用于數(shù)字資源長期保存的開源軟件比較分析

李愛明

(湖北工程學(xué)院， 孝感 432000)

摘要：目前，世界上數(shù)字檔案館和數(shù)字圖書館項(xiàng)目開展的如火如荼，以實(shí)現(xiàn)對不同領(lǐng)域、不同格式數(shù)字資源的組織與管理。開源軟件常常被用來組織、存貯和檢索數(shù)字資源。文章在探討數(shù)字資源長期保存評價(jià)標(biāo)準(zhǔn)的基礎(chǔ)上，通過構(gòu)建一個(gè)測試環(huán)境，對現(xiàn)有數(shù)字圖書館開源軟件(OSS-DL)的信息資源長期保存功能進(jìn)行對比分析與研究，期望為用戶選擇開源軟件提供參考借鑒。

關(guān)鍵詞：數(shù)字圖書館；開源軟件；數(shù)字保存；CDS-Invenio;Fedora；DSpace；GreenStone；Eprints；MyCoRe

中圖分類號：G250.71

文獻(xiàn)標(biāo)識碼：A

文章編號：1006-1525(2015)01-0075-04

Abstract：Digital archives and digital library projects are being initiated all over the world in order to achieve different formats and domains in the units and organization of resources. Open-source software is often used to organize, store and retrieve the digital content. In this paper, the evaluation standard about long-term preservation of digital resources is discussed. By constructing a test environment, the author makes an analysis and study of the long-term preservation function of digital resources about existing open-source digital library software (OSS - DL) with the hope of providing a reference for the users to select open -source software.

基金項(xiàng)目：湖北工程學(xué)院科研項(xiàng)目(R2014019)

作者簡介：李愛明，女，副研究館員。

收稿日期：2014-07-28

Comparative analysis of open-source software based on the long-term preservation of digital resources

LI Ai-ming

(Hubei Engineering University, Xiaogan432000, China)

Key words： digital library; open-source software; digital preservation; CDS-Invenion; Fedora; DSpace; GreenStone; Eprints; MyCoRe

引言

網(wǎng)上數(shù)字信息不斷產(chǎn)生，其格式多種多樣，如 pdf文檔、doc文檔、mp3文件、mpg視頻文件等。數(shù)字信息爆炸性增長并以異構(gòu)的形式存在，增加了其被利用的復(fù)雜性。同時(shí)，創(chuàng)建數(shù)字信息的軟件與硬件不斷變化，對數(shù)字資源的保存及將來的使用提出了重大挑戰(zhàn)。我們知道，存在于互聯(lián)網(wǎng)或內(nèi)聯(lián)網(wǎng)上的數(shù)字資源，其數(shù)字存儲的目標(biāo)之一是不管創(chuàng)建資源的格式與應(yīng)用程序是什么，必須保證數(shù)字資源的正常輸出。數(shù)字文檔被添加到數(shù)據(jù)庫，通常都是由提供支持?jǐn)?shù)字內(nèi)容長期保存的開源軟件來完成。本文首先探討開源軟件用于數(shù)字資源長期保存的評價(jià)標(biāo)準(zhǔn)；然后通過安裝具有代表性的數(shù)字圖書館開源軟件(OSS-DL)，進(jìn)行數(shù)字保存實(shí)驗(yàn)，從數(shù)字資源長期保存的角度對數(shù)字圖書館開源軟件進(jìn)行比較分析。

1開源軟件

目前，大量的開源軟件項(xiàng)目被用來建設(shè)數(shù)字圖書館、機(jī)構(gòu)知識庫、數(shù)字檔案館或數(shù)字資源庫。開源軟件在開源許可條款與條件下可免費(fèi)獲得，也可在獲取其資源代碼后對其加以修改，使其在此基礎(chǔ)上進(jìn)一步的發(fā)展、定制和再分配[1]。例如北京大學(xué)圖書館早在1998年就與新西蘭數(shù)字圖書館合作，利用他們的Greenstone開源軟件系統(tǒng)進(jìn)行拓片項(xiàng)目和學(xué)位論文文摘及索引項(xiàng)目的建設(shè)[2]。

