淺談新時(shí)期檔案大數(shù)據(jù)系統(tǒng)建構(gòu)策略

李艷

摘要：檔案館（局）是集中管理檔案的文化事業(yè)機(jī)構(gòu)，負(fù)責(zé)接收、收集、整理、保管和提供利用檔案。圖書館、博物館和檔案館（局）三者各司其職，都是保存社會(huì)記憶和文化遺產(chǎn)的文化事業(yè)機(jī)構(gòu)。隨著新時(shí)期檔案資源的擴(kuò)展和管理，檔案資源的有效利用也必將得到大幅度提升。在這種情況下，建構(gòu)檔案大數(shù)據(jù)系統(tǒng)成為必然要求，如何搭建高智能的基礎(chǔ)設(shè)施框架和采取科學(xué)、合理的方法，對價(jià)值密度低、分散、無序、海量的數(shù)據(jù)資源進(jìn)行有效采集、清洗、轉(zhuǎn)換和整合，使其結(jié)構(gòu)合理、價(jià)值密度高、易于管理和應(yīng)用，是檔案界需要該認(rèn)真思考的重要課題。

關(guān)鍵詞：新形勢；檔案大數(shù)據(jù)；檔案資源；檔案管理

當(dāng)前，隨著計(jì)算機(jī)技術(shù)、網(wǎng)絡(luò)技術(shù)的飛速發(fā)展以及社會(huì)對檔案的種類、數(shù)量和質(zhì)量需求大幅提升影響著檔案數(shù)字化、信息化進(jìn)程，檔案大數(shù)據(jù)成為當(dāng)今檔案界普遍關(guān)注的熱點(diǎn)問題。目前，檔案信息化管理中檔案數(shù)據(jù)基本基于單機(jī)管理，無論是結(jié)構(gòu)化數(shù)據(jù)還是非結(jié)構(gòu)化數(shù)據(jù)基本上比較零亂、不便管理、不能實(shí)現(xiàn)數(shù)據(jù)共享。加上檔案數(shù)據(jù)量呈幾何級增長，原有的檔案數(shù)據(jù)系統(tǒng)已經(jīng)很難適應(yīng)時(shí)代發(fā)展的要求。為了解決上述問題，筆者嘗試依托互聯(lián)網(wǎng)、基于數(shù)據(jù)庫、以Hadoop為框架建構(gòu)檔案大數(shù)據(jù)系統(tǒng)。檔案大數(shù)據(jù)系統(tǒng)強(qiáng)調(diào)智能化理念、決策理念、管理理念及服務(wù)理念的先進(jìn)性，具備前瞻性和創(chuàng)新性特質(zhì)。它通過系統(tǒng)的人工智能特征及決策支持系統(tǒng)的應(yīng)用功能，實(shí)現(xiàn)檔案大數(shù)據(jù)的有效利用，從而實(shí)現(xiàn)檔案服務(wù)功能的最大化，達(dá)到業(yè)務(wù)價(jià)值增值的目的。根據(jù)我國檔案信息化建設(shè)多年積累的經(jīng)驗(yàn)，針對系統(tǒng)建設(shè)的自動(dòng)化、智能化目標(biāo)，依據(jù)計(jì)算機(jī)數(shù)據(jù)管理規(guī)則要求，筆者主要采用了垂直+水平的分布式檔案數(shù)據(jù)庫模型，從檔案數(shù)據(jù)的采集、整合、過濾、管理四個(gè)層面對檔案大數(shù)據(jù)系統(tǒng)進(jìn)行建構(gòu)。

