Số hóa rồi lưu ở đâu? Bài toán giữ dữ liệu qua nhiều năm

Dữ liệu số rất dễ sao chép nhưng không tự nhiên tồn tại mãi mãi

Một ưu điểm rất lớn của tài liệu số là khả năng nhân bản. Một cuốn sách vật lý muốn có thêm bản sao phải được in, photocopy hoặc chụp lại. Trong khi đó, một file có thể được sao chép gần như nguyên vẹn sang nhiều thiết bị trong thời gian rất ngắn.

Chính khả năng ấy đôi khi tạo cảm giác rằng dữ liệu số an toàn hơn giấy một cách tự nhiên.

Thực tế phức tạp hơn.

Một cuốn sách nếu được bảo quản tốt có thể nằm trên giá hàng chục, thậm chí hàng trăm năm và con người vẫn có thể mở ra đọc trực tiếp. Một file thì luôn cần một chuỗi công nghệ để tồn tại và được sử dụng: thiết bị lưu trữ phải còn hoạt động, dữ liệu phải còn nguyên vẹn, định dạng phải đọc được và phải có phần mềm hoặc hệ thống phù hợp để mở nó.

Chỉ trong vài thập niên, chúng ta đã đi qua nhiều thế hệ phương tiện lưu trữ: đĩa mềm, CD, DVD, ổ cứng, USB, máy chủ, thiết bị lưu trữ mạng và các dịch vụ đám mây. Một số công nghệ từng rất phổ biến nay đã gần như biến mất khỏi máy tính thông thường.

Vì vậy, nếu mục tiêu của số hóa chỉ là sử dụng tài liệu trong vài tháng, việc lưu một file trên máy tính có thể đã đáp ứng nhu cầu. Nhưng nếu muốn giữ một kho ảnh gia đình cho thế hệ sau, hồ sơ doanh nghiệp trong nhiều thập niên hay tư liệu lịch sử lâu dài, cách nhìn phải khác.

Lưu trữ số không phải là cất file rồi quên nó đi. Đó là quá trình tiếp tục quản lý dữ liệu sau khi file được tạo ra.

Một bản sao không phải là một chiến lược sao lưu

Một trong những rủi ro phổ biến nhất là bản số duy nhất nằm trên chính chiếc máy tính đang được sử dụng. Nếu ổ cứng hỏng, thiết bị bị mất, nhiễm mã độc hoặc người dùng vô tình xóa dữ liệu, bản số cũng có thể biến mất.

Ngay cả việc chép toàn bộ dữ liệu sang một ổ cứng gắn ngoài cũng chưa giải quyết hết vấn đề nếu ổ đó luôn nằm cạnh máy tính chính. Hỏa hoạn, ngập nước, mất trộm hoặc một sự cố vật lý có thể ảnh hưởng đến cả hai cùng lúc.

Đó là lý do trong quản lý dữ liệu thường có nguyên tắc 3-2-1: có ít nhất ba bản dữ liệu, sử dụng hai loại hoặc môi trường lưu trữ khác nhau và có ít nhất một bản được giữ ở vị trí khác. Đây không phải công thức duy nhất cho mọi hệ thống, nhưng rất dễ hiểu và hữu ích khi bắt đầu xây dựng tư duy sao lưu.

Với một gia đình, cách áp dụng có thể khá đơn giản. Bộ ảnh số chính nằm trên máy tính hoặc thiết bị lưu trữ tại nhà; một bản khác nằm trên ổ cứng riêng; thêm một bản được lưu ở địa điểm khác hoặc trên một dịch vụ lưu trữ trực tuyến phù hợp.

Với doanh nghiệp và tổ chức, hệ thống có thể phức tạp hơn nhiều: máy chủ, NAS, lưu trữ ngoại vi, trung tâm dữ liệu, cloud, hệ thống backup tự động và các cơ chế kiểm soát quyền truy cập. Nhưng nguyên tắc nền tảng vẫn giống nhau: không để một sự cố duy nhất có thể xóa toàn bộ những gì đã số hóa.

Một điểm cũng cần phân biệt là đồng bộ và sao lưu không hoàn toàn giống nhau. Nếu một thư mục trên máy tính được đồng bộ với cloud, việc xóa nhầm file có thể được đồng bộ sang các thiết bị khác. Một hệ thống backup đúng nghĩa cần tạo khả năng quay lại phiên bản trước hoặc phục hồi dữ liệu khi nguồn chính gặp sự cố.

Vì vậy, câu hỏi không nên chỉ là “dữ liệu đã được chép sang đâu?”, mà còn phải là “nếu bản đang sử dụng biến mất hôm nay, chúng ta có khôi phục được không?”

Giữ file lâu dài còn là câu chuyện về tính toàn vẹn và khả năng đọc được

Giả sử chúng ta có ba bản sao của một kho tư liệu. Điều đó đã giảm đáng kể nguy cơ mất hoàn toàn dữ liệu, nhưng vẫn còn một vấn đề khác: làm sao biết các file sau nhiều năm vẫn còn nguyên vẹn?

