尹 蕾

（咸寧廣播電視臺 湖北 咸寧 437000）

1 引言

利用大數(shù)據(jù)技術(shù)，可以對當前信息化時代中產(chǎn)生的各項數(shù)據(jù)進行存儲和收集，同時有望實現(xiàn)檔案資源的擴展以及統(tǒng)一使用。基于此，也可以進一步提升對檔案資源的使用效率。其中，較為關(guān)鍵的是怎樣利用科學(xué)有效的方法實施平臺的構(gòu)建，同時完成對數(shù)據(jù)資源采集、清洗和整合等任務(wù)。

2 信息時代檔案大數(shù)據(jù)系統(tǒng)的提出

隨著數(shù)據(jù)技術(shù)以及信息技術(shù)的不斷優(yōu)化與發(fā)展，人們進入了信息時代。大數(shù)據(jù)的快速發(fā)展，促使大部分行業(yè)與學(xué)科發(fā)生了巨大的變化，同時也為科學(xué)的發(fā)展與創(chuàng)新打下了堅實的基礎(chǔ)。隨著檔案不斷向信息化、數(shù)字化方向發(fā)展，同時在社會對檔案數(shù)據(jù)種類、數(shù)量以及質(zhì)量迫切需求的影響下，致使信息時代下大數(shù)據(jù)檔案管理成為當前檔案界重點關(guān)注的問題[1]。通過對大量的文獻報道進行翻閱，得出大數(shù)據(jù)檔案是指在現(xiàn)有軟件工具無法在有效地時間內(nèi)對大量檔案數(shù)據(jù)進行采集、整理與上傳，進而所衍生的新型檔案管理技術(shù)，與傳統(tǒng)數(shù)據(jù)檔案相比，具有更全面的優(yōu)勢。

3 檔案大數(shù)據(jù)系統(tǒng)探究

利用大數(shù)據(jù)技術(shù)可以對豐富的信息數(shù)據(jù)進行儲存和處理，有望實現(xiàn)檔案資源的統(tǒng)一管理[2]。對檔案大數(shù)據(jù)平臺的構(gòu)建需要考慮異構(gòu)、開放、移動、協(xié)同和融合等方面的特點，從客戶實際需求出發(fā)，對各種資源進行整合，從而保證客戶可以在安全的網(wǎng)絡(luò)環(huán)境中，對信息以及網(wǎng)絡(luò)平臺進行合理利用。對檔案大數(shù)據(jù)系統(tǒng)的構(gòu)建工作，要以改善服務(wù)器容量為前提，并以減少資金投入和對成本的維護功能等為依據(jù)，對系統(tǒng)進行設(shè)計。以客戶實際需要為基礎(chǔ)，進行使用流程的設(shè)計，其具體流程主要包括檔案的數(shù)據(jù)采集層、數(shù)據(jù)存儲層、數(shù)據(jù)轉(zhuǎn)換層、數(shù)據(jù)互聯(lián)層和數(shù)據(jù)管理層等5個層面的內(nèi)容。

3.1 檔案數(shù)據(jù)的采集層

大數(shù)據(jù)背景下的檔案，與以往的檔案有顯著差異，其具有多元化的形式表現(xiàn)。利用質(zhì)量較高的檔案中數(shù)據(jù)和信息獲取途徑，既可以通過現(xiàn)存局域網(wǎng)中結(jié)構(gòu)化數(shù)據(jù)獲取信息來源，同時還可以以網(wǎng)絡(luò)交互、傳感器、RFID射頻及B/S移動輸入等途徑進行非結(jié)構(gòu)化數(shù)據(jù)信息的獲取，并完成對信息數(shù)據(jù)的采集、變更和處理等目的。利用影像識別技術(shù)能夠獲取相關(guān)動態(tài)數(shù)據(jù)。通過將掃描、攝影等輸入到計算機中，可以進行紙質(zhì)文檔的獲取，并將半結(jié)構(gòu)和結(jié)構(gòu)化數(shù)據(jù)進行實際例證。相關(guān)工作人員可以通過這種方式，對原始數(shù)據(jù)進行查找，防止出現(xiàn)重復(fù)錄入的現(xiàn)象，造成資源的浪費[3]。具體實施方法：（1）以文檔一體化為基礎(chǔ)，建立相關(guān)電子檔案管理平臺，強化對電子檔案的接收和管理力度；（2）創(chuàng)建可以對業(yè)務(wù)數(shù)據(jù)庫進行采集和管理的平臺，從而實現(xiàn)對數(shù)據(jù)進行長期集中管理；（3）創(chuàng)建對媒體信息采集管理的平臺，完成對網(wǎng)絡(luò)中媒體信息的智能化采集和管理，并可以實現(xiàn)對文檔的自動歸類功能；（4）以城市記憶理念為依據(jù)，創(chuàng)建對數(shù)字相關(guān)資源的采集和整理平臺。按照相應(yīng)計劃實現(xiàn)對資源的整合和收集工作。

