王 敬，王彥兵

（1.中共安徽省委黨校（安徽行政學院）圖書和文化館，合肥 230022；2.山東第一醫(yī)科大學（山東省醫(yī)學科學院）圖書館，泰安 271016）

1 引言

數(shù)據(jù)密集型科學的興起加速了科研數(shù)據(jù)的產(chǎn)生，科研數(shù)據(jù)在增加科研成果的透明性以及可重現(xiàn)方面扮演著重要角色，已經(jīng)成為科學界“一等研究公民”。對科研數(shù)據(jù)進行獲取、組織、管理與分享已經(jīng)成為科研周期中不可或缺的重要活動。許多國家科技部門和科研機構通過建立科研數(shù)據(jù)基礎設施 （Research Data Infrastructures，RDI） 來實現(xiàn)對科研數(shù)據(jù)的管理、共享與重用。RDI 是一個包含軟件與硬件，支持科研數(shù)據(jù)分享與重用，促進全球科研合作，加速科學創(chuàng)新的數(shù)據(jù)生態(tài)系統(tǒng)，是當今數(shù)字化科研得以高效運轉(zhuǎn)而不可或缺的支撐性基礎設施[1]。早在2010 年2 月歐盟委員會“第七框架計劃” 就資助了GRDI2020 項目[2]，用以指導歐盟構建一個可以支持數(shù)據(jù)共享與合作的全球化科研數(shù)據(jù)基礎設施。2016 年4 月，歐盟委員會又資助了歐洲開放科學云計劃（European Open Science Cloud Initiative，EOSCI）[3]旨在推動歐洲成為科研數(shù)據(jù)基礎設施的全球領導者，為歐洲科研人員提供用于存儲、分享、分析與利用科研數(shù)據(jù)的虛擬環(huán)境，促進跨學科研究。在此背景下，德國國家基金會于2016 年資助了通用科研數(shù)據(jù)基礎設施 （Generic Research Data Infrastructure，GeRDI） 項目，資助金額達300 萬歐元，并將其作為實施EOSCI 的一部分[4]。在政策、標準上，GeRDI 與EOSCI 所實施的開放科學云政策和云設施建設軟件與服務標準保持一致，如遵守FAIR 數(shù)據(jù)準則（可發(fā)現(xiàn)、可獲取、可互操作和可重用）[5,6]和《科學出版物和科研數(shù)據(jù)開放獲取管理指南》（Guidelines on Open Access to Scientific Publications and Research Data）[7]等。在具體實現(xiàn)技術上，GeRDI 使用自包含系統(tǒng) （Self-Contained System，SCS） 和微服務架構進行軟件架構的設計。該框架具有良好的擴展性和靈活性，可以便捷的將新功能以SCS 的方式添加至GeRDI，也可以對現(xiàn)有的服務功能進行刪除、修改。該架構方案的設計理念與EOSCI 的目標一致，有利于未來和EOSC 進行深度融合。

GeRDI 是一個針對長尾科研數(shù)據(jù)的分布式、聯(lián)合的科研數(shù)據(jù)基礎設施，它基于現(xiàn)有的數(shù)據(jù)知識庫，旨在構建一個虛擬、分布式的科研數(shù)據(jù)管理系統(tǒng)。GeRDI 的目的是幫助德國所有科研人員，特別是那些擁有長尾科研數(shù)據(jù)的科研人員存儲、分享以及重用符合FAIR 準則的不同學科領域科研數(shù)據(jù)。GeRDI 的總體目標是：①基于開放的標準，使用注冊、協(xié)議、元數(shù)據(jù)模式等方法來連接獨立分布的科研數(shù)據(jù)知識庫；②為創(chuàng)建獨立分布、基于特定社區(qū)的數(shù)據(jù)知識庫提供相關咨詢和軟件設計與開發(fā)支持；③為所有已連接數(shù)據(jù)知識庫提供具有語義搜索能力的數(shù)據(jù)獲取入口。

