當(dāng)前，檔案部門在政府信息化建設(shè)向云計(jì)算、大數(shù)據(jù)、數(shù)據(jù)共享快速發(fā)展這樣的“新常態(tài)”下，面臨著巨大挑戰(zhàn)，主要表現(xiàn)在以下幾個(gè)方面： 第一，如何能夠高效、快速、敏捷地響應(yīng)各種業(yè)務(wù)系統(tǒng)的規(guī)則變化，完整地收集、歸檔和集成業(yè)務(wù)數(shù)據(jù)，為檔案部門擴(kuò)展信息種類和數(shù)據(jù)量、積極參與到智慧電子政務(wù)和智慧化城市建設(shè)中提供數(shù)據(jù)保障。第二，各個(gè)機(jī)關(guān)單位的信息系統(tǒng)面臨數(shù)據(jù)膨脹的壓力，如果能夠切實(shí)有效地幫助他們解決系統(tǒng)的數(shù)據(jù)壓力，將數(shù)據(jù)歸檔轉(zhuǎn)化為一種真正的信息化服務(wù)。第三，如何突破現(xiàn)有的歸檔模式，真正實(shí)現(xiàn)數(shù)據(jù)庫歸檔，為各類業(yè)務(wù)系統(tǒng)提供業(yè)務(wù)數(shù)據(jù)的長期保存、管理和訪問等功能，以支持業(yè)務(wù)合規(guī)、信息統(tǒng)計(jì)和數(shù)據(jù)挖掘等信息利用的需要。

眼下，全省檔案系統(tǒng)在“最多跑一次”工作的引領(lǐng)下，根據(jù)省檔案局的工作部署和要求，正緊鑼密鼓地開展“最多跑一次”事項(xiàng)電子數(shù)據(jù)歸檔工作[1]。作為此項(xiàng)工作的試點(diǎn)單位之一，杭州市檔案局以理念創(chuàng)新為推動(dòng)、業(yè)務(wù)優(yōu)化為保障、技術(shù)路徑為手段，針對(duì)上述問題大膽嘗試，探索出了一條行之有效的“最多跑一次”事項(xiàng)數(shù)據(jù)歸檔實(shí)踐路徑。

1 杭州市電子業(yè)務(wù)數(shù)據(jù)歸檔系統(tǒng)簡介

杭州市電子業(yè)務(wù)數(shù)據(jù)歸檔系統(tǒng)（Electronic Data Archive System，EDAS）是杭州市檔案局開發(fā)的針對(duì)電子業(yè)務(wù)數(shù)據(jù)歸檔的全新系統(tǒng)。它不但能夠有效地實(shí)現(xiàn)對(duì)政務(wù)服務(wù)網(wǎng)行政事項(xiàng)電子數(shù)據(jù)進(jìn)行歸檔，而且能夠?qū)ζ渌黝愔匾臉I(yè)務(wù)系統(tǒng)進(jìn)行數(shù)據(jù)歸檔，并且能夠保持業(yè)務(wù)數(shù)據(jù)、辦理過程信息和結(jié)果的完整性。EDAS、電子文件管理系統(tǒng)ERMS、數(shù)字檔案館系統(tǒng)一起構(gòu)建起了完整的信息生命周期管理環(huán)境。

基于對(duì)前述問題的思考，杭州市檔案局對(duì)EDAS的建設(shè)提出了以下要求：一是自動(dòng)化歸檔。采用全自動(dòng)化歸檔以降低人工干預(yù)，確保系統(tǒng)具有足夠高的歸檔效率。二是不依賴第三方的數(shù)據(jù)攝入。通過配置和工具即可完成歸檔數(shù)據(jù)的攝入，無需第三方的軟件定制開發(fā)。三是高度靈活的數(shù)據(jù)管理功能。支持各種類型的數(shù)據(jù)格式和信息／記錄結(jié)構(gòu)，并最大限度地保持業(yè)務(wù)信息的有機(jī)關(guān)聯(lián)。四是高性能。能夠?qū)B甚至是PB級(jí)規(guī)模的數(shù)據(jù)具有很高的信息檢索和訪問并發(fā)能力。

