事业单位数字档案馆建设实操指南：从零到一搭建与运维

一、核心架构设计与技术选型

一个稳定、可扩展的数字档案馆系统，其基础架构设计至关重要。以下是经过验证的推荐方案。

1.1 基础运行环境

操作系统建议选择稳定且长期维护的版本，例如 Ubuntu Server 22.04 LTS 或 CentOS Stream 8。在服务器上执行以下命令进行基础环境安装：

``` sudo apt update && sudo apt upgrade -y Ubuntu/Debian 或 sudo dnf update -y CentOS/RHEL/Fedora ```

安装必要的依赖包：

``` sudo apt install -y curl wget vim git unzip nginx mysql-server python3 python3-pip Ubuntu 或 sudo dnf install -y curl wget vim git unzip nginx mysql-server python3 python3-pip CentOS ```

1.2 核心服务选型

数据库是数字档案馆的核心，推荐使用MySQL 8.0或PostgreSQL 14。对于全文检索，Elasticsearch 8.x是行业标准。文件存储服务可选择MinIO（兼容S3协议）或FastDFS。以下是使用Docker Compose快速部署这些服务的配置方案。

创建 docker-compose.yml 文件：

``` version: '3.8' services: mysql: image: mysql:8.0 container_name: archive_mysql environment: MYSQL_ROOT_PASSWORD: YourStrongRootPassword123! MYSQL_DATABASE: digital_archive volumes: - ./mysql_data:/var/lib/mysql ports: - "3306:3306" restart: unless-stopped elasticsearch: image: elasticsearch:8.11.0 container_name: archive_es environment: - discovery.type=single-node - ES_JAVA_OPTS=-Xms512m -Xmx512m - xpack.security.enabled=false volumes: - ./es_data:/usr/share/elasticsearch/data ports: - "9200:9200" restart: unless-stopped minio: image: minio/minio:latest container_name: archive_minio command: server /data --console-address ":9001" environment: MINIO_ROOT_USER: admin MINIO_ROOT_PASSWORD: YourStrongMinioPassword123! volumes: - ./minio_data:/data ports: - "9000:9000" - "9001:9001" restart: unless-stopped ```

在文件所在目录执行 docker-compose up -d 启动所有服务。

二、档案管理系统部署

我们选择开源的Archivematica作为核心档案管理平台，它集成了接收、处理、存储和访问全流程。

2.1 环境准备与安装

Archivematica依赖较多，推荐使用其官方提供的自动化安装脚本。在Ubuntu服务器上执行：

``` wget https://raw.githubusercontent.com/artefactual/archivematica/stable/1.x/install/install.sh sudo chmod +x install.sh sudo ./install.sh ```

安装过程会交互式询问配置，关键步骤选择如下：

• 数据库类型：选择MySQL，并填入之前Docker中MySQL服务的IP地址（如果在本机，通常是127.0.0.1）、端口（3306）、数据库名（digital_archive）和密码。
• 存储服务：选择“S3-compatible”，并配置MinIO的连接信息（地址：http://服务器IP:9000，Access Key: admin，Secret Key: YourStrongMinioPassword123!）。
• 搜索服务：填入Elasticsearch的地址（http://服务器IP:9200）。

2.2 系统初始化配置

安装完成后，通过浏览器访问 http://你的服务器IP 进入Archivematica仪表板。首次登录需要创建管理员账户。

进入“管理”->“处理配置”，这是最关键的一步。需要根据事业单位档案的实际情况（如文书档案、照片、音视频）配置处理工作流。例如，为“文书档案（PDF）”创建一个新的处理配置：

1. 命名：“文书档案-标准流程”。
2. 在“识别”阶段，选择“标准识别工具”。
3. 在“提取”阶段，勾选“提取PDF文本”以支持全文检索。
4. 在“标准化”阶段，选择“将JPEG转换为PDF/A”或“将办公文档转换为PDF/A”，以实现长期保存格式统一。
5. 在“存储”阶段，选择之前配置的S3存储空间。

保存此配置，后续处理档案包时可直接调用。

三、档案数字化与著录规范

3.1 批量扫描与文件准备

将纸质档案通过高速扫描仪扫描为数字图像，推荐输出为300 DPI的TIFF格式作为主保存格式，同时生成一份PDF/A格式供日常查阅。使用开源工具ImageMagick进行批量格式转换与压缩：

``` 批量将TIFF转换为PDF/A（单页） for file in .tif; do convert "$file" -compress JPEG "${file%.tif}.pdf"; done 合并多个PDF为一个 pdfunite .pdf 合并档案.pdf ```

所有文件应按预定义的规则命名，例如：全宗号-目录号-案卷号-件号_文件名称.扩展名（如Z001-003-012-005_关于XX事项的批复.pdf）。

3.2 元数据著录与CSV导入

元数据是档案检索的基石。准备一个标准的CSV文件（如metadata.csv）进行批量著录，模板如下：