筆者使用文獻調(diào)研和網(wǎng)絡調(diào)研方法，以“通用科研數(shù)據(jù)基礎設施” 和“GeRDI” 為關鍵詞檢索中、英文文獻，并從GeRDI 網(wǎng)站獲取項目建設相關資源，對項目的建設模式和服務功能進行全面調(diào)研。通過文獻調(diào)研發(fā)現(xiàn)，國外學者主要側重從軟件工程設計、系統(tǒng)架構以及軟件的可持續(xù)性等技術角度對GeRDI 軟件系統(tǒng)的建設展開研究[8,9]，也有學者探討了使用GeRDI 對跨學科海洋漁業(yè)數(shù)據(jù)進行搜索與分析，側重于GeRDI的應用研究[10]。國內(nèi)學者王敬、王彥兵從發(fā)展歷程、框架模型和實踐狀況對國外科研數(shù)據(jù)基礎設施進行了調(diào)研和分析[1]；章昌平、米加寧提出了社會科學研究與數(shù)據(jù)管理組合生命周期模型和社會科學科研數(shù)據(jù)基礎設施框架模型，并對上述兩個模型框架實施需要的保障條件進行了論述[11]。

已有研究尚未有從GeRDI 項目的組織模式、設計原則、元數(shù)據(jù)模式以及軟件架構等多個維度對其成功建設經(jīng)驗進行分析與總結，本文研究期望能為中國科研數(shù)據(jù)基礎設施的建設和發(fā)展提供策略參考。

2 GeRDI 的組織模式

2.1 GeRDI 的組織架構

GeRDI 由德國國家基金會（DFN） 資助，4 個機構參與合作開發(fā)，分別是德國國家經(jīng)濟圖書館（萊布尼茲經(jīng)濟信息中心，ZBW）、巴伐利亞科學與人文學院萊布尼茲超級計算中心（LRZ）、德累斯頓工業(yè)大學信息服務與高性能計算中心（TUD） 以及克里斯蒂安-阿爾布雷希茨大學軟件工程團隊 （CAU）[12]。其中DFN 和ZBW 負責整個項目的管理、協(xié)調(diào)與監(jiān)管。大約有28 個不同領域?qū)I(yè)人員合作開發(fā)GeRDI 軟件系統(tǒng)。GeRDI 項目下設指導委員會、咨詢委員會和用戶委員會3 個專業(yè)委員會。指導委員會主要為GeRDI 項目期間所面臨的戰(zhàn)略議題提供指導與決策支持，由分別來自每個參與機構的5 名高級別專家組成。咨詢委員會為GeRDI 的開發(fā)提供有價值的觀點、視角以及戰(zhàn)略建議，其成員由研究人員、政策制定者以及其他相關科技人員組成，共計11 名。用戶委員會是獲取GeRDI 項目建設反饋的重要機制之一，由來自科研社區(qū)和數(shù)據(jù)知識庫的8 名代表構成。作為利益相關者與GeRDI 團隊之間的紐帶，用戶委員會將有助于不同信息和思想的交流，可以將用戶在科研數(shù)據(jù)管理過程中的需求和問題反饋給GeRDI 團隊。5 個機構在項目不同開發(fā)階段中的分工如圖1 所示。

圖1 5 個機構在項目不同階段中的分工[13]Fig.1 Project management and dissemination of five institutions

2.2 GeRDI 的服務模式

為了保障GeRDI 項目資助結束后的可持續(xù)性運營，GeRDI 提供了3 種計劃服務場景。場景一，提供GeRDI 服務時收取服務費，針對大部分潛在的用戶。場景二，將GeRDI 作為現(xiàn)有項目歐洲開放科學云科研數(shù)據(jù)管理模塊中不可或缺的一部分，在此場景下，GeRDI 將從其它項目的運營模式中獲取相應的收益。場景三，探索將GeRDI 作為開源項目，免費提供給用戶使用，相應的收益將來源于相關咨詢、用戶驅(qū)動的開源軟件的二次開發(fā)支持及其類似服務。當前，GeRDI 項目仍在開發(fā)中，還未最終確定使用哪種服務場景，GeRDI團隊計劃在項目第二階段（2019—2022 年） 對這些服務場景進行擴展與分析并提供一個最終服務方案。

