Levantar e instalar o Corpógrafo

1. Informação geral

1. on-line: esta é a forma mais simples para o utilizador. Nesta opção, o utilizador recorre à versão do Corpógrafo que se encontra instalada no servidor da Linguateca, sendo para isso apenas necessário proceder a uma inscrição via formulário on-line. Recorrendo a esta forma de utilização, o utilizador não necessita de fazer qualquer instalação de software no seu computador podendo utilizar o Corpógrafo logo após receber a confirmação da sua inscrição. Esta é a forma de utilização recomendada para a maioria dos utilizadores e não envolve qualquer custo ou trabalho de manutenção.
   Nota: o Corpógrafo é disponibilizado gratuitamente, mas não oferecemos qualquer garantia relativamente ao desempenho computacional, ao tempo de serviço, nem à salvaguarda dos dados do utilizador contra eventuais falhas.
2. em pacote instalável: desta forma, distribuimos o código fonte do Corpógrafo sob a licença GPL. Significa isto que poderá levantar o Corpógrafo para que este seja instalado num servidor local. Esta forma de instalação só é recomendada a quem tenha avançados conhecimentos de administração de sistemas e de Linux. Não é de todo aconselhável para quem pretende apenas utilizar o Corpógrafo no âmbito dos seus trabalhos, sendo para isso recomendada a utilização na rede a partir dos nossos servidores. O pacote instalável permite a instalação de todo o Corpógrafo assim como do seu ambiente de administração e desenvolvimento. A distribuição é feita segundo a licença GPL, a qual permite a alteração e a redistribuição gratuita de todo os programas do Corpógrafo e dos programas produzidos a partir desse código fonte do Corpógrafo nos mesmos termos. Para mais informações ver a licença GPL que acompanha a distribuição do Corpógrafo.

2. Como levantar e instalar o Corpógrafo

Requisitos

• CPU: Pentium IV @ 2Ghz
• RAM: 512Mb
• HD: Cerca de 500Mb de espaço livre, e uma porção variável, dependendo do que se pretende fornecer a cada utilizador do Corpógrafo (ex.: 50 Mb por utilizador)

• Apache 2 (http://www.apache.org)
• MySQL Server 5.0+ (http://dev.mysql.com/downloads/mysql/5.0.html)
• Perl 5.8 (ou superior) (com suporte para threads) (http://perl.org)

• gd-2.0.33 (http://www.liggd.org/)
• wv-1.0.3 (http://wvware.sourceforge.net/)
• gnuplot-4.0.0 (http://www.gnuplot.info/)
• pdftotext, do pacote Xpdf (normalmente distribuído com o Fedora, mas também disponível em http://www.foolabs.com/xpdf)
• ps2ascii, do pacote GhostScript (normalmente distribuído com o Fedora, disponível em http://pages.cs.wisc.edu/~ghost/)
• mono, disponível em http://www.mono-project.com/
• NooJ, disponível em http://www.nooj4nlp.net/
• CWB, disponível em http://cwb.sourceforge.net/

• Carp
• CGI
• DBD::mysql
• DBI
• Encode
• File::Basename
• FileHandle
• GD::Graph::lines
• Getopt::Long
• HTML::Entities
• HTML::Format
• HTML::FormatText
• HTML::TokeParser::Simple
• HTML::TreeBuilder
• HTML::Tree
• HTTP::Headers
• HTTP::Parse
• HTTP::Request
• Lingua::PT::PLN
• Lingua::PT::PLNbase
• locale
• LWP::Simple
• LWP::UserAgent
• Mail::Sendmail
• POSIX
• RTF::Config
• RTF::Parser
• Shell
• Text::Unaccent
• threads
• threads::shared
• Time::HiRes
• Time::Local
• Unicode::Map8
• Unicode::String
• URI::URL
• vars
• XML::Parser
• XML::Parser::PerlSAX
• Yahoo::Search

Iniciar a instalação

Nota: O ficheiro .tgz de distribuição do Corpógrafo deve estar colocado na mesma directoria que o programa de instalação. Para a execução do programa install.pl pode ser necessário instalar vários módulos Perl. A forma mais simples para instalar módulos Perl é através do programa cpan, um programa que serve para descarregar e instalar módulos Perl. Este programa já deverá estar incluído na sua distribuição de Perl. No terminal, execute 'cpan' para confirmar que está instalado. Se não encontrar o comando cpan, pode obtê-lo em http://search.cpan.org/~andk/CPAN-1.9301/lib/CPAN.pm. Levante o Corpógrafo e siga as instruções no INSTALL do arquivo. A primeira vez que correr o comando cpan, este irá pedir-lhe para configurar o CPAN (definições de utilizador e repositórios), bastando seguir as instruções que lhe são apresentadas. Deve garantir que o CPAN está configurado antes de correr o programa install.pl.

• Verificar serviços
  O programa de instalação irá verificar as versões do MySQL e Apache que está a executar.
  O Corpógrafo necessita das versões 5.0 do MySQL e 2.0 do Apache. Se estas versões não forem encontradas no seu sistema, terá que as instalar.
  
