PDF de programación - CompartiMOSS 22

Nº22 diciembre 2014

C O M P A R T I M O S S

Revista especializada en Tecnologías SharePoint

1

02
Staff

CompartiMOSS es una pub-
licación
independiente de
distribución libre en forma
electrónica. Las opiniones
aquí expresadas son de es-
tricto orden personal, cada
autor es completamente re-
sponsable de su propio con-
tenido.
DIRECCIÓN GENEAL
• Gustavo Velez
Juan Carlos Gonzalez
•
•
Fabian Imaz
• Alberto Diaz

Contacte con
nosotros

[email protected]
[email protected]
[email protected]
[email protected]
[email protected]

BLOGS
http://www.gavd.net
http://geeks.ms/blogs/jcgonzalez
http://blog.siderys.com
http://geeks.ms/blogs/adiazmartin

REDES SOCIALES
Facebook:
http://www.facebook.com/group.
php?gid=128911147140492
LinkedIn:
http://www.linkedin.com/groups/
CompartiMOSS-3776291
Twitter:
@CompartiMOSScom

Nº22 diciembre 2014

C O M P A R T I M O S S

Revista especializada en Tecnologías SharePoint

Contenidos
03 Editorial

Parece que tenemos SharePoint para rato, y hablamos tanto
de la versión On-Premises como de la versión Online.

04. Introducción a Machine Learning, Office Graph, Delve y
Clutter
07. Esquema de Sitios y Permisos
10. Entrevista David Sánchez Aguilar

12 Aplicaciones Hight Trust

(Parte I)

15. REST, WebAPI 2 y SharePoint 2013 - Introducción

20. Movilidad sobre SharePoint - Parte I

24. Como utilizar las API’s de Office 365 en aplicaciones móviles
multiplataformas desarrolladas con Xamarin

28 Forefront Identity Manager y

la sincronización de usuarios
en SharePoint 2010

31. Replicación de granjas de SharePoint vía LogShipping
34- Herramientas de Branding para desarrollar aplicaciones de
SharePoint elegantes y potentes
37. Introducción a los Grupos de Office 365 – Trabaja como una
red (Parte I)
40. La nube de SharePoint On-Premises Nintex

2

03

Editorial

Con 2014 a punto de concluir, desde CompartiMOSS nos complace presentarles una nueva edición (y ya son 22) de la
revista de referencia en castellano sobre SharePoint y Office 365. En este nuevo número, contamos de nuevo con excelentes
artículos en los que no sólo se abordan los componentes más técnicos de SharePoint y Office 365, sino también las enormes
posibilidades que ambas plataformas brindan a organizaciones de todo tipo como demuestra la adición continua de nuevos
servicios, capacidades y APIs a Office 365, tales como Delve, Grupos de Office 365 o el reciente Office 365 Video. Junto con
estos nuevos servicios, cada vez está más claro que los escenarios y arquitecturas híbridas OnPremieses-Online son una
alternativa muy atractiva para organizaciones en las que una transición rápida a la nube es posible, aunque necesiten cierto
tiempo de adaptación.

De nuevo, nuestro agradecimiento tanto a los autores que habitualmente colaboran con nosotros como a toda la base de
lectores que impulsan CompartiMOSS y que hacen posible que número a número la revista siga creciendo y reinventándose.
Y no queríamos despedirnos sin desear a todos nuestros autores y lectores una Feliz Navidad y un Feliz Año nuevo. Nos
vemos en 2015 con nuevos números llenos de contenido y de calidad.

EL EQUIPO EDITORIAL DE COMPARTIMOSS

3

04 Introducción a Machine Learning, Office

Graph, Delve y Clutter

Como muchos de vosotros seguramente ya habréis visto
u oído, Microsoft ha lanzado hace un par de meses algo
llamado Office Delve, disponible inicialmente en Office
365 (planes “E”), “cosa” muy relacionada con algo llamado
Office Graph y Machine Learning. En la misma línea unos
días antes de liberar este artículo se ha anunciado Office
Clutter como herramienta que también utiliza la misma
tecnología base. Este artículo va dirigido a aquellos que to-
davía no habéis tomado contacto con estas herramientas
o queréis saber de qué va esto de Graph, Delve y Clutter.
Machine Learning

software, pero imaginaros el potencial que puede tener
en cosas tan variopintas como predecir resultados de las
elecciones basándonos en encuestas pasadas y los resul-
tados que realmente se obtuvieron (de ahí obtendríamos
nuestro patrón de información origen e información des-
tino) o los patrones por los cuales un conjunto de células
se transforman de “buenas” en “malas”. Si os interesa este
tema en particular tenéis más detalle y ejemplo adicion-
al en una publicación reciente en mi Blog: http://blogs.
encamina.com/everyware/2014/11/07/un-poco-de-ma-
chine-learning-o-la-imitacion-binaria-de-el-agua-moja/
Office Graph

Antes de hablar de Delve debemos hablar de Graph, y an-
tes de hablar de Graph debemos hablar de Machine Learn-
ing, pero sobre este último podríamos escribir páginas y
páginas sin acercarnos todavía a describir su capacidad y
potencial. Entrando en materia podemos definir Machine
Learning como una rama de la inteligencia artificial donde
el objetivo principal es aprender y analizar señales pasa-
das con el objetivo de predecir las futuras. Esto que ha
quedado tan bonito escrito y tan poco claro a nivel con-
ceptual no es más que (y nada menos) un conjunto de al-
goritmos destinados a buscar los patrones por los cuales
una información origen se transforma en una información
destino, y quiero recalcar que lo importante no es la trans-
formación en sí misma sino la búsqueda del patrón que
lleva a que un origen se transforme o catalogue en un des-
tino de forma predecible.

