美國(guó)數(shù)字資源長(zhǎng)期保存的研究進(jìn)展及經(jīng)驗(yàn)借鑒

毛義春

隨著信息技術(shù)的快速發(fā)展和互聯(lián)網(wǎng)的日益普及，人們獲得信息和知識(shí)的途徑也發(fā)生了很大的變化。數(shù)字資源爆發(fā)式的增長(zhǎng)給人們帶來(lái)便利的同時(shí)，也對(duì)如何有效地長(zhǎng)期保存這些數(shù)字資源帶來(lái)了挑戰(zhàn)。

1數(shù)字資源長(zhǎng)期保存實(shí)施標(biāo)準(zhǔn)的制定

OAIS(Open Archival Information System)參考模型是美國(guó)國(guó)家航空和航天局(NASA)和太空數(shù)據(jù)系統(tǒng)咨詢(xún)委員會(huì)(CCSDS)聯(lián)合制定的一項(xiàng)標(biāo)準(zhǔn)。2003年，參考模型被采納為ISO標(biāo)準(zhǔn)并頒發(fā)。OAIS參考模型本身并不是專(zhuān)門(mén)用來(lái)解決數(shù)字信息長(zhǎng)期保存的特殊技術(shù)，而是著重論述了與數(shù)字信息保存相關(guān)的各種關(guān)系和框架概念，以及應(yīng)對(duì)數(shù)字信息保存處理過(guò)程的策略。OAIS參考模型由六個(gè)功能模塊組成，分別是攝入、長(zhǎng)期存儲(chǔ)、數(shù)據(jù)管理、系統(tǒng)管理、保存規(guī)劃、存取。

2數(shù)字資源長(zhǎng)期保存技術(shù)優(yōu)化的實(shí)踐

OAIS參考模型作為長(zhǎng)期保護(hù)和維護(hù)數(shù)字信息可存取檔案系統(tǒng)的一個(gè)基本概念框架，受到了對(duì)長(zhǎng)期數(shù)字信息保護(hù)有興趣的不同機(jī)構(gòu)團(tuán)體的歡迎。

2.1 NDIIPP項(xiàng)目

2000年12月，美國(guó)國(guó)會(huì)通過(guò)立法(PL-554號(hào)法案)在美國(guó)國(guó)會(huì)圖書(shū)館建立國(guó)家數(shù)字信息基礎(chǔ)結(jié)構(gòu)和保存項(xiàng)目NDIIPP(National Digital Information Infrastructure Preservation Program)。該項(xiàng)目是以美國(guó)國(guó)會(huì)圖書(shū)館為主導(dǎo)，聯(lián)合全國(guó)許多大學(xué)圖書(shū)館、研究機(jī)構(gòu)、商業(yè)組織對(duì)數(shù)字資源進(jìn)行收集、保存的研究。NDIIPP賦予了國(guó)會(huì)圖書(shū)館一項(xiàng)新的職責(zé)，那就是領(lǐng)導(dǎo)制定全國(guó)性的數(shù)字信息長(zhǎng)期保存計(jì)劃以及捕獲瀕臨消失危險(xiǎn)的數(shù)字信息。該計(jì)劃的目標(biāo)就是要促使各界團(tuán)體共擔(dān)數(shù)字信息長(zhǎng)期保存的責(zé)任以及尋找相關(guān)問(wèn)題的全國(guó)性解決辦法。

2.2 LOCKSS項(xiàng)目

LOCKSS(Lots of Copies Keep Stuff Safe)意為通過(guò)建立多個(gè)副本保證數(shù)據(jù)的安全。LOCKSS系統(tǒng)是一個(gè)開(kāi)放性源碼的分布式系統(tǒng)，它無(wú)需中心級(jí)管理就能運(yùn)行在一些廉價(jià)的PC機(jī)上。此外，圖書(shū)館的電子信息收藏不會(huì)受到外界不良因素的影響，可以為讀者提供持續(xù)的、永久的電子期刊信息內(nèi)容存取服務(wù)。它通過(guò)建立出版商與圖書(shū)館、圖書(shū)館與圖書(shū)館之間的協(xié)作平臺(tái)，提出電子資源出版、發(fā)布到永久性保存與利用等一整套解決方案。

2.3美國(guó)電子文件檔案館(ERA)項(xiàng)目

該項(xiàng)目針對(duì)政府電子檔案數(shù)量的指數(shù)級(jí)增長(zhǎng)、電子檔案格式的多樣化、電子檔案載體不斷更新、軟硬件平臺(tái)不斷升級(jí)等情況，為應(yīng)對(duì)電子檔案管理、保存與利用諸多問(wèn)題的挑戰(zhàn)，為永久保護(hù)電子檔案及其真實(shí)性建立一套基本的理論知識(shí)和方法，并在此基礎(chǔ)上，為國(guó)際組織、國(guó)家或某些部門(mén)在長(zhǎng)期保管電子檔案的真實(shí)性方面制訂方針政策和標(biāo)準(zhǔn)規(guī)范提供指南。

