Presentation Lucene / Solr / Datafari - Nantes JUG

Apache Solr
Nantes JUG
Aurélien MAZOYER
Olivier TAVARD
16/02/15

Introduction
A propos :
 Cofondateur de la société France Labs
 Développeur (principalement Java)
 Formateur Solr
A propos de France Labs :
 Startup créée en 2011
 Partenaire officiel de LucidWorks pour la France

Introduction
Domaine:
 Moteurs de recherche d'entreprise Open Source
2 activités:
 Consulting/support/formation sur
Lucene/Solr/ElastiSearch/LucidWorks/Datafari
 R&D (algorithmes de ranking, connecteurs, réseaux
sociaux)

Pourquoi Lucene/Solr?
Besoins d'entreprise : avoir une bonne solution
logicielle, avec un support fiable
Par conséquent notre choix de Lucene/Solr :
 Large communauté autour de Lucene/Solr
 Schémas de support professionnel pour Lucene/Solr
 Solr 4 pensé pour le Big Data
 Utilisé par Twitter, Linkedin, eBay, Salesforce, IBM, Apple

Présentation de Solr
 Architecture SOLR
 Scoring
 Indexation
 Requêtage
 Fonctionnalités
 Solr Cloud
Solr et son écosystème

La recherche est un oignon matriciel!

Lucene
Créé en 2000 par Doug Cutting. Version Actuelle :
Lucene v. 4.10.3 Décembre 2014)
Projet Open Source, Apache depuis 2001
Librairie de recherche “full-text”
Rapide, stable, performant, modulable
100% Java (pas de dépendances)

Lucene
Un outil qui permet:
 De créer un index à partir de
documents
INDEX

Document
FieldTerm
Document, fields, terms
 Document : unité d’indexation
 Field : partie d’un document, contient les données
 Term : unité atomique d’un champ
 Si on veut indexer un livre, on aura:
• Title : Lucene in Action
• Author : Erik Hatcher, Otis Gospodnetić
• Description : Lucene is a gem in the open-source...
• Content : …
• …

Lucene
Un outil qui permet:
 De créer un index à partir de
documents
 D’effectuer des recherches
dans cet index
INDEX

Lucene
Différence avec une base de données :
 Optimisé pour récupérer un doc à partir de son
contenu
 Résultats scorés
 Non relationnelle, structure non fixe
 Champs qui peuvent contenir plusieurs valeurs

Lucene
Indexation - Architecture
Crawler
Lucene
analyzer
Indexer
INDEX

Lucene
Requêtage - Architecture
Query
Parser
Lucene
analyzer
Index
Searcher
type:voitures AND prix:[3000 TO 5000]
INDEX

Analyzer
Index
coquilles
saint
Jacques
….
Document Requête
coquilles saint jacques
Coquilles saint-jacques
Coquilles SaintJacques
Lucene
analyzer
Lucene
analyzer
Indexation Requête
Match!

Lucene est une simple bibliothèque
Besoin d’une couche serveur…
Lucene

Solr par rapport à Lucene
Lucene « embarqué » dans une webapp
Créé en 2004 par Yonik Seeley à CENT Networks
In 2006, Solr devient open-source et été cédé à la
Apache Software Foundation
En 2010, fusion des projets Lucene et Solr
Version Actuelle : Solr 4.10.3 (Décembre 2014)

APIs XML/HTTP de type REST
Configuration par fichiers XML
Mécanisme de Cache, Réplication
Interface admin web

Interfaces HTTP pour :
 ajouter des documents (POST)
• http://localhost:8983/solr/update
 effectuer des recherches (GET)
• http://localhost:8983/solr/select

© www,oblady,com
Intéraction Solr / Monde extérieur
Solr
Update Handler Search Handler
Lucene

© www,oblady,com
Architecture
(Virtual) Machine
OS
Java Virtual Machine
Conteneur de servlet (Jetty, Tomcat)
Solr faceting, replication, caching, distributed search,
admin, Lucene best practices
Lucene Java
core search, analysis tools, hit highlighting,
spell checking

Surcouche
Besoin (parfois) d’une surcouche:
 Interface WEB pour le client
 Crawl des documents sur les différents systèmes
 Gestion de la sécurité
 Statistiques
Exemples de solutions « clé en main » :
 Constellio
 LucidWorks
 Datafari

