淺析數(shù)字時(shí)代下檔案管理數(shù)據(jù)遷移模式的規(guī)范化

劉 倩

（安徽科技學(xué)院黨委（校長）辦公室 安徽滁州 233000）

數(shù)字檔案數(shù)量呈急劇增長態(tài)勢(shì)，如何鑒定，管理和存儲(chǔ)這些海量的檔案數(shù)據(jù)是檔案學(xué)界的熱點(diǎn)問題。數(shù)字檔案館作為新型的檔案?jìng)}庫和窗口，既具備傳統(tǒng)檔案館的功能和性質(zhì)，也承擔(dān)著在信息時(shí)代更大程度的發(fā)揮檔案價(jià)值的重任。然而，數(shù)字檔案因自身的脆弱性，與載體的不可分離性等特點(diǎn)，保存期限較短，其長期安全保存較傳統(tǒng)紙質(zhì)檔案更加困難。數(shù)據(jù)遷移是數(shù)字檔案保存利用過程中常用的技術(shù)手段，是實(shí)現(xiàn)檔案在分級(jí)存儲(chǔ)設(shè)備中合理、高效調(diào)度的重要組成部分[1]。數(shù)字的檔案館存儲(chǔ)壓力隨著數(shù)據(jù)量的爆炸性增長越來越大，數(shù)據(jù)遷移技術(shù)的應(yīng)用能幫助實(shí)現(xiàn)存儲(chǔ)資源合理、經(jīng)濟(jì)、高效的分配，數(shù)據(jù)遷移在數(shù)字檔案的長期保存和方便利用中有不可忽視的作用?；诖?，探究數(shù)字時(shí)代下檔案管理數(shù)據(jù)遷移模式的規(guī)范化具有重要價(jià)值。

一、數(shù)字檔案及數(shù)據(jù)遷移概述

（一）數(shù)字檔案及數(shù)字檔案館。數(shù)字檔案是在計(jì)算機(jī)環(huán)境中生成的，具有保存和利用價(jià)值，并按照電子文件管理規(guī)定正式歸檔的電子文件。電子文件類型非常豐富，遠(yuǎn)超傳統(tǒng)觀念中的檔案。正如傳統(tǒng)檔案的主體是紙質(zhì)文件一般，數(shù)字檔案的主體是文本文件。隨著信息技術(shù)的發(fā)展，更加生動(dòng)、直觀和形象的圖像、音頻、視頻和多媒體文件也成為“社會(huì)記憶”必不可少的一部分。常見的電子文件包括文本文件，影像文件，聲音文件，多媒體文件，數(shù)據(jù)庫文件，超文本文件等等，其中部分文件可以打印出來，但有些文件只有在計(jì)算機(jī)環(huán)境中才有意義。電子文件不但類型豐富，同類型文件的格式也極具多樣化，譬如文本文件常用的有wps，doc，pdf等格式，圖像文件的常用格式有bmp,tiff,gif 等，影像文件的常用格式為avi，wma等常用格式，聲音文件也有mp3,mid,wav等格式。如此紛繁的文件格式，使得文件管理者在面對(duì)海量的信息的同時(shí)，還要選擇轉(zhuǎn)化合適的文件格式。這不僅是數(shù)字檔案管理的一大威脅，也是數(shù)據(jù)遷移時(shí)要考慮的重要因素。