3 GeRDI 的設計原則

3.1 長尾科研數(shù)據(jù)

長尾理論（The Long Tail） 最早由美國《連線》雜志主編ANDERSON 于2004 年提出，用以描述商業(yè)領域中小交易群體表現(xiàn)來的巨大市場份額[14]。2008 年HEIDORN 首次將長尾理論用于描述科學研究中的長尾現(xiàn)象[15]。HEIDORN 經(jīng)調(diào)查得出結論，近80%的科研活動都處于科學研究的長尾上，這些長尾科研項目雖然經(jīng)費少、規(guī)模小，但卻有眾多科研人員參與，產(chǎn)生了大量的科研數(shù)據(jù)。相對那些專注于核心學科、關鍵領域且投資巨大的大項目而言，“小科學” 投資小、數(shù)據(jù)量多，傾向于更前沿、更創(chuàng)新的研究[16]。也就是說，處于科研長尾上的小科研項目往往更容易成為科學創(chuàng)新的源頭。但這些小科研項目產(chǎn)生的大量長尾科研數(shù)據(jù)往往由科研人員自己保存，缺乏專門的數(shù)據(jù)管理計劃和數(shù)據(jù)管理工具。這就導致這些長尾科研數(shù)據(jù)很少被共享，很難被重用，沒有挖掘出其潛在的巨大價值。

根據(jù)規(guī)模大小，可以將RDI 分成兩類。一類是專注于大數(shù)據(jù)管理的國家（國際） 數(shù)據(jù)基礎設施，當前，對這類科研數(shù)據(jù)基礎設施關注和建設的比較多，如地球與環(huán)境科學的世界數(shù)據(jù)中心系統(tǒng)（The World Data Center System）[17]和基因組數(shù)據(jù)庫[18]等。另一類是專注于對長尾科研數(shù)據(jù)管理的基礎設施，這類科研數(shù)據(jù)基礎設施建設數(shù)量很少，而且非常分散。GeRDI 就是為了實現(xiàn)對長尾科研數(shù)據(jù)的管理、共享與重用而開發(fā)的聯(lián)合科研數(shù)據(jù)基礎設施。

3.2 科研數(shù)據(jù)生命周期

科研數(shù)據(jù)生命周期模型是正確理解科研數(shù)據(jù)演變過程的重要數(shù)據(jù)管理框架，它可以用來解釋和定義科研數(shù)據(jù)管理的復雜過程，明確在科研數(shù)據(jù)服務實踐中，不同利益相關者所承擔的角色和責任。基于此，GeRDI使用科研數(shù)據(jù)生命周期模型來更好的理解不同科研社區(qū)的科研數(shù)據(jù)演變過程，繼而識別確定GeRDI 所應提供的核心服務內(nèi)容。在比較研究了若干模型后，GeRDI采用了英國數(shù)據(jù)存檔（UK Data Archive） 數(shù)據(jù)生命周期模型。該模型非常簡單，包含創(chuàng)造數(shù)據(jù)（Creating Data）、處理數(shù)據(jù)（Processing Data）、分析數(shù)據(jù)（Analyzing Data）、保存數(shù)據(jù)（Preserving Data）、獲取數(shù)據(jù)（Giving Access to Data） 和重用數(shù)據(jù)（Re-using Data） 6個階段，如圖2 所示。

圖2 英國數(shù)據(jù)檔案數(shù)據(jù)生命周期模型[19]Fig.2 UK Data Archive's data life cycle model

3.3 基于試點科研社區(qū)的需求收集流程

多樣性是長尾科研數(shù)據(jù)基礎設施的主要特征，GeRDI 選取分屬4 個不同學科領域的9 個科研社區(qū)作為試點。這9 個多學科科研社區(qū)如表1 所示。

