大數(shù)據(jù)時代電子文件備份技術探析

趙曉慧

當今世界網(wǎng)絡、移動設備、通信等各類現(xiàn)代信息技術高度發(fā)達，在各行各業(yè)中的實際應用中也逐步普及，應該說我們已然進入大數(shù)據(jù)時代，隨之而來的各類數(shù)據(jù)集合也爆炸式增長和高度復雜化。在此影響下，檔案數(shù)字信息海量增長成為現(xiàn)實[1]，因此檔案管理全面實現(xiàn)信息化不僅是一種趨勢，還是檔案管理事業(yè)向信息化發(fā)展的一股強而有力的新動力。然而由于信息技術的自身弱點、安全威脅類型多、來源多，檔案部門技術局限性等多種因素的影響，這些海量數(shù)字檔案信息的真實性、完整性、可靠性及長期可讀性正面臨嚴重的安全威脅；虛擬化、大數(shù)據(jù)、云計算等發(fā)展趨勢使得電子文件備份在模式、技術、產(chǎn)品選擇等方面都將面臨巨大難題和全新的挑戰(zhàn)。

可靠的海量數(shù)據(jù)備份能力及技術方式是檔案信息化管理的基礎和保障，是確保檔案絕對安全,不斷提升檔案功能的重要策略，并且能夠深刻影響檔案信息化發(fā)展進程[2]。就目前而言，檔案界針對海量數(shù)據(jù)備份技術方面的研究尚在探索與實踐過程中，本文將根據(jù)檔案信息自身特點及信息技術發(fā)展趨勢，探析大數(shù)據(jù)環(huán)境下檔案信息數(shù)據(jù)備份技術的發(fā)展及應用前景。

一、檔案數(shù)據(jù)云備份

云備份是云計算、大數(shù)據(jù)等最新信息技術的融合或延伸發(fā)展，是超融合存儲架構，是通過整合虛擬化、集群應用、網(wǎng)絡技術等各項現(xiàn)代信息技術，通過建立云平臺將其集合起來協(xié)調(diào)工作，共同提供數(shù)據(jù)存儲和訪問功能的綜合系統(tǒng)。

將云備份技術應用在檔案數(shù)據(jù)存儲與備份工作中，能夠有效解決檔案海量數(shù)據(jù)存儲問題，云存儲有儲存容量大、資源存取方便、成本低等特點，隨時隨地可存儲、可訪問，打破了空間、時間、設備的限制，可為檔案信息化管理提供穩(wěn)定、可靠的存儲空間，更好地保護數(shù)據(jù)安全、規(guī)避安全風險和提供快捷海量數(shù)據(jù)查詢，并且能夠使檔案工作者打造高效的服務體系。云存儲通過云端可快速部署、自由拓展的特點，便于檔案界信息化適應信息技術發(fā)展，降低試錯成本，同時也便于不同區(qū)域檔案管理者通過私有云整合優(yōu)勢資源，建立統(tǒng)一備份及利用平臺，實現(xiàn)檔案信息資源實時共享和提升容災備份能力。

二、檔案數(shù)據(jù)備份智能化

傳統(tǒng)檔案數(shù)據(jù)備份模式重點關注數(shù)據(jù)的安全性、可恢復性、可用性，在現(xiàn)代信息技術發(fā)展趨勢下，特別是智能化備份模式的出現(xiàn)，使我們在此基礎上對海量數(shù)據(jù)備份的效率、方便性、自動化、自適應、兼容性、自治管理等方面有了更多期待，也正切合當前人工智能發(fā)展理念。智能化備份核心理念是：通過對系統(tǒng)數(shù)據(jù)資源及設備進行實時分析、監(jiān)控和數(shù)據(jù)挖掘，根據(jù)數(shù)據(jù)應用特點結合使用者的行為模式，將備份數(shù)據(jù)進行動態(tài)智能化調(diào)整和配置，使備份模式達到最佳的運行狀態(tài)。

在電子文件備份過程中，我們可以應用智能化存儲數(shù)據(jù)挖掘技術，把檔案數(shù)據(jù)的分類、整合、鑒定、編研等工作結合起來進行知識化管理；并且通過智能化備份的信息資源，在進行信息提取時將變得更為高效和準確，減少人工干預。在智能數(shù)據(jù)處理平臺上也可以分析整理非結構化信息（如各類網(wǎng)絡信息），有利于拓展檔案信息資源庫。

目前，存儲智能化在檔案及相關行業(yè)有所應用，例如檔案信息自動存儲分級（AST）在各種形式的磁盤存儲之間移動數(shù)據(jù)，數(shù)據(jù)卷大小自動調(diào)整，文件系統(tǒng)自動設置數(shù)據(jù)塊大小，數(shù)據(jù)自動復制，數(shù)據(jù)診斷與自動糾錯等。但智能化在檔案行業(yè)整體應用水平目前還很低，巨大容量、高性能、高可用性的存儲系統(tǒng)實現(xiàn)和管理仍然非常艱巨和復雜。