目前，數(shù)字檔案大多保存在數(shù)字檔案館中。通常來說數(shù)字檔案館至少會(huì)擁有檔案目錄數(shù)據(jù)庫和全文數(shù)據(jù)庫兩個(gè)大型數(shù)據(jù)庫。目錄數(shù)據(jù)庫存儲(chǔ)的不是檔案原文，而是在著錄和標(biāo)引的過程中產(chǎn)生的二次文獻(xiàn)。它有助于檢索功能的開發(fā)，并具有一定的學(xué)術(shù)研究價(jià)值。全文數(shù)據(jù)庫存儲(chǔ)的是所有數(shù)字檔案的主體，包括傳統(tǒng)檔案資料數(shù)字化后形成的數(shù)字檔案，以及直接移交進(jìn)館的檔案數(shù)據(jù)。數(shù)字檔案館中幾乎全部的數(shù)字檔案都集中存儲(chǔ)在這兩個(gè)信息數(shù)據(jù)庫中。信息爆炸的今天，數(shù)字檔案的數(shù)量以極高的速度增長，數(shù)字檔案館的存儲(chǔ)容量也隨之不斷增加?，F(xiàn)在中國第一歷史檔案館和第二歷史檔案館的存儲(chǔ)數(shù)量早已達(dá)到上千TB，即便是中小型的檔案館，其數(shù)據(jù)存儲(chǔ)容量也已經(jīng)突破了TB級(jí)[2]。如何降低數(shù)字檔案的存儲(chǔ)成本和管理難度，以及后續(xù)對(duì)數(shù)字檔案資源進(jìn)行針對(duì)性的開發(fā)和利用是數(shù)字檔案館亟需解決的問題。數(shù)據(jù)遷移是數(shù)字檔案館海量信息資源的來源手段之一，也是數(shù)字檔案館合理分配存儲(chǔ)資源的重要方式。由此可見，檔案管理中數(shù)據(jù)遷移的規(guī)范化發(fā)展尤為重要。

（二）檔案管理內(nèi)數(shù)據(jù)遷移。自然界中，遷移是由原來的地點(diǎn)前往新的地點(diǎn)的行為和活動(dòng)過程。傳統(tǒng)的檔案遷移比較符合這種定義，遷移的方式相對(duì)單一，本質(zhì)上是檔案實(shí)體物理位置的變化。檔案數(shù)字化也是數(shù)據(jù)遷移的一種，從實(shí)體檔案到電子文件，檔案的內(nèi)容發(fā)生了復(fù)制和遷移，但數(shù)據(jù)遷移的重要性、多樣性和復(fù)雜性更多的還是體現(xiàn)在計(jì)算機(jī)環(huán)境中的電子文件上。電子文件的遷移是指將源系統(tǒng)中的電子文件向目標(biāo)系統(tǒng)進(jìn)行轉(zhuǎn)移存儲(chǔ)的方法與過程。隨著檔案管理現(xiàn)代化的步伐，檔案管理系統(tǒng)本身面臨著不斷的升級(jí)，同時(shí)不同全宗、不同系統(tǒng)保存的文件的集中化存儲(chǔ)也是必然趨勢(shì)。這個(gè)過程可能是軟件的更新，系統(tǒng)的升級(jí)，或者硬件的轉(zhuǎn)變，是一個(gè)從原來的計(jì)算機(jī)環(huán)境向目標(biāo)環(huán)境轉(zhuǎn)移的過程。利用數(shù)據(jù)遷移可以實(shí)現(xiàn)數(shù)字檔案的備份、利用、共享，從而達(dá)到長期保存和發(fā)揮檔案價(jià)值的目的。由于數(shù)字檔案的非人工識(shí)讀性，與載體不可分離性等自身特性，對(duì)遷移的技術(shù)和安全水平有較高的標(biāo)準(zhǔn)[3]。