表1 GeRDI 9 個試點科研社區(qū)[20]Table 1 Nine pilot research communities of GeRDI

GeRDI 為每個試點社區(qū)設置一名社區(qū)管理者，他們既是GeRDI 的項目成員，同時也是項目組與試點社區(qū)之間的聯(lián)絡橋梁。他們負責收集不同試點社區(qū)的需求，獲取社區(qū)期望GeRDI 提供的功能與服務，同時向項目組提供有建設性的見解、評價和反饋。社區(qū)需求收集包括訪談、制定需求說明書、需求用例模型化、將需求用例與GeRDI 服務映射4 個主要過程。

（1） 訪談。社區(qū)管理者以訪談的形式獲取試點社區(qū)的需求是需求收集的重要方法。根據(jù)項目實施階段的不同，訪談的重點也不同。在項目實施前，社區(qū)管理者長時間與用戶溝通交流，獲取用戶的最初需求，在此基礎上，不斷對需求進行提煉并增加新的需求。在GeRDI V.1 發(fā)布后，社區(qū)管理者則通過訪談來獲取用戶使用GeRDI 的評價與反饋，并進一步收集用戶的需求。

（2） 制定需求說明書?；谠L談階段的訪問記錄，社區(qū)管理者識別出最初的用戶需求用例，并制定需求說明書。在此階段，需求開始逐漸轉(zhuǎn)變?yōu)橛脩羝谕贕eRDI 中可獲取到的功能與服務。例如，基本的搜索服務功能，用戶期望通過特定的參數(shù)來縮小或擴大搜索結果。

（3） 需求用例模型化。為了進一步從上述兩個步驟中獲取需求，社區(qū)管理者使用用例將需求進行模型化。社區(qū)管理者可以設置每個用例實現(xiàn)的優(yōu)先權，并決定是否將某個用例作為一個整體來實現(xiàn)，還是將其分割成更小的實現(xiàn)功能單元。在該過程中，為了更好的向用戶展示不同的GeRDI 功能特征，項目組使用了“拋棄式原型” （Throw-Away Prototypes） 開發(fā)方法，用來解決需求的不確定性、不完整性和模糊性。

（4） 將需求用例與GeRDI 服務功能進行映射。社區(qū)管理者與對應的社區(qū)溝通協(xié)調(diào)，將需求用例與即將在GeRDI 中實現(xiàn)的服務功能進行映射。

4 GeRDI 的元數(shù)據(jù)模式

元數(shù)據(jù)是描述資源實體各種特征的結構化、已編碼的數(shù)據(jù)，是實現(xiàn)科研數(shù)據(jù)發(fā)現(xiàn)、管理、共享及重用的重要描述機制，是科研數(shù)據(jù)基礎設施的重要組成部分。GeRDI 關注的是對長尾科研數(shù)據(jù)的管理，涉及4個不同學科領域的9 個科研社區(qū)，因此，設計一個支持描述不同學科領域科研數(shù)據(jù)的元數(shù)據(jù)模式是GeRDI項目建設所面臨的主要挑戰(zhàn)之一。GeRDI 元數(shù)據(jù)模式在通用元數(shù)據(jù)與學科領域元數(shù)據(jù)之間保持了相對平衡，包含通用、操作以及學科元數(shù)據(jù)3 個部分，分別映射GeRDI 不同的需求類別，為科研社區(qū)提供了更好的支持服務，如圖3 所示。

圖3 GeRDI 元數(shù)據(jù)模式[21]Fig.3 GeRDI metadata schema

（1） 通用元數(shù)據(jù)。包含典型的書目元數(shù)據(jù)元素，如標題、作者、出版時間等，這些都是支持RDI 服務的通用元數(shù)據(jù)元素。通用元數(shù)據(jù)一般包含數(shù)量少但穩(wěn)定的元素。GeRDI 選擇重用成熟、流行的元數(shù)據(jù)標準DataCite，用于科研數(shù)據(jù)的交換與引用。