2 實(shí)現(xiàn)關(guān)鍵點(diǎn)

2.1 業(yè)務(wù)規(guī)則前置。數(shù)據(jù)自動(dòng)化歸檔的前提條件是需要制定規(guī)則，只有通過既定的規(guī)則，EDAS才能夠?qū)崿F(xiàn)數(shù)據(jù)攝入、封裝、生成檔號(hào)、賦予保管期限、確定系統(tǒng)保留時(shí)間、自動(dòng)分類、入庫等一系列業(yè)務(wù)操作。因此，制定詳細(xì)的歸檔管理計(jì)劃成為項(xiàng)目實(shí)施之前的業(yè)務(wù)重點(diǎn)。

相對(duì)于傳統(tǒng)的保管期限表，市檔案局要求各個(gè)業(yè)務(wù)單位必須根據(jù)自己的業(yè)務(wù)職能重新梳理業(yè)務(wù)分類，并對(duì)各類業(yè)務(wù)的業(yè)務(wù)編碼、歸檔范圍、文件保管期限、處置動(dòng)作、開放等級(jí)、密級(jí)劃定做詳細(xì)的要求，使得傳統(tǒng)的保管期限表升級(jí)到了更為細(xì)致、科學(xué)的綜合性歸檔管理計(jì)劃，并嵌入系統(tǒng)中形成業(yè)務(wù)規(guī)則。

2.2 統(tǒng)一數(shù)據(jù)模型（Unified Data Model，UDM）。從業(yè)務(wù)角度看，不同的業(yè)務(wù)過程和業(yè)務(wù)信息千差萬別，而這些差異化極大的信息又是在各種技術(shù)環(huán)境中產(chǎn)生、流轉(zhuǎn)和交換的。如果針對(duì)每一個(gè)業(yè)務(wù)單獨(dú)構(gòu)建一個(gè)歸檔數(shù)據(jù)標(biāo)準(zhǔn)規(guī)范，無疑在后期的標(biāo)準(zhǔn)管理和維護(hù)上都不可行。因此EDAS提供了一種統(tǒng)一的歸檔數(shù)據(jù)模型（Unified Data Model，UDM），能夠幫助實(shí)現(xiàn)以下目標(biāo)：一是具有足夠的靈活性以應(yīng)對(duì)不同業(yè)務(wù)系統(tǒng)的數(shù)據(jù)；二是足夠抽象和通用，幫助用戶更好地訪問和理解數(shù)據(jù)；三是建立全方位的數(shù)據(jù)視角，消滅數(shù)據(jù)差異性，保證歸檔數(shù)據(jù)的一致性。

UDM在邏輯模型設(shè)計(jì)上參考OAIS的數(shù)據(jù)包模型[2]，在邏輯上由三個(gè)部分構(gòu)成：一是數(shù)據(jù)包描述信息和封裝信息，包含了信息封裝報(bào)的各類描述信息；二是保存描述信息PDI，指與歸檔內(nèi)容相關(guān)的描述信息，比如歷史參考信息、歸檔信息等；三是業(yè)務(wù)信息，即業(yè)務(wù)過程中產(chǎn)生的文件材料和業(yè)務(wù)的描述信息、過程信息等。

在數(shù)據(jù)抓取的過程中，可以將這些信息按照相應(yīng)的元數(shù)據(jù)規(guī)范組織成信息包描述文件、保存信息描述文件和文檔，通過封裝技術(shù)將其組織在一起。