ERA的發(fā)展策略由四個(gè)部分構(gòu)成。第一，它以正在發(fā)展的可支持電子政策、電子商務(wù)和科學(xué)研究的技術(shù)為基礎(chǔ)，開(kāi)發(fā)具有各種功能且具有很大獨(dú)立性的應(yīng)用軟件，用于長(zhǎng)期保護(hù)和訪問(wèn)電子文件。第二，以這些通用的技術(shù)為基礎(chǔ)，ERA設(shè)想發(fā)展一個(gè)信息管理的架構(gòu)，能夠適用于未來(lái)的信息保護(hù)技術(shù)和數(shù)字信息遷移技術(shù)。第三，ERA的“框架”由一系列能夠滿足電子文件檔案館需求的解決方案構(gòu)成，這些方案具有通用性、能夠互相補(bǔ)充，同時(shí)適用于各種類(lèi)型的檔案。第四，該工程的最終目標(biāo)，就是濃縮各種信息技術(shù)與解決方案，形成ERA系統(tǒng)。

3數(shù)字資源長(zhǎng)期保存可靠性模型的開(kāi)發(fā)

隨著全球網(wǎng)絡(luò)化的不斷發(fā)展，數(shù)字信息面臨的網(wǎng)絡(luò)安全日益突出，可以說(shuō)網(wǎng)絡(luò)的不安全性，已成為限制其發(fā)展的最大障礙。基于此，美國(guó)開(kāi)發(fā)了長(zhǎng)期存儲(chǔ)系統(tǒng)數(shù)據(jù)拷貝的可靠性模型，以應(yīng)對(duì)存儲(chǔ)系統(tǒng)的可見(jiàn)性故障和潛故障威脅。

3.1可靠性模型

此模型有助于指出采取何種策略最有可能增加長(zhǎng)期保存的可靠性，有助于指出在真實(shí)的系統(tǒng)中該檢測(cè)哪些數(shù)據(jù)從而協(xié)調(diào)利用策略，解決故障。

模型分為頂層和底層。頂層，探測(cè)到可見(jiàn)性故障時(shí)，恢復(fù)模塊啟動(dòng)，故障數(shù)據(jù)立即開(kāi)始恢復(fù)，錯(cuò)誤得以成功更正；底層，在探測(cè)到潛故障之前，什么也不會(huì)發(fā)生。一旦探測(cè)到潛故障，就像處理可見(jiàn)性故障一樣，恢復(fù)模塊開(kāi)始工作。

模型中將故障分為兩類(lèi)：可見(jiàn)性故障和潛故障。可見(jiàn)性故障是指在故障產(chǎn)生和檢測(cè)到故障期間可忽略的故障。潛故障是指在故障產(chǎn)生和檢測(cè)到故障期間很重要的故障，包括字符寫(xiě)錯(cuò)、字節(jié)損壞、扇區(qū)讀不出和數(shù)據(jù)格式過(guò)時(shí)。

3.2策略

該簡(jiǎn)易模型揭示了許多策略，可用于減少不可恢復(fù)數(shù)據(jù)的丟失概率：

·增加可見(jiàn)性故障的時(shí)間段，使存儲(chǔ)載體減少諸如磁頭碰撞的災(zāi)難性數(shù)據(jù)丟失。

·增加潛故障的時(shí)間段，使存儲(chǔ)載體減少數(shù)據(jù)損壞，或是減少數(shù)據(jù)格式過(guò)時(shí)。

·縮短故障產(chǎn)生和檢測(cè)到故障期間的時(shí)間段，經(jīng)常核查數(shù)據(jù)以檢測(cè)潛在數(shù)據(jù)錯(cuò)誤。

·縮短潛故障的修復(fù)時(shí)間段，自動(dòng)修復(fù)潛在數(shù)據(jù)故障，而不是提示操作者實(shí)施修復(fù)行為。

·縮短可見(jiàn)性故障的修復(fù)時(shí)間段，假如采用熱備份驅(qū)動(dòng)器。那么一旦操作者更換了驅(qū)動(dòng)器，數(shù)據(jù)恢復(fù)即刻可以進(jìn)行。

·盡可能減少拷貝件的總量，以免同步數(shù)據(jù)錯(cuò)誤。

·增加拷貝的獨(dú)立性。盡可能使用多種硬件、軟件、存儲(chǔ)地點(diǎn)、管理，避開(kāi)對(duì)第三方元件和單一結(jié)構(gòu)的依賴(lài)性，就可以減少長(zhǎng)期存儲(chǔ)系統(tǒng)發(fā)生相關(guān)故障的概率。

4經(jīng)驗(yàn)和借鑒

4.1充分考慮數(shù)字資源長(zhǎng)期保存的標(biāo)準(zhǔn)化

標(biāo)準(zhǔn)化是推動(dòng)數(shù)字圖書(shū)館發(fā)展的一個(gè)重要條件，數(shù)字資源要長(zhǎng)期保存，就必須要考慮標(biāo)準(zhǔn)化的問(wèn)題。