自1997年以來，開源軟件(OSS)聲稱占有了巨大計(jì)算機(jī)產(chǎn)業(yè)的市場份額，用戶在網(wǎng)上可獲取大量的OSS，世界上最大OSS開發(fā)網(wǎng)站是SourceForge.net。目前，SourceForge倉儲聚集了30多萬個(gè)項(xiàng)目，有4600多萬注冊用戶[3]。OSS被應(yīng)用于圖書館各個(gè)方面，其中最重要的一項(xiàng)應(yīng)用是建設(shè)數(shù)字圖書館。作為創(chuàng)建數(shù)字圖書館的工具，OSS逐漸被認(rèn)為是建設(shè)商業(yè)數(shù)字圖書館系統(tǒng)的選擇，其它商業(yè)軟件因某些功能缺陷、費(fèi)用高昂、支持不足等原因不能滿足應(yīng)用需求。OSS-DL以其可免費(fèi)獲得以及功能性強(qiáng)的優(yōu)勢，已被全世界大量機(jī)構(gòu)所使用。

2數(shù)字資源長期保存

數(shù)字資源長期保存是指為保證數(shù)字比特流可長期維護(hù)和其內(nèi)容可長期獲取的必要管理活動，有兩層含意，一是長期存儲(storage)，二是長期可獲取(access)。數(shù)字保存適用于原生數(shù)字文檔的保存、在線文檔的存儲、以及模擬數(shù)字轉(zhuǎn)換產(chǎn)品的保存，它涉及許多程序來進(jìn)行電子文檔的長期保存，并供人們長期訪問。相比紙質(zhì)印刷型文獻(xiàn)，數(shù)字資源保存過程更復(fù)雜，既要組織信息內(nèi)容，又要保證長期保存，并能與不斷發(fā)展的技術(shù)相適應(yīng)，確保經(jīng)過多年后仍能夠被用戶檢索與獲得。由于數(shù)字資源保存依賴于網(wǎng)絡(luò)，而信息技術(shù)變化很快，硬件和軟件都在不可預(yù)測地老化，故存儲媒體穩(wěn)定性較差，若干年后可能會因無法進(jìn)入保存數(shù)字信息的物理存儲介質(zhì)造成數(shù)字信息丟失。在使用方面，多數(shù)情況下信息機(jī)構(gòu)僅購買了數(shù)字資源的使用權(quán)，可能會因多種原因，數(shù)據(jù)庫商或其委托的鏡像服務(wù)商有可能終止經(jīng)營或者停止向用戶提供服務(wù)。一旦出現(xiàn)上述問題，數(shù)字資源就無法使用。因此，數(shù)字資源的長期保存問題一直是學(xué)界研究的熱點(diǎn)。

3開源軟件用于數(shù)字資源長期保存的評價(jià)標(biāo)準(zhǔn)

目前，國際上尚沒有形成數(shù)字資源長期保存的權(quán)威標(biāo)準(zhǔn)體系。數(shù)字資源長期保存評價(jià)標(biāo)準(zhǔn)涉及數(shù)據(jù)錄入、數(shù)據(jù)管理、元數(shù)據(jù)管理、唯一標(biāo)識系統(tǒng)、認(rèn)證授權(quán)與安全等多個(gè)方面，貫穿到知識庫系統(tǒng)的編目、查詢、檢索、流通的工作流程中，涉及的標(biāo)準(zhǔn)多且復(fù)雜。下面將從數(shù)字資源長期保存的角度，探討在使用OSS-DL建立資源庫時(shí)應(yīng)用到的相關(guān)標(biāo)準(zhǔn)。以下定義的標(biāo)準(zhǔn)是從相關(guān)研究及其它探討有關(guān)OSS-DL數(shù)字資源長期保存的資料中總結(jié)出來，主要標(biāo)準(zhǔn)有：

(1)文件特征(如大小、格式等)

①是否支持任何數(shù)字保存策略？如果是，它是否明確地支持一些特定的保存策略，如位階保存、格式遷移或?qū)μ峤晃募袷降南薅ā?/p>

②是否保存文件的原始特征？如文件名、文件大小以及創(chuàng)建日期。

③如何管理復(fù)合對象？(同一對象的多種文件格式被鏈接在一起的情況)

④能否添加或刪除新的文件格式？

⑤是否有能力處理多種文件格式，并支持文件格式版本？

⑥是否使用格式注冊？如果是，使用哪種格式注冊(如PRONOM、GDFR、DCC)來表示格式信息？

⑦使用什么標(biāo)準(zhǔn)來描述文件格式？軟件是否記錄表征信息？是否使用網(wǎng)絡(luò)MIME類型？

⑧是否支持自動格式注冊？對于未知格式，系統(tǒng)是否發(fā)信息給提交者索取有關(guān)文檔格式描述的附加信息？

(2)完整性檢查

①是否對那些被添加到知識庫的數(shù)字文檔進(jìn)行數(shù)據(jù)完整性檢查？

②是否有質(zhì)量控制措施確保被添加到知識庫的每個(gè)文檔的完整性與持續(xù)識別？

③是否能維持提交對象保存后的永久識別？

(3)元數(shù)據(jù)

