大數據技術在圖書管理與服務中價值與應用

焦文銳

【摘 要】大數據是一種海量數據集合，也是一種思維方式，大數據技術在圖書管理與服務中呈現突出價值。因此，簡單介紹了大數據技術，論述了大數據技術在圖書管理與服務中的價值，探究了圖書管理與服務現狀，并從升級存量圖書差錯管理體系、聯通線上線下服務平臺、更新圖書存儲方式幾個方面，提出了幾點大數據技術的應用措施，希望為圖書管理與服務中大數據技術優勢的充分發揮提供一些參考。

【關鍵詞】大數據技術；圖書管理與服務；MySQL

【中圖分類號】G250.7 【文獻標識碼】A 【文章編號】1007—4198（2023）22—247—03

引言

大數據時代，圖書管理行業發展形勢愈發嚴峻，越來越多圖書管理者參與到圖書管理服務方法變革中，初步構成了互聯網+圖書管理體系。在互聯網+圖書管理體系中，大數據技術呈現出突出優勢，利用大數據技術分析圖書管理全流程，可以有效提高圖書管理效率，滿足圖書管理服務質量升級要求。因此，探究大數據技術在圖書管理與服務中的應用具有非常突出的現實意義。

一、大數據技術

大數據是指在一定時間范圍內借助常見計算機軟件工具捕捉、處理、管控的數據集合，以及整體數據科學分析、處理的結果[1]。大數據總體呈現出有價值、高速、海量、多樣的特點，大數據技術則是瞬間完成海量多樣大數據處理的技術。在數據處理的不同階段，適用的大數據技術也具有一定差異。在大數據基礎階段，適用的大數據技術為Linux、MySQL、Oracle、Docker等；在大數據處理階段，適用的大數據技術為zookeeper、Flume分布式、Kafka等；在大數據存儲階段，常用的大數據技術為hive、hbase、sqoop等。

二、大數據技術在圖書管理與服務中的價值

（一）提高圖書收集效率

大數據技術支持下，圖書管理從業者可以聚焦紙質文獻、數字資料庫處理，全面利用現有技術整合圖書信息，實現在短時間內收集海量圖書信息。較之傳統圖書收集方式，大數據技術支持下的圖書信息收集覆蓋范圍更廣，包括移動終端、手機、電腦、線下圖書館、手提電腦、其他設備等，且可有效壓縮源自家庭端、公司端、學校端及其他用戶的信息處理時長。

（二）提高圖書存儲能力

大數據時代，非結構數據繼續增長，成為圖書存儲至關重要的部分，對圖書管理提出了較大的挑戰。應用大數據技術，可以“事務”為中心，在關系型數據庫的基礎上重構關系數據，滿足帶有異質構造性質的非結構數據存儲要求，提高圖書存儲能力。以kafka為例，kafka集群每日可承載10億+請求數據，高峰期可支撐超160T存儲需求。

（二）優化圖書服務質量

大數據支持下，圖書服務者可以搭建圖書資料檢索平臺，并引入數據庫統一建設標準，分類別界定圖書信息資源范圍，滿足讀者一鍵檢索圖書信息需求。同時借助大數據技術，圖書服務者可以挖掘近期讀者閱讀傾向，有針對性地調整圖書服務方案，為讀者提供精準度更高的圖書推薦，優化圖書服務質量。

三、圖書管理與服務現狀

（一）存量圖書差錯管理不當

當前多數存量圖書差錯管理仍然為手動操作模式，管理效率仍然具有較大的提升空間。加之圖書動態調整速度較慢，圖書數據遺漏、錯誤上報等現象不時出現，無法滿足讀者對圖書借閱需求。而在存量圖書差錯出現后，存在差錯多頭處理、多環節各自為戰問題，不僅加劇工作者負擔，而且無法保證圖書差錯管理效率。

（二）圖書管理服務平臺狹窄

當前圖書管理者對讀者閱讀需求了解不夠充分，無法明確讀者多維需求，也無法根據讀者個性化需求提供針對性服務[2]。具體到現實服務中，雖然部分圖書管理機構出于提高管理和借閱效率需要引入計算機管理模式，為讀者提供預約、掛失、綜合查詢等服務，但是讀者仍然需要先辦理借閱證方可借閱圖書資料，不利于圖書管理與服務全流程的改進。