  
• Verificar bibliotecas e programas externos
  O programa irá verificar se tem os programas necessários instalados. Poderá instalar os programas em falta no final da instalação do Corpógrafo.
• Verificar módulos
  O programa irá verificar se tem os módulos Perl necessários instalados, e tentará instalar os que estão em falta. Dependendo da configuração do seu MySQL, poderá ter problemas com a instalação do módulo DBD::mysql. Se isso acontecer deverá forçar a instalação deste módulo através do programa cpan (force install DBD::mysql). O install.pl pode detectar que o módulo threads não está instalado. Isto pode ocorrer se a sua versão de Perl não tiver sido compilada com suporte para threads (verifique no terminal com o comando 'perl -e "use threads"'. Se der erros é porque o seu Perl não os suporta). Nesse caso, deverá obter uma versão com suporte de threads ou deverá obter o código fonte do Perl e compilar usando a opção '-Dusethreads' ao invocar './configure' (siga as instruções do ficheiro INSTALL incluido com o código fonte). Dependendo da configuração do seu sistema, poderá ter que interromper a instalação do Corpógrafo e instalar manualmente módulos em falta.
• Cópia de ficheiros
  O programa irá copiar os ficheiros que compõem o Corpógrafo e o SAGI para as directorias respectivas.
• Criação de links simbólicos
  O Corpógrafo precisa criar links simbólicos para os ficheiros HTML. Será pedida a directoria usual para colocar os ficheiros HTML. Esta directoria é "/var/www/html" (por exemplo no Fedora)em alguns sistemas e "/var/www/" em outros (por examplo em Debian).
• Configuração das bases de dados MySQL
  Será pedida a password de 'root' do MySQL. O Corpógrafo necessita desta informação para poder criar as bases de dados necessárias e respectivos utilizadores.
  Depois de as bases de dados MySQL serem copiadas, serão criados três utilizadores, um para cada base de dados. Terá que escolher palavras-passe para cada um destes utilizadores.
• Configuração do servidor Apache
  Terá de escolher duas palavras-passe para autenticação com o servidor. A primeira palavra-passe é para a conta de administração global do sistema e a segunda para a gestão das contas de utilizadores.

Instalação do mono, NooJ e respectivos dicionários

CWB

Para a instalação do CWB, deverá descomprimir e instalar o arquivo, garantindo que os executaveis são instalados em /usr/bin/. Se instalar noutra directoria, necessita editar o ficheiro /corpora/gc/lib/CWBalign.pm e redefinir $cwb_path. Pode ser ainda necessário especificar onde está a directoria registry do CWB na variável $registry_path no ficheiro /corpora/gc/lib/CWBalign.pm. Por omissão o caminho para a directoria de registo é /usr/share/cwb/registry. Para testar este caminho pode executar o seguinte comando no terminal: cwb-align foo1 foo2 s. O cwb-align deverá devolver um erro indicando o caminho do registo.

Últimos passos de instalação

• Melhorar o desempenho do MySQL para o Corpógrafo
  A configuração do servidor MySQL deve ser modificada para permitir um melhor desempenho do Corpógrafo. Edite os ficheiros /etc/mysql/my.cnf ou /etc/mysql.cnf, de acordo com o sistema, e adicione as linhas seguintes:

  socket=/tmp/mysql.sock
  skip-locking
  key_buffer = 128M
  max_allowed_packet = 10M
  table_cache = 1024
  sort_buffer_size = 64M
  read_buffer_size = 64M
  myisam_sort_buffer_size = 64M
  thread_cache = 6
  query_cache_size = 64M
  query_cache_limit = 128M
  innodb_file_per_table
  tmpdir=/corpora/mysql/tmp
  max_connections=250
  
  A cache RAM deve ser seleccionada com uma tamanho o mais elevado possível para melhorar o desempenho global. Depois de mudar estes parâmetros, re-inicie o servidor MySQL.
  
  

• Firewall
  Para que o Corpógafo esteja disponível aos utilizadores da sua rede LAN, verifique que as seguintes portas estão disponíveis no servidor do Corpógrafo:
  • 80: interface http
    
  • 25: servidor Sendmail
    

3. Problemas conhecidos e sua resolução

• O MySQL indica "Error: Client does not support authentication protocol:"
  Este problema pode ocorrer quando se tenta utilizar uma extensão MySQL mais antiga com o MySQL 4.1.1 ou superior. Pode normalmente ser resolvido mudando a variável de ambiente do MySQL "old_passwords" para "yes" no ficheiro de configuração /etc/my.cnf, e redefinindo as palavras-passe. Ver: http://dev.mysql.com/doc/refman/5.0/en/old-client.html para mais informações.
• As autorizações para os programas estão correctas mas o Apache diz não ter autorização para execução (relacionado com as flags do SE Linux)
  Alguns sistemas estão configurados com a opção 'Security Enhanced', que não permite aceder a alguns serviços necessários para a versão corrente do Corpógrafo. A solução é desligar o modo Security Enhanced. Para isso:
  1. Edite o ficheiro '/etc/sysconfig/selinux' para desligar o Security-Enhanced Linux (necessita reboot)
  2. Defina 'SELINUX=disabled'
  3. Reinicie o computador para que as acções tenham efeito (pode ser feito no final da instalação)