Ese es un proyecto que lo he soñado de hace tiempo, y llegue a iniciarlo varias veces.
Con pena debo decir que cuando MS presento lo que se suponía seria Vista con su nuevo sistema de archivos, me asuste y pense que perderia el tiempo siguiendo el desarrollo... como me ha pesado haberlo hecho...
Con la experiencia previa, y los conocimientos actuales, te puedo decir:
1- Este es un proyecto COMPLEJO. Bastante. Es fregao fregao.
2- Debes leer sobre que es un
Document management system
Los MAS populares y la competencia inmediata son
http://www.alfresco.com/es/ (open source) y por sobre todo
http://sharepoint.microsoft.com/es-e...s/default.aspx
Puedes desarrollar sobre ambos, en vez de hacerlo desde cero. Luego de pensarlo mucho, a mi no me gusta. No me gust ninguno de los que hay en el mercado, pero es cosa tuya en base a lo que quieres hacer, asi que olvida lo que te dije
3- Es un ERROR ERROR ENORME usar una BD relacional. MALO DE LO MALO.
Las BD relacionales estan optimizadas para registros y columnas, no archivos sin estructura.
Tu mejor opcion al dia de hoy es
http://www.mongodb.org/ y
http://www.couchbase.com/.
No puedo recalcar este punto mas. Es un aspecto critico que afectara todo. EL porque? Bueno, debes leer mucho, o creerle a yahoo, google y demas que no usan BD relacionales para sus buscadores.
4- Necesitas un motor de busqueda. Aqui hay malas noticias. Esta es la parte fregada fregada de todo esto, porque significa que necesitas 2 sistemas corriendo en paralelo: La Bd documental y el motor de busqueda. Es mejor si estuviera en un solo paquete, pero no conozco tal bestia.
Te puede tentar usar los modulos integrados que vienen en postgress o sql server, pero al facilitarte por ese lado perderas por usar una relacional.
La opcion mas inmediata es
http://lucene.apache.org/java/docs/index.html.
Puedes emular un buscador e integrarlo DENTRO de la BD no relacional. Es algo que se ha hecho y funciona bien... PERO debes saber como hacerlo, y eso no es facil.
Esta es la parte fregada fregada. El buscador es la interface principal del sistema de cara al usuario. Como lo enfrentes determinara el exito o no del sistema.
La mejor opcion, digo yo, es tirar muy bajo y anular el concepto de buscador tipo google. Si tienes un mac, analiza como funciona
http://en.wikipedia.org/wiki/Spotlight_(software). Sino, instala y mira como funciona
http://www.launchy.net/ (aqui tenes codigo).
Me parece que es la opcion mas simple, y que funciona razonablemente bien.
5- Almacenamiento en serio
Preparate para entender lo que significa almacenar los datos de todos los archivos en un red. Estamos hablando de GB, y muy rapido, de TB (a menos que sea solo un subconjunto de archivos y red muy chica).
Aqui es donde empieza el error grave de usar relacional. Se vuelve costoso, pronto y rapido.
Cuan costoso?
Preguntemosle a unos expertos:
http://www.slideshare.net/alfresco/w...o-presentation
Solo software para 100 usuarios
Alfresco: US 19.000
Sharepoint: US 25.000
Se necesitan ademas unos 2-3 servidores, con capacidad de almacenamiento que aguante los TB, y todo lo que eso implica. Una vez que hice el calculo, creo que me dio mas de US 10.000 para algo elemental (usando alfresco, 100 usuarios). Puede que sea hoy diferente.
Un aspecto que hace costoso la operacion de estos 2 sistemas, es que usan relacional. Con un NoSql se baja mas de la mitad.
6- Jalar el contenido de los archivos (tipo office y otros)
Esto es muy posible, de hecho lo hice hace unos años y funcionaba relativamente bien, tanto que temine por darle parte del codigo a
http://www.scalabium.com/sme/.
Pero solo sale facil en windows. En linux ni hablar de lo complicado que es. No se que tanto en OSX.
7- Un error hacerlo solo, sin experiencia ni recursos
Esto fue lo que me mato. Estaba solo, exige averiguar sobre muchas cosas, meterse con APIs, y sin recursos? Te mueres pronto.
Pense en su momento hacerlo open source, pero aqui en latinoamerica eso no funciona...
Si no tienes quien te subsidie el desarrollo, diria que hacerlo por amor al arte sera dificil, a menos que lo montes sobre sharepoint o alfresco, lo cual es como bobada, porque ya hay empresas que dan mejor ese paquete.