①是否支持每個(gè)被添加到知識庫的文檔的元數(shù)據(jù)保存，如出處、真實(shí)可靠性、保存活動、技術(shù)環(huán)境。

②軟件在進(jìn)行數(shù)字保存時(shí)實(shí)際數(shù)字文件和元數(shù)據(jù)的保存位置。

③軟件怎樣驗(yàn)證存儲對象及元數(shù)據(jù)的準(zhǔn)確性？能否對元數(shù)據(jù)進(jìn)行自動檢查？

(4)許可、權(quán)利與認(rèn)證

①是否有機(jī)制來保持對知識庫中單個(gè)圖像/對象的許可狀態(tài)？

②是否支持跟蹤與管理著作權(quán)；支持合同或許可證上所要求的使用限制？

③能否定期自動驗(yàn)證校驗(yàn)和？

④校驗(yàn)和能否密碼簽名以防止被篡改？

⑤是否對發(fā)生在程序包生命周期中的所有事件提供審計(jì)日志？

⑥如果知識庫接收到具有不明確所有權(quán)的數(shù)字內(nèi)容，軟件是否有策略處理那些因所有權(quán)造成的不利因素與挑戰(zhàn)？

⑦是否有機(jī)制決定數(shù)字資源庫中的對象何時(shí)應(yīng)該遷移到新的硬件與軟件？

⑧是否支持預(yù)定事件？如按預(yù)定時(shí)間表通知人們對過時(shí)的格式進(jìn)行手動檢查。

4比較分析

首先建立一個(gè)測試環(huán)境，在這個(gè)環(huán)境下將安裝一些主要的OSS-DL，所有被選擇安裝的軟件都可在開放資源許可條款和條件下獲得，主要有CDS-Invenio、space、Eprints、Fedora、Greenston和MyCoRe。這些軟件程序常常被用來創(chuàng)建數(shù)字檔案館、數(shù)字圖書館、機(jī)構(gòu)知識庫[4-7]。它們被安裝在Debain Lenny操作系統(tǒng)中，該系統(tǒng)擁有2GB的RAM和1TN的磁盤空間。

所安裝的每種軟件都是最近的版本，分別為：CDS-Invenio(版本0.99.3)、Dspace(版本1.7.0 )、Eprints(版本3.2.4)、FEDORA(版本3.4.2)、Greenstone(版本2.8.3)和MyCoRe(版本2.0.2)。為了檢驗(yàn)軟件對不同數(shù)字資源類型的保存特征，上傳了一個(gè)小型館藏，該館藏具備所有文獻(xiàn)類型，如文本文件、音頻文件、視頻文件、數(shù)據(jù)集文件等。

根據(jù)前面提到的標(biāo)準(zhǔn)，我們將從以下幾個(gè)方面進(jìn)行比較：

(1)元數(shù)據(jù)支持。理論上，每個(gè)被添加到知識庫的數(shù)字文檔必須附有一個(gè)詳細(xì)說明。軟件應(yīng)具有為每個(gè)數(shù)字對象添加管理性、結(jié)構(gòu)性文獻(xiàn)詳情的功能。元數(shù)據(jù)保存包括數(shù)字內(nèi)容格式、結(jié)構(gòu)及使用的技術(shù)性細(xì)節(jié)、所有對資源的操作歷史、文檔的責(zé)任與權(quán)利等。從數(shù)字資源長期保存的觀點(diǎn)來看，管理性、技術(shù)性的元數(shù)據(jù)是非常重要的。目前不同類型的文檔有不同的元數(shù)據(jù)格式，主要有Dublin Core、MODS、MARC、METS、LOM、ETDMS、MPEG21/DIDL等[8]。

(2)永久識別。為了實(shí)現(xiàn)數(shù)字館藏的長期穩(wěn)定管理，永久識別是必須的。文檔被添加到數(shù)字儲存軟件后，系統(tǒng)將給每個(gè)文檔分配一個(gè)唯一的識別碼，這有助于為網(wǎng)絡(luò)上的數(shù)字文檔建立一個(gè)唯一的、廣泛支持的識別體系。

(3)校驗(yàn)和與版本支持。校驗(yàn)和是一個(gè)用來檢驗(yàn)數(shù)字資源有效性的計(jì)算機(jī)值。通常，校驗(yàn)和被用在通信環(huán)境中檢測數(shù)據(jù)是否被成功地傳輸?shù)骄W(wǎng)絡(luò)。版本支持是指軟件是否支持文檔的不同版本[9]。