Récupérer les bons résultats…
… et seulement ceux là
Precision
 Pourcentage de docs pertinents sur les
docs retournés
Matchs corrects/total retourné
Recall
 Pourcentage de docs pertinents
retournés sur le total des docs pertinents
 Matches corrects/(matchs
corrects+matchs manqués)
 Trouver un bon compromis…
Documents
Pertinents
Document
Retournés
Documents
Pertinents
Docs retournés
et pertinents
Recherche pertinente

Scoring en Lucene
Formule paramètrable
Combinaison de
 Boolean Model (Match)
 Vector Space Model (Scoring)
• Term Frequency
• Inverse Document Frequency…
 Boosts…

TF-IDF
Term Frequency (TF) :
 Fréquence d’un Terme dans un document
France Labs
Bienvenue sur le site de France Labs.
Créée en 2011, France Labs est une
société composée d'experts en
gestion de l'information. Que ce soit
pour de l'expertise, pour nos produits
ou pour nos solutions métiers, nous
faisons en sorte que vous augmentiez
votre efficacité par une meilleure
exploitation de vos données.
France Labs, spécialiste des outils
de recherche open source, propose
des plugins innovants et des
services de conseil, intégration et
maintenance, sur Lucene, Solr et
Constellio. Europe, nous sommes le
partenaire de Constellio, solution
complète de recherche.

TF-IDF
Inverse Document Frequency (IDF):
 Rareté du terme dans l’ensemble de l’index
Expertise Lucene
Souhaitant intervenir plus en amont
dans la vie de l’entreprise, pour vous
proposer toujours plus de conseils à
partir de nos expertises, Expertise &
Conseil a créé Formation & Conseil :
une structure de formation destinée
aux acteurs de performance de
l’entreprise.
Apache Lucene, la fameuse
technologie pour l’indexation, la
recherche et l’analyse du texte est la
base de plusieurs serveurs Open
Source. La présentation détaillera
Solr et ElasticSearch sous la forme «
Tools in Action » - démonstrations
en direct des différents outils.

TF-IDF
Norms :
 Taille des champs
Solr
Titre : Les moteurs de recherche
Content :
Apache Solr est une librairie de
recherche full text en open source.
Elle propose des API REST, des
mécanismes de cache, réplication et
mise à l’échelle.
Titre : Encyclopédie
Content :
Solr est une moteur de recherche
open source. Elastic Search est un
moteur de recherche open source
(mais quand même un peu moins
bien)
….
….
…. Le chat est une animal de
compagnie avec des oreilles.

Boosts:
 Privilégier un doc en particulier…
 Privilégier un champ par rapport à un autre…
 Privilégier les phrases exactes…
 Privilégier les docs qui matchent une requête…
 Privilégier les docs par rapport au résultat d’une fonction …
 Privilégier les docs géolocalisés les plus proches….
Boosts

Boosts
Boosts:
 Boost sur le Titre
Fonctionnalités
Titre : Fonctionnalités
Content :
Interface d'administration en HTML,
Réplication, Mise en cache
Recherche distribuée, Recherche à
facettes, Recherche géospatiale ,API
HTTP/XML, JSON et bibliothèques
pour les langages de script Python et
Ruby, Intégration des bases de
données
Titre : Highlighter
Content :
Cette fonctionnalité permet de mettre
en surbrillance les termes recherchés.
Ce principe est le même que les pages
"en cache" de Google où les termes
recherchés apparaissent surlignés en
jaune.
C'est une fonctionnalité puissante et
pratique.

Le crawling de documents n’est PAS
le job de Solr
Mais il existe de nombreux outils
pour cela :
 DIH
 Nutch
 Aperture
 Manifold CF
 Google Connectors
Crawling

Préparer les documents
 Convertir en XML, JSON, CSV (ou document riche avec Tika)
 Peut contenir plusieurs Docs
Indexation

Poster les documents par HTTP
 Avec cURL (linux)
• Ex : curl http://localhost:8983/solr/collection1/update -H
"Content-type:text/xml" --data-binary @mem.xml
 Post.jar et Post.sh
• Ex : java -jar post.jar *.xml
Indexation

Avec des clients spécifiques:
 SolrJ
• Client le plus évolué
 SolrNet
 rsolr
 SolPython
 SolPerl
 Solarium
 scalikesolr
 …
Clients