（2） 操作元數(shù)據(jù)。作為基礎設施，GeRDI 需要特定的元數(shù)據(jù)元素支持相關操作，如識別已收割數(shù)據(jù)資源，跟蹤數(shù)據(jù)來源、所屬學科、不同的獲取鏈接（下載、瀏覽等） 等。操作元數(shù)據(jù)對元數(shù)據(jù)收割、維護以及常規(guī)RDI 服務支持至關重要。圖3 中“擴展元數(shù)據(jù)”展示了此部分的元數(shù)據(jù)元素。

（3） 學科元數(shù)據(jù)。學科元數(shù)據(jù)可以同時影響用戶需求與GeRDI 服務功能，是元數(shù)據(jù)模式設計過程中最具挑戰(zhàn)的一個部分。圖3 “學科元數(shù)據(jù)” 模塊展示了根據(jù)不同學科領域而組織的元數(shù)據(jù)元素，充分滿足了對多學科科研數(shù)據(jù)的描述需求。在整個需求收集過程中，科研社區(qū)通過用例 （Use Cases） 來決定在GeRDI Schema 中應該加入哪些學科元數(shù)據(jù)。但是，隨著新科研社區(qū)的加入或者現(xiàn)有社區(qū)提出新的用例，就需要在GeRDI Schema 中持續(xù)加入新的學科元數(shù)據(jù)元素，這就導致學科元數(shù)據(jù)元素的數(shù)量會不斷增加。如何在元數(shù)據(jù)元素的廣度與深度之間保持相對平衡是GeRDI 需要持續(xù)考慮的主題之一。為了應對該挑戰(zhàn)，GeRDI 不斷監(jiān)測、學習一些領先的元數(shù)據(jù)研究國際組織的最新元數(shù)據(jù)類型標準，如RDA 數(shù)據(jù)類型注冊工作組（RDA Data Type Registries Working Group）。此外，GeRDI 考慮使用本體應用從基礎設施層級來解決該問題。

通用元數(shù)據(jù)和操作元數(shù)據(jù)作為核心部分支撐了GeRDI 的通用服務，學科元數(shù)據(jù)則為學科服務提供支持，這對多學科科研社區(qū)來說至關重要。GeRDI 核心元數(shù)據(jù)與學科元數(shù)據(jù)分別處于不同的區(qū)塊，核心元數(shù)據(jù)區(qū)塊基本保持穩(wěn)定，學科元數(shù)據(jù)區(qū)塊則根據(jù)需求的變化而不斷變化。當向?qū)W科元數(shù)據(jù)區(qū)塊增加新的元數(shù)據(jù)元素時，開發(fā)者首先梳理和確定擬增加的字段結構，然后轉(zhuǎn)換為模板文件，最后在安裝部署時將新增加的元數(shù)據(jù)模板文件導入到對應的學科元數(shù)據(jù)區(qū)塊。

5 GeRDI 的架構設計

架構是經(jīng)過系統(tǒng)性思考，經(jīng)權衡利弊后在現(xiàn)有資源約束下的最合理決策，是最終確定的系統(tǒng)頂層結構，包括子系統(tǒng)、模塊和組件以及它們之間的協(xié)作關系、約束規(guī)范和指導原則。GeRDI 的目標是設計一個可以應對不斷變化的用戶需求，避免推倒重建，同時又能夠最大限度降低系統(tǒng)設計復雜度的架構?；谟脩粜枨蠛驮O計目標，GeRDI 選擇自包含系統(tǒng)（Self-Contained System，SCS） 和微服務架構作為軟件架構的設計方案。為了避免系統(tǒng)設計的復雜性，自包含系統(tǒng)將GeRDI 主要功能分割成不同的獨立組件，每個組件都擁有用戶界面、商業(yè)和邏輯層的獨立網(wǎng)絡應用程序，即將其實現(xiàn)成為一個微服務。每個自含式系統(tǒng)由獨立的團隊開發(fā)，伸縮性良好，可持續(xù)加入新的功能并將其整合為一個新的微服務，極大的提高了軟件開發(fā)效率。GeRDI 軟件架構如圖4 所示。

圖4 GeRDI 軟件架構（服務集） [8]Fig.4 GeRDI system architecture （services）

5.1 將GeRDI 服務與科研數(shù)據(jù)生命周期映射

需求收集期間對科研用例的識別過程為確定GeRDI的潛在服務提供了足夠的反饋。不同的科研社區(qū)期望GeRDI 所應提供什么樣的服務功能側重不同，基于用戶需求，GeRDI 開發(fā)組對科研用例進行分析收集并將其與科研數(shù)據(jù)生命周期的不同階段進行映射，如圖5所示。

圖5 將GeRDI 服務與科研數(shù)據(jù)生命周期映射[21]Fig.5 Mapping of GeRDI services to research data life cycle

5.2 GeRDI 的服務

GeRDI 的服務集如圖4 所示，主要分為核心服務和擴展服務兩個部分。每個標顏色的方框代表某項服務功能，對應科研數(shù)據(jù)生命周期的某個階段。隨著需求收集的不斷進行，新的服務功能將不斷的加入至核心服務和擴展服務中去。

5.2.1 核心服務

核心服務集包含收割（Harvest）、搜索（Search）和書簽（Bookmark） 功能。

（1） 收割。收割服務為元數(shù)據(jù)的獲取提供了接口，GeRDI 從不同社區(qū)的科研數(shù)據(jù)知識庫中獲取元數(shù)據(jù)，并將其添加到GeRDI 的索引中去。它也可以豐富充實已收割元數(shù)據(jù)并將其添加至搜索索引中。當前，GeRDI已經(jīng)從不同科研社區(qū)的數(shù)據(jù)知識庫收割超過37 萬個數(shù)據(jù)集。為了進一步增加索引量同時證明其良好的可擴展性，GeRDI 同時從歐洲著名開放科學數(shù)據(jù)庫Zenodo[22]中收取元數(shù)據(jù)。

（2） 搜索。搜索服務幫助科研人員通過搜索查詢，發(fā)現(xiàn)所需科研數(shù)據(jù)。搜索結果的過濾以及根據(jù)檢索結果進行推薦等特性也被加入到搜索服務中。

（3） 書簽。書簽服務幫助科研人員長久保存搜索到的結果，是一種即時收藏服務。此外，它還保存使用過的搜索詞，方便用戶快速進行再次搜索。

5.2.2 擴展服務

擴展服務組件為感興趣的科研社區(qū)提供了相關功能實現(xiàn)的案例參考，包括存儲（Store）、預處理（Preprocess）、分析 （Analyze）、出版 （Publish）、存檔（Archive）。

（1） 存儲?？蒲腥藛T可以利用存儲服務功能將書簽標記的數(shù)據(jù)下載至本地或者遠程存儲系統(tǒng)。

（2） 預處理。幫助科研人員提前對科研數(shù)據(jù)進行過濾、標準化以及預覽等預處理操作。

（3） 分析。對已預處理的數(shù)據(jù)提供數(shù)據(jù)分析服務，幫助科研人員洞察新的科學發(fā)現(xiàn)。

（4） 出版。為新產(chǎn)生的科研數(shù)據(jù)存入GeRDI 存儲庫提供出版與攝入服務。

（5） 存檔。為科研數(shù)據(jù)長期保存提供相關知識庫服務。

6 GeRDI 對中國科研數(shù)據(jù)基礎設施建設的啟示

6.1 在國家層面制定科研數(shù)據(jù)基礎設施建設的戰(zhàn)略規(guī)劃

中國現(xiàn)有科研數(shù)據(jù)基礎設施主要集中在科技云和不同類型的數(shù)據(jù)中心。2017 年12 月啟動了“中國科技云”[23]（China Science&Technology Cloud，CSTC） 建設，旨在建成加速科學發(fā)現(xiàn)、數(shù)據(jù)與計算融合的、領先國家級基礎設施。2019 年CODATA 北京會議期間提出“全球開放科學云” （Global Open Science Cloud，GOSC） 理念之后，“中國科技云” 與歐洲開放科學云EOSC、非洲開放科學云平臺AOSP 以及澳大利亞科研數(shù)據(jù)共同體ARDC 等開放科學云實踐加強國際合作，積極參與GOSC 的規(guī)劃與建設。2019 年6 月，科技部、財政部在前期科學數(shù)據(jù)工作的基礎上，分別在高能物理、基因組、氣象、地震海洋等領域組建了20 個國家科學數(shù)據(jù)中心，如國家冰川凍土沙漠科學數(shù)據(jù)中心、國家基因組科學數(shù)據(jù)中心、國家基礎學科公共科學數(shù)據(jù)中心等。

雖然中國在科研數(shù)據(jù)基礎設施建設方面已取得了一定的成果，但也存在一些問題?！爸袊萍荚啤?主要側重于高性能計算、人工智能、云計算、云存儲等云服務，在一定程度上實現(xiàn)了科研數(shù)據(jù)的開放、共享與重用，但與領先的歐洲開放科學云EOSC 相比還有一定的差距。國內(nèi)還未建立全學科門類、基于統(tǒng)一政策標準的、基礎性開放科學平臺。在缺乏國家總體發(fā)展規(guī)劃下，不同類型的數(shù)據(jù)中心急劇增加，不可避免的會造成重復建設、資源浪費以及不同數(shù)據(jù)中心之間缺乏統(tǒng)一的數(shù)據(jù)傳輸與共享標準等問題。

因此，國家科技部門應抓住機遇，對不同科研社區(qū)的需求進行調(diào)研，制定科研數(shù)據(jù)基礎設施建設發(fā)展國家戰(zhàn)略規(guī)劃，協(xié)調(diào)國家、領域以及機構等不同層次的科研數(shù)據(jù)基礎設施建設。建立一個基于統(tǒng)一的政策、標準、規(guī)范的聯(lián)合科研數(shù)據(jù)基礎設施，既能夠整合國內(nèi)不同科研數(shù)據(jù)中心數(shù)據(jù)資源，實現(xiàn)科研數(shù)據(jù)一站式訪問、獲取、互操作以及重用，又能夠與國際上重要的科研數(shù)據(jù)基礎設施進行數(shù)據(jù)交換和共享。

6.2 基于科研社區(qū)需求驅(qū)動的建設模式

科研社區(qū)的真實需求是驅(qū)動科研數(shù)據(jù)基礎設施建設和長久運行的原始動力。當前，中國的一些數(shù)據(jù)中心建設還存在“重建設，輕使用” 的狀況。造成這種情況的最主要原因是數(shù)據(jù)中心的建設通常是“項目驅(qū)動” 而非“需求驅(qū)動”，只重視項目建設是否完成，未能充分調(diào)研用戶的真實需求。GeRDI 基于試點科研社區(qū)需求驅(qū)動的建設模式值得我們借鑒。在進行項目建設時，首先明確項目建設所要服務的目標用戶群體，即試點科研社區(qū)，然后為每個試點科研社區(qū)設置一名管理者，他們既是項目組成員，同時也是項目組與試點社區(qū)之間的聯(lián)絡橋梁。通過訪談、制定需求說明書、需求用例模型化、將需求用例與項目服務映射等過程收集不同試點社區(qū)的需求，獲取社區(qū)期望項目提供的功能與服務，同時向項目組提供有建設性的見解、評價和反饋。

6.3 兼容現(xiàn)有的協(xié)議、標準，同時又能適應未來的不斷變化

科研數(shù)據(jù)基礎設施的建設不可能把現(xiàn)有RDI 全部推倒重建，最佳方案是把當前已建成的數(shù)據(jù)知識庫等分散的基礎設施連接起來，形成一個開放、動態(tài)、共享的RDI 網(wǎng)絡。GeRDI 不是建設一個新的數(shù)據(jù)中心，而是從不同科研社區(qū)已建成的數(shù)據(jù)知識庫獲取科研數(shù)據(jù)，實現(xiàn)科研數(shù)據(jù)“物理上分布、邏輯上集中”。因此，RDI 的建設要兼容現(xiàn)有的元數(shù)據(jù)收割協(