大數據背景下的高校信息資源服務體系建設研究

周婉琦

（北京師范大學珠海分校 廣東省珠海市 519000）

作為高校教育的重要環節，信息資源服務體系建設整合各類信息知識，向高校學生傳遞信息知識，拓展高校學生的學術視野，為高校教育工作者提供更為優質的教育資源。在大數據時代的洪流中，高校信息資源服務體系的建設方向有了明顯的轉變。在大數據技術的驅動下，高校信息資源服務體系建設被逐步提上了教育建設日程。現階段的大數據技術發展極快，高校信息資源服務體系建設也應當與大數據發展步伐保持協調，致力于打造適應于時代發展的新型高校信息資源服務體系。在大數據技術的支持下，高校信息資源服務體系內容得到了極大程度的豐富，高校信息資源服務體系良性發展。所謂大數據，指的是在新型處理模式下展現的高增長率、多樣化的海量信息資產。大數據以多元化、實時性、海量等鮮明特征著稱，極大程度上推動了信息化時代的發展。

1 大數據的特征與優勢

1.1 體量

大數據，顧名思義，是由大批量數據組成的[1]。數據分布地點多樣化，尤其在因特網絡中分布較為廣泛。在通常情況下，滿足大數據條件的大量數據因數據量太大無法被獨立計算機所處理。對此類問題的處理需要不同數據處理思路來支撐，在這種狀況下，并行計算技術應運而生。

1.2 高速

大數據時刻處于運動狀態，且為高速運動狀態。因此，大數據常被當做數據流，而數據流歸檔極為困難，現階段的技術只能支撐我們收集到部分數據。即使已經發展到收集全部數據的地步，長期的數據存儲技術造價也令人望而卻步。因而，周期性的數據收集、廢棄工作不僅可以節省數據空間，而且可以保存核心數據。

1.3 多樣

傳統數據的結構使得數據管理更為方便，但是不適用于大數據工作中。數據源頭各異特性直接決定了數據結構類型的各異特性。數據結構類型主要有結構化、半結構化、完全非結構化。結構化數據的來源主要是傳統數據庫。半結構化數據的特征沒有固定形式。非結構化數據毫無結構特征可言。在大數據系統中，半結構化數據更為常見，且數據源數據格式各異。半結構化數據以及結構化數據逐步成長為大數據主體數據類型。

1.4 精確性與信噪比

數據源的可靠性程度各異，因而大數據精確性正處于變化的過程中。提高可用數據精確程度逐步成為高校的重要挑戰。

2 大數據技術對高校信息資源庫建設的影響

大數據技術的面世打破了傳統高校信息化建設信息孤島的局面，成為搭建共享信息資源應用平臺的基礎。與此同時，大數據技術的普及使得各類終端設備實現無縫連接，推動了移動學習的發展。

2.1 智慧圖書館的新變革

圖1：大數據處理平臺圖

圖2：Hadoop 分布式計算

圖3：基于元數據驅動的多租戶應用

大數據技術的面世使得傳統高校圖書館服務模式發生了急劇改變。在大數據技術的支持下，網絡化應用越來越普及，傳統圖書館窗口服務模式也發生了極大的轉變。現階段，各高校都致力于將大數據技術融入高校圖書館聯盟，推動高校圖書館更快、更好地發展。比如，江西高校圖書館聯盟在大數據技術的支持下真正實現了服務一體化、資源共享一體化以及管理一體化。處于大數據洪流中的圖書館面臨的技術變革更具有挑戰性，大數據在數據挖掘技術以及數據分析技術的支持下分析并挖掘關系化數據、結構化數據以及非結構化數據，進一步了解讀者借閱行為、閱讀以及知識應用能力，進而對讀者的知識服務需求、科研創新過程以及知識交互服務趨勢[2]做進一步預測。與此同時，大數據技術支持下的圖書館風險評估模型可以進一步規范圖書館的智能評估。在信息量劇增以及讀者需求劇增的驅動下，只有構建高校協同服務鏈信息共享框架，才能為高校信息資源共享平臺帶來新的信息共享運行機制。在現階段信息搜索技術的驅動下，讀者使用資料直接解決問題的需求愈加強烈。高校信息資源庫急需為讀者提供問題解決途徑以及問題解決技能。高校信息資源共享平臺應當積極開展資料內容的開放性合作，融合高科技信息服務手段，構建高效協同化信息資源共享服務模式。智慧圖書館以用戶動態需求為基準，積極尋求與讀者需求的契合點。

2.2 用數據引導用戶學習

大數據技術的面世使得高校教育資源應用打破了傳統應用的天花板，使得云服務端高校教育資源共享成為了可能。數據分析技術以及數據挖掘技術等可以分析并挖掘各類隱藏數據信息為高校提供進一步方案。高效教育工作者可借助大數據技術，分析并挖掘高校學生學習行為等非結構化數據，將學生隨堂測驗結果、學科論文水平以及期末考試成績等作為數據分析的依據，綜合并針對性地規劃出個人學業報告以及學科報告，為學院與導師進一步制定或修改教學方案提供方案參考。