一、檔案數(shù)據(jù)的采集

傳統(tǒng)的紙質(zhì)檔案管理所采集的信息不準(zhǔn)確、圖像的清晰度及可識(shí)別性不高。而檔案大數(shù)據(jù)系統(tǒng)平臺(tái)的數(shù)據(jù)表現(xiàn)形式多樣化，如網(wǎng)頁、圖像、音頻視頻、文檔等。為了獲得高質(zhì)量的檔案數(shù)據(jù)信息，不僅可以通過內(nèi)網(wǎng)獲取現(xiàn)有局域網(wǎng)中的元數(shù)據(jù)、中心數(shù)據(jù)、引用數(shù)據(jù)、運(yùn)行數(shù)據(jù)、用戶數(shù)據(jù)、服務(wù)數(shù)據(jù)等結(jié)構(gòu)化數(shù)據(jù)，而且也可以通過外網(wǎng)、RFID射頻、B/S移動(dòng)輸入等多種方式實(shí)現(xiàn)用戶反饋、監(jiān)視器采集、遠(yuǎn)程應(yīng)用系統(tǒng)數(shù)據(jù)等非結(jié)構(gòu)化數(shù)據(jù)的獲取，并對這些數(shù)據(jù)進(jìn)行采集、變更和處理。其中，通過影像識(shí)別技術(shù)獲取的動(dòng)態(tài)數(shù)據(jù)以及通過掃描、攝影等方式收入電腦的紙質(zhì)文檔，都是由非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)換為結(jié)構(gòu)化數(shù)據(jù)的事例。采取這種方式的優(yōu)勢在于便于管理者查詢原始數(shù)據(jù)和利于數(shù)據(jù)分享、數(shù)據(jù)檢索、數(shù)據(jù)分析、數(shù)據(jù)展現(xiàn)。

二、檔案數(shù)據(jù)的整合

檔案大數(shù)據(jù)系統(tǒng)平臺(tái)的檔案數(shù)據(jù)整合是對上傳檔案數(shù)據(jù)進(jìn)行質(zhì)量分析和治理，并對信息的生命周期進(jìn)行管理。也就是說，在進(jìn)行數(shù)據(jù)整合的過程中，主要采用了數(shù)據(jù)接入技術(shù)（包括廣域網(wǎng)、局域網(wǎng)、個(gè)人網(wǎng)等），將數(shù)據(jù)采集層（下層）已處理過的數(shù)據(jù)安全、穩(wěn)定、快速地輸送到上層（即數(shù)據(jù)過濾層），并通過數(shù)據(jù)交互功能模塊形成檔案大數(shù)據(jù)源共享系統(tǒng)，并使其具備“智能交互”功能。

一般而言，檔案數(shù)據(jù)整合包括控制系統(tǒng)、運(yùn)行引擎、基礎(chǔ)平臺(tái)管理三個(gè)方面。主要通過聚類和相似性分析等手段，對檔案數(shù)據(jù)間的有機(jī)聯(lián)系進(jìn)行分析和整合。其中，整合控制系統(tǒng)指的是通過調(diào)度、轉(zhuǎn)換、功能等手段，對檔案數(shù)據(jù)進(jìn)行索引和協(xié)同搜索，在前期信息整合前提下進(jìn)一步實(shí)現(xiàn)上下協(xié)同洞察。整合運(yùn)行引擎指的是對數(shù)據(jù)對象、數(shù)據(jù)訪問、工作流的引擎和任務(wù)引擎的整合，它是一個(gè)分布式的基礎(chǔ)架構(gòu)。一個(gè)分布式文件系統(tǒng)的實(shí)現(xiàn)，能夠做到經(jīng)濟(jì)高效地分析PB級的結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)、信息?；A(chǔ)平臺(tái)管理整合包括日志管理、數(shù)據(jù)訪問及訪問策略、信息通知、異常處理、緩存管理，它主要是按照預(yù)定規(guī)則對檔案數(shù)據(jù)進(jìn)行存儲(chǔ)，并隨之進(jìn)行數(shù)據(jù)庫內(nèi)的科學(xué)分析。