Documents visibles une fois commités
Possibilité d’utiliser le « soft-commit »
Pour avoir du NRT
Latence d’indexation

Pour la configuration de Solr
(Presque) tout se passe dans 2 fichiers:
 Schema.xml
• Décrit les données à indexer
 SolrConfig.xml
• Comportement interne du serveur et
interactions avec le monde extérieur

Schema
Déclaration des champs fixes:
Ou dynamiques:

Schema
Et des types de champs:
 Entier
 Date
 String
• Un seul morceau
 Text
• Text découpé et normalisé
• Avec un analyzer spécifique

Analyzer
WordDelimiter
Coquilles Saint Jacques
Document Analysis
LowerCaseFilter
WhitespaceTokenizer
WordDelimiter
Coquilles saint jacques
Query Analysis
LowerCaseFilter
WhitespaceTokenizer

Analyzers
Beaucoup d’analyzers prédéfinis
 Spécifiques au langage
Mais modulables : beaucoup de
composants disponibles :
 Ajout de synonymes
 Stemming
• manger, mangera => mang
 Phonétique
 …

Première requête
URL :
 http://localhost:8983/solr/collection1/select...
HTTP GET request
 Web browser
 Curl
 SolrJ
 …

Structure de la requête
http://localhost:8983/solr/collection1/select
?q=*:*&start=0&rows=10&fl=description
 /solr/ : contexte de l’application web où Solr est installé
 /collection1: Collection (ou index) de Solr
 select : request handler
 Après le ? => paramètres non ordonnés

Type de requêtes
Type But Exemple
TermQuery
Simple terme
Peut être spécifique à un
champ
Tarte
Type:Dessert
PhraseQuery
Match de plusieurs
termes dans l’ordre
« tarte aux pommes"
RangeQuery Fourchette
[A TO Z]
{A TO Z}
WildcardQuery Lettres manquantes
j*v?
f??bar
PrefixQuery
Tous les termes qui
commencent par X.
cheese*
FuzzyQuery Distance de Levenshtein manger~
BooleanQuery
Agrégation de plusieurs
queries
manger AND
cheese* -cheesecake

Requêtage
L’utilisateur peut donc faire des requêtes
complexes :

Requêtage
Mais fera plutôt des requêtes de ce type:
A nous de faire avec… 

Autres fonctionnalités
More Like This
 Obtenir des documents similaires à un
document
 Similarité textuelle
Highlighting

Fonctionnalité
Joining
 Possibilité de faire une jointure sur plusieurs
indexes (clé primaire -> clé secondaire)
 Mais à éviter
 Préférer la dénormalisation

Aplatir les données
 Dénormalisation

 Données redondantes
 Recherche rapide sur un seul index (pas de join)

Et les vôtres…
Solr est très orienté plugin
Possibilité de surcharger quasiment tout…

Configuration de Solr
(Presque) tout se passe dans 2 fichiers:
 Schema.xml
• Décrit les données à indexer
 SolrConfig.xml
• Comportement interne du serveur et
interaction avec le monde extérieur

Exemple:
Solrconfig.xml permet le paramètrage :
 Request Handler
 Composants associés (autocomplete, highlighting)
 Caches, Fréquences de commits etc…
 Bref, presque tout le reste…

Solr Cloud
Nouvelle architecture de Solr pour gérer la scalabilité
Nouveau système de mise à l’échelle de Solr
 Pack 2 en 1
• Distribution
- Volumétrie élevée
• Réplication
- Répartition de la charge
- Haute dispo
Architecture flexible

Zookeeper
Logiciel de gestion de configurations pour
système distribués
Contient les configs des indexs de Solr
Cloud
Les Solr s’enregistrent et se désenregistrent
auprès du Zookeeper
Statuts des shards enregistrés

Nouvelles notions
Sharding
 Un Shard est un morceau d’index
 Une recherche distribuée se fait sur tous les shards (ie sur
tout l’index)
 Utile pour gérer une grosse volumétrie de documents
Shard3
Requêtes
Shard1 Shard2
Résultats
Aggrégés
Sous-Requêtes

