大數(shù)據(jù)時(shí)代的數(shù)字圖書(shū)館異構(gòu)數(shù)據(jù)集成研究

（內(nèi)蒙古自治區(qū)圖書(shū)館 內(nèi)蒙古呼和浩特 010020）

數(shù)字圖書(shū)館是利用現(xiàn)代數(shù)字技術(shù)來(lái)處理以及存儲(chǔ)多種形式的文獻(xiàn)。這些文獻(xiàn)之中包含了論文、書(shū)目以及相關(guān)的期刊雜志，甚至包含了音頻文獻(xiàn)。顯而易見(jiàn)，這些數(shù)據(jù)擁有不同的性質(zhì)，存儲(chǔ)方式也存在著一些差異。傳統(tǒng)的人工數(shù)據(jù)集合方式很難將每時(shí)每刻產(chǎn)生的信息進(jìn)行很好的處理以及保存。因此，研究大數(shù)據(jù)時(shí)代圖書(shū)館異構(gòu)數(shù)據(jù)集成這一主題就顯得尤為重要。

一、數(shù)字圖書(shū)館的現(xiàn)實(shí)背景

在當(dāng)下，類(lèi)似微博、微信等社交平臺(tái)以及其他新型得信息發(fā)布方式層出不窮。各個(gè)國(guó)家都采取了相應(yīng)的措施來(lái)迎接大數(shù)據(jù)時(shí)代。并且根據(jù)現(xiàn)處的大數(shù)據(jù)時(shí)代，很多傳統(tǒng)企業(yè)發(fā)生了轉(zhuǎn)型。利用不斷普及的現(xiàn)代網(wǎng)絡(luò)技術(shù)，數(shù)字圖書(shū)館的理念也衍生出來(lái)，它的產(chǎn)生也具有一定的現(xiàn)實(shí)意義。

1.大數(shù)據(jù)的規(guī)模性大數(shù)據(jù)的多樣性代表著大量的數(shù)據(jù)都沒(méi)有穩(wěn)定的結(jié)構(gòu)，其中包含著結(jié)構(gòu)、半結(jié)構(gòu)以及非結(jié)構(gòu)化數(shù)據(jù)。

2.大數(shù)據(jù)的高速型意味著大數(shù)據(jù)應(yīng)該實(shí)時(shí)產(chǎn)生，并且根據(jù)用戶(hù)的需要提供一定的數(shù)據(jù)分析。

3.大數(shù)據(jù)的價(jià)值型意味著大數(shù)據(jù)的價(jià)值并不重要，沒(méi)有特別多的意義。但是把這些大量的數(shù)據(jù)進(jìn)行綜合以及探究就能夠發(fā)現(xiàn)很多更具價(jià)值的信息。

二、數(shù)據(jù)圖書(shū)館的特征

1.數(shù)字圖書(shū)館擁有大數(shù)據(jù)的特征，當(dāng)中蘊(yùn)藏的信息量在逐漸地增加。

這個(gè)數(shù)量是極為龐大的。以2010-2017年的數(shù)據(jù)增長(zhǎng)情況為例，制作了以下的圖表。情況可見(jiàn)表格以及折線(xiàn)圖。

年份 2010 2011 2012 2013 2014 2015 2016 2017數(shù)據(jù)總量（TB） 426 819 865 906 1020 1280 1450 1677

將我國(guó)從2010年到2017年的數(shù)據(jù)總量進(jìn)行對(duì)比能夠很清晰的發(fā)現(xiàn)數(shù)據(jù)的總量變化非常大，增加幅度高。這從上文的圖表中能夠得到明確的數(shù)量變化。

數(shù)字圖書(shū)館內(nèi)存資源具有多樣性特征。這其中包括了傳統(tǒng)的文獻(xiàn)資源，例如，期刊雜志以及圖書(shū)，還出現(xiàn)了新型的文獻(xiàn)資源。例如，讀者的反饋以及網(wǎng)絡(luò)資源。因此，數(shù)字圖書(shū)館的信息結(jié)構(gòu)具有多種多樣的特征，單調(diào)的數(shù)據(jù)整理方式很難將這些數(shù)據(jù)完整存儲(chǔ)起來(lái)。除此以外，數(shù)字圖書(shū)館內(nèi)的資源總量十分龐大并且還在不停地發(fā)展。最后一個(gè)也是比較重要的一點(diǎn)：信息技術(shù)在不斷的發(fā)展后，用戶(hù)也提高了對(duì)數(shù)字圖書(shū)館信息服務(wù)的要求，他們不僅僅滿(mǎn)足于對(duì)資源進(jìn)行查詢(xún)的一些服務(wù)，而是轉(zhuǎn)變?yōu)楦泳哂猩顚右饬x的數(shù)據(jù)分析。因此，數(shù)字圖書(shū)館應(yīng)該改變服務(wù)方式，深入探究存在的價(jià)值。