3.2 檔案數(shù)據(jù)的存儲層

數(shù)據(jù)存儲層能夠?qū)Ω鞣N異構(gòu)數(shù)據(jù)源進行存儲，對數(shù)據(jù)進行存儲的形式主要有：（1）將結(jié)構(gòu)化數(shù)據(jù)存儲在不同類型的數(shù)據(jù)庫中；（2）將半結(jié)構(gòu)或者非結(jié)構(gòu)化數(shù)據(jù)以文件的形式進行存儲。其中，檔案的數(shù)字化在大數(shù)據(jù)源中起非常重要的作用[4]。在進行這項工作的過程中，同時要將檔案數(shù)字化成果服務(wù)體系和相關(guān)電子文檔進行優(yōu)化，從而保證大數(shù)據(jù)處理工作能夠順利實施。

3.3 檔案數(shù)據(jù)的轉(zhuǎn)換層

以數(shù)據(jù)過濾和清洗原則為依據(jù)，對采集到的數(shù)據(jù)源可用性進行探討和分析。通過對數(shù)據(jù)的過濾和清洗，能夠獲得更實用的數(shù)據(jù)整合資源，防止產(chǎn)生數(shù)據(jù)資源在傳播過程中出現(xiàn)擁堵的情況。云計算可以作為分布式檔案數(shù)據(jù)源的轉(zhuǎn)換層。其強大的數(shù)據(jù)傳輸和存儲能力，能夠在大數(shù)據(jù)之間進行交互，從而生成方法庫、只是庫等多維數(shù)據(jù)的模型。數(shù)據(jù)轉(zhuǎn)換層以不同數(shù)據(jù)類型為依據(jù)，可以利用RDB至RDF映射技術(shù)（RDB2RDF）和數(shù)據(jù)語義標注標簽對數(shù)據(jù)實施 RDF標注兩種形式對數(shù)據(jù)進行轉(zhuǎn)換[5]。

3.4 檔案數(shù)據(jù)的互聯(lián)層

檔案數(shù)據(jù)的互聯(lián)、整合功能主要針對廣域網(wǎng)、局域網(wǎng)以及個人網(wǎng)等方面，其主要公式是把采集層已經(jīng)處理好的數(shù)據(jù)通過安全、有效和快速的手段，傳輸?shù)缴蠈咏Y(jié)構(gòu)，同時依據(jù)大數(shù)據(jù)的交互功能實現(xiàn)數(shù)據(jù)之間的共享。檔案數(shù)據(jù)共聯(lián)主要由控制系統(tǒng)、運行引擎等組成。其中，控制系統(tǒng)可以利用調(diào)度、轉(zhuǎn)換以及功能等進行文檔數(shù)據(jù)的搜索工作。運行引擎是對數(shù)據(jù)中的引擎以及任務(wù)引擎等進行整合，完成分布式系統(tǒng)的構(gòu)建，并且可以對PB級的結(jié)構(gòu)與非結(jié)構(gòu)化數(shù)據(jù)或信息進行更加有效的分析。

3.5 檔案數(shù)據(jù)的管理層

檔案數(shù)據(jù)管理層面主要包括數(shù)據(jù)共享、維護和分析等，在數(shù)據(jù)服務(wù)中起關(guān)鍵作用。利用多維分析以及相關(guān)查詢工具和數(shù)據(jù)挖掘等，能夠完成系統(tǒng)中的人機交互界面設(shè)置，進而實現(xiàn)對頁面更加美觀的設(shè)計，從而完成系統(tǒng)登錄、進入、存貯、查詢以及操作等相關(guān)的作用。