2.3 混合式的數(shù)據(jù)庫架構(gòu)。在數(shù)據(jù)庫的構(gòu)建形式上，EDAS采用RDBMS和NoSQL混合式的數(shù)據(jù)庫架構(gòu)。這樣做，一是為了實(shí)現(xiàn)數(shù)據(jù)的管用分離，更重要的是為了更好地管理半結(jié)構(gòu)化數(shù)據(jù)（XML、JSON）。這種架構(gòu)當(dāng)中RDBMS因?yàn)橹怀袚?dān)最為基礎(chǔ)的信息管理（如SIP、AIP信息包的基本描述信息），所以應(yīng)盡可能簡單。管理和使用半結(jié)構(gòu)化數(shù)據(jù)的任務(wù)則由NoSQL數(shù)據(jù)庫承擔(dān)。在實(shí)際的業(yè)務(wù)場景中（比如行政審批業(yè)務(wù)），其數(shù)據(jù)的結(jié)構(gòu)會(huì)根據(jù)業(yè)務(wù)的調(diào)整不斷發(fā)生變化（業(yè)務(wù)環(huán)節(jié)、信息的變更）。由于NoSQL數(shù)據(jù)庫的反范式化操作無需事先定義實(shí)體關(guān)系、字段，添加新的屬性或組合對(duì)象操作都非常靈活，也就意味著應(yīng)對(duì)業(yè)務(wù)變化的能力相較于RDBMS更強(qiáng)。因此采用XML或者JSON來構(gòu)建數(shù)據(jù)物理模型是非常理想的選擇。

3 歸檔過程

EDAS通過前置機(jī)實(shí)現(xiàn)與政務(wù)服務(wù)網(wǎng)的數(shù)據(jù)庫同步，依靠ETL工具對(duì)同步數(shù)據(jù)庫進(jìn)行數(shù)據(jù)抽取、轉(zhuǎn)換，并將每一條業(yè)務(wù)數(shù)據(jù)庫記錄以及文檔附件封裝成一個(gè)歸檔信息單元（Archival Information Unit，AIU）。除了使用ETL工具之外，通過靈活的數(shù)據(jù)模板配置，EDAS也可以接收第三方已經(jīng)封裝的歸檔數(shù)據(jù)包，因此在數(shù)據(jù)兼容性上完全符合相關(guān)的要求和標(biāo)準(zhǔn)。

多個(gè)AIU形成一個(gè)歸檔批次進(jìn)入SIP封裝隊(duì)列進(jìn)行信息提交包的封裝。系統(tǒng)對(duì)SIP封裝包進(jìn)行數(shù)據(jù)校驗(yàn)并形成MD5碼，以確保封裝內(nèi)容不被改動(dòng)。通過校驗(yàn)之后，SIP封裝包進(jìn)入AIP封裝隊(duì)列進(jìn)行歸檔信息包封裝并最終進(jìn)入數(shù)據(jù)倉庫進(jìn)行歸檔保存。在SIP封裝到AIP封裝的階段，數(shù)據(jù)包的真實(shí)性保障可以通過MD5碼、數(shù)字簽名或者時(shí)間戳予以保證。

4 建設(shè)實(shí)踐中的亮點(diǎn)

4.1 現(xiàn)行管理制度的遵循。由于EDAS直接與業(yè)務(wù)系統(tǒng)對(duì)接，傳統(tǒng)從業(yè)務(wù)部門到檔案室再到檔案館的三段式管理由于繞開了檔案室變成了兩段，因此不可避免地出現(xiàn)了與現(xiàn)有檔案管理模式不一致的地方，尤其是歸檔數(shù)據(jù)的歸屬權(quán)和管理權(quán)問題。從信息管理的角度來說，減少管理環(huán)節(jié)能夠提升管理效率。但是考慮到與現(xiàn)行管理制度的兼容，杭州市檔案局通過在電子文件管理系統(tǒng)ERMS中嵌入各立檔單位的行政事項(xiàng)歸檔規(guī)則，如分類、編碼、保管期限、系統(tǒng)保留時(shí)間、處置動(dòng)作、開放權(quán)限等，同時(shí)將EDAS收集的各單位歸檔數(shù)據(jù)自動(dòng)導(dǎo)入到ERMS對(duì)應(yīng)單位的數(shù)據(jù)歸檔區(qū)，以此規(guī)避與現(xiàn)行管理制度上的矛盾。