三、數(shù)字圖書(shū)館數(shù)據(jù)集成過(guò)程中面臨的問(wèn)題

當(dāng)前，雖處在大數(shù)據(jù)時(shí)代，但是數(shù)字圖書(shū)館數(shù)據(jù)集成過(guò)程中依舊存在著很多問(wèn)題。（1）傳統(tǒng)的數(shù)據(jù)分類(lèi)形式單調(diào)，只有一種或者幾種。（2）沒(méi)有固定的結(jié)構(gòu)，異構(gòu)數(shù)據(jù)中結(jié)構(gòu)化與非結(jié)構(gòu)化占比更加大。（3）用戶(hù)擁有了更加復(fù)雜的需求。因此，對(duì)這些數(shù)據(jù)進(jìn)行有效集成并且挖掘它們存在的含義是現(xiàn)如今數(shù)字圖書(shū)館亟待解決的問(wèn)題。這就必須利用分布式的存儲(chǔ)形式。（4）但是傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)在對(duì)系統(tǒng)的開(kāi)拓性方面產(chǎn)生較大的局限性，都是先擁有原來(lái)的數(shù)據(jù)形式，再擁有的數(shù)據(jù)。很多的數(shù)據(jù)都沒(méi)有辦法進(jìn)行確定的形式，而現(xiàn)如今的數(shù)據(jù)在不斷的增加并且形式種類(lèi)繁多。

四、數(shù)字圖書(shū)館異構(gòu)數(shù)據(jù)集成技術(shù)

1.數(shù)據(jù)倉(cāng)庫(kù)技術(shù)

這種方式是將各個(gè)場(chǎng)地分布的數(shù)據(jù)進(jìn)行篩選之后集合到數(shù)據(jù)倉(cāng)庫(kù)中。這種技術(shù)注重對(duì)數(shù)據(jù)的高度掌控，利用這種集合方式將大量數(shù)據(jù)集合在一起，形成數(shù)據(jù)倉(cāng)庫(kù)。這整個(gè)技術(shù)模型中包含了異構(gòu)管理系統(tǒng)綜合數(shù)據(jù)庫(kù)、接口組件、應(yīng)用系統(tǒng)以及外部數(shù)據(jù)源、Oracle等。

2.中間件技術(shù)

為了更好的解決數(shù)據(jù)異構(gòu)的問(wèn)題，學(xué)者又提出了一個(gè)新概念：中間件。中間件是處于平臺(tái)和實(shí)際應(yīng)用的一種服務(wù)類(lèi)型，不同類(lèi)型的平臺(tái)以及應(yīng)用需要利用不同形式的中間件。這種服務(wù)能夠讓讀者直接進(jìn)行數(shù)據(jù)查詢(xún)，而非直接在數(shù)據(jù)庫(kù)內(nèi)進(jìn)行搜索。

3.基于web服務(wù)的異構(gòu)數(shù)據(jù)集成技術(shù)

這種方式簡(jiǎn)化了對(duì)異構(gòu)數(shù)據(jù)源的訪(fǎng)問(wèn)源，實(shí)現(xiàn)了系統(tǒng)與系統(tǒng)之間的簡(jiǎn)易互動(dòng)，解決了異構(gòu)的交互的難題，能夠更好的存儲(chǔ)大量數(shù)據(jù)。而圖書(shū)館數(shù)據(jù)繁多，利用這個(gè)技術(shù)能夠理清數(shù)據(jù)。

結(jié)語(yǔ)

數(shù)字圖書(shū)館數(shù)據(jù)集成過(guò)程中依舊存在著很多問(wèn)題。傳統(tǒng)的數(shù)據(jù)分類(lèi)形式單調(diào)，只有一種或者幾種，并且這沒(méi)有固定的結(jié)構(gòu)，異構(gòu)數(shù)據(jù)中結(jié)構(gòu)化與非結(jié)構(gòu)化占比更加大。這能夠更好的、更加高效地將海量的數(shù)據(jù)進(jìn)行有效集成，并且進(jìn)行完整的存儲(chǔ)以及處理，給予用戶(hù)更好的數(shù)據(jù)使用體驗(yàn)。