``` 文件名,题名,责任者,成文日期,文号,页数,保管期限,密级,全宗号,目录号,案卷号,件号 Z001-003-012-005_关于XX事项的批复.pdf,关于同意开展XX项目的批复,XX局,2022-05-10,XX发〔2022〕15号,3,永久,公开,Z001,003,012,005 Z001-003-012-006_请示报告.pdf,关于申请购置办公设备的请示,办公室,2022-05-05,无,2,30年,内部,Z001,003,012,006 ```

在Archivematica的“接收”模块中，创建一个新的转移：

1. 点击“创建转移”，上传所有已命名的档案文件。
2. 在“元数据”选项卡中，选择“上传元数据文件”，上传metadata.csv。
3. 关键步骤：在“配置”下拉菜单中，选择之前创建的“文书档案-标准流程”处理配置。
4. 点击“开始”，系统将自动执行格式识别、病毒扫描、文本提取、格式标准化，并将文件与元数据存入MinIO，同时将元数据索引至Elasticsearch。

四、检索系统与访问门户搭建

4.1 基于Elasticsearch的API服务开发

使用Python Flask快速搭建一个检索API，提供对Elasticsearch中档案元数据的查询。安装依赖并创建app.py：

``` pip install flask flask-cors elasticsearch ```

创建app.py文件：

``` from flask import Flask, request, jsonify from flask_cors import CORS from elasticsearch import Elasticsearch app = Flask(__name__) CORS(app) 允许前端跨域访问 es = Elasticsearch([‘http://localhost:9200’]) ES地址 @app.route(‘/search’, methods=[‘GET’]) def search_archives(): query = request.args.get(‘q’, ‘’) 构建一个简单的多字段匹配查询 body = { “query”: { “multi_match”: { “query”: query, “fields”: [“题名^3”, “责任者^2”, “文号”, “全文内容”], ^n表示权重 “type”: “best_fields” } }, “highlight”: { “fields”: { “题名”: {}, “全文内容”: {} } } } result = es.search(index=“archivematica”, body=body) 匹配Archivematica创建的索引 return jsonify(result[‘hits’]) if __name__ == ‘__main__’: app.run(host=‘0.0.0.0’, port=5000, debug=True) ```

运行 python app.py，API服务将在5000端口启动。

4.2 简易前端门户实现

创建一个index.html文件，实现检索界面：

```

档案检索

检索 ```

将此HTML文件放置于Nginx的Web目录（如/var/www/html/），即可通过浏览器访问进行检索。

五、日常运维与备份策略

5.1 自动化备份脚本

数据安全是生命线。创建每日凌晨执行的备份脚本/root/backup.sh：

``` !/bin/bash BACKUP_DIR=“/backup/$(date +%Y%m%d)” mkdir -p $BACKUP_DIR 1. 备份MySQL数据库 mysqldump -h 127.0.0.1 -P 3306 -u root -p‘YourStrongRootPassword123!’ --all-databases > $BACKUP_DIR/mysql_backup.sql 2. 备份Elasticsearch索引（使用快照功能，需先在ES中创建仓库） curl -X PUT “localhost:9200/_snapshot/backup_repo/snapshot_$(date +%Y%m%d)?wait_for_completion=true” 3. 使用MinIO客户端mc同步存储桶内容 /usr/local/bin/mc mirror --overwrite myminio/archivematica-bucket $BACKUP_DIR/minio_data/ 4. 将备份目录压缩并上传至异地存储（如另一台服务器或OSS） tar -czf $BACKUP_DIR.tar.gz $BACKUP_DIR scp $BACKUP_DIR.tar.gz backupuser@异地服务器IP:/remote_backup/ 5. 清理7天前的本地备份 find /backup -type d -mtime +7 -exec rm -rf {} \; ```

使用crontab -e添加定时任务：0 2 /bin/bash /root/backup.sh（每天凌晨2点执行）。

5.2 监控与日志检查

使用简单的Shell命令监控服务状态，创建/root/check_services.sh：

``` !/bin/bash SERVICES=(“mysql” “elasticsearch” “minio” “nginx”) for service in “${SERVICES[@]}”; do if systemctl is-active --quiet $service; then echo “$service is RUNNING” else echo “$service is DOWN!” | mail -s “服务告警” admin@your-unit.gov.cn fi done 检查关键日志错误 tail -50 /var/log/archivematica/storage-service.log | grep -i error ```

同样，可将此脚本加入crontab，每小时执行一次。

通过以上五个部分的步骤，一个具备完整接收、管理、存储、检索和备份功能的事业单位数字档案馆系统即可投入运行。所有操作均基于开源软件和明确指令，可直接复制执行。后续可根据单位具体需求，在检索门户、审批流程或与其他OA系统集成方面进行深化开发。