Nouvelles notions
Leader et Replica pour la réplication
 On n’a pas de maître/esclave mais des leader/replica
• Un replica peut devenir leader si son leader tombe
 Le leader et le replica contiennent le même shard
 Utile pour répartir la charge/assurer une haute dispo
Leader
Shard 1
Replica 2
Shard 2
Replica 1
Shard 1
Load Balancer
Requêtes Requêtes Requêtes

1 index- 2 shards – 2 replicas
Un exemple!
On veut un index, réparti sur 2 shards
(ie : coupé en 2)
Chaque shard sera répliqué 1 fois
Donc 4 machines
INDEX

On démarre la première machine, envoie la
configuration et spécifie le nombre de shards voulus
Solr Cloud
Zookeeper
ConfigIndex1
Leader Shard1

On démarre la deuxième machine, sans lui spécifier
de configuration mais en pointant sur le Zookeeper
Solr Cloud
Zookeeper
Leader Shard2Leader Shard1

On démarre la 3ème machine, sans lui spécifier de
configuration mais en pointant sur le Zookeeper
Solr Cloud
Zookeeper
Leader Shard2
Replica Shard1
Leader Shard1

Replica Shard1
On démarre la 4ème machine, sans lui spécifier de
configuration mais en pointant sur le Zookeeper
Solr Cloud
Zookeeper
Leader Shard2
Replica Shard2
Leader Shard1

Indexation
Distribution automatique des updates
Comment?
On envoie les docs à n’importe quelle machine
 Solr se charge de les transmettre à la bonne machine

Leader 1 Leader 2
Replica 1 Replica 2
Solr Cloud
Indexer

Recherche
Distribution des recherches automatiques
Hors SolrJ :
 On registre les shards dans le load balancer
Avec SolrJ :
 On utilise un objet CloudSolrServer
• Pointé sur Zookeeper
• Gère le load balancing

Leader 1 Leader 2
Replica 1 Replica 2
Solr Cloud
Search
Search

Avantages
Architecture très flexible
 En cas d’augmentation de charge
• Ajout de machines qui pointent sur Zookeeper
• Si pas de client intelligent
- Enregistrement des machines dans le Load Balancer
 En cas de diminution de charge
• Eteindre des machines
Zookeeper
 Gestion centralisée des configurations
 Visualisation du statut des shards

Avantages
Réplication
 Automatique et fiable
Support du NRT
Distribution automatique des MAJs
Distribution automatique des recherches

Solr 5
Sortie imminente
Plus un WAR mais une application
Nouvelles fonctionnalités :
 IDF distribué
 Stats component amélioré
Solr 4 : apport de SolrCloud
Solr 5 : maturité, simplification à l’usage

Presentation Lucene / Solr / Datafari - Nantes JUG

 Crawling des données
 Exemple de UI
 Outils sémantiques
 Hadoop

Solr ne crawle PAS les données
Besoin d’un crawler pour :
 Connexion au système externe à crawler
 Récupération des données
 Gestions des autorisations
Role

Mode Push ou Pull
Crawling normal ou incrémental
Réglage de l’impact sur le système
crawlé
 Throttling
 Scheduling
En cas de documents riches (Pdf, Word):
 Extraction du contenu
Role

Apache Tika
Contribution de Solr
 Détection du Mime-type
 Embarque des librairies pour:
• Lire le contenu
• Extraire les meta-données
 Extension supportés:
• XHTML
• MS Office (OLE2 and OOXML)
• OpenDocument
• PDF
• RTF
• Zip
• Audio/Video/Image files
Extraction de contenu

Les crawlers
Differents Crawlers
 Nutch
• Crawler web distribué
 DIH
• Contrib de Solr
• Crawl DB, XML
 Aperture
• File, Web
Et Framework
 Google Enterprise Connector
 Manifold CF

Manifold CF
Basé sur « Connector Framework » développé par
Karl Wright pour la MetaCarta Appliance
Donné à l’Apache Software Foundation en 2009
(première version 2011)
Mai 2012 : sortie d’incubation
Version actuelle 1.8.1 (Février 2015)

Manifold CF
Crawling incrémental
Gère les autorisations
Configuration par UI et API
Créé pour Solr
Architecture en mode plugin

Differents connecteurs pour :
 Content Repositories :
• SharePoint
• Windows Share
• CMIS (Alfresco)
• DB
• RSS
• Wiki
 Authorities:
• AD
• LDAP
 Output repositories :
• Solr
• Elastic Search
Manifold CF

