apache/manifoldcf Docker 镜像 - 轩辕镜像 | Docker 镜像高效稳定拉取服务

Apache ManifoldCF Docker镜像文档

1. 镜像概述

Apache ManifoldCF（简称MCF）是Apache软件基金会旗下的开源企业级内容整合框架，旨在解决企业中分散在不同系统的内容（文档、数据、媒体等）难以统一检索的问题。通过标准化的连接器生态，ManifoldCF能够无缝对接多源内容仓库与搜索引擎，构建从内容采集、转换到索引的完整工作流，为企业提供跨系统内容整合与高效检索能力。

2. 核心功能与特性

2.1 多源内容连接能力

• 支持丰富的内容源连接器：文件系统（本地目录、SMB/CIFS共享）、数据库（JDBC兼容）、内容管理系统（Alfresco、SharePoint）、版本控制系统（Subversion、Git）等。
• 提供内容抽取与转换工具，支持文本、元数据提取及格式标准化。

2.2 搜索引擎集成

• 原生支持Apache Solr，可直接将处理后内容索引至Solr集群。
• 支持扩展至Elasticsearch等其他搜索引擎（通过自定义输出连接器）。

2.3 灵活的工作流管理

• 支持增量同步、全量同步及定时任务调度，降低系统资源消耗。
• 提供工作流监控与错误重试机制，保障内容同步可靠性。

2.4 可扩展性与定制化

• 模块化架构设计，支持自定义连接器开发，适配特定业务系统。
• 提供REST API与Java SDK，支持与外部系统集成及自动化运维。

2.5 可视化管理界面

• 内置Web管理控制台，提供直观的连接器配置、工作流定义及任务监控功能。
• 支持配置导出/导入，便于环境迁移与备份。

3. 使用场景与适用范围

3.1 企业内容管理系统（ECM）

整合分散在文件服务器、SharePoint、Alfresco中的文档，统一索引至Solr，实现跨平台内容检索。

3.2 内部文档检索平台

为企业知识库、技术文档、规章制度建立集中检索入口，提升员工信息获取效率。

3.3 电商产品信息索引

连接产品数据库、图片服务器、用户评价系统，整合商品数据并索引至搜索引擎，支持电商平台商品搜索。

3.4 媒体资源管理

处理视频、音频元数据及字幕文件，结合内容特征提取工具构建媒体资源检索系统。

4. 使用方法与配置说明

4.1 Docker部署示例

4.1.1 基本测试环境部署

使用内置H2数据库启动容器（适合功能验证）：

bash
docker run -d \
  --name manifoldcf \
  -p 8345:8345 \
  apache/manifoldcf:latest

4.1.2 生产环境部署（持久化配置+外部数据库）

挂载数据卷保存配置，使用MySQL数据库（推荐生产环境）：

bash
docker run -d \
  --name manifoldcf \
  -p 8345:8345 \
  -v /opt/manifoldcf/data:/opt/manifoldcf/data \
  -e MCF_DB_TYPE=mysql \
  -e MCF_DB_HOST=mysql-server \
  -e MCF_DB_PORT=3306 \
  -e MCF_DB_NAME=manifoldcf \
  -e MCF_DB_USER=dbuser \
  -e MCF_DB_PASSWORD=dbpass \
  apache/manifoldcf:latest

4.2 环境变量配置说明

4.3 基本使用流程

1. 访问管理控制台
   容器启动后，通过 http://<主机IP>:8345/manifoldcf 访问Web界面（默认 credentials：admin/admin）。

2. 配置内容源连接器

   • 导航至 Connectors > Add Connector，选择内容源类型（如"File System Connector"）。
   • 配置连接参数（如文件系统路径、包含/排除规则、元数据提取策略）。

3. 配置搜索引擎输出

   • 导航至 Output Connections > Add Output Connection，选择"Solr Output Connection"。
   • 配置Solr服务器地址（如 [***]）及索引字段映射。

4. 创建并启动工作流

   • 在 Workflows > Add Workflow 中关联输入连接器与输出连接，设置同步计划（如每小时同步）。
   • 点击"Activate"启动工作流，系统将自动执行内容抽取与索引同步。

4.4 监控与故障排查

• 工作流状态：在"Workflows"页面查看运行进度、成功/失败记录及错误详情。
• 系统日志：通过 docker logs -f manifoldcf 实时查看应用日志，定位连接器配置或网络异常。
• 性能调优：大规模数据同步时，通过 MCF_JAVA_OPTS 调整JVM内存（如 -Xmx4g）及线程池参数。

5. 生产环境建议

• 使用外部数据库（MySQL/PostgreSQL）替代内置H2，避免容器重启导致配置丢失。
• 对敏感配置（如数据库密码）使用Docker Secrets或环境变量加密管理。
• 定期备份 /opt/manifoldcf/data 目录，保障配置数据可恢复性。
• 根据内容源数量及数据量，合理规划工作流并发度与同步周期。