（三）圖書存儲管理方式待提升

計算能力強弱是圖書存儲管理效率的關鍵因素，直接影響著圖書資源存儲管理領域的變化，也在一定程度上影響著圖書管理質量。當前圖書存儲端無法滿足讀者及時查看多類別圖書存儲情況的要求，存儲服務引擎亟待更新。具體到圖書存儲端運行環節，存儲方式較為傳統，未充分利用云端數據，無法滿足用戶關于圖書非結構性數據的瀏覽利用要求。

四、大數據技術在圖書管理與服務中的應用措施

（一）升級存量圖書差錯管理體系

排除存量圖書差錯是圖書管理者無法推卸的責任。常見的存量圖書差錯排查方式主要為隨書附帶勘誤表、退換貨、發表勘誤聲明等，無法有效解決巨量質量合格圖書差錯。基于此，可以借助大數據技術，沿著自動化控制流程有機結合讀者、圖書管理者、行業專家等力量，打造以讀者發現差錯為先導、以專家鑒定并處理差錯為主體，圖書管理者糾正差錯的體系，促進圖書管理服務的健康發展[3]。

根據圖書存量差錯處理工作量繁重的特點，結合區域情況，協調創建圖書存量差錯勘誤聯盟，將全部圖書管理主體資源聯合，共同排查圖書存量差錯，分享排查成果，提高排查效率。同時根據圖書種類繁多特點，邀請相關領域專家學者成立存量圖書差錯鑒定委員會，規避類似差錯問題的重復出現。在這個基礎上，根據圖書存量差錯排查耗時長的特點，建立健全圖書存量差錯勘誤大數據平臺，依據自動化管理思路，壓縮圖書存量差錯排查、鑒定、上報、糾正、入庫、通知等環節，提高管理工作效率。具體到大數據平臺運行中，先依托平臺實時收集不同地區讀者或圖書管理者上報圖書存量差錯信息，再根據專業類別劃分情況將差錯轉發給對應行業專業鑒定成員，由行業專業人士認定、處理差錯，處理完畢后將結果添加到圖書存量差錯處理大數據平臺，并提醒上報者。在這個基礎上，開放圖書存量差錯勘誤大數據平臺、圖書管理端，實現圖書存量差錯勘查信息的自動化推送，便于圖書管理者隨時掌握館藏圖書存量差錯信息，及時更新圖書存量差錯勘查表格，為讀者提供更加良好的閱讀體驗。

（二）聯通線上線下服務平臺

在大數據支持下的圖書服務工作中，線上線下服務平臺的整合迎來契機。服務者可以根據讀者在生活各方面高度依賴互聯網的特點，借助大數據技術，打造大規模全民知識交流平臺。依托知識交流平臺，以書籍知識為交流主題，建設維護線上平臺，并引導讀者積極開展線下信息交互，穩步提升讀者體驗感[4]。如根據京東大數據研究院提供的數據顯示，2020年一季度銷售同比增幅最大的圖書是《華夏萬卷硬筆法練習字帖五本套裝》，“書法類”圖書交易額大增，反映讀者在特定時期的閱讀傾向?；诖耍瑘D書管理者就可以為讀者提供書法類圖書推薦服務，提高讀者體驗感。

以基于Kafka、Hbase的圖書服務為例，首先，評估afka集群，評估數據源于用戶信息利用行為，包括用戶圖書借閱行為（文獻借閱歷史記錄、文獻傳遞平臺記錄）、用戶信息獲取行為（OPAC聯機公共檢索歷史記錄、Lib圖書館平臺交互記錄）、用戶電子資源利用行為（發明專利、科技成果）等。其次，轉換數據并導入ETL清洗，結合抽取需求信息，評估kafka Mysql hadoop集群對應圖書資料存儲硬件數量、圖書資料存儲載體以及館藏。再次，打造用戶需求數據集市或成果信息庫，結合提取摘錄以及標引著錄，評估館藏圖書資料管理壓力以及網絡需求。同時以“依據Rowkey查詢最快”為核心，面對Rowkey開展范圍查詢range，完成多個字段組成的前綴匹配。最后，依據圖書線上線下服務需求進行HBase的表設計。根據圖書服務對象實時查詢圖書信息的要求，從HBase內提取的信息是用戶利用頻率較高且可展示用戶圖書使用智慧的數據，并進行固定類型對象服務需求的查詢。在固定類型對象服務需求查詢時，需要以“books+time”為查詢依據，使用filter columnfilter索引表/輔助表功能，即：圖書編號_時間，列簇為info，列為rowkey，獲得最快用戶服務數據。比如，以學科用戶為對象，借助社會網絡分析+引文分析+知識圖譜可視化挖掘方式，立體式全景分析學科成果。同時為實現主服務表和用戶服務需求索引表的同步，以“程序，事物”為核心，基于Hbase設置標準SQL格式的JDBC（Java DataBase Connectivity，java數據庫連接）查詢，此時，用戶服務需求索引表為“solr lilY cloudera search”。進而借助關聯規則+聚類+WEB挖掘方式，探明學科用戶需求熱點以及學科用戶之間內在需求（含現實需求、潛在需求、趨勢需求）關聯，了解學科發展脈絡。