2 composants principaux:
 Pull agent:
• Contient les connecteurs (repository et output connectors)
• Récupère les données à partir des différents repositories
• Et les push avec leurs ACLs aux output connectors
Manifold CF
Pull Agent

2 composants principaux:
 Authority service:
• Contient les authority connectors
• Liste de tous les tokens pour l’utilisateur courant
Manifold CF

Intégration avec Solr
 Exemple : crawl de fichiers avec autorisation
• Environnement :
- File Share Windows
- Active Directory
• Indexer les fichiers et respecter les droits à la requête
Manifold CF

Configuration côté Manifold CF
 Configuration du connecteur Samba
 Configuration du connecteur AD
 Configuration du connecteur Solr
Manifold CF

Modification du schéma Solr
 Ajout de champs pour indexer les ACLs
• AllowFile, DenyFile, AllowDirectory, DenyDirectory…
 Ajout d’un plugin à Solr (MCF Search Plugin) pour interroger Manifold CF pour
obtenir les infos d’utilisateur
Manifold CF

Manifold CF
AD
Manifold CF
pull Agent
Connecteur
JCIFS
Connecteur
Solr
Docs and
access tokens
Get User
access token
Repositories Authorities
Manifold CF
OutputSolr
MCF
Search
Plugin
Indexation
Manifold CF
authority
service
Connecteur
AD
Windows
Share

Manifold CF
AD
Manifold CF
pull Agent
Connecteur
JCIFS
Connecteur
Solr
Docs and
access tokens
Get User
access token
Repositories Authorities
Manifold CF
Output
Windows
Share
Solr
MCF
Search
Plugin
Requête
Manifold CF
authority
service
Connecteur
AD
Front End Search authentifié
Filtre les docs suivant
leurs ACLs et les infos
d’utilisateurRésultats autorisés

AjaxFranceLabs
Inspiré de AjaxSolr
Client Javascript/Ajax
Fournit plusieurs composants:
 Un Manager
• Gère la connexion avec le serveur
 Et des widgets
• Composant graphique et logique

AjaxFranceLabs
Manager
SearchBarWidget
ResultWidget
FacetWidget

Demo
Démo Datafari !
www.datafari.com

Le sémantique n‘est pas le travail de Solr
Fait seulement de la recherche full-text (mais
le fait bien )
Solr
 Il existe des plugins pour cela
• UIMA
• GATE
• OpenNLP
Sémantique

Sémantique
UIMA (Unstructured Information Management Architecture)
 Framework Apache
 Plugin Solr
 Côté indexation
 Contient un pipeline d’Annotators
• Open Calais
• AlchemyAPI
• OpenNLP
• …
 Chaque annotator va rajouter des métadonnées au document

UIMA
Ex : OpenNLP
 Part of speech
• Verbe nom…
 Extraction d’entités
• Lieu
• Personne

 Crawling des données
 Exemple de UI
 Outils sémantiques
 Analytics
 Hadoop

LogStash for Solr + Solr + Banana
Banana

Hadoop
Créé par Doug Cutting
Framework open source
Inspiré par les papiers sur Google Map Reduce
et Google File System

Hadoop
1999
2002
2004
2010
2005

Hadoop
Scénarios Big Data
 Text mining
 Création et analyse de graphes
 Reconnaissance de patterns
 Moteurs de recommandations, ciblage publicité
 Analyse de menaces, surveillances de marchés

Hadoop
Traiter des grands volumes de données en un
minimum de temps
Stocker des immenses volumes de données
Fonctionne sur machines de configuration faible et
peu coûteuses

Hadoop
Architecture (très) simplifiée de Hadoop
Nœud 1 Nœud 3Nœud 2 Nœud 4
Couche Traitement (Map Reduce)
Couche Stockage (HDFS)

Hadoop
Couche stockage (HDFS)
 Système de fichier distribué
 Utilise les disques « normaux » de chacun
des nœuds…
…pour donner l’impression de n’utiliser
qu’un seul énorme disque
 Fiable (données répliquées 3 fois)

Hadoop
Couche traitement (Map Reduce)
 Hadoop exécute des jobs Map Reduce
 Notre algo doit donc implémenter:
• Un mapper
• Un reducer
 Pour être executé de manière distribuée par
Hadoop en tant que job