二、檔案管理數(shù)據(jù)遷移規(guī)范化探析

（一）數(shù)據(jù)遷移執(zhí)行力度規(guī)范化。我國電子文件和數(shù)字檔案的管理缺乏全盤的戰(zhàn)略安排，在規(guī)范和標(biāo)準(zhǔn)滯后時(shí)又難以通過戰(zhàn)略指明方向，發(fā)布的標(biāo)準(zhǔn)主要集中在格式，術(shù)語，歸檔等方面，對(duì)數(shù)據(jù)遷移并沒有細(xì)致、深入的規(guī)定[4]。目前，我國的文件是分階段保存的，文件生產(chǎn)者和檔案管理者相互獨(dú)立，互不干涉。因此同類型的文件，生成者可以有多種可以選擇的格式，在歸檔時(shí)通常就要反復(fù)的壓縮和解壓縮將文件從原本的格式轉(zhuǎn)換為規(guī)范的格式。有時(shí)由于文件體積過大，為了節(jié)約存儲(chǔ)空間，在保管時(shí)進(jìn)行必要的壓縮，利用時(shí)則需要解壓縮，后果是數(shù)字檔案的格式、結(jié)構(gòu)甚至內(nèi)容有可能會(huì)在高頻率的格式轉(zhuǎn)換中受損。雖然文本文件可能沒有直觀的體現(xiàn)，但是經(jīng)過轉(zhuǎn)換的數(shù)字檔案的真實(shí)性、完整性和可靠性都無法保證。對(duì)于音頻、視頻檔案，信息的損失很容易造成畫質(zhì)、音質(zhì)的下降。即使采用統(tǒng)一的格式也不能做到一勞永逸，如果選擇了專有格式，可能面臨技術(shù)陳舊，兼容性差，安全版權(quán)等方面的問題，甚至還會(huì)因?yàn)楣镜南鰧?dǎo)致文件的不可解讀從而丟失[3]。除此之外，技術(shù)過時(shí)，后繼無力。比如根據(jù)十幾年前發(fā)表的規(guī)范，很多現(xiàn)已淘汰的載體、格式還列在其中，現(xiàn)在主流的最新的技術(shù)卻沒有納入規(guī)范。在實(shí)踐中，各級(jí)各地區(qū)檔案部門各自做主，既存在選擇的檔案格式不一的情況，也可能選擇的格式不適合歸檔。如現(xiàn)在很多的文本文件以doc格式歸檔保存，但規(guī)范標(biāo)準(zhǔn)下推薦的歸檔格式其實(shí)是pdf格式。這對(duì)將來數(shù)字檔案規(guī)范化遷移時(shí)的實(shí)際執(zhí)行情況造成了障礙。

（二）數(shù)據(jù)遷移環(huán)節(jié)步驟規(guī)范化。與傳統(tǒng)檔案不同的是，數(shù)字檔案必須依托兼容的系統(tǒng)環(huán)境中才可以正常使用。所以軟件環(huán)境，系統(tǒng)環(huán)境的改變都可能影響數(shù)字檔案的狀態(tài)。系統(tǒng)的升級(jí)包括檔案管理系統(tǒng)的升級(jí)，軟件系統(tǒng)的更新升級(jí)、操作系統(tǒng)平臺(tái)的升級(jí)等許多方面[5]。相對(duì)來說檔案管理系統(tǒng)升級(jí)的周期較短，風(fēng)險(xiǎn)更大。操作系統(tǒng)更新發(fā)生的頻率低，環(huán)境相對(duì)穩(wěn)定，對(duì)檔案的影響較小。系統(tǒng)升級(jí)時(shí)，檔案數(shù)據(jù)遷移一般有三種方法：首先，系統(tǒng)切換前通過工具遷移。即在系統(tǒng)切換前利用工具將源系統(tǒng)中的檔案數(shù)據(jù)提取，轉(zhuǎn)換，然后加載到新的目標(biāo)系統(tǒng)中。因?yàn)槠浞奖憧旖?，是?shù)據(jù)遷移最常用的方法。其次，系統(tǒng)切換前手工錄入。手工錄入一方面會(huì)消耗大量的人力、物力和時(shí)間成本，另一方面人工操作較高的出錯(cuò)率導(dǎo)致遷移過程的數(shù)據(jù)損失。最后，切換后由新系統(tǒng)生成。這種方法需要提前遷移所需的數(shù)據(jù)到新系統(tǒng)中，通過系統(tǒng)自帶的功能和程序生成主要的檔案數(shù)據(jù)。每次檔案管理系統(tǒng)的升級(jí)，要對(duì)遷移數(shù)據(jù)進(jìn)行大量格式上或存儲(chǔ)位置上的遷移，在此過程中面臨極大的成本上的風(fēng)險(xiǎn)和檔案完整性、可讀性的風(fēng)險(xiǎn)。目前，針對(duì)系統(tǒng)升級(jí)可能帶來的風(fēng)險(xiǎn)，僅規(guī)范化了測(cè)試及備份步驟，對(duì)于數(shù)據(jù)遷移的具體環(huán)節(jié)步驟規(guī)范化較為模糊。

