《大数据原理:复杂信息的准备、共享和分析》一一2.2 标识符系统的特征

2.2 标识符系统的特征
对象标识符是与对象相关联的字母数字字符串。对于很多大数据资源,人是最受关注的数据管理对象。一个原因是,许多大数据资源被用来存储和检索个人有关信息。另一个原因是数据管理的当务之急是以绝对的确定性建立涉及人类重要信息的标识符(例如,银行交易、输血记录等)。我们会看到,在有关不变性的讨论中(见第6章),有充足的理由存储大数据资源中数据对象包含的全部信息,以及提供每个数据对象的标识符(见术语表,Immutability,Mutability)。因此,数据管理的重要任务之一就是建立一个可靠的标识系统23。
一个好的标识符系统具备如下特征:
1.完整性。每个数据对象必须指定一个标识符。
2.唯一性。每个标识符都是唯一的序列。
3.排他性。每个标识符只分配给一个唯一的对象,而不是没有其他对象。
4.真实性。接受标识的对象必须验证为就是计划被标识的对象。例如,如果一个年轻人走进一家银行,并声称自己是Richie Rich,那么银行必须确保他是,事实上,他说他是谁不管用。
5.聚合性。大数据资源必须有一个机制来聚合所有与标识符相关的数据(即捆绑所有属于唯一标识对象的数据)。在银行,这可能意味着收集所有与账户相关联的交易。在医院,这可能意味着收集所有与病人的标识符相关联的数据:就诊报告、用药情况、外科手术和化验结果。如果标识符系统执行适当,聚合方法将始终收集所有与某个对象相关联的数据,并且绝不会收集与不同对象相关联的任何数据。
6.永久性。标识符和相关联的数据必须是永久保存的。在医院系统中,当消失30年的患者返回医院,该记录系统必须能够访问他的标识符和相关数据。如果患者死亡,患者的标识符也不能消失。
7.协调性。应当有一种多个大数据资源的同一个数据对象的合并机制。这个过程被称为调谐,需要实施比较、验证和合并。医疗记录的可移植性需要调谐,当病人到医院就诊,可能需要从其他医院调用她的电子医疗记录(见术语表,Ectronic medical record)。两家医院需要确认病人的身份,并合并医疗记录。
8.不变性。标识符除了具有永久性之外(即从来没有被破坏或丢失),还必须永远不会改变(见第6章)24。倘若两大数据资源合并,或将遗留数据合并到一个大数据资源,或对两个不同的大数据资源的个别数据对象合并,每个数据对象会有两个数据资源分配的标识符。在这种情况下,两个标识符必须毫无修改地都被保留下来。合并后的数据对象必须有注释性信息,提供每个标识符的确切起源(即说明该标识符是来自哪个大数据资源)。
9.安全性。标识系统很容易受到恶意攻击。如果标识符被篡改,大数据资源会出现不可逆的损坏。在关于人的标识系统中,被盗标识符可用于多种针对个人的恶意活动。
10.文档和质量保证。应当有发现和改正病人识别系统的错误的系统。必须编写用于建立标识系统、分配标识符、保护系统和监视系统的协议。遇到的每个问题和采取的每个纠正措施都必须记录在案并通过检验。检验程序应当确定纠正措施是否有效,并保证标识系统性能的持续监控。所有检验程序、采取的行动以及所有系统修改情况都应当有详细的记录,这是一个大工程。
11.向心性。判断信息系统是属于一家储蓄银行、一家航空公司、*系统或一家医院,标识符发挥核心作用。你可以将信息系统看作标识符与数据连接的桥梁。例如,在医院信息系统里,病人的标识符是连接病人每次医疗记录的密钥。
12.自主权。标识系统有它独立于大数据资源的生命周期。即使大数据的所有数据资源突然消失(即所有的数据中包含的所有数据对象被删除),标识系统还可以持续运转下去,记录和整理现有的和未来的数据对象。

上一篇:Python3 与 C# 面向对象之~异常相关


下一篇:GraphScope阿里巴巴一站式大规模图计算系统