許娟

南京海事局辦公室，江蘇南京 210000

1 檔案信息化研究現(xiàn)狀

國內檔案信息研究始于20 世紀90 年代后期，檔案信息化研究起源于信息社會時代的到來。隨著時代的進步和研究的深入，檔案從業(yè)者，隨著論文數(shù)量的不斷增加而越來越多信息逐漸成為檔案行業(yè)的焦點。在研究開始時，學者們更加關注檔案信息研究的相關理論，研究范圍主要集中在檔案信息源與檔案信息相關概念之間的關系和相關問題。在過程中存檔信息問題和對策，該文件與社會信息化密切相關，討論檔案信息化的形成，分析未來的發(fā)展趨勢。通過分析檔案之間的關系。信息化與企業(yè)信息化，闡述信息化對企業(yè)檔案開發(fā)的重要性。張瑞同志論述了檔案信息化理論體系建設的有利時機、建設現(xiàn)狀和存在的問題，以及完善檔案信息化理論體系建設的對策和措施。丁立新同志在分析我國檔案信息化發(fā)展機遇與困惑的基礎上，對檔案信息化發(fā)展模式、應用系統(tǒng)建設及其運行維護進行了趨勢預測。在分析我國檔案信息化建設基本現(xiàn)狀的基礎上，王美琴同志指出了檔案信息化過程中存在的主要問題，并提出了加快實施檔案信息化的措施。

2 檔案信息化建設面臨的大數(shù)據(jù)問題

目前大數(shù)據(jù)技術的演示應用主要包括社交媒體數(shù)據(jù)分析，在線廣告，地理坐標和商業(yè)智能，主要用于數(shù)據(jù)挖掘和決策。但是，從長遠來看，這些領域將延伸到長期數(shù)據(jù)保護和信息系統(tǒng)管理。任何新技術的應用都與社會環(huán)境密切相關，表現(xiàn)出技術的本質和受限制的社會性質以及各種社會條件。在檔案信息建設過程中，大數(shù)據(jù)存儲技術面臨著一些問題，使用元數(shù)據(jù)的可追溯性，及時性和知識服務的可用性。

2.1 數(shù)字檔案資源存儲問題

只有一個系統(tǒng)能夠可靠地和永久地保存收集的數(shù)字文件資源可以被稱為數(shù)字文件系統(tǒng)。文檔檔案的本質是繼續(xù)不斷發(fā)展的歷史過程。因此,數(shù)字檔案資源的存儲容量增長是一個長期的過程,需要不斷擴張的存儲運營商支持這種增長。此外,任何材料的載體受到自然環(huán)境的影響和技術進步,并逐漸失去了載體的功能,從而影響記錄信息。永久保存的實現(xiàn)是指檔案資源的定期數(shù)據(jù)遷移需要永久保存一段時間,所以可以更新數(shù)據(jù),技術更新和更新,信息資源可以持續(xù)保存?；疽鬄殚L期保存。

數(shù)據(jù)的數(shù)字存檔由兩部分組成：內容實體描述文件數(shù)據(jù)和描述數(shù)據(jù)（元數(shù)據(jù)）。文件數(shù)據(jù)通常具有只讀屬性。因此，諸如數(shù)字檔案的描述，索引，索引和目錄之類的元數(shù)據(jù)相對容易標準化。然而，實體和數(shù)據(jù)的類型，格式和結構數(shù)據(jù)的技術創(chuàng)新不斷變化，信息的完整性和可靠性受到挑戰(zhàn)。隨著數(shù)據(jù)量的增加，相應硬件和軟件設備的處理規(guī)模增加，但數(shù)據(jù)量特別大的情況下即使系統(tǒng)在數(shù)據(jù)系統(tǒng)中崩潰，數(shù)據(jù)的大小也可能導致控制數(shù)據(jù)在一定程度上下降。數(shù)據(jù)遷移是在大數(shù)據(jù)環(huán)境中最難測試的。雖然傳統(tǒng)的關系數(shù)據(jù)庫三重模式保持了遷移過程軟件的獨立性，但數(shù)據(jù)遷移量將越來越大;數(shù)據(jù)遷移數(shù)據(jù)結構中包含的信息對其含義的影響變得越來越復雜。分類;遷移周期和節(jié)奏加速技術創(chuàng)新，周期越來越短，傳統(tǒng)的數(shù)據(jù)庫模型沒有有效地處理遷移的復雜性，特別是現(xiàn)有系統(tǒng)的重組技術或管理創(chuàng)新，數(shù)據(jù)類型，結構，約束等轉換問題。保持記錄的真實性和可靠性是一項巨大的挑戰(zhàn)。

