Una definizione di servizio pubblico di partenza può essere trovata in 3

Transcript

1 I LPROGETTO MAGAZZI NIDI GI TALI : PROVE DISPERI MENTAZI ONE

2 GIOVANNI BERGAMIN BIBLIOTECA NAZIONALE CENTRALE DI FIRENZE IL PROGETTO MAGAZZINI DIGITALI: PROVE DI SPERIMENTAZIONE 1 Quando si parla di conservazione delle risorse digitali nel lungo periodo, l aspetto organizzativo (definizione di infrastrutture, ruoli e responsabilità) è sicuramente un tema decisivo. Dal punto di vista delle istituzioni della memoria la conservazione delle risorse digitali può essere vista come un servizio pubblico 2 fornito da depositi digitali accreditati (trusted digital repositories) 3 Per servizio pubblico si intende proprio quel servizio che ritenuto essenziale e strategico da una determinata comunità - è accessibile indipendentemente dalle possibilità economiche del fruitore. Per depositi digitali accreditati si fa riferimento a standard per la certificazione di affidabilità 4. Il servizio pubblico di conservazione delle risorse digitali ha lo scopo di assicurare nel lungo periodo per le risorse digitali depositate 5 : 1. la vitalità (viability): le sequenze di bit che compongono i file sono intatte (ogni risorsa depositata può essere rappresentata da uno o più file); 2. la traducibilità da parte di un elaboratore (renderability): un determinato hardware e un determinato software sono in grado di gestire le risorge digitali depositate, come ad esempio visualizzare a video un documento in formato PDF; 3. l'autenticità delle risorse depositate: intesa come documentazione della identità e della integrità 6 ; 4. la fruibilità da parte delle comunità di riferimento. Ad esempio il deposito rende possibili servizi quali quelli proposti dal modello FRBR: trovare, identificare, selezionare, ottenere una risorsa digitale (o un insieme di risorse) 7. 1 Giovanni Bergamin. Biblioteca nazionale centrale, Firenze. 2 Una definizione di servizio pubblico di partenza può essere trovata in 3 Trusted Digital Repositories: attributes and responsibilities An Audit checklist for the certification of Trusted Digital Repositories. (draft 2005) 5 La terminologia usata in questa definizione è basata anche su: Kunze, Jhon. Future-proofing the web: what we can do today Lynch, Clifford. Authenticity and integrity in the digital environment: an exploratory analysis of the central role of trust Per il significato di comunità di riferimento ( designated communities) e in generale per i concetti fondamentali collegati alla conservazione del digitale si veda Reference model for an Open Archival Information System(OAIS) (ISO Standard 14721). Per il modello FRBR: Functional requirements for bibliographic records: final report

3 IL PROGETTO MAGAZZINI DIGITALI: PROVE DI SPERIMENTAZIONE In molti casi le risorse digitali per essere depositate dovranno essere convertite in formati controllabili e gestibili nel tempo dal servizio di deposito. Da un lato infatti il servizio di deposito non può accettare formati che sono sconosciuti o protetti (si pensi ad esempio ai file protetti da DRM 8 ), dall altro per certe tipi di risorse il servizio pubblico potrebbe definire regole per l accettabilità dei formati. Ad esempio, nel caso del web profondo (deep web 9 ) le risorse digitali che il servizio pubblico di deposito prende in consegna non sono necessariamente identiche (a livello di bit) a quelle che si presentano nella realtà. Le risorse digitali appartenenti al web profondo sono di solito memorizzate in database relazionali e i contenuti vengono pubblicati dinamicamente a seguito della compilazione da parte di un utente dei campi di un modulo di richiesta. In questo caso il servizio pubblico potrebbe accettare solo risorse digitali esportate dai database in un formato standard. Un contributo al primo obiettivo - la vitalità (viability) delle risorse acquisite - è offerto dal progetto Magazzini digitali 10 finanziato nel 2006 dalla Fondazione Rinascimento Digitale e dalla Biblioteca Nazionale Centrale di Firenze 11 che si propone di realizzare una sperimentazione di archiviazione per un ammontare di dati ritenuto significativo (10 terabyte 12 ). Il nome del progetto richiama i magazzini librari delle biblioteche nazionali che acquisiscono le pubblicazioni attraverso il deposito legale. Per molti aspetti i magazzini digitali sono paragonabili a quelli analogici: le risorse digitali devono essere conservate a lungo termine; le risorse digitali si incrementano per aggiunta (come un libro dopo l altro sullo scaffale): la cancellazione o la modifica di una risorsa non è una opzione prevista; è impossibile prevedere con che frequenza una risorsa digitale sarà usata: probabilmente molte risorse saranno raramente usate e qualcuna non lo sarà mai DRM su Wikipedia: 9 Deep web su Wikipedia: 10 Il nome del progetto Magazzni digitali si richiama al progetto europeo NEDLIB dove è stato usato per la prima volta il termine Digital stacks sul modello dei magazzini librari (Steenbakkers, Johan. The NEDLIB guidelines, NEDLIB Consortium, 2000, p. 3.). Informazioni sul progetto Magazzini digitali : 11 Per il progetto è fondamentale la collaborazione della Biblioteca Nazionale Centrale di Roma. 12 Attualmente dicembre 2006 la BNCF possiede circa 20 TB di risorse digitali. 13 Probabilmente la maggioranza delle risorse: although this is an assumption, it is based on many years experience with printed material received under legal deposit : The large-scale archival storage of digital objects