三、備份虛擬化技術不斷發(fā)展

虛擬化備份是將物理服務器中的信息資源進行虛擬化容災備份的技術系統(tǒng)，它能夠對物理服務器中的硬件配置、操作系統(tǒng)、數(shù)據(jù)庫、應用軟件及文檔等數(shù)據(jù)通過VMware、Hyper-V、Hyper-V等虛擬化應用系統(tǒng)進行模擬，使原有數(shù)據(jù)資源脫離實際依存的軟硬件系統(tǒng)能夠原貌呈現(xiàn)或讀取，從而實現(xiàn)備份保護數(shù)據(jù)的目的。該項技術可以根據(jù)需求虛擬多個系統(tǒng)環(huán)境，并且每個系統(tǒng)都可以獨立運算、存儲、提取，在執(zhí)行備份操作時，根據(jù)設置的計劃任務，可自動完成信息資源的比對、差異、增量或完整備份。對于用戶來講，無需關心后臺存儲環(huán)境，信息資源在前臺與物理設備呈現(xiàn)的效果一樣。

現(xiàn)在虛擬備份技術發(fā)展較快，也較為成熟，由于其在應用過程中操作簡單、效率較高、兼容性好，能夠避免因硬件、操作系統(tǒng)、軟件或人為錯誤而造成的數(shù)據(jù)丟失，并且虛擬化技術還可以降低軟硬件應用成本和系統(tǒng)維護的費用，因此當前在各行業(yè)、各領域應用十分流行。而這些特點，也正切合當下檔案工作中對于高度異構化、復雜化電子文件存儲及備份要求，既可以脫離原生系統(tǒng)平臺，又能原貌形式保存這些電子文件，符合確保電子文件長期可用、可讀性需求，是電子文件海量數(shù)據(jù)存儲和備份的又一個重要發(fā)展方向。

四、備份介質不斷更新迭代（Backup Medium）

檔案數(shù)據(jù)備份介質隨信息設備發(fā)展不斷更新，從最初的軟盤、光盤、藍光光盤、光盤塔，到磁帶庫、磁盤陣列不斷涌現(xiàn)，并在各個不同檔案業(yè)務工作場景不同時期得到應用，一些介質，如軟盤、磁帶等，因其價格低廉、易用，在20世紀90年代十分普及，隨著光介質的出現(xiàn)，與光介質相比，其支持機械元件的可靠性及讀寫速度有明顯劣勢，因此此類介質已經(jīng)被淘汰；隨著更新的存儲技術發(fā)展，目前光介質在應用和發(fā)展過程中也出現(xiàn)被易用的磁介質逐步替代的趨勢，但也不代表這些介質已然被淘汰，需要我們根據(jù)具體需求而定，根據(jù)未來技術發(fā)展來選擇。就檔案備份介質而言，檔案工作者一般注重存儲容量和長期可用性，但隨著檔案數(shù)字業(yè)務規(guī)模逐步拓展、數(shù)據(jù)量的迅速積累，對介質的存取效率、方便性有了更高的要求。目前，檔案界應用較為廣泛的介質是磁盤陣列、磁帶庫、虛擬磁帶庫等。

近年來，固態(tài)硬盤（SSD,Solid State Disk）因其在存儲速度、抗摔性、傳輸速率、功耗等方面較傳統(tǒng)機械硬盤（HDD，Hard Disk Drive）有很大優(yōu)勢，在系統(tǒng)應用和存儲管理中得到快速的應用和發(fā)展，大有替代傳統(tǒng)機械硬盤的趨勢，但目前固態(tài)硬盤還存在多個缺點，如價格相對高、不易數(shù)據(jù)恢復、讀寫抖動性大等，而隨著技術的提升，這些問題也都在不斷改善和解決。就存儲取性能和數(shù)據(jù)備份安全性來看，機械硬盤是通過磁頭與盤片直接接觸尋道來讀取信息，在高速旋轉或運輸過程中容易造成盤片的受損或數(shù)據(jù)的丟失，機械組件多而復雜，受自然環(huán)境中灰塵、溫濕度等影響極易受損；固態(tài)硬盤沒有實體盤片而由集成電路和存儲芯片制成，沒有機械運動部件，無需尋址，讀取速率快，體積小、重量輕，抗震性更好，對數(shù)據(jù)保護能力更強，能夠適應更廣的使用環(huán)境。因此，固態(tài)硬盤應用于電子文件海量數(shù)據(jù)備份領域可以預期，我們應該重點關注。