Dữ liệu có thể bị lỗi do thiết bị lưu trữ xuống cấp, quá trình sao chép gặp sự cố hoặc nhiều nguyên nhân kỹ thuật khác. Với vài bức ảnh, người dùng có thể mở thử từng file. Nhưng với hàng trăm nghìn tài liệu, không thể thường xuyên kiểm tra bằng mắt.

Các hệ thống lưu trữ chuyên nghiệp có thể sử dụng những giá trị kiểm tra như checksum để phát hiện file có bị thay đổi so với trạng thái đã ghi nhận hay không. Có thể hình dung checksum như một “dấu nhận dạng” được tính từ nội dung của file. Nếu dữ liệu thay đổi ngoài dự kiến, giá trị kiểm tra cũng có thể thay đổi, từ đó giúp hệ thống phát hiện vấn đề.

Nhưng giữ nguyên file vẫn chưa phải toàn bộ câu chuyện. File còn phải đọc được.

Một định dạng rất phổ biến hôm nay có thể trở nên ít được hỗ trợ trong tương lai. Một phần mềm chuyên dụng có thể ngừng phát triển. Một thiết bị lưu trữ có thể vẫn còn dữ liệu nhưng máy tính mới không còn cổng kết nối phù hợp. Đây là lý do các kho lưu trữ số lâu dài phải quan tâm đến định dạng, khả năng tương thích và khi cần có thể chuyển dữ liệu sang môi trường hoặc định dạng mới.

Nói cách khác, bảo quản dữ liệu số không phải bảo vệ một chiếc ổ cứng mãi mãi.

Ổ cứng có thể thay. Máy chủ có thể thay. Dịch vụ cloud có thể thay. Định dạng đôi khi cũng phải chuyển đổi. Thứ cần được bảo vệ xuyên suốt là thông tin và khả năng chứng minh rằng thông tin ấy vẫn còn nguyên vẹn, có thể tìm thấy và sử dụng được.

Đây là điểm rất khác giữa tư duy “lưu file” và “lưu trữ số”.

Số hóa chỉ thực sự có ý nghĩa khi dữ liệu còn tìm được và mở được trong tương lai

Nhìn lại từ bài 9 đến đây, một tài liệu đã trải qua khá nhiều bước.

Scanner đưa hình ảnh của vật thể vào môi trường số. DPI, màu sắc và các thông số thu nhận quyết định lượng thông tin được giữ lại. OCR giúp chữ trên trang có khả năng được tìm kiếm. Metadata giúp nhận diện tài liệu, nguồn gốc và ngữ cảnh. Nhưng toàn bộ công việc ấy chỉ có giá trị lâu dài nếu dữ liệu cuối cùng được bảo vệ.

Một gia đình có thể bắt đầu rất đơn giản: chọn những tư liệu quan trọng, tạo bản số đủ tốt, đặt tên rõ ràng, ghi lại thông tin khi những người biết câu chuyện vẫn còn, rồi giữ ít nhất một bản sao ở nơi khác.

Một trường học hay giáo xứ có thể tiến thêm một bước: tổ chức dữ liệu theo năm, sự kiện và nhóm tư liệu; phân công người chịu trách nhiệm; định kỳ kiểm tra và sao lưu.

Một doanh nghiệp cần nhìn dữ liệu như một tài sản vận hành: xác định dữ liệu nào phải giữ lâu dài, ai được truy cập, sao lưu ở đâu, thời gian phục hồi khi gặp sự cố và ai chịu trách nhiệm kiểm tra hệ thống.

Còn với những kho tư liệu có giá trị lịch sử, bài toán có thể kéo dài qua nhiều thế hệ công nghệ. Khi đó, lưu trữ không còn là mua một thiết bị có dung lượng thật lớn mà là xây dựng một quá trình có khả năng tiếp tục vận hành khi thiết bị ấy đã trở nên lỗi thời.

Điều thú vị là ở cuối hành trình này, chúng ta lại quay về câu hỏi đã đặt ra từ đầu chuyên đề.

Tổ tiên chúng ta đã truyền lại sách, gia phả, thư từ và nhiều tư liệu qua hàng trăm năm mà không có máy tính. Ngày nay, công nghệ cho phép tạo ra hàng triệu bản sao với tốc độ chưa từng có, nhưng chính chúng ta lại phải học một cách mới để bảo đảm những bản sao ấy vẫn tồn tại qua nhiều thế hệ.

Máy scan mở cánh cửa từ giấy sang dữ liệu. Nhưng đi qua cánh cửa đó không có nghĩa tư liệu đã được bảo vệ mãi mãi.

Một bản số chỉ thực sự hoàn thành sứ mệnh khi nó không chỉ tồn tại hôm nay, mà còn có khả năng được tìm thấy, kiểm chứng và mở ra trong tương lai.

Và vì vậy, câu hỏi cuối cùng của một dự án số hóa không nên là:

“Đã scan xong chưa?”

Mà nên là:

“Nếu 20 năm nữa cần lại tài liệu này, chúng ta có chắc vẫn tìm thấy và mở được nó không?”