（三）更新圖書存儲方式

大數據技術支持下，圖書管理者應進行圖書資料存儲方式的更新，兼顧文字性圖書資料與視頻影音資源，便于讀者查找、應用[5]。非結構數據存儲是大數據時代圖書存儲的首要難題，為破解這一難題，可依托信息工程技術領域，構建與非結構數據性質相近且兼容的非關系型數據庫，但因現有數據存儲技術不夠成熟，建構的非關系型數據庫無法解決全部數據存儲問題。加之非結構性數據并非真正意義上的知識，不可直接應用，若不加以整理直接存儲非結構數據，背離了圖書管理基本職責——提供知識服務。此時，可以借助大數據技術開展專業化數據處理，經勾連、轉換等操作，實現半結構數據、非結構數據向結構型數據的轉換，最終實現與關系型數據庫的同質化。

根據圖書存儲資源對利用率的要求，需要有針對性地采集、提取、挖掘契合讀者需求的數據，有選擇地存儲圖書非結構性數據，如書籍類別（種類編號、種類名稱）、讀者（讀者性別、讀者借書證編號、登記時期）、借閱（借書證編號、讀者借書時間、書籍編號）、書籍（書籍類別、書籍名稱、書籍作者、出版日期、書籍編號、出借日期、是否被借出）等。進而將圖書中特定非結構性數據進行知識形態化處理，便于讀者快捷運用。以書籍類別信息為例，可以在數據字典中進行形態化處理，具體見表1。

表1中，書籍類別關系中種類編號為主鍵，因書籍類別關系內部存在非主流性對碼的局部函數依賴、傳遞函數依賴，所以函數依賴表現為：書籍種類編號→書籍種類名稱。以hbase的圖書存儲為例，hbase適合簡單的圖書存儲操作。對于大型圖書文件，為避免HBase發生compact或split引發頻繁耗時，圖書管理者可以將大文件分片存儲到HBase，或者將大文件存儲到HDFS內，后者更為簡單有效、廉價，支持海量用戶遠程訪問無層次結構的數據存儲端，包括圖片、視頻、文件等非結構化圖書數據。此時，圖書數據作為獨立目標存儲到大容器Bucket內，需要通過唯一地址進行獨立圖書數據對象的識別，滿足大數據時代海量圖書數據的高性能存儲，可用性較高，且可擴展。

在具體操作中，圖書管理者可以依據“Cloud Computing”的分布式共享思維，向數據庫端輸入數據并執行訪問、修改、提取、反饋、存儲服務，無限擴展圖書存儲容量。在這個基礎上，科學劃分圖書數據、知識資源、信息類別，根據知識產權、信息安全程度與技術標準進行全部非結構信息類別劃分，分類存儲，比如，基于MySQL數據庫的書籍類別存儲為“create table book_style （bookstyleno varchar（30）primary key，bookstyle varchar（30））”。隨后初始化數據，將已有圖書加入system_books表內，進行非關鍵圖書數據的外掛存儲，破解海量圖書存儲難題。

五、結語

綜上所述，書籍是人類學習知識的重要載體，圖書管理是書籍資源應用的重要方式。在大數據時代，人們獲取書籍的方式發生著巨大變化，對圖書管理與服務提出了更高的要求。因此，面對海量圖書資源，圖書管理者應在現代化圖書管理技術應用的基礎上，引入大數據技術，借助大數據技術管理存量圖書、處理新舊圖書，提高圖書資源管理效率。同時借助大數據技術挖掘讀者需求，有針對性地改善圖書服務方案，獲得競爭優勢。

參考文獻：

[1]李會敏.大數據背景下圖書出版面臨的機遇與挑戰[J].才智，2022（17）.

[2]李瑞君.大數據時代高校圖書管理工作的思考與探索[J].教育信息化論壇，2022（11）.

[3]呂雪峰.借助大數據技術處理圖書存量差錯[J].北京印刷學院學報，2021（8）.

[4]胡海波.學校圖書管理信息化建設探討[J].黑龍江檔案，2023（1）.

[5]李繼萍.用大數據提高高校圖書管理水平[J].文化產業，2021（15）.