release/v2.3 -> master (#837)

docs/tech-specs/hi/structured-data-schemas.hi.md

@@ -0,0 +1,147 @@
+---
+layout: default
+title: "संरचित डेटा पल्सर स्कीमा परिवर्तन"
+parent: "Hindi (Beta)"
+---
+
+# संरचित डेटा पल्सर स्कीमा परिवर्तन
+
+> **Beta Translation:** This document was translated via Machine Learning and as such may not be 100% accurate. All non-English languages are currently classified as Beta.
+
+## अवलोकन
+
+`STRUCTURED_DATA.md` विनिर्देश के आधार पर, यह दस्तावेज़ आवश्यक पल्सर स्कीमा परिवर्धन और संशोधन प्रस्तावित करता है ताकि ट्रस्टग्राफ में संरचित डेटा क्षमताओं का समर्थन किया जा सके।
+
+## आवश्यक स्कीमा परिवर्तन
+
+### 1. कोर स्कीमा संवर्द्धन
+
+#### उन्नत फ़ील्ड परिभाषा
+`core/primitives.py` में मौजूदा `Field` वर्ग में अतिरिक्त गुण होने चाहिए:
+
+```python
+class Field(Record):
+    name = String()
+    type = String()  # int, string, long, bool, float, double, timestamp
+    size = Integer()
+    primary = Boolean()
+    description = String()
+    # नए फ़ील्ड:
+    required = Boolean()  # क्या फ़ील्ड अनिवार्य है
+    enum_values = Array(String())  # एनम प्रकार के फ़ील्ड के लिए
+    indexed = Boolean()  # क्या फ़ील्ड को अनुक्रमित किया जाना चाहिए
+```
+
+### 2. नई ज्ञान स्कीमा
+
+#### 2.1 संरचित डेटा सबमिशन
+नई फ़ाइल: `knowledge/structured.py`
+
+```python
+from pulsar.schema import Record, String, Bytes, Map
+from ..core.metadata import Metadata
+
+class StructuredDataSubmission(Record):
+    metadata = Metadata()
+    format = String()  # "json", "csv", "xml"
+    schema_name = String()  # कॉन्फ़िगरेशन में स्कीमा का संदर्भ
+    data = Bytes()  # संसाधित करने के लिए कच्चा डेटा
+    options = Map(String())  # प्रारूप-विशिष्ट विकल्प
+```
+
+### 3. नई सेवा स्कीमा
+
+#### 3.1 एनएलपी से संरचित क्वेरी सेवा
+नई फ़ाइल: `services/nlp_query.py`
+
+```python
+from pulsar.schema import Record, String, Array, Map, Integer, Double
+from ..core.primitives import Error
+
+class NLPToStructuredQueryRequest(Record):
+    natural_language_query = String()
+    max_results = Integer()
+    context_hints = Map(String())  # क्वेरी पीढ़ी के लिए वैकल्पिक संदर्भ
+
+class NLPToStructuredQueryResponse(Record):
+    error = Error()
+    graphql_query = String()  # उत्पन्न ग्राफ़क्यूएल क्वेरी
+    variables = Map(String())  # यदि कोई हो तो ग्राफ़क्यूएल चर
+    detected_schemas = Array(String())  # कौन सी स्कीमा क्वेरी को लक्षित करती हैं
+    confidence = Double()
+```
+
+#### 3.2 संरचित क्वेरी सेवा
+नई फ़ाइल: `services/structured_query.py`
+
+```python
+from pulsar.schema import Record, String, Map, Array
+from ..core.primitives import Error
+
+class StructuredQueryRequest(Record):
+    query = String()  # ग्राफ़क्यूएल क्वेरी
+    variables = Map(String())  # ग्राफ़क्यूएल चर