4 GIOVANNI BERGAMIN BIBLIOTECA NAZIONALE CENTRALE DI FIRENZE L architettura del progetto è ispirata a due grandi archivi di risorse digitali esistenti: Google e Internet Archive. Per il primo si fa qui riferimento all intervento presentato da un gruppo di ricercatori di Google al Convegno sui sistemi operativi SOSP 03 dal titolo The Google file system 14. Per il secondo si fa riferimento al forum sul Petabox iniziato nel 2004 ma ancora attivo sul sito web di Internet Archive 15. Sia Google che Internet Archive partono dalla considerazione che nel mondo dei sistemi informatici il malfunzionamento non è l eccezione, ma la regola. Il rischio di perdere i dati può essere affrontato tramite la ridondanza (più copie dello stesso file su macchine differenti e localizzate in luoghi differenti) e la facile sostituibilità dei componenti hardware. Il componente più adatto a questo scopo è proprio il personal computer: poco costoso, facilmente sostituibile e soprattutto non dipendente da un particolare fornitore hardware o software. Oggi un comune personal computer casalingo può arrivare ad archiviare fino a 4 TB (4 dischi da 1000 GB 16 ) con tecnologia SATA (ovvero proprio quella oggi più diffusa). Il progetto Magazzini digitali sta sperimentando concretamente questa soluzione: 10 personal computer (di tipo industriale montati su rack, ognuno di quali dotato di 4 dischi SATA 17 da 500 GB) sono stati installati secondo il principio dell architettura multisito: 5 alla Biblioteca Nazionale Centrale di Firenze e 5 alla Biblioteca Nazionale Centrale di Roma; sulle macchine è stato installato un sistema operativo con codice sorgente aperto (open source) ovvero una comune distribuzione Linux (Fedora Core 5); la replica dei dati di base su software open source (rsync 18 ): per evitare particolari dipendenze (per esempio da dispositivi di controllo dei dischi) non viene fatto uso di tecnologie RAID 19 ; è previsto anche un terzo sito che utilizza per aumentare la sicurezza complessiva del sistema una tecnologia del tutto differente dai primi due siti: si tratta di una copia dei dati su nastri magnetici del tipo LTO 14 The Google File System Ad esempio: 17 SATA su Wikipedia: RAID su Wikipedia: 3

5 IL PROGETTO MAGAZZINI DIGITALI: PROVE DI SPERIMENTAZIONE Ultrium3 20. Il sito ha le funzioni tipiche dell archivio nascosto (dark archive) ovvero di quell archivio da usare solo nei casi di emergenza; 21 in pratica per ogni file l architettura complessiva prevede cinque copie: attraverso rsync i dati sono replicati sia all interno dello stesso sito su macchine differenti, sia nei differenti siti (due copie a Firenze, due a Roma e una nel dark archive). Questa architettura si presenta come scalabile (la capacità di archiviazione può essere facilmente incrementata senza particolari vincoli compreso quello di acquisire nuovo hardware dallo stesso fornitore del precedente) e di facile manutenzione (non sono richieste particolari specializzazioni, sono sufficienti tecnici che conoscono il funzionamento di un personal computer). Le evoluzioni del progetto Magazzini digitali previste nel 2007 si occuperanno di ulteriori aspetti della conservazione delle risorse digitali a partire dal secondo obiettivo - la traducibilità (renderability) da parte di un elaboratore cercando di mettere insieme le soluzioni tecnologiche che in questo campo cominciano a essere disponibili (il riferimento è alle strategie di emulazione e migrazione principalmente). La certificazione dei Magazzini digitali è inoltre prevista come parte essenziale del progetto. In questo contesto la certificazione è quel processo che permette di verificare che l infrastruttura complessiva sia in grado di rispondere al terzo e al quarto obiettivo (autenticità e fruibilità). Il punto di partenza sarà il documento Audit checklist 22 del RLG che prevede la verifica degli aspetti che seguono: aspetti istituzionali e organizzativi; funzioni, processi e procedure; comunità di riferimento e uso dell informazione; Tecnologie e infrastruttura tecnologica (questo punto equivale alla certificazione della sicurezza dei sistemi informatici prevista dalla norma ISO che si propone di specificare i requisiti Information Security Management System 23 ). 20 LTO su Wikipedia: 21 Sull architettura multi - sito e sulle funzioni del dark archive è fondamentale The large-scale archival storage of digital objects An Audit checklist for the certification of Trusted Digital Repositories. (draft 2005)

6 GIOVANNI BERGAMIN BIBLIOTECA NAZIONALE CENTRALE DI FIRENZE Se l accesso alla memoria digitale della società è un servizio pubblico che le istituzioni della memoria sono oggi chiamate ad offrire, il successo di questo servizio non dipenderà solo dalla disponibilità di strumenti tecnologici, ma anche e soprattutto da adeguate soluzioni organizzative. Il servizio pubblico di conservazione delle risorse digitali non è un servizio centralizzato, ma il risultato di una forte cooperazione tra le istituzioni della memoria. 5