五、備份新技術不斷細化發(fā)展

目前流行的備份技術有分布式存儲、智能存儲系統(tǒng)、數(shù)據(jù)網(wǎng)絡等，這些技術在各綜合檔案館備份存儲管理工作中有所研究和應用。同時，隨著虛擬化等新技術的快速普及、應用呈現(xiàn)出的新特征，備份產(chǎn)品在保留了傳統(tǒng)的技術和新衍生云災備等方案之外，又有一些技術已成為或者可能成為新的熱點[3]，對于解決虛擬化和大數(shù)據(jù)存儲備份工作的數(shù)據(jù)管理難題有所幫助，在研究部署檔案備份策略中可以借鑒。

1.重復數(shù)據(jù)刪除。重復數(shù)據(jù)刪除是通過算法針對備份數(shù)據(jù)進行壓縮或縮減的技術。海量數(shù)據(jù)備份過程中總是充斥著大量的冗余數(shù)據(jù)，電子文件備份過程中也不例外，重復數(shù)據(jù)刪除技術為我們提供了解決方案。當前主流重復數(shù)據(jù)刪除技術基本方法通常是基于散列（hash）的方法，通過類似SHA-1、MD-5算法來判斷數(shù)據(jù)是否已經(jīng)被備份；或是基于內(nèi)容識別記錄的數(shù)據(jù)格式，用內(nèi)嵌在備份數(shù)據(jù)中的元數(shù)據(jù)進行差異備份。同時，重復刪除技術結合數(shù)據(jù)壓縮技術，來簡化或壓縮大容量文件本身。我們對海量檔案信息進行甄別篩選和對數(shù)據(jù)進行多次備份后，剔除大量重復數(shù)據(jù)非常需要這種技術。該項技術可以幫助我們降低數(shù)據(jù)存儲量，提高存儲備份效率，節(jié)省成本等。數(shù)據(jù)重復刪除技術降低了備份所需的存儲空間，并實現(xiàn)了更快和更頻繁的備份，從而有利于電子文件長期安全存儲。

2.即時恢復。即時恢復技術是指出現(xiàn)虛擬機宕機（丟失、不可用、災害發(fā)生）時，可以在備份存儲上即時恢復虛擬機運行，從而實現(xiàn)數(shù)據(jù)的安全和業(yè)務的實時連續(xù)性。隨著越來越多重要的辦公業(yè)務系統(tǒng)對實時服務提出更高效的在線服務需求，當災害發(fā)生時需要實現(xiàn)數(shù)據(jù)的即時原貌恢復，能夠有相同的虛擬機立即投入使用。當前已出現(xiàn)基于持續(xù)數(shù)據(jù)保護（CDP）和快照等基礎備份功能的即時恢復方案，對于一些重要的業(yè)務系統(tǒng)中流轉的電子文件，我們可以應用該項技術實現(xiàn)即時備份和恢復，從而提高電子文件備份的安全性和有效性。

3.細粒度恢復。該技術是通過虛擬化平臺解析所備份的文件系統(tǒng)，精準恢復單個文件級的技術。通常在災害發(fā)生時，很大概率的故障原因為軟故障，即只有部分數(shù)據(jù)受到損壞，例如單個配置文件、部分文件等，如果已經(jīng)備份好的海量數(shù)據(jù)整體恢復則需要大量人力、物力和時間，通過細粒度索引指針等技術方式，則無需恢復整個備份數(shù)據(jù)，即可快速地訪問指定文件或者某個目錄文件，精確恢復數(shù)據(jù)，能夠極大提升數(shù)據(jù)恢復效率。當災難發(fā)生時，我們可以高效地進行電子文件數(shù)據(jù)遷移和數(shù)據(jù)恢復，可減小恢復整個備份數(shù)據(jù)時對生產(chǎn)環(huán)境、備份環(huán)境的運行壓力，同時節(jié)省數(shù)據(jù)恢復成本，縮短業(yè)務中斷時間，盡快恢復業(yè)務運行。

總之，檔案作為不可再生信息資源，是國家機構、社會組織或個人在社會生活中直接形成的、有價值的、各種形式的歷史記錄，是人類社會重要的文化遺產(chǎn)。確保電子文件信息在當前大數(shù)據(jù)環(huán)境下的可靠性和可用性，是當前工作重點和重要研究方向。同時，電子文件大數(shù)據(jù)備份是一項系統(tǒng)工程，要根據(jù)自身基礎設施、網(wǎng)絡系統(tǒng)、現(xiàn)有備份系統(tǒng)、電子文件處理系統(tǒng)、災難恢復預案、運維管理能力、未來可擴展性、對效率要求以及技術支持能力等多方面綜合考慮。