Přeskočit obsah

CDK

Česká digitální knihovna (CDK) je centrální agregační a přístupová vrstva nad více nezávislými instancemi systému Kramerius.

CDK není úložiště digitálních dat. Funguje jako:

  • indexační vrstva
  • vyhledávací platforma
  • federovaný přístupový bod k obsahu

Zdrojové knihovny zůstávají plně autonomní a uchovávají digitální objekty.

Zakladni diagram

Zakladni diagram

CDK aggregacni model

Agregacni model

Komponenty

CDK se skládá z následujících hlavních komponent:

CDK Worker

Komponenta, která:

  • spouští asynchronní procesy
  • řídí Migration plugin
  • plánuje inkrementální aktualizace indexu

Migration Plugin

Asynchronní indexační proces, který:

  • běží v CDK prostředí
  • je spouštěn CDK Workerem
  • přistupuje ke zdrojovým knihovnám přes Kramerius API
  • provádí:
    • export metadat
    • transformaci dat
    • indexaci do CDK Solru

Migration je opakovaný proces (incremental synchronization).

CDK Kramerius Runtime

Runtime vrstva CDK, která:

  • zajišťuje vyhledávání a přístup k obsahu
  • zpracovává uživatelské požadavky
  • načítá digitální obsah ze zdrojových knihoven přes API

Central Solr

Centrální vyhledávací index CDK:

  • obsahuje metadata všech připojených knihoven
  • neobsahuje plné digitální objekty
  • je aktualizován Migration procesem

Keycloak (CDK)

Autentizační a autorizační vrstva CDK:

  • správa uživatelů
  • řízení přístupů
  • integrace s externími identity providery

Responsibility model

Architektura CDK je postavena na jasném oddělení odpovědností:

CDK odpovídá za:

  • agregaci metadat
  • indexaci
  • vyhledávání
  • řízení přístupu k obsahu

Source libraries odpovídají za:

  • uchovávání digitálních objektů
  • poskytování API
  • autentizovaný přístup k obsahu

CDK nevlastní digitální data.

Integration model

Integrace mezi CDK a zdrojovými knihovnami je realizována přes:

Kramerius API

Jednotné rozhraní pro:

  • metadata retrieval
  • strukturu dokumentů
  • digitální obsah (stránky, obrazy, PDF)

Protected channel model

Zdrojová knihovna se po konfiguraci stává tzv. protected channel:

  1. knihovna vygeneruje API klíč
  2. tento klíč je uložen v konfiguraci CDK
  3. CDK používá tento klíč pro:
    • Migration procesy
    • runtime přístup k obsahu

Protected channel je tedy:

konfigurační stav zdrojové knihovny umožňující autentizovaný přístup z CDK

Data flows

Migration flow (indexace)

  1. CDK Worker spustí Migration plugin
  2. Migration se připojí ke zdrojovým knihovnám přes API
  3. použije API klíč (protected channel)
  4. stáhne metadata a strukturu dokumentů
  5. transformuje data
  6. uloží je do Central Solr

Výsledkem je centrální index CDK.

Runtime flow (uživatelský přístup)

  1. uživatel provede dotaz v CDK
  2. CDK Kramerius vyhodnotí výsledek ze Solru
  3. při otevření dokumentu:
    • CDK identifikuje zdrojovou knihovnu
    • provede API request přes protected channel
    • načte digitální obsah
  4. obsah je streamován zpět uživateli

Key architectural properties

1. Decoupling storage and indexing

CDK neobsahuje digitální úložiště, pouze indexuje a zprostředkovává přístup.

2. API-first integration

Veškerá komunikace se zdrojovými knihovnami probíhá přes Kramerius API.

3. Secure federation model

Přístup je řízen pomocí API klíčů (protected channels).

4. Asynchronous indexing

Indexace je oddělená od runtime přístupu a probíhá batchově.