基于區(qū)塊鏈技術(shù)的圖書館科學(xué)數(shù)據(jù)倉儲模型研究

姚 敏

（重慶圖書館，重慶 400037）

隨著互聯(lián)網(wǎng)、物聯(lián)網(wǎng)和云計算的極速發(fā)展，社會早已步入知識信息經(jīng)濟(jì)時代。信息網(wǎng)絡(luò)無疑是知識經(jīng)濟(jì)發(fā)展的基礎(chǔ)，而它的核心是信息來源，即數(shù)字圖書館?；谕ㄐ偶夹g(shù)、計算機(jī)網(wǎng)絡(luò)技術(shù)和數(shù)字化信息，構(gòu)建一個交互可拓展的平臺、大規(guī)模的知識庫集群。爆炸式增長的數(shù)據(jù)規(guī)模，也為構(gòu)建安全、可靠、大規(guī)模的新型圖書館科學(xué)數(shù)據(jù)倉儲提出了新的機(jī)遇和挑戰(zhàn)。在大數(shù)據(jù)背景下，如何保障數(shù)據(jù)的真實性和較高要求的數(shù)據(jù)存儲容量，如何更有力地保護(hù)用戶的安全性和隱私性，對于數(shù)字圖書館科學(xué)數(shù)據(jù)倉儲性能的要求更高。在《中國區(qū)塊鏈技術(shù)和應(yīng)用發(fā)展白皮書2016》中，區(qū)塊鏈（Blockchain）是采取分布式數(shù)據(jù)存儲技術(shù)、共識機(jī)制、點對點傳輸、加密算法等計算機(jī)技術(shù)的新型模式。區(qū)塊鏈科學(xué)研究所創(chuàng)始人Melanie Swan認(rèn)為，區(qū)塊鏈本質(zhì)上是一個公開賬本，有潛力實現(xiàn)全球性的、去中心化的有形和無形資產(chǎn)的登記、編冊和轉(zhuǎn)讓記錄。區(qū)塊鏈技術(shù)在數(shù)據(jù)管理、數(shù)據(jù)保護(hù)、用戶隱私保護(hù)等方面，為建立新型圖書館科學(xué)數(shù)據(jù)倉儲指明了新的發(fā)展方向。

1 區(qū)塊鏈技術(shù)基本原理

1.1 區(qū)塊鏈技術(shù)簡介

傳統(tǒng)情況下存儲數(shù)據(jù)的有效性和真實性基本上都是由中心系統(tǒng)或第三方實體的信任來決定的，譬如處于系統(tǒng)中心位置的主節(jié)點、核心地位的數(shù)據(jù)庫，這個可信度還取決于它們的維護(hù)者及其他因素。然而，若其中某一環(huán)節(jié)破壞了數(shù)據(jù)的真實性，那么這個失真的數(shù)據(jù)將會變得很難甄別。而通過不接受單一方面控制的去中心化和無需信任的方式，使得所有集體參與者得以共同擁有、管理和監(jiān)督一個可靠新型數(shù)據(jù)架構(gòu)的區(qū)塊鏈技術(shù)[1-3]，無疑可以很好地解決這個問題。

就其實質(zhì)而言，它是采取分布式技術(shù)與共識算法來構(gòu)造出一個全新的信任機(jī)制，利用密碼學(xué)的方法相互關(guān)聯(lián)形成一串串的數(shù)據(jù)塊，一次網(wǎng)絡(luò)交易的數(shù)據(jù)就保存在一個對應(yīng)的數(shù)據(jù)塊里面，起到驗證其數(shù)據(jù)的真實性并且產(chǎn)生一個新的區(qū)塊。簡單來說，區(qū)塊鏈就是一個交易賬本，而這個賬本是由全體參與者一起來維護(hù)的[4]。這個賬本數(shù)據(jù)的公開性可以讓全體參與者實現(xiàn)共同校驗交易與記賬的真實性，這樣的賬本有能力防止惡意篡改，成為全體參與者互信的橋梁。

