Systémový pohled na Archivematicu - systémová architektura, hardwarové nároky, vstup a zpracování dat, napojení na externí systémy.

1. Systémový pohled
na open-source
software
Archivematica
Vlastimil Krejčíř
Ústav výpočetní techniky Masarykovy univerzity
Projekt LTP PILOT
Masarykova univerzitaV Praze dne 1.12.2015

2. Obsah
●Architektura systému Archivematica
●Nároky (hw, lidé, doba zpracování)
●Vstup dat, napojení na externí systémy
●Zhodnocení + zkušenosti

3. Architektura systému I.
Modulární (z hlediska uživatele):
● Archivematica (jádro systému)
● Storage Service (vstup a výstup, ukládání dat)
● FPR (formátové registry)
● AtoM (volitelně)

4. Architektura systému II.
Modulární (z hlediska systémové architektury):
● řídící jádro (MCP server)
○ Gearman (řízení spouštění procesů)
○ MCP klient
○ MySQL (procesní databáze, logy)
● úložiště (Storage Service)
○ lokální disky
○ síťové disky
○ cloudové systémy
● Dashboard (webové uživatelské rozhraní)
● API

5. Systémová architektura III.

6. Nároky (systém, lidé)
● hardware
○ doporučený viz dokumentace (procesor i5 dual core, 8 GB pamět)
■ procesorový výkon klíčový
○ dostatek diskového prostoru
■ nejméně objem vstupu krát 3
■ ale např. u videa nárust 10násobně
● lidé
○ systémový správce (správa a nastavení, Linux) -
základ
○ programátor (Python, bash) - pro speciálnější
nastavení

7. Nároky (doba zpracování dat)
Doba zpracování vstupních dat variabilní:
● typ a objem vstupních data
● nastavené kroky workflow
● velikost balíku vstupních dat
Řádově minuty u jednotlivých menších souborů
(dokumenty, fotografie) až hodiny u větších balíků (řádově
GB) nebo dny u zpracování velkých objemů (desítky GB).

8. Vstup dat
● Ruční vkládání dat
○ webové rozhraní Dashboard
○ heterogenní vstup (nutný výběr správcem)
○ ruční doplňování metadat
● Strojové vkládání a zpracování
○ využití API
○ připravená data
○ export z externích systémů

9. Automatizace vstupu
● přenos a příprava dat
● REST API (špatně dokumentované)
○ formát JSON
○ opakované sledování stavu zpracování
○ nekompletní z hlediska funkcionality
○ dostačují pro odladěný homogenní vstup

10. Vstupní formáty
● BagIT
● DSpace
○ export ze systému DSpace
● Disk Image
○ obraz disku (např. CD nebo DVD)
● Standard
○ libovolná data
○ možnost speciálního vstupu
■ metadata
■ kontrolní součty
■ struktury

11. Napojení externích systémů
● AtoM
○ přímá integrace
○ samostatný systém
● Archivist’s Toolkit
○ pouze metadata
● CONTENTdm
○ speciální DIP (přenos ručně)
● Islandora/Fedora (modul Archidora)
○ beta verze (samostatná větev vývoje)
● DSpace
○ AIP AM nekompatibilní s AIP DSpace
● vlastní (custom) kód pro jiné systémy

12. Zhodnocení: zápory systému
Zápory:
● rapidní vývoj
● malá robustnost
● špatná (či neúplná) dokumentace
● chyby v software
● neúplné REST API
● nepružné ovládání přes Dashboard (a nutnost jej
používat)
● customizace.

13. Zhodnocení: klady systému
Klady:
● dobře navržená architektura
● Formátový registr FPR a jeho funkce
● rychlý vývoj
● systém funguje na odladěných workflow
● potenciál do budoucna.

14. Závěr
Archivematica je systém s dobrým potenciálem do
budoucna.
Z hlediska systémové správy není tento systém v řadě
aspektů dostatečně dotažený a trpí řadou chyb, které však
lze s omezeními eleminovat. Provoz vyžaduje vyžaduje z
hlediska systémového správce větší úsilí, než by bylo u
vyladěného systému třeba.
URL: https://archivematica.org/

15. Děkuji za pozornost!
Vlastimil Krejčíř
krejcir@ics.muni.cz
Národní archiv
V Praze dne 1.12.2015
DOTAZY?