 >> Und so was, dass uns erlaubt zu tun ist, gelten im Wesentlichen wissen, 645 00:36:54,200 --> 00:36:58,110 so viel Hardware wie wir wollen, dies Problem für eine sehr kurze Zeitdauer 646 00:36:58,110 --> 00:37:02,970 um die Daten so schnell wie verarbeiten möglich, das etwas ist, dass nur, 647 00:37:02,970 --> 00:37:08,220 jetzt in der Welt des Cloud Computing wir können Bereitstellung Server wesentlichen 648 00:37:08,220 --> 00:37:09,890 sofort, also sinnvoll. 649 00:37:09,890 --> 00:37:12,260 So haben wir nicht ein Baby haben Riesen-Server sitzen 650 00:37:12,260 --> 00:37:16,700 die ganze Zeit die verarbeitete dass vielleicht nur einmal pro Woche geschehen. 651 00:37:16,700 --> 00:37:21,440 >> Das ist also meistens ist es. 652 00:37:21,440 --> 00:37:27,590 Es gibt Unterlagen verfügbar für die Bibliothek Wolke Artikel API 653 00:37:27,590 --> 00:37:31,960 unter dieser URL, die wird werden später zur Verfügung. 654 00:37:31,960 --> 00:37:36,730 Und besuchen Sie bitte einen Blick auf um zu sehen, ob es etwas gibt, 655 00:37:36,730 --> 00:37:37,579 Sie haben alle mögliche Ideen. 656 00:37:37,579 --> 00:37:38,120 Spielen Sie mit ihm. 657 00:37:38,120 --> 00:37:38,830 Herumtollen. 658 00:37:38,830 --> 00:37:42,800 Und hoffentlich kommen kann mit etwas groß. 659 00:37:42,800 --> 00:37:44,740 Danke. 660 00:37:44,740 --> 00:37:45,899