数字对象散列存储模型的设计与实现.pdf

中国科技期刊数据库 科研 数字对象散列存储模型的设计与实现 吴 彬 有色金属华东地质勘查局，江苏 南京 210007 摘要：通过研究现有数字资源的 装、存储等特点；以散列函数为模型；提出基于散列模型下的数字资源均匀存储方案，并 对比分析基于该模型下的资源分布特点。 关键词：数字对象；散列存储 TP311.13 A 167 1-5780(20 16)08-0 165-02 中图分类号： 文献标识码： 文章编号： 1 引言 （3）如果输入值不同，则经过散列函数计算后，输出 海量数字资源的建设是数字档案馆建设过程中的重要 的结果也必须不同。散列函数主要应用在数字签名及密码加 环节，随着档案馆业务范围的不断 展以及人们对各种资源 密方面，目前较常用的散列函数主要有： 要求的不断提高，大量的数字资料需要通过数字档案馆平台 ①MD5：全称是 Message Digest Algorithm 5 （信息 进行分发和交流，而随着信息化的不断发展，单个资源载体 摘要算法），md5 以512 位分组来处理输入的信息，且每一分 所包含的信息量不断增加、格式不断增多、并且与之相关的 组又被划分为 16 个 32 位子分组，经过了一系列的处理后， 非结构化数据也在增多，这些非结构化数据主要表现为大量 算法的输出由四个 32 位分组组成，将这四个 32 位 分组级 [1] 图片、音视频、XML 文件、相关文档、报告等 ，这些资料 联后将生成一个128 位散列值。 以单个实体的形式存在，为了方便后续对数字资源进行管理 ②SHA1：（Secure Hash Algorithm）这是一种较新的散 和存储，需要将原始的单个数字资源进行封装，形成最小数 列算法，可以对任意长度的数据运算生成一个160 位的数值。 字对象单元，数字对象不仅包含资源实体，还包含资源的元 此外还有 MAC （Message Authentication Code）、CRC 数据信息。 （Cyclic Redundancy Check）这些算法目前已成为国际上 2 关键技术 通用的算法，因此不受平台的限制，使用任何一种平台，采 所有的资源经过封装后形成单个的数字对象后，需要将 用相同的散列函数都会得到相同的结果。 [2] 众多的数字对象合理的组织在一起形成一个大的仓储单元 ， 3 散列存储模型的算法实现 在这一过程中的关键是如何快速的定位到数字对象的地址， 目前，在数字档案馆建设过程中，为了可以将资源在不 通常的做法有两种： 同的档案馆之间进行传递，通常资源是按照仓储的形式进行 （1）将每个数字对象存放在关系数据库中的BOLB 字段 组织和存放，对于单个的仓储来说，其大小已经达到以 TB 中，因此只要在数据库中找到数字对象的 ID 号，然后解析 级，采用仓储的形式进行管理所具有的最大优点是当需要共 相应的 blob 字段，便能将资源完整的再现出来。这种做法