（三）數(shù)據(jù)遷移存儲(chǔ)載體。數(shù)字檔案不僅格式讓人眼花繚亂，存儲(chǔ)載體也一直更新?lián)Q代，多種多樣，從最初的軟盤到如今常見的u盤，光盤，磁盤以及綜合的磁盤陣列等等，功能各有千秋。但受使用壽命和技術(shù)壽命限制，檔案管理者不得不采取數(shù)據(jù)遷移的方式來實(shí)現(xiàn)數(shù)據(jù)的長期保存。在遷移過程中，如果載體遇到風(fēng)險(xiǎn)，信息的安全性必然受到影響，所以必須慎重選擇合適的遷移載體。

表1 常見遷移載體性能

通過分析表格中幾種常用的遷移載體，就存儲(chǔ)容量而言，硬盤拔得頭籌，從保存期限和安全性的角度考慮，光盤、磁帶特別是縮微膠片都遠(yuǎn)勝于它。一般磁帶、光盤比較適合作為需要長期保存的，相對(duì)重要的檔案遷移和備份載體。目前光盤是相對(duì)主流的檔案存儲(chǔ)載體，但磁帶也有不可取代的優(yōu)點(diǎn)，隨著技術(shù)的更新發(fā)展，重回市場(chǎng)也未可知。硬盤雖然具有數(shù)據(jù)量大，存取速度快等優(yōu)點(diǎn)，但使用壽命較短，隨時(shí)可能失真，而且開放的修改權(quán)限不能保證文件的安全性，真實(shí)性和可靠性，適合作為大容量的檔案暫存設(shè)備?？s微膠片是縮微版的檔案原件，適合作為珍貴檔案的備份，替代原件使用，起到保護(hù)和利用的作用。此外，云計(jì)算背后的云存儲(chǔ)開始走入人們的視線并得到了廣泛的運(yùn)用。云存儲(chǔ)作為新的存儲(chǔ)手段，有明顯的優(yōu)勢(shì)和劣勢(shì)。優(yōu)勢(shì)在于其海量的存儲(chǔ)空間，高效的存取效率，數(shù)據(jù)的高度共享性。但其劣勢(shì)也不容忽視，如果云存儲(chǔ)平臺(tái)的保密性，穩(wěn)定性，規(guī)范性不能得到保障，數(shù)字檔案的云存儲(chǔ)模式還任重道遠(yuǎn)，但也是未來可能的方向，值得長期關(guān)注[6]。綜上，在數(shù)據(jù)遷移過程中，格式的轉(zhuǎn)換，系統(tǒng)的升級(jí)和載體的選擇都存在風(fēng)險(xiǎn)。為了保證檔案信息的安全，完整和利用，在制定遷移策略時(shí)需根據(jù)存儲(chǔ)系統(tǒng)規(guī)范化選擇存儲(chǔ)載體，分級(jí)存儲(chǔ)系統(tǒng)及存儲(chǔ)模式。