1.2 區(qū)塊鏈的主要特征

區(qū)塊鏈主要有4種特征分別為：去中心化、時序數(shù)據(jù)、全體維護(hù)、可編程及真實可信等。簡而言之，去中心化與去信任的核心特征，可以達(dá)到很好地處理共享經(jīng)濟(jì)在發(fā)展期間的信息不可避免的全球不對稱、人與人之間的互信問題、交易流程繁雜導(dǎo)致成本高昂等問題。因此，區(qū)塊鏈技術(shù)被稱為是激起第五次變革人類社會生產(chǎn)的技術(shù)。顯然，區(qū)塊鏈含有兩部分“數(shù)據(jù)塊”和“鏈接”，在每一數(shù)據(jù)塊都帶有著系統(tǒng)某時段內(nèi)所加密過的交易備用數(shù)據(jù)；鏈接便是上一個區(qū)塊鏈接到下一個區(qū)塊的數(shù)據(jù)關(guān)系，這兩部分形成了區(qū)塊鏈。一個系統(tǒng)在某個指定時段所有進(jìn)行過的數(shù)據(jù)都在一個特定的區(qū)塊中，故而，每個區(qū)塊都處于同等的地位，某一區(qū)塊的損壞并不造成整個系統(tǒng)的安全問題，因此，區(qū)塊鏈也具有去中心化、可靠數(shù)據(jù)庫的特征；同時，每個區(qū)塊也都包含了整個系統(tǒng)內(nèi)的全部信息。如此，也許能夠通過交叉驗證數(shù)據(jù)的真實性，進(jìn)一步保障區(qū)塊鏈中[5]數(shù)據(jù)的有效性，又兼有去信任、集體維護(hù)的典型特征。

2 圖書館科學(xué)數(shù)據(jù)倉儲分析

20世紀(jì)60年代，傳統(tǒng)文件方式已經(jīng)難以適應(yīng)處理巨大信息數(shù)據(jù)，數(shù)據(jù)庫技術(shù)順應(yīng)需求而產(chǎn)生。指數(shù)式增長的數(shù)據(jù)左右著人們的決斷，數(shù)據(jù)交換量速度的極大膨脹，不利于快速有效地進(jìn)行決策，故而，人們需要繼續(xù)拓展數(shù)據(jù)庫處理技術(shù)。伴隨著互聯(lián)網(wǎng)的產(chǎn)生，人們對數(shù)據(jù)的處理能力發(fā)生了巨大變化。

2.1 數(shù)據(jù)倉儲的概念

數(shù)據(jù)倉儲（Data Warehouse，DW）概念的創(chuàng)始人W.H.Inmom認(rèn)為：數(shù)據(jù)倉儲是面向主題的、集成的、穩(wěn)定的、隨時間變化的數(shù)據(jù)集合。數(shù)據(jù)倉儲技術(shù)是為了創(chuàng)立一種體系化的數(shù)據(jù)存儲空間，也是對原生數(shù)據(jù)的再次加工與處理，進(jìn)而生成能夠用來進(jìn)行數(shù)據(jù)分析的技術(shù)。

2.2 數(shù)據(jù)倉儲的特點

數(shù)據(jù)倉庫是面向主題的數(shù)據(jù)集合，具有相對穩(wěn)定性且能夠反映歷史變化。首先，從面向事務(wù)處理任務(wù)的數(shù)據(jù)庫中組織數(shù)據(jù)，根據(jù)特定的主題領(lǐng)域處理數(shù)據(jù)倉庫中的數(shù)據(jù)，以主題為基礎(chǔ)對不同領(lǐng)域的數(shù)據(jù)進(jìn)行分類。其次，數(shù)據(jù)是在對原數(shù)據(jù)的抽取、清理后，二次加工得到的。數(shù)據(jù)倉庫主要供企業(yè)決策分析，數(shù)據(jù)需要按時的更新。最后，系統(tǒng)記錄了服務(wù)對象各個時段的數(shù)據(jù)，由此，可以利用不同時段的數(shù)據(jù)對研究對象進(jìn)行分析，并進(jìn)行發(fā)展趨勢的預(yù)測。