Aunque a simple vista esta tarea harto complicada podría
tener un beneficio poco tangible, en realidad abre las puer-
tas a un beneficio mucho mayor llamado “Generalización”,
que no es otra cosa que aplicar los patrones obtenidos
en un “pequeño” conjunto de información e intentar ob-
tener esos patrones de cambio en la información, con el
objetivo de predecir cómo se transformará o agrupará
en los futuros conjuntos. Existen muchos ejemplos en los
que podríamos aplicar esta lógica de autoaprendizaje del

Siguiendo con lo nuestro y ahora que tenemos una noción
superficial de lo que es Machine Learning, es más fácil en-
tender Office Graph, ya que Graph es la implementación
de Microsoft de Machine Learning. Esta implementación,
disponible por ahora sólo en Office 365, utiliza los algorit-
mos base definidos en Machine Learning con el objetivo
de buscar la relación entre 3 grandes entidades como son
Personas, Actividades y Contenidos. La forma en que esta
información se “une”, aunque ya sabemos que lo correcto
sería hablar sobre el patrón que vincula unas entidades
con otras, es mediante la búsqueda y aplicación de señales
entre Outlook, OneDrive, SharePoint y Yammer. Por ahora
solo actúa sobre estos cuatro orígenes, pero cabe esperar
la integración con Lync, Skype for Business, OneNote, los
adjuntos del correo y el contenido de los enlaces publica-
dos en todas las herramientas mencionadas anterior-
mente.
En las tripas de Graph

4

Seguramente una de las características más importantes
de Graph es que permite realizar consultas mediante GQL
(Graph Query Language) que está aún en fase beta. Está
diseñado para realizar las consultas al modelo de Graph
vía el API REST de las búsquedas de SharePoint Online y
funciona devolviendo los elementos de una entidad que
cumplen con una condición en particular.

Graph descubre el vínculo entre las entidades mediante
la conjunción de 3 elementos que son el Actor (quién o
“Actor”), la Acción (qué o “Edge”) y el Objeto (dónde u
“Object”). De esta forma podríamos obtener relaciones
simples del tipo “Javier ha modificado Carta.docx” (actor,
acción y objeto), u otras más complejas como “Alberto
está trabajando con Articulo_CompartiMOSS.pptx” (en
este caso la acción no es simple sino que intrínsecamente
implica varias iteraciones).

La sintaxis de estas consultas se construye como:

Donde QueryText es la entidad donde quieres realizar la
búsqueda y es obligatoria, GraphQuery es el filtro que qui-
eres aplicar (la acción que quieres obtener) y es opcional,
y la última parte corresponde a los datos que quieres que
te retorne la consulta.

Por ejemplo, si quiero obtener todos los elementos (*)
que han sido vistos o modificados por mí esta sería la
llamada (Modificado = acción 1003 y Visto = acción 1001):

https://<direccion_tenant>/_api/search/query?Qu
erytext=’*’&amp;Properties=’GraphQuery:ACTOR(
ME\,OR(action\:1001\,action\:1003))’

No quiero extender estas líneas con cientos de ejemp-
los de código pero sería pecado no dejaros este enlace
donde tenéis toda la sintaxis y multitud de ejemplos para
empezar a jugar.
Office Delve
Si has llegado hasta aquí, imagino que ya sospechas lo que
es Office Delve: es la primera herramienta que brinda al
usuario información vinculada o relacionada con sus in-
tereses sin necesidad de estar buceando en los reposito-
rios donde yace esa información dentro de 365 (Exchange
Online, OneDrive, SharePoint y Yammer). Para ello realiza
consultas a Office Graph y otorga un interfaz más amigable
y el posible “rankeado” de los resultados obtenidos.



Esto quiere decir que por ejemplo, para preparar una re-
unión sobre Delve que tenemos la semana próxima con
los colegas y también autores de esta revista, Alberto Diaz
y Adrián Diaz, Delve nos ahorra tiempo en lo que se re-
fiere a la búsqueda de material que necesitamos ya que
devolverá contenidos referentes a algunas presentaciones
que ya comparto internamente, mis post en Yammer so-
bre esta materia y algunos documentos que ya he compar-
tido internamente. Y lo mejor de todo esto es que estos
colegas no han tenido que hacer nada para que Delve les
recomiende esta información, sino que ahí está la “inteli-
gencia” de Graph buscando vínculos entre compañeros de
trabajo y vínculos entre información que trata del mismo
asunto.

Otra cosa importante que provee Delve es que nos per-
mite utilizarlo como un motor de búsqueda