大數據時代電子文件備份技術探析

趙曉慧

當今世界網絡、移動設備、通信等各類現代信息技術高度發達，在各行各業中的實際應用中也逐步普及，應該說我們已然進入大數據時代，隨之而來的各類數據集合也爆炸式增長和高度復雜化。在此影響下，檔案數字信息海量增長成為現實[1]，因此檔案管理全面實現信息化不僅是一種趨勢，還是檔案管理事業向信息化發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、大數據、云計算等發展趨勢使得電子文件備份在模式、技術、產品選擇等方面都將面臨巨大難題和全新的挑戰。

可靠的海量數據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展進程[2]。就目前而言，檔案界針對海量數據備份技術方面的研究尚在探索與實踐過程中，本文將根據檔案信息自身特點及信息技術發展趨勢，探析大數據環境下檔案信息數據備份技術的發展及應用前景。

一、檔案數據云備份

云備份是云計算、大數據等最新信息技術的融合或延伸發展，是超融合存儲架構，是通過整合虛擬化、集群應用、網絡技術等各項現代信息技術，通過建立云平臺將其集合起來協調工作，共同提供數據存儲和訪問功能的綜合系統。

將云備份技術應用在檔案數據存儲與備份工作中，能夠有效解決檔案海量數據存儲問題，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定、可靠的存儲空間，更好地保護數據安全、規避安全風險和提供快捷海量數據查詢，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展，降低試錯成本，同時也便于不同區域檔案管理者通過私有云整合優勢資源，建立統一備份及利用平臺，實現檔案信息資源實時共享和提升容災備份能力。

二、檔案數據備份智能化

傳統檔案數據備份模式重點關注數據的安全性、可恢復性、可用性，在現代信息技術發展趨勢下，特別是智能化備份模式的出現，使我們在此基礎上對海量數據備份的效率、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展理念。智能化備份核心理念是：通過對系統數據資源及設備進行實時分析、監控和數據挖掘，根據數據應用特點結合使用者的行為模式，將備份數據進行動態智能化調整和配置，使備份模式達到最佳的運行狀態。

在電子文件備份過程中，我們可以應用智能化存儲數據挖掘技術，把檔案數據的分類、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。在智能數據處理平臺上也可以分析整理非結構化信息（如各類網絡信息），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據，數據卷大小自動調整，文件系統自動設置數據塊大小，數據自動復制，數據診斷與自動糾錯等。但智能化在檔案行業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實現和管理仍然非常艱巨和復雜。

三、備份虛擬化技術不斷發展

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，它能夠對物理服務器中的硬件配置、操作系統、數據庫、應用軟件及文檔等數據通過VMware、Hyper-V、Hyper-V等虛擬化應用系統進行模擬，使原有數據資源脫離實際依存的軟硬件系統能夠原貌呈現或讀取，從而實現備份保護數據的目的。該項技術可以根據需求虛擬多個系統環境，并且每個系統都可以獨立運算、存儲、提取，在執行備份操作時，根據設置的計劃任務，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境，信息資源在前臺與物理設備呈現的效果一樣。

現在虛擬備份技術發展較快，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、軟件或人為錯誤而造成的數據丟失，并且虛擬化技術還可以降低軟硬件應用成本和系統維護的費用，因此當前在各行業、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，是電子文件海量數據存儲和備份的又一個重要發展方向。

四、備份介質不斷更新迭代（Backup Medium）

檔案數據備份介質隨信息設備發展不斷更新，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，并在各個不同檔案業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，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，因此此類介質已經被淘汰；隨著更新的存儲技術發展，目前光介質在應用和發展過程中也出現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，需要我們根據具體需求而定，根據未來技術發展來選擇。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，但隨著檔案數字業務規模逐步拓展、數據量的迅速積累，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、功耗等方面較傳統機械硬盤（HDD，Hard Disk Drive）有很大優勢，在系統應用和存儲管理中得到快速的應用和發展，大有替代傳統機械硬盤的趨勢，但目前固態硬盤還存在多個缺點，如價格相對高、不易數據恢復、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。就存儲取性能和數據備份安全性來看，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據的丟失，機械組件多而復雜，受自然環境中灰塵、溫濕度等影響極易受損；固態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，對數據保護能力更強，能夠適應更廣的使用環境。因此，固態硬盤應用于電子文件海量數據備份領域可以預期，我們應該重點關注。

五、備份新技術不斷細化發展

目前流行的備份技術有分布式存儲、智能存儲系統、數據網絡等，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、應用呈現出的新特征，備份產品在保留了傳統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據存儲備份工作的數據管理難題有所幫助，在研究部署檔案備份策略中可以借鑒。

1.重復數據刪除。重復數據刪除是通過算法針對備份數據進行壓縮或縮減的技術。海量數據備份過程中總是充斥著大量的冗余數據，電子文件備份過程中也不例外，重復數據刪除技術為我們提供了解決方案。當前主流重復數據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算法來判斷數據是否已經被備份；或是基于內容識別記錄的數據格式，用內嵌在備份數據中的元數據進行差異備份。同時，重復刪除技術結合數據壓縮技術，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據進行多次備份后，剔除大量重復數據非常需要這種技術。該項技術可以幫助我們降低數據存儲量，提高存儲備份效率，節省成本等。數據重復刪除技術降低了備份所需的存儲空間，并實現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虛擬機宕機（丟失、不可用、災害發生）時，可以在備份存儲上即時恢復虛擬機運行，從而實現數據的安全和業務的實時連續性。隨著越來越多重要的辦公業務系統對實時服務提出更高效的在線服務需求，當災害發生時需要實現數據的即時原貌恢復，能夠有相同的虛擬機立即投入使用。當前已出現基于持續數據保護（CDP）和快照等基礎備份功能的即時恢復方案，對于一些重要的業務系統中流轉的電子文件，我們可以應用該項技術實現即時備份和恢復，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，精準恢復單個文件級的技術。通常在災害發生時，很大概率的故障原因為軟故障，即只有部分數據受到損壞，例如單個配置文件、部分文件等，如果已經備份好的海量數據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據，即可快速地訪問指定文件或者某個目錄文件，精確恢復數據，能夠極大提升數據恢復效率。當災難發生時，我們可以高效地進行電子文件數據遷移和數據恢復，可減小恢復整個備份數據時對生產環境、備份環境的運行壓力，同時節省數據恢復成本，縮短業務中斷時間，盡快恢復業務運行。

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。確保電子文件信息在當前大數據環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，電子文件大數據備份是一項系統工程，要根據自身基礎設施、網絡系統、現有備份系統、電子文件處理系統、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。