4.2 多系統(tǒng)多數(shù)據(jù)源的集成。EDAS的建設(shè)初衷，就是要構(gòu)建起一個(gè)能夠集成多個(gè)數(shù)據(jù)源的歸檔系統(tǒng)，將歸檔轉(zhuǎn)變?yōu)橐环N信息治理的服務(wù)，通過技術(shù)推動(dòng)來實(shí)現(xiàn)檔案管理部門服務(wù)能力的提升和數(shù)據(jù)管理能力的進(jìn)步。要達(dá)成這樣的目標(biāo)，集成平臺(tái)的多系統(tǒng)多數(shù)據(jù)源接入就成為關(guān)鍵。只有通過靈活地?cái)?shù)據(jù)定義和前端數(shù)據(jù)的接入方式，多系統(tǒng)集成才能成為可能。傳統(tǒng)的依托于第三方的定制開發(fā)或者數(shù)據(jù)導(dǎo)出，雖然在技術(shù)上可行，但是存在以下幾個(gè)問題：一是業(yè)務(wù)系統(tǒng)已經(jīng)失去原開發(fā)商的技術(shù)支持；二是面臨著高昂的開發(fā)定制費(fèi)用；三是多方工作協(xié)調(diào)的難度；四是數(shù)據(jù)獲得不夠齊全完整。

如果存在上述任何一個(gè)問題，顯然無法滿足杭州市檔案局的建設(shè)目標(biāo)和要求，因此杭州市檔案局采用了ETL數(shù)據(jù)抽取和第三方定制開發(fā)相結(jié)合的方式進(jìn)行多數(shù)據(jù)源集成。經(jīng)過前期的數(shù)據(jù)測試，EDAS完成了30家機(jī)關(guān)單位共計(jì)12.4萬筆的測試數(shù)據(jù)歸檔，證明了建設(shè)思路的可行。目前，除了正在與行政服務(wù)網(wǎng)對(duì)接之外，正在與衛(wèi)計(jì)委的醫(yī)學(xué)出生證明系統(tǒng)、林水局的自建業(yè)務(wù)審批系統(tǒng)進(jìn)行對(duì)接。

4.3 數(shù)據(jù)模板。數(shù)據(jù)模板是EDAS的核心功能，是統(tǒng)一數(shù)據(jù)模型UMD在系統(tǒng)中的具體實(shí)現(xiàn)，也是多系統(tǒng)集成的最重要、最基礎(chǔ)的保障。在數(shù)據(jù)模板的定義中，一個(gè)業(yè)務(wù)記錄（Record）由多個(gè)區(qū)塊（Block）來構(gòu)成[3]。Block是用于對(duì)數(shù)據(jù)對(duì)象進(jìn)行組織以達(dá)到信息充分表述的信息容器，它將有關(guān)聯(lián)關(guān)系或者有特殊意義的一組信息以Block這種方式組織起來。每個(gè)Block可以代表著一組信息，比如歸檔信息、業(yè)務(wù)信息、技術(shù)環(huán)境信息等。節(jié)點(diǎn)（Node）是一種特殊的Block，用來描述業(yè)務(wù)環(huán)節(jié)。如果存在著業(yè)務(wù)流程并且需要對(duì)每個(gè)環(huán)節(jié)進(jìn)行描述時(shí)，可以將每個(gè)環(huán)節(jié)形成一個(gè)Node。如果不存在業(yè)務(wù)流程（比如直接登記）則無需定義Node，只需將信息直接存儲(chǔ)于Block當(dāng)中即可。

在Block和node中，除了系統(tǒng)默認(rèn)定義的元數(shù)據(jù)，可以根據(jù)業(yè)務(wù)信息自定義不同的元數(shù)據(jù)。正是這種數(shù)據(jù)模板和單獨(dú)對(duì)Block、Node的元數(shù)據(jù)定義，使得EDAS能夠真正應(yīng)對(duì)各種類型的業(yè)務(wù)系統(tǒng)數(shù)據(jù)。

目前，考慮到未來應(yīng)對(duì)多數(shù)據(jù)源的歸檔效率和數(shù)據(jù)的利用分析，杭州市檔案局正在對(duì)EDAS做進(jìn)一步的升級(jí)和改進(jìn)，重點(diǎn)是改進(jìn)底層的數(shù)據(jù)支撐框架和分析計(jì)算框架，以期EDAS能夠滿足未來對(duì)大數(shù)據(jù)的數(shù)據(jù)關(guān)聯(lián)、對(duì)比和組裝等諸多數(shù)據(jù)利用分析的需求，努力將其打造為一個(gè)新型的歸檔數(shù)據(jù)集成平臺(tái)。