跳到主要内容
戴尔 PowerScale 是一款企业级横向扩展存储系统，托管行业领先的 OneFS 文件系统，可在本地部署或云端部署。 此文档加载器利用 PowerScale 的独特功能，可确定自应用程序上次运行以来已修改的文件，并仅返回已修改的文件进行处理。这将消除重新处理（分块和嵌入）未更改文件的需要，从而改进整体数据摄取工作流程。 此加载器需要启用 PowerScale 的 MetadataIQ 功能。更多信息可在我们的 GitHub 仓库中找到：https://github.com/dell/powerscale-rag-connector

​
概览

​
集成详情

类别包本地可序列化JS 支持
PowerScaleDocumentLoaderpowerscale-rag-connector✅❌❌
PowerScaleUnstructuredLoaderpowerscale-rag-connector✅❌❌

​
加载器功能

来源文档延迟加载原生异步支持
PowerScaleDocumentLoader✅✅
PowerScaleUnstructuredLoader✅✅

​
设置

此文档加载器需要使用已启用 MetadataIQ 的戴尔 PowerScale 系统。更多信息可在我们的 github 页面找到：https://github.com/dell/powerscale-rag-connector

​
安装

文档加载器位于外部 pip 包中，可以使用标准工具安装 
pip install -qU  powerscale-rag-connector

​
初始化

现在我们可以实例化文档加载器

​
通用文档加载器

我们的通用文档加载器可以以下列方式从 PowerScale 增量加载所有文件 
from powerscale_rag_connector import PowerScaleDocumentLoader

loader = PowerScaleDocumentLoader(
    es_host_url="http://elasticsearch:9200",
    es_index_name="metadataiq",
    es_api_key="your-api-key",
    folder_path="/ifs/data",
)

​
非结构化加载器

或者，可以使用 PowerScaleUnstructuredLoader 来定位已更改的文件并自动处理这些文件，生成源文件的元素。这是通过 LangChain 的 UnstructuredLoader 类完成的。 
from powerscale_rag_connector import PowerScaleUnstructuredLoader

# Or load files with the Unstructured Loader
loader = PowerScaleUnstructuredLoader(
    es_host_url="http://elasticsearch:9200",
    es_index_name="metadataiq",
    es_api_key="your-api-key",
    folder_path="/ifs/data",
    # 'elements' mode splits the document into more granular chunks
    # Use 'single' mode if you want the entire document as a single chunk
    mode="elements",
)
字段
  • es_host_url 是 MetadataIQ Elasticsearch 数据库的端点
  • es_index_index 是 PowerScale 写入其文件系统元数据的索引名称
  • es_api_key 是您的 elasticsearch API 密钥的编码版本
  • folder_path 是 PowerScale 上要查询更改的路径

​
加载

在内部，所有代码都是与 PowerScale 和 MetadataIQ 异步的，加载和惰性加载方法将返回一个 python 生成器。我们建议使用惰性加载功能。 
for doc in loader.load():
    print(doc)

[Document(page_content='' metadata={'source': '/ifs/pdfs/1994-Graph.Theoretic.Obstacles.to.Perfect.Hashing.TR0257.pdf', 'snapshot': 20834, 'change_types': ['ENTRY_ADDED']}),
Document(page_content='' metadata={'source': '/ifs/pdfs/New.sendfile-FreeBSD.20.Feb.2015.pdf', 'snapshot': 20920, 'change_types': ['ENTRY_MODIFIED']}),
Document(page_content='' metadata={'source': '/ifs/pdfs/FAST-Fast.Architecture.Sensitive.Tree.Search.on.Modern.CPUs.and.GPUs-Slides.pdf', 'snapshot': 20924, 'change_types': ['ENTRY_ADDED']})]

​
返回对象

两个文档加载器都将跟踪以前返回给应用程序的文件。当再次调用时，文档加载器将只返回自上次运行以来的新文件或已修改文件。
  • 返回的 Document 中的 metadata 字段将返回 PowerScale 上包含已修改文件的路径。您将使用此路径通过 NFS（或 S3）读取数据并在应用程序中处理数据（例如：创建分块和嵌入）。
  • source 字段是 PowerScale 上的路径，不一定在您的本地系统上（取决于您的挂载策略）；OneFS 将整个存储系统表示为以 /ifs 为根的单个树。
  • change_types 属性将告知您自上次以来发生了哪些更改 - 例如：新增、修改或删除。
您的 RAG 应用程序可以使用 change_types 中的信息来添加、更新或删除您的分块和向量存储中的条目。 当使用 PowerScaleUnstructuredLoader 时，page_content 字段将填充来自非结构化加载器的数据。

​
延迟加载

在内部，所有代码都是与 PowerScale 和 MetadataIQ 异步的，加载和惰性加载方法将返回一个 python 生成器。我们建议使用惰性加载功能。 
for doc in loader.lazy_load():
    print(doc)  # do something specific with the document
返回的 Document 与加载函数相同，并具有上述所有相同属性。

​
其他示例

更多示例和代码可在我们的公共 github 网页找到：https://github.com/dell/powerscale-rag-connector/tree/main/examples，其中提供了完整的可运行示例。

​
API 参考

有关所有 PowerScale 文档加载器功能和配置的详细文档，请访问 github 页面：https://github.com/dell/powerscale-rag-connector/
在 GitHub 上编辑此页面源文件。
以编程方式连接这些文档到 Claude、VSCode 等，通过 MCP 获取实时答案。
© . This site is unofficial and not affiliated with LangChain, Inc.