2.3 數(shù)據(jù)倉儲技術(shù)在數(shù)字圖書館中的應(yīng)用

現(xiàn)代高校圖書館的知識與大數(shù)據(jù)技術(shù)[6]的高度融合、發(fā)展迅速，故而，如何進(jìn)行圖書館館藏資源的高效處理、維護(hù)和利用顯得尤為重要，這也是其發(fā)展中不得不處理的關(guān)鍵所在。數(shù)據(jù)倉儲技術(shù)在科學(xué)數(shù)字圖書館的基礎(chǔ)工作中起著決定性作用。數(shù)據(jù)倉庫為圖書館信息檢索和檢索服務(wù)提供數(shù)據(jù)載體，還能夠提供各種圖書訂購渠道等。當(dāng)下，讀者提出的檢索范圍要求具有不斷擴(kuò)大的知識領(lǐng)域還有知識難度增加等特點。如此，要滿足讀者要求，就需要圖書館從業(yè)人員有廣泛的知識，強(qiáng)大的專業(yè)技能，重中之重是精通信息技術(shù)。數(shù)據(jù)倉儲技術(shù)能夠為數(shù)字圖書館的建立和開發(fā)提供有力的技術(shù)支持。

3 分布式科學(xué)數(shù)據(jù)存儲的設(shè)計思路

3.1 分布式數(shù)據(jù)存儲的設(shè)計

分布式數(shù)據(jù)庫系統(tǒng)技術(shù)[7]是基于以下假定，第一個假定是使每個站點上的計算機(jī)是專用工作站或服務(wù)器。在數(shù)據(jù)庫管理中，數(shù)據(jù)服務(wù)器可采用計算機(jī)來進(jìn)行并行處理具有優(yōu)越性，能夠增強(qiáng)整體性能。第二個假定是在并行數(shù)據(jù)服務(wù)器中采取分布式數(shù)據(jù)庫技術(shù)。數(shù)據(jù)庫技術(shù)的發(fā)展推進(jìn)了對于新應(yīng)用領(lǐng)域的支持。這些應(yīng)用領(lǐng)域需要多方面性能的改進(jìn)。數(shù)據(jù)倉庫的建立是基于更加全面和完整的信息應(yīng)用基礎(chǔ)，目的是在高層次的決策分析中起到支持作用，事務(wù)處理庫負(fù)責(zé)企業(yè)信息中的常規(guī)性運(yùn)營任務(wù)。

3.2 數(shù)據(jù)存儲的整體架構(gòu)

分布式數(shù)據(jù)庫系統(tǒng)，在于高功能計算機(jī)系統(tǒng)可以由幾個較小和功能較弱的計算機(jī)系統(tǒng)代替。在于每一個站點可以由相同的局部系統(tǒng)管理，每一個站點都要設(shè)法實現(xiàn)全局?jǐn)?shù)據(jù)目錄，分布數(shù)據(jù)定義和控制，分布查詢處理和分布事務(wù)管理。通過高速互聯(lián)總線和并行處理，可以增強(qiáng)性能，即提高吞吐率，吞吐率可以用每秒處理聯(lián)機(jī)事務(wù)的個數(shù)來度量。由于這個指標(biāo)與數(shù)據(jù)的分片站點個數(shù)成線性關(guān)系，數(shù)據(jù)分片站點個數(shù)增加一倍將導(dǎo)致吞吐率增加一倍。這一性能的改進(jìn)可以通過采用如下兩個方案得到解決。第一，數(shù)據(jù)應(yīng)該被精心地分片和定位于多個站點上，這樣在處理分布式查詢時可以達(dá)到最大程度的并行性。第二，分布式數(shù)據(jù)管理[8]應(yīng)該利用分布式數(shù)據(jù)庫操作系統(tǒng)有效地進(jìn)行支持?？蓴U(kuò)展性是指當(dāng)增加新站點時能平滑地擴(kuò)展系統(tǒng)。與同構(gòu)分布式數(shù)據(jù)庫系統(tǒng)類似，不管它們的規(guī)模大小，都可采用同樣的管理模式。