(4)自動格式識別。對數(shù)字知識庫進(jìn)行設(shè)定以識別某些常見的格式。

(5)審計(jì)日志。主要跟蹤用戶的相關(guān)操作與活動。

(6)文件的詳細(xì)信息。包括文件名稱、文件特征等。

(7)實(shí)際數(shù)據(jù)文件存儲。實(shí)際文件和元數(shù)據(jù)分別被保存的位置。

通過運(yùn)行測試，對六種軟件的比較分析如表1：

表1　測試結(jié)果

CDS-InvenioDspaceEprintsFedoraGreenstoneMyCoRe實(shí)際數(shù)據(jù)文件存儲實(shí)際文件被保存在“data”目錄,元數(shù)據(jù)被保存在“mysql”表中。實(shí)際文件被保存在“assetstore”文件夾,元數(shù)據(jù)被保存在“postgres數(shù)據(jù)庫中。元數(shù)據(jù)被保存在“mysql”中,實(shí)際文件被保存在Eprints“disk0”目錄中。實(shí)際文件被保存在“data/datastream”文件夾,元數(shù)據(jù)文件被保存在“mysql”數(shù)據(jù)庫中。所有文件及元數(shù)據(jù)被保存在“import”文件夾。元數(shù)據(jù)以metadata.xml文件保存。元數(shù)據(jù)與實(shí)際文件被保存在“data”文件夾中。

通過以上比較分析，Dspace、Fedora、Eprints具有較完備的數(shù)字資源長期保存策略。FEDORA從數(shù)字保存的角度能支持較多的重要功能，但是它缺乏友好的界面，因此，它被安裝得不多?，F(xiàn)在，Dspace和Eprints被大量用于建設(shè)數(shù)字存儲庫。Eprints具有較大的靈活性，能按用戶的實(shí)際需求進(jìn)行相應(yīng)改進(jìn)，在全球的用戶較多。Dspace遵從相關(guān)標(biāo)準(zhǔn)、支持任意類型的數(shù)據(jù)內(nèi)容存儲、兼容性強(qiáng)、具有高度的可擴(kuò)展性，界面友好，受到各高校及研究機(jī)構(gòu)青睞。目前，大量的知識庫采

用Dspace來建設(shè)，如清華大學(xué)圖書館于2004年就開始基于Dspace進(jìn)行各種應(yīng)用探索[10]。

5結(jié)語

關(guān)于數(shù)字信息的保存，還有許多值得了解和研究的地方。對國外代表性的開源軟件進(jìn)行研究與借鑒，有助于掌握其核心技術(shù)，加快我國數(shù)字圖書館建設(shè)的進(jìn)程。目前，我國數(shù)字資源長期保存的發(fā)展?fàn)顟B(tài)仍然還處于比較早期的實(shí)驗(yàn)階段。今后，圖書館將處理更多的數(shù)字資源，因此，這些軟件程序必須通過更友好的界面提供合適的數(shù)字保存支持。誠然，眾多的開源軟件給圖書館應(yīng)用和數(shù)字圖書館建設(shè)發(fā)展帶來了生機(jī)， 圖書館在選擇開源軟件時(shí)，應(yīng)考慮多方面的因素，如資金、技術(shù)力量，以及是否有能力對開源軟件進(jìn)行擴(kuò)展與改進(jìn)等。各軟件無絕對的優(yōu)劣之分，應(yīng)結(jié)合圖書館實(shí)際來進(jìn)行選擇。

參考文獻(xiàn)：

[1] 耿慶軍,王朋,孫華瑋.開源軟件在教育信息化中的應(yīng)用研究[J].軟件導(dǎo)刊,2010，(4):26-28.

[2] 錢國富,涂穎哲.基于開源軟件的圖書館2.0建設(shè)研究[J].圖書情報(bào)工作,2007，(5):63-66.

[3] http://sourceforge.net/,2013-10-1.

[4] http://www.dspace.org/,2013-11-4.

[5] http: //www. fedora-commons.org/,2013-11-4.

[6] http: //www. eprints. org/,2013-11-4.

[7] http: //www. greenstone. org./ ,2013-11-5.

[8] 路瑩,郝繼英,王紅軍.開源軟件在圖書館的應(yīng)用研究[J].現(xiàn)代情報(bào),2012，(12):140-142.

[9] Linstead E, Bajracharya S, Ngo T, et al. Sourcerer:Miningand searching internet-scale software repositories[J].DateMining and Knowledge Discovery,2009,18(2):300-336.

[10] 曾婷，董麗.Dspace的相關(guān)研究進(jìn)展及應(yīng)用探索[J].現(xiàn)代圖書情報(bào)技術(shù)，2007，(6)：11-15.

(責(zé)任編輯：王靖雯)