2.3 完善高校信息資源共享平臺

在信息量劇增以及讀者需求劇增的驅動下，只有構建高校協同服務鏈信息共享框架，才能為高校信息資源共享平臺帶來新的信息共享運行機制。完善高校信息資源共享平臺可以從以下三個方面入手：

（1）知識共享。面向學生的跨專業線上課程共享，面向教職員的進修培訓與業務流程共享等。

（2）資源共享。包括高價大型設備共享使用，超算平臺的使用管理以及云端資源的共享等。

（3）數據共享。建立校園數據中心，統一各信息系統中數據來源，各應用系統通過訪問數據中心獲取并處理數據，并將數據回寫至數據中心，實現各信息系統中數據同步更新，打破分散系統的數據的壁壘。供可視化校務數據報告，便于用戶實時掌握校園狀態，為相關決策的制定提供信息依據。

3 基于大數據的高校信息資源服務庫建設

3.1 核心架構設計

在冗雜的數據資源背景下，大數據技術與物聯網、計算機等技術的融合。使得大數據技術的造價更低、性能更加可靠安全，而且存儲以及兼容性都得到顯著增強。大數據高校信息資源服務體系以服務架構為核心，覆蓋了物理層、云平臺層、資源整合層、應用層以及訪問層。

3.1.1 物理層

作為高校信息資源庫的架構核心，物理層（基礎設施層）[3]提供硬件支持給信息資源平臺。物理層可以進一步劃分為網絡設施、服務器集群以及存儲集群等。

3.1.2 云平臺層

云平臺層涵蓋了程序開發環境、數據運行環境等。云平臺層的分類有三種：程序運行平臺、數據庫平臺以及開發測試平臺。在平臺層部署好物理層的虛擬硬件資源后便可連接不同模塊。云平臺層進一步保證了數據安全性、數據穩定性以及數據服務可用性等。

3.1.3 資源整合層

作為校信息資源服務庫整體架構的中間部分，資源整合層涵蓋了元數據庫以及索引庫。資源整合層的任務是整合并分類高校各部門信息資源，以標準化方式建構高校信息資源視圖，簡化并優化高校信息資源管理，為更好地制定資源標準需要在總結國內外建設標準的基礎上，提取元數據。

3.1.4 應用層

應用層可以劃分為中間層以及應用管理服務層[4]。合理配置信息資源能夠真正確保資源共享云平臺的價值最大化。在滿足用戶需求的基礎上設計個性化資源應用系統，可以實時登錄并訪問校內信息資源系統。

3.1.5 訪問層

訪問層可以劃分為用戶自主服務門戶以及云平臺管理門戶。用戶自主服務門戶以及云平臺管理門戶在系統中扮演的角色不同，因而功能大相徑庭。此系統不對用戶設備設限，無論是筆記本電腦、智能手機還是平板電腦都可以登錄并訪問。

3.2 關鍵技術分析

分布式技術、虛擬化技術以及數據計算技術等在物理層、云平臺層、應用層中應用較為廣泛。大數據處理平臺圖見圖1。

3.2.1 物理層

虛擬化技術在物理層應用廣泛。將服務器用虛擬化技術處理為多個虛擬機，依據應用層用戶需求合理分配硬件資源，最大程度提升服務器利用率。

3.2.2 云平臺層

云平臺層不僅需要托管上層應用，還需要系統管理下層虛擬資源。以現階段主流Hadoop 平臺為例，Hadoop 平臺在具體日志、結構化功能的支持下，在容錯能力以及數據讀寫中占有無與倫比的優勢。Hadoop 平臺還可以創建文件、修改文件、刪除文件以及復制文件等。Hadoop 分布式計算示意圖見圖2。

3.2.3 應用層

應用層主要提供SaaS 服務，在滿足用戶需求的基礎上個性化定制智能檢索等服務，涵蓋了統一接口、一站式訪以及單點登錄等。多租戶技術以及服務整合技術在應用層的融入使得應用層服務煥然一新。多租戶技術實現硬件資源與軟件資源的共享，并合理配置資源，構建共享數據庫，實現資源利用率的最大化，基于元數據驅動的多租戶應用示意圖見圖3。

4 結論與展望

在信息化技術的驅動下，現階段高校信息資源庫建設得到了高校的足夠重視。高校信息資源庫建設逐步向形式多樣化、內容多元化以及結構復雜化方向靠攏。基于此，高校教育資源信息化建設工作應當緊緊圍繞資源利用率以及服務質量展開。本文在大數據技術的洪流中致力于構建高校信息資源庫體系、減少高校信息資源平臺的開發成本并縮短高校信息資源平臺的開發周期，為高校構建信息資源平臺提供了新的方向。