3.3 分布式數(shù)據(jù)存儲的切片分析

在數(shù)據(jù)倉庫中存在不同級別的集成，通常稱為“粒度”。粒度越大，能描述的細(xì)節(jié)水平越低，集成度越高。劃分粒度是數(shù)據(jù)倉庫設(shè)計中的一個關(guān)鍵問題。在數(shù)據(jù)倉庫環(huán)境中，主要使用分析處理的類型，層次結(jié)構(gòu)的詳細(xì)程度直接影響數(shù)據(jù)倉庫中的數(shù)據(jù)量和相應(yīng)的查詢類型。使用分段數(shù)據(jù)的優(yōu)點是查詢只對必要的數(shù)據(jù)段進(jìn)行切割存取，并且可以從表中快速地添加或刪除整個數(shù)據(jù)段?？茖W(xué)數(shù)字圖書館的數(shù)據(jù)倉庫只需存儲活動的，以及最近的存取數(shù)據(jù)，這能夠顯著減少數(shù)據(jù)倉庫的維護(hù)負(fù)擔(dān)。經(jīng)過數(shù)據(jù)倉庫技術(shù)的分析很容易發(fā)現(xiàn)，數(shù)據(jù)倉庫的強(qiáng)大數(shù)據(jù)處理能力和穩(wěn)定性能夠有效促進(jìn)高校圖書館館藏資源的開發(fā)利用。

4 基于區(qū)塊鏈的圖書館科學(xué)數(shù)據(jù)倉儲模型設(shè)計

4.1 建立基于區(qū)塊鏈的圖書館數(shù)據(jù)倉儲

互聯(lián)網(wǎng)使全球互動日益緊密，隨之而來的便是信息的可靠性以及信任問題。如今，現(xiàn)存的核心數(shù)據(jù)庫架構(gòu)是私有的、分散的，在這種情況下，傳遞價值和互信的問題自然難以解決。故而，區(qū)塊鏈技術(shù)無疑能夠成為新的數(shù)據(jù)倉儲架構(gòu)，并且能夠很好地解決這個難題。區(qū)塊鏈技術(shù)能夠使得科學(xué)數(shù)字圖書館系統(tǒng)建設(shè)模式拓展到更大的領(lǐng)域范圍，如全國數(shù)字圖書平臺，管理人員通過基于區(qū)塊鏈開放式界面開發(fā)本圖書館的應(yīng)用系統(tǒng)，并能夠補(bǔ)充館中書籍?dāng)?shù)據(jù)的上傳和導(dǎo)入。所有對區(qū)塊鏈的訪問都是通過公鑰和私鑰進(jìn)行，公鑰是授權(quán)用戶（如圖書館）訪問數(shù)據(jù)的權(quán)限，私鑰是個人用戶對其數(shù)字圖書數(shù)據(jù)的許可權(quán)。區(qū)塊鏈的分布式數(shù)據(jù)存儲以及去中心化可以使數(shù)據(jù)更安全可靠。

圖1 基于區(qū)塊鏈技術(shù)的圖書館數(shù)據(jù)倉儲

4.2 數(shù)據(jù)更新的數(shù)據(jù)存儲新區(qū)塊鏈的生成

發(fā)送區(qū)塊鏈的鏈上圖書數(shù)據(jù)交易鏈上的交易是指進(jìn)入圖書館數(shù)據(jù)倉儲區(qū)塊鏈記錄的去中心化、防篡改的交易。在區(qū)塊鏈中存入數(shù)字簽名時，能夠利用哈希算法先獲取一串定長的字符串，也就是該用戶上傳的數(shù)字簽名。然后，在區(qū)塊鏈上進(jìn)行的圖書信息的交易數(shù)據(jù)，將數(shù)字簽名保存到區(qū)塊鏈上。流程如下：設(shè)定圖書館用戶發(fā)送方為主公鑰的地址，收款方為提供數(shù)據(jù)資源的用戶方的公鑰地址；在主公鑰地址上檢索并選擇輸出一個適當(dāng)?shù)慕灰醉?，然后，把這個數(shù)字簽名存入數(shù)據(jù)庫中。驗證首先對待上傳的數(shù)據(jù)進(jìn)行封包，這個簽名的依據(jù)是把私鑰地址與數(shù)據(jù)先匹配分析，然后把所得結(jié)果再進(jìn)行哈希運(yùn)算；其次，可以選用公鑰地址及簽名對數(shù)據(jù)的有效性進(jìn)行校驗。在圖2中節(jié)點A可以直接把交易發(fā)送給節(jié)點C，然后，區(qū)塊鏈中的全體節(jié)點共同確認(rèn)再一起驗證這筆交易的真實性，繼而便可以在更新公共總賬后，最后全體的節(jié)點一起同步一下最新的總賬。這樣交易真實性可以通過加密過的算法來保證賬本一致，這樣維護(hù)好這一條總賬便能夠?qū)崿F(xiàn)數(shù)據(jù)的真實有效。得到一個區(qū)塊鏈的“交易縮影”值就可以生成新的區(qū)塊鏈。