三、檔案管理數(shù)據(jù)遷移的規(guī)范化路徑

（一）規(guī)范數(shù)據(jù)遷移前提條件。首先，選擇檔案遷移的基本單位。在數(shù)字檔案遷移過程中，實(shí)際對(duì)象是全文數(shù)據(jù)庫中的電子文件[7]。如果每次遷移以文件為單位，容量太小，增加系統(tǒng)的負(fù)擔(dān)。如果容量過大，遷移策略也失去了意義，所以確定合適的遷移單位是遷移策略一大要點(diǎn)。由此，結(jié)合檔案本身的保存方式，和遷移觸發(fā)的兩個(gè)條件：訪問頻率和保存時(shí)間來確定基本單位。當(dāng)訪問頻率高低的變化觸發(fā)遷移時(shí)，檔案全宗可以作為數(shù)據(jù)遷移的基本單位的，而時(shí)間上的定期遷移一般以年度文件夾為基本單位。其次，保證目標(biāo)系統(tǒng)有足夠的存儲(chǔ)空間。一般正常的遷移順序是由在線存儲(chǔ)轉(zhuǎn)變?yōu)榻€存儲(chǔ)甚至離線存儲(chǔ)。但次級(jí)存儲(chǔ)設(shè)備上的文件遷移到一級(jí)設(shè)備上的情況也會(huì)發(fā)生。因此，必須考慮在線存儲(chǔ)的磁盤空間，在能保證隨時(shí)遷入的新數(shù)據(jù)的存儲(chǔ)空間的前提下，可以將次級(jí)存儲(chǔ)設(shè)備的文件恢復(fù)在線存儲(chǔ)。如果在線存儲(chǔ)空間不足或者超過警告值，決不能從次級(jí)存儲(chǔ)遷入數(shù)據(jù)，甚至需要酌情遷出在線文件來保證足夠的剩余空間[8]。最后，根據(jù)指定的保管期限和訪問頻率遷移數(shù)據(jù)下，系統(tǒng)大多數(shù)采用定期遷移的方式，好處是以固定的時(shí)間做標(biāo)準(zhǔn)，定期執(zhí)行遷移工作能減少系統(tǒng)的負(fù)擔(dān)；缺點(diǎn)是過于死板，不能夠及時(shí)根據(jù)訪問率的變化情況來做調(diào)整。因此，增加人為控制數(shù)據(jù)遷移的前提。在特殊情況下，如預(yù)見政策的變化會(huì)帶來某種檔案數(shù)據(jù)利用率的增加，可以提前直接將相關(guān)檔案由次級(jí)存儲(chǔ)遷移至在線存儲(chǔ)。

（二）規(guī)范數(shù)據(jù)遷移具體環(huán)節(jié)。數(shù)據(jù)遷移工作最主要的是實(shí)施階段，常用方法可分為一次遷移、分次遷移、先錄后遷和先遷后補(bǔ)。不同系統(tǒng)間的數(shù)據(jù)遷移在遷移方法上一般采用一次遷移，分次遷移和先遷后補(bǔ)。該模式下的每一次遷移工作理論上都需要經(jīng)過制定遷移計(jì)劃、準(zhǔn)備工作、風(fēng)險(xiǎn)分析、實(shí)施工作、校驗(yàn)工作等完整的流程。在制定遷移計(jì)劃時(shí)，首先確定遷移對(duì)象的數(shù)量、種類、和優(yōu)先順序。內(nèi)容重要的優(yōu)先，載體受損的優(yōu)先，利用率高的優(yōu)先。做遷移準(zhǔn)備工作時(shí)，成立檔案遷移小組，確定遷移時(shí)間、遷移方法和工具。在進(jìn)行風(fēng)險(xiǎn)分析時(shí)，制定規(guī)避措施。對(duì)于可能的“內(nèi)容穩(wěn)定性風(fēng)險(xiǎn)、安全性風(fēng)險(xiǎn)、完整性風(fēng)險(xiǎn)、參考性風(fēng)險(xiǎn)、成本風(fēng)險(xiǎn)、功能風(fēng)險(xiǎn)、知識(shí)產(chǎn)權(quán)風(fēng)險(xiǎn)等”，要充分評(píng)測(cè)，做好應(yīng)對(duì)[9]。在遷移實(shí)施工作時(shí)，此階段應(yīng)該根據(jù)制定的方案有序進(jìn)行。為了保證檔案的安全性，首先應(yīng)該對(duì)源檔案數(shù)據(jù)的進(jìn)行異地備份，直到遷移后的電子檔案正常運(yùn)行一定期限后方可銷毀。過程中應(yīng)登記檔案遷移過程表，保存詳細(xì)的遷移記錄，以備以后參考。在進(jìn)行遷移校驗(yàn)工作時(shí)，數(shù)據(jù)遷移完成后有必要對(duì)電子檔案內(nèi)容的完整性、可用性進(jìn)行校驗(yàn)測(cè)試，確保遷移工作質(zhì)量。