元數(shù)據(jù)標(biāo)準(zhǔn)一直以來(lái)是ISO組織和世界各國(guó)研究的主要內(nèi)容，也是數(shù)字資源長(zhǎng)期保存的重要課題。2003年OAIS被指定為國(guó)際標(biāo)準(zhǔn)，具有強(qiáng)大的生命力，而ER-A的成功將促使人們思考如何建立自己的元數(shù)據(jù)標(biāo)準(zhǔn)。

LOCKSS系統(tǒng)以O(shè)AIS標(biāo)準(zhǔn)建立模型，采取分布式保存策略，確保系統(tǒng)的穩(wěn)固性。在系統(tǒng)開(kāi)發(fā)時(shí)還充分考慮了系統(tǒng)的通用性、先進(jìn)性、可擴(kuò)展性和互操作性。

4.2加強(qiáng)數(shù)字資源管理和保護(hù)關(guān)系的研究

從ERA對(duì)電子文件保存的整個(gè)過(guò)程來(lái)看，數(shù)字資源的保護(hù)只在形式上獨(dú)立，在內(nèi)容上已與管理融為一體，二者截然不可分。因此，我們?cè)谠O(shè)計(jì)信息系統(tǒng)時(shí)，應(yīng)把管理和保護(hù)的要求有效、合理地結(jié)合起來(lái)，而不要讓其各行其是。

4.3強(qiáng)化項(xiàng)目開(kāi)發(fā)的合作參與

加強(qiáng)與有實(shí)力、有經(jīng)驗(yàn)的國(guó)家或企業(yè)合作、共享資源。目前全球有80多個(gè)圖書(shū)館和50多個(gè)出版商參加了LOCKSS項(xiàng)目。出版商提供的數(shù)據(jù)內(nèi)容目前已逐漸加入到系統(tǒng)中。香港理工大學(xué)、印度甘地原子能研究中心、新加坡國(guó)立大學(xué)等機(jī)構(gòu)參加了LOCKSS項(xiàng)目的測(cè)試與研究。中科院國(guó)家科學(xué)數(shù)字圖書(shū)館也于2003年5月參加了該項(xiàng)目。

4.4加強(qiáng)數(shù)據(jù)庫(kù)和檢索系統(tǒng)的集中化建設(shè)

就檔案數(shù)據(jù)庫(kù)和檢索系統(tǒng)而言，目前我國(guó)的檔案數(shù)據(jù)庫(kù)及檢索系統(tǒng)呈分散狀態(tài)，相對(duì)于美國(guó)的集中化形式有很多弊端，主要弊端有IT的工作效率低、支持及管理人員的增加、缺乏標(biāo)準(zhǔn)化、軟件需要分散的重復(fù)投資、無(wú)法承受災(zāi)難備份的投資等幾個(gè)方面。因此在我國(guó)建立一個(gè)大型的完善的數(shù)據(jù)庫(kù)，實(shí)現(xiàn)電子文件檔案的數(shù)據(jù)大集中以及災(zāi)難備份工程，將會(huì)大大提高我國(guó)的檔案管理水平和電子文件檔案的安全存儲(chǔ)。

4.5重視信息系統(tǒng)的安全性和可靠性

美國(guó)非常重視數(shù)字資源長(zhǎng)期保存中系統(tǒng)的安全性。以LOCKSS為例，系統(tǒng)在開(kāi)發(fā)過(guò)程中就充分考慮了可能遇到的不安全因素，采取了存儲(chǔ)與操作系統(tǒng)分離、權(quán)利分離等措施。美國(guó)斯坦福大學(xué)和哈佛大學(xué)開(kāi)發(fā)了長(zhǎng)期存儲(chǔ)系統(tǒng)可見(jiàn)性故障和潛故障分析模型。利用該模型有助于對(duì)故障有效預(yù)警，并有助于協(xié)調(diào)利用最佳策略對(duì)故障數(shù)據(jù)實(shí)施自動(dòng)又可靠地恢復(fù)。

5結(jié)論

數(shù)字資源長(zhǎng)期保存是一項(xiàng)十分艱巨和復(fù)雜的工作，美國(guó)在這方面的研究和應(yīng)用已經(jīng)取得長(zhǎng)足進(jìn)步，積累了很多知識(shí)和經(jīng)驗(yàn)。因此，我們一方面要學(xué)習(xí)美國(guó)先進(jìn)經(jīng)驗(yàn)，一方面又要理論聯(lián)系我國(guó)實(shí)際，通過(guò)制定數(shù)字資源長(zhǎng)期保存的國(guó)家政策、建立不同層次的合作機(jī)制和制定合理的保存策略，使我國(guó)形成一個(gè)數(shù)字資源長(zhǎng)期保存與維護(hù)的技術(shù)環(huán)境與社會(huì)氛圍。