圖2 圖書館數(shù)據(jù)更新流程

4.3 區(qū)塊鏈數(shù)據(jù)倉儲維護(hù)的質(zhì)量控制

在基于區(qū)塊鏈基礎(chǔ)上構(gòu)建的科學(xué)數(shù)字圖書館數(shù)據(jù)倉儲中，相鄰的區(qū)塊之間必然是依照時序銜接而成。每個區(qū)塊都可以引用前面相鄰的區(qū)塊結(jié)構(gòu)，這樣能夠使所有的區(qū)塊構(gòu)成一個長鏈狀的分布式數(shù)據(jù)鏈。從第一個區(qū)塊起，到最近時期產(chǎn)生的區(qū)塊為止，系統(tǒng)內(nèi)所有的歷史交易數(shù)據(jù)都保存在了區(qū)塊鏈上。為我們提供了數(shù)據(jù)倉儲內(nèi)記錄的每一筆數(shù)據(jù)的查找功能，區(qū)塊鏈上的每筆交易數(shù)據(jù)都能夠利用區(qū)塊鏈的結(jié)構(gòu)來找到原始數(shù)據(jù)，從而驗證數(shù)據(jù)的真實性。此外，區(qū)塊鏈的數(shù)據(jù)倉儲能夠利用時間點在每一個區(qū)塊上進(jìn)行記賬，來表示這個數(shù)據(jù)的錄入時間，形成一個不可偽造的數(shù)據(jù)倉儲。這樣可以保證數(shù)據(jù)質(zhì)量，而且偽造成本高，如此可以實現(xiàn)數(shù)據(jù)倉儲的質(zhì)量控制。

4.4 優(yōu)化區(qū)塊鏈數(shù)據(jù)倉儲模型結(jié)構(gòu)

基于區(qū)塊鏈的圖書館數(shù)據(jù)倉儲中交流數(shù)據(jù)的驗證、存儲和維護(hù)等過程采取分布式的系統(tǒng)結(jié)構(gòu)，選取分布式各個節(jié)點間的去信任的關(guān)系，來產(chǎn)生去中心化的真實有效性的分布式系統(tǒng)。在圖書館的圖書交易中，各個用戶與館員可以在該模型系統(tǒng)中進(jìn)行信息交流并系統(tǒng)能夠通過共識算法來選取特定的節(jié)點將新信息流數(shù)據(jù)區(qū)塊添加到區(qū)塊鏈中。特殊的圖書館用戶還能夠利用區(qū)塊鏈技術(shù)可編輯的腳本代碼系統(tǒng)來創(chuàng)建新的交易類型等。譬如，Ethereum平臺即供給用戶創(chuàng)建能夠?qū)崿F(xiàn)更加精細(xì)化的交易類型的圖靈腳本代碼。

5 結(jié)語

科學(xué)數(shù)字圖書館是大數(shù)據(jù)信息化技術(shù)的一個綜合性極強(qiáng)的集成系統(tǒng)。數(shù)據(jù)倉儲技術(shù)與區(qū)塊鏈技術(shù)的結(jié)合為擁有大量的科學(xué)數(shù)字資源的圖書館提供了長期數(shù)據(jù)保留的安全性和效率的保障。