+    operation_name = String()  # मल्टी-ऑपरेशन दस्तावेजों के लिए वैकल्पिक ऑपरेशन नाम
+
+class StructuredQueryResponse(Record):
+    error = Error()
+    data = String()  # JSON-एन्कोडेड ग्राफ़क्यूएल प्रतिक्रिया डेटा
+    errors = Array(String())  # यदि कोई हो तो ग्राफ़क्यूएल त्रुटियां
+```
+
+#### 2.2 ऑब्जेक्ट निष्कर्षण आउटपुट
+नई फ़ाइल: `knowledge/object.py`
+
+```python
+from pulsar.schema import Record, String, Map, Double
+from ..core.metadata import Metadata
+
+class ExtractedObject(Record):
+    metadata = Metadata()
+    schema_name = String()  # यह ऑब्जेक्ट किस स्कीमा से संबंधित है
+    values = Map(String())  # फ़ील्ड नाम -> मान
+    confidence = Double()
+    source_span = String()  # पाठ का वह भाग जहां ऑब्जेक्ट पाया गया था
+```
+
+### 4. उन्नत ज्ञान स्कीमा
+
+#### 4.1 ऑब्जेक्ट एम्बेडिंग संवर्द्धन
+संरचित ऑब्जेक्ट एम्बेडिंग को बेहतर ढंग से समर्थन करने के लिए `knowledge/embeddings.py` को अपडेट करें:
+
+```python
+class StructuredObjectEmbedding(Record):
+    metadata = Metadata()
+    vectors = Array(Array(Double()))
+    schema_name = String()
+    object_id = String()  # प्राथमिक कुंजी मान
+    field_embeddings = Map(Array(Double()))  # प्रति-फ़ील्ड एम्बेडिंग
+```
+
+## एकीकरण बिंदु
+
+### फ्लो एकीकरण
+
+इन स्कीमा का उपयोग नए फ्लो मॉड्यूल द्वारा किया जाएगा:
+- `trustgraph-flow/trustgraph/decoding/structured` - `StructuredDataSubmission` का उपयोग करता है
+- `trustgraph-flow/trustgraph/query/nlp_query/cassandra` - एनएलपी क्वेरी स्कीमा का उपयोग करता है
+- `trustgraph-flow/trustgraph/query/objects/cassandra` - संरचित क्वेरी स्कीमा का उपयोग करता है
+- `trustgraph-flow/trustgraph/extract/object/row/` - `Chunk` का उपभोग करता है, `ExtractedObject` उत्पन्न करता है
+- `trustgraph-flow/trustgraph/storage/objects/cassandra` - `Rows` स्कीमा का उपयोग करता है
+- `trustgraph-flow/trustgraph/embeddings/object_embeddings/qdrant` - ऑब्जेक्ट एम्बेडिंग स्कीमा का उपयोग करता है
+
+## कार्यान्वयन नोट्स
+
+1. **स्कीमा संस्करण:** भविष्य के माइग्रेशन समर्थन के लिए `RowSchema` में एक `version` फ़ील्ड जोड़ने पर विचार करें।
+2. **प्रकार प्रणाली:** `Field.type` को सभी कैसेंड्रा मूल प्रकारों का समर्थन करना चाहिए।
+3. **बैच ऑपरेशन:** अधिकांश सेवाओं को एकल और बैच दोनों ऑपरेशन का समर्थन करना चाहिए।
+4. **त्रुटि प्रबंधन:** सभी नई सेवाओं में सुसंगत त्रुटि रिपोर्टिंग।
+5. **पिछड़ा संगतता:** मौजूदा स्कीमा अपरिवर्तित रहते हैं, केवल छोटे फ़ील्ड संवर्द्धन को छोड़कर।
+
+## अगले कदम
+
+1. नई संरचना में स्कीमा फ़ाइलें लागू करें।
+2. मौजूदा सेवाओं को नए स्कीमा प्रकारों को पहचानने के लिए अपडेट करें।
+3. इन स्कीमा का उपयोग करने वाले फ्लो मॉड्यूल लागू करें।
+4. नई सेवाओं के लिए गेटवे/रिवर्स-गेटवे एंडपॉइंट बनाएं।
+5. स्कीमा सत्यापन के लिए यूनिट परीक्षण बनाएं।