2.2 數(shù)字檔案資源的可追溯問題

從縱向的角度通過檔案了解其反映了基本的語義,背景,源文件的目的和原系統(tǒng)功能,而且還可以找到的相關性不同的文件,該文件具有可追溯性。文件,雖然通常是根據(jù)書中的案例本身,和所有相關單位的條件下保存,但有更多的水準或普遍存在的現(xiàn)實的社會環(huán)境。檔案可追溯性并不局限在體積或在所有情況下,經(jīng)常使用數(shù)字檔案查詢和分析的特點使用復雜的相關性。不同行業(yè)之間的相互滲透,專業(yè)領域,相互之間的關系將會越來越多,越來越復雜。此外,數(shù)字檔案全宗和文件通常是發(fā)現(xiàn)在文本,圖片,視頻和其他異構和均勻,異構數(shù)據(jù),然而,需求跟蹤將會越來越多元化。

3 檔案信息化建設中大數(shù)據(jù)問題的解決對策

3.1 加強數(shù)字檔案資源存儲

數(shù)字檔案是借助計算機網(wǎng)絡技術和多媒體技術開發(fā)和生成的一種新型檔案信息表，將各種傳統(tǒng)的文件載體轉換為數(shù)字檔案庫的信息資源，以數(shù)字形式存儲，網(wǎng)絡傳輸和使用計算機系統(tǒng)進行管理，實現(xiàn)檔案信息的快速利用和共享。在數(shù)字檔案保存中需要按時間順序或原因對數(shù)據(jù)進行分類，相關目標是通過矢量控制來控制存儲管理。傳統(tǒng)的數(shù)據(jù)結構，操作和約束模式，具有一定的模型，使用基于分布式數(shù)據(jù)庫系統(tǒng)的轉儲或模型。通過中心管理服務器將分布在數(shù)據(jù)庫中的不同節(jié)點數(shù)據(jù)中實現(xiàn)統(tǒng)一管理，邏輯存儲方法一般將結構化關系模型作為元數(shù)據(jù)，雖然關系數(shù)據(jù)庫可以實現(xiàn)更復雜的關聯(lián)，但是數(shù)據(jù)量非常敏感，并且具有更大的空間和時間復雜度。在檔案信息構建過程中，使用大數(shù)據(jù)存儲時，存儲數(shù)據(jù)結構，文件到關聯(lián)實體。技術加強數(shù)字檔案信息資源存儲，如通過GFS（谷歌文件系統(tǒng)），HDFS（Hadoop 文件系統(tǒng)）等分布式文件存儲系統(tǒng)，能夠處理非結構化數(shù)據(jù)并實現(xiàn)相關自動建立基本索引元數(shù)據(jù)，適用于半結構數(shù)字檔案信息資源的結構化存儲和處理。

3.2 維護檔案靜態(tài)特征及遷移過程的可靠性

原始記錄檔案的本質屬性、客觀需要依靠軟件和硬件環(huán)境，依附的載體及其語義保持記錄的原始性、真實性和可靠性的信息，靜態(tài)特征的需求同時，隨著信息技術的發(fā)展，實現(xiàn)數(shù)據(jù)遷移的一致性，以確保檔案信息的可追溯性。大數(shù)據(jù)分布式文件存儲系統(tǒng)中的對象文件或文件夾直接轉化為二進制數(shù)據(jù)序列，忽視檔案資源的特定的格式或結構在各種形式的底層實現(xiàn)智能存儲和處理，在更高的層次上，然后使用分析;此外，大數(shù)據(jù)技術更加適應大文件的處理，比如HDFS 文件系統(tǒng)，但要儲存非結構化數(shù)據(jù)按照統(tǒng)一的二進制大小(64m)碎片，多點備份，并行處理，形成一系列的鍵/值對(鍵，值)，然后進行按照合并的檔案價值相同的關鍵因素匯總和合并。這也符合檔案的組織特征(“a”或“體積”組織成復合文件)。因此能夠維護一個文件的完整性、可靠性和資源存儲和利用的過程中實現(xiàn)的智能檔案數(shù)據(jù)轉換、集成和利用率，可以基于存檔文件的組織特點，復合文件或一組類的模型在各種形式的組織，然后按照反饋的節(jié)點，建立簡化的數(shù)字檔案存儲管理方案。

結束語

盡管大數(shù)據(jù)面臨著檔案信息化問題，但相關研究的重點主要集中在大數(shù)據(jù)特征檔案和相關宏觀戰(zhàn)略的管理與利用，而大數(shù)據(jù)技術、云計算、分布式智能化特征以及海量、異構的數(shù)據(jù)處理等方面。數(shù)字檔案管理的優(yōu)勢和現(xiàn)實要求有一定的契合性，同時，大數(shù)據(jù)及其相關技術在數(shù)字檔案管理中應用的深層次問題還需要進一步的理解和把握，如大數(shù)據(jù)技術如何存儲、遷移和支持ACR 等。OSS 部門和知識發(fā)現(xiàn)平臺，以及應用于數(shù)字檔案管理的信息系統(tǒng)需要面對的重構、信息和數(shù)據(jù)轉換層面的分類問題。大數(shù)據(jù)技術及其生態(tài)環(huán)境是信息技術發(fā)展的必然趨勢。