三、檔案數(shù)據(jù)的過濾

為避免海量數(shù)據(jù)傳輸中出現(xiàn)擁擠、堵塞及不必要占用空間等現(xiàn)象的發(fā)生，檔案數(shù)據(jù)過濾主要是按照規(guī)定的數(shù)據(jù)清洗與過濾規(guī)則，對已采集的大數(shù)據(jù)源（先期采集和整合過的數(shù)據(jù)）進(jìn)行可用性檢查及質(zhì)量分析、對數(shù)據(jù)進(jìn)行過濾與清洗，以保證數(shù)據(jù)整合時(shí)的價(jià)值密度和可操作性。

檔案大數(shù)據(jù)過濾服務(wù)是一種快速、完全托管的TB/PB級數(shù)據(jù)倉庫解決方案，由方法庫、知識(shí)庫和模型庫共同組成。它向用戶提供完善的數(shù)據(jù)導(dǎo)入以及多種經(jīng)典的分布式計(jì)算模型，能夠更快速地解決用戶海量數(shù)據(jù)過濾問題?；谠朴?jì)算的分布式系統(tǒng)具有足夠的數(shù)據(jù)存儲(chǔ)和傳輸能力，它的數(shù)據(jù)清洗、數(shù)據(jù)過濾和外部數(shù)據(jù)存儲(chǔ)功能，能夠?qū)崿F(xiàn)檔案大數(shù)據(jù)的智能交互，搭建檔案大數(shù)據(jù)的過濾層，并保障數(shù)據(jù)的安全。

四、檔案數(shù)據(jù)的管理

管理層面指的是使用和維護(hù)系統(tǒng)的接口。管理員通過該層面實(shí)現(xiàn)系統(tǒng)的管理、控制、應(yīng)用和維護(hù)，是數(shù)據(jù)服務(wù)的指揮中心。管理層有兩個(gè)核心功能，一是將加工和過濾后的數(shù)據(jù)進(jìn)行可視化處理；二是建立多種應(yīng)用模塊，提供智能服務(wù)。也就是說，利用可視化和圖像處理技術(shù)輸出需要分析和預(yù)測的數(shù)據(jù)結(jié)果，并通過大數(shù)據(jù)技術(shù)的匹配機(jī)制為用戶提供智能化應(yīng)用。該系統(tǒng)中檔案數(shù)據(jù)的管理層面，是通過多維分析、數(shù)據(jù)挖掘和各種查詢?nèi)齻€(gè)工具實(shí)現(xiàn)人機(jī)交互界面的。通過對人機(jī)交互、操作邏輯、界面美觀的整體設(shè)計(jì)，實(shí)現(xiàn)登錄與認(rèn)證、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)操作、數(shù)據(jù)查詢、基本參數(shù)設(shè)計(jì)等功能。需要注意的是，不管采用何種技術(shù)，關(guān)鍵是應(yīng)用。應(yīng)用需要的數(shù)據(jù)才是有價(jià)值的數(shù)據(jù)，只有生成多模式、多樣性的應(yīng)用數(shù)據(jù)，檔案大數(shù)據(jù)的價(jià)值才能得以充分體現(xiàn)。

總之，基于新時(shí)期大數(shù)據(jù)背景下，檔案管理工作需要實(shí)現(xiàn)科學(xué)化管理，我們要在實(shí)際工作中與時(shí)俱時(shí)，充分的運(yùn)用互聯(lián)網(wǎng)思維，依托于大數(shù)據(jù)時(shí)代的良好的契機(jī)，加快推動(dòng)檔案管理方式的創(chuàng)新，更好的凸顯出檔案管理工作的價(jià)值，全面提升檔案管理工作的重要作用。

參考文獻(xiàn)：

[1]周姝莉.大數(shù)據(jù)時(shí)代下檔案管理的應(yīng)對策略分析[J].才智，2015（24）

[2]陳媛華.大數(shù)據(jù)時(shí)代 高校人事檔案管理面臨的挑戰(zhàn)與應(yīng)對策略[J].人力資源管理，2015（6）