（三）規(guī)范分級(jí)存儲(chǔ)系統(tǒng)模式。面對(duì)數(shù)字檔案爆發(fā)性的增長態(tài)勢(shì)，數(shù)字檔案館的存儲(chǔ)空間、擴(kuò)容能力甚至資金成本將難以應(yīng)付高速增長的數(shù)字檔案數(shù)量，屆時(shí)檔案的在線檢索利用效率也會(huì)隨之降低。根據(jù)信息生命周期理論，數(shù)據(jù)歸檔之后，對(duì)檔案用戶而言是新的數(shù)據(jù)，會(huì)重新開始下一個(gè)生命周期循環(huán)[9]。在一個(gè)完整的周期中，信息的訪問頻率是變化的，所以數(shù)字檔案館可以采用分級(jí)存儲(chǔ)，即通過分級(jí)存儲(chǔ)管理軟件實(shí)現(xiàn)存放在不同級(jí)別的存儲(chǔ)設(shè)備中數(shù)據(jù)的自動(dòng)遷移，達(dá)到存儲(chǔ)設(shè)備和訪問頻率的匹配，在盡可能不影響訪問性能的情況下，用更低的成本來存儲(chǔ)檔案[10]。在實(shí)踐上這也符合存儲(chǔ)的“二八原則”，即存儲(chǔ)的檔案中只有20%是常常被訪問的，80%的檔案出于無人問津的狀態(tài)。

存儲(chǔ)設(shè)備一般是按磁盤陣列—光盤庫—磁帶庫分布，存儲(chǔ)級(jí)別與載體相匹配的，根據(jù)分級(jí)存儲(chǔ)的分類要求，不同檔案按照利用需求、保密級(jí)別、檔案價(jià)值等要素可以分為三種不同的存儲(chǔ)模式，如表2所示。

表2 分級(jí)存儲(chǔ)的各級(jí)載體特點(diǎn)

首先，第一級(jí)以在線（On-line）存儲(chǔ)為主，采用傳輸效率高、性能好、價(jià)格昂貴的設(shè)備來實(shí)現(xiàn)存儲(chǔ)數(shù)據(jù)的任意讀取，滿足使用者對(duì)數(shù)據(jù)訪問的速度要求。其次，第二級(jí)為近線(Near-line)存儲(chǔ)，近線存儲(chǔ)設(shè)備的價(jià)格比在線存儲(chǔ)低，相對(duì)數(shù)據(jù)訪問速度也慢一些，一般存儲(chǔ)的是那些需要定期訪問，但對(duì)頻率和響應(yīng)速度要求不高的數(shù)據(jù)。近線存儲(chǔ)的數(shù)據(jù)在總數(shù)據(jù)量中占很大的比重，所以足夠的容量最重要。最后，離線(Off-line)存儲(chǔ)，可以類比為實(shí)體的文件管理中心，保存?zhèn)浞莸幕蚣磳N毀的數(shù)據(jù)，在需要獲取離線數(shù)據(jù)時(shí)可以通過數(shù)據(jù)遷移技術(shù)回到在線存儲(chǔ)狀態(tài)。

四、結(jié)語

檔案是人類在社會(huì)活動(dòng)中真實(shí)記錄和反映，是寶貴的社會(huì)財(cái)富，是意義深遠(yuǎn)的文化遺產(chǎn)，需要得到充分的保存和利用。數(shù)字檔案是現(xiàn)今其中最?yuàn)Z目的一員，數(shù)字檔案館是檔案館的發(fā)展方向。數(shù)據(jù)遷移對(duì)檔案尤其是數(shù)字檔案的長期保存和有效利用具有重要作用，需要在模式上、技術(shù)上、規(guī)范上進(jìn)行挖掘和提升。檔案事業(yè)需要在國家的戰(zhàn)略布置和規(guī)范指導(dǎo)下，在全社會(huì)的合作中，用科學(xué)管理的思想，不斷迎接新的變化，成為重要的文化支柱，促進(jìn)社會(huì)的進(jìn)步與發(fā)展。