SpecialistOff.NET / Вопросы / Статьи / Фрагменты кода / Резюме / Метки / Помощь / Файлы

Документация и хранилище документов

Не путать хранение документов с документооборотом.

В области документохранения ничего нового, нет революционных подвижек. Остальные решения просто факт агрессивного маркетинга. Проблема в разноформатности документов и необходимости того или иного функционала для разных организаций. Что вытекает либо в узкоспециализированные решения, либо в огромные комбайны с большой ценой.

Но есть общие требования к системам такого типа:

запись связывает документ, идентичность создателя, истинность события и время создания;
хранение статей и их версий;
хранение файлов;
поддержка описания для статьи;
поддержка меток (тегов) для быстрого поиска;
дедупликация;
поиск по документам и их версиям;
поддержка классификатора;
поддержка прав доступа (ACL);
поддержка избранных статей и отдельных статей в виде тематических подборок;
поддержка заметок;
при необходимости поддержка электронной цифровой подписи (ЭЦП)

При написании подобных систем нужно учитывать некоторый опыт реализации:

не хранить все файлы в одном каталоге. Большое количество файлов отрицательно влияет на производительность при проведении файловых операций, например при архивировании хранилища. Рекомендуется хранить в виде дерева поддиректорий (не более 1000-4000 вложений подкаталогов каждого уровня);
не хранить файлы в виде оригинальных имён. Это может поставить проблему множественного дублирования одного и того же файла, но с разными названиями. Рекомендуется хранение с условным именем. Например имя на основе хеш суммы sha256. Имена файлов можно задать в отдельной реляционной базе данных (БД) в виде пар хеш имени файла - список имен документа;
не организовывать хранение поддокументов большого документа в виде иерархической организации подкаталогов. Иерархию можно организовать в реляционной БД, которая будет более производительна;
текстовые, гиппертекстовые и другие виды документов лучше хранить непосредственно в БД. Это повысит скорость при поиске.

Большинство систем хранения документов реализовано только в виде обычного файлового хранилища. Разработчики считают, что рабочий процесс (workflow) движения документов гораздо важнее организации хранения, что в свою очередь приводит к проблемам, в том числе и с замедлением работы с хранилищем. Некоторые даже рекомендуют использовать обычные системы контроля версий VCS (git, mercurial и др), но это решение подходит скорее только к однопользовательским решениям.