Clé1 : Val1
Clé2 : Val2
Clé3 : Val3
Clé4 : Val4
Hadoop
Mapper
 Prend des données en entrée
 Et les transforme en paire de clé valeur
Mapper

Clé 1 : Val1
Clé 2 : Val2
Clé 1 : Val3
Clé 2 : Val4
Reducer
 Combine les valeurs ayant la même clé
Clé1 : Val5
Clé2 : Val6
Reducer
Hadoop

Hadoop
Un exemple simple?
 On a en entrée plusieurs textes
 On veut compter le nombre d’occurrences
des mots
 De manière distribuée
 En utilisant un job Map Reduce
Datafari
Datafari est notre
solution open source de
recherche d'entreprises,
basée sur Lucene, Solr,
et le framework de
connecteurs Apache
ManifoldCF.
Solr
Apache Solr est une
couche web open source
basée sur la librairie de
recherche Apache
Lucene. Elle ajoute des
fonctionnalités de
serveur web, du
faceting.
Lucene
Apache Lucene est un
moteur de recherche et
d'indexation, en open
source.

Apache : 4
Solr : 2
Lucene : 3
…
Apache : 1
Apache : 1
Solr : 1
Lucene : 1
…
Apache : 1
Solr : 1
Lucene : 1
…
Apache : 1
Lucene : 1
…
Hadoop
Datafari
Datafari est notre
solution open source de
recherche d'entreprises,
basée sur Lucene, Solr,
et le framework de
connecteurs Apache
ManifoldCF.
Solr
Apache Solr est une
couche web open source
basée sur la librairie de
recherche Apache
Lucene. Elle ajoute des
fonctionnalités de
serveur web, du
faceting.
Lucene
Apache Lucene est un
moteur de recherche et
d'indexation, en open
source.
Reducer
Mapper
Mapper
Mapper

Hadoop
Distribution du l’algo en Map Reduce
Apache : 13 Apache : 44 Apache : 2
Lucene : 10
Open : 19
Solr : 10
Solr : 10 Manifold : 1Nœud 1 Nœud 3Nœud 2 Nœud 4

Opération Map sur les documents sur chacun
des noeuds
Hadoop
Apache : 1
Apache : 1
Apache : 1 Apache : 1
Lucene : 1
Open : 1
Solr : 1
Solr : 1
Solr : 1
Manifold : 1
Source : 1
Source : 1
Map Map Map Map

Hadoop
Echange des données entre les nœud (shuffle)
Apache : 1
Apache : 1
Apache : 1 Apache : 1
Lucene : 1
Open : 1
Solr : 1
Solr : 1
Solr : 1
Manifold : 1
Source : 1
Source : 1

Lucene : 1
Manifold : 1
Open : 1
Opération de Reduce sur chacun des noeuds
Hadoop
Apache : 1
Apache : 1
Apache : 1
Apache : 1
Lucene : 1
Open : 1
Solr : 1
Solr : 1
Solr : 1
Manifold : 1
Source : 1
Source : 1
Apache : 4 Solr : 3 Source : 2
Nœud 4
Reduce
Nœud 3
Reduce
Nœud 1
Reduce
Nœud 2
Reduce

Créé par Doug Cutting
Crawler Web
Permet de crawler un large
volume de données
Basé sur Hadoop
Nutch

Projet Apache
Surcouche d’Hadoop
Permet de déployer sur Hadoop des
traitements tel que:
 Identification de language
 Extraction de contenu (Tika)
 Pipeline UIMA
Avant l’ingestion dans Solr
Behemoth

Possibilité de stocker l’index de Solr sur HDFS
 Stockage de gros volume de donnée
 Gestion de la réplication
 Utilisation d’un cluster Hadoop existant
A venir: Possibilité de créer l’index à l’aide de
job Map Reduce
 Augmentation performance d’indexation sur de
gros volumes de données
Solr directement couplé avec Hadoop

Sites web :
www.francelabs.com
www.datafari.com
Email : olivier.tavard@francelabs.com
Twitter : Francelabs

Presentation Lucene / Solr / Datafari - Nantes JUG

Contenu connexe

Tendances (20)

En vedette (20)

Similaire à Presentation Lucene / Solr / Datafari - Nantes JUG (20)

Presentation Lucene / Solr / Datafari - Nantes JUG