4 檔案大數(shù)據(jù)系統(tǒng)的安全管理

4.1 用戶安全管理

安全管理指的是利用組織—項目—用戶等各個層級的管理，是一項較為完善的用戶管理流程，能夠使系統(tǒng)中用戶的不同需求得到有效管理。根據(jù)不同用戶進行系統(tǒng)中角色的定位，將用戶角色與系統(tǒng)中訪問權(quán)限進行相互聯(lián)系。針對不同需求用戶設(shè)置相應(yīng)訪問權(quán)限，從而保證用戶之間不被打擾，以及出現(xiàn)越權(quán)訪問的現(xiàn)象，使系統(tǒng)和用戶的安全都能夠得到保障。設(shè)置多級別的管理員角色，并且提供多種訪問Portal及權(quán)限。通過多狀態(tài)管理功能，使系統(tǒng)可以對較大范圍的用戶生命周期管理需要得到滿足。組織管理員生命周期具體見圖1。在用戶管理中主要包括退出、登錄、凍結(jié)、激活共4種管理操作功能，這些內(nèi)容中，項目并不存在凍結(jié)的狀態(tài)。組織管理員對自己的項目資產(chǎn)有分配和使用的權(quán)利。

圖1 用戶管理圖

4.2 系統(tǒng)安全管理

在模塊化系統(tǒng)架構(gòu)的基礎(chǔ)上，對檔案信息平臺管理系統(tǒng)進行構(gòu)建，以不同用戶的需求為依據(jù)，對各版塊中的功能進行組合運用。設(shè)置只針對客戶需求的入口（Portal）。在進行系統(tǒng)構(gòu)建工作中，利用模塊的形式，更有利于使系統(tǒng)優(yōu)化和升級。在進行系統(tǒng)功能開發(fā)中，添加一些新的功能，無需對原有系統(tǒng)進行更改。在對系統(tǒng)進行升級時，只需要對相應(yīng)系統(tǒng)模塊進行升級，并不需要進行其他操作。而這些功能對用戶要保持透明公開，所以不會對用戶的系統(tǒng)訪問造成不利影響，只會對系統(tǒng)相關(guān)服務(wù)造成短暫中斷，見圖2。管理系統(tǒng)在分區(qū)共享存儲的基礎(chǔ)上，為系統(tǒng)存儲提供解決方案。根據(jù)快照與遠程復(fù)制技術(shù)，對數(shù)據(jù)進行連續(xù)復(fù)制與快速復(fù)制，明確最佳的復(fù)原時間目標（PTO）與復(fù)原點目標（RPO）。通過先進的增量備份技術(shù)對網(wǎng)絡(luò)寬帶的占用率進行有效降低，并與快照技術(shù)緊密結(jié)合連續(xù)地保護了數(shù)據(jù)安全，防止各種錯誤對系統(tǒng)造成損壞。針對整個系統(tǒng)中所有關(guān)鍵數(shù)據(jù)的安全性采取了分布式數(shù)據(jù)庫技術(shù)，提高了系統(tǒng)能夠及時地響應(yīng)所有用戶的請求，實現(xiàn)了多用戶一體化并發(fā)且不少于1萬個。對于保護用戶的隱私安全，可以通過國產(chǎn)保密平臺的個人密鑰、加密證書和卡以及基于國產(chǎn)保密平臺防火墻系統(tǒng)的軟件和技術(shù)，從而建立起一套基于信息平臺的云安全解決方案，對互聯(lián)網(wǎng)網(wǎng)絡(luò)層與大量數(shù)據(jù)庫層的安全性進行了保障[6-7]。

圖2 OSGi模塊化規(guī)范

5 結(jié)語

對檔案大數(shù)據(jù)系統(tǒng)進行構(gòu)建是一項長期持久的工作，同時在技術(shù)以及非技術(shù)方面，同樣面臨諸多困難，怎樣利用科學(xué)、合理的手段設(shè)計出符合現(xiàn)代社會要求的高智能檔案大數(shù)據(jù)系統(tǒng)框架，是現(xiàn)階段檔案部門相關(guān)人員急需解決的難題。通過科學(xué)、合理的檔案大數(shù)據(jù)系統(tǒng)構(gòu)建，必定能夠使用戶獲得全新的體驗，從而為人類進步以及實現(xiàn)國家的現(xiàn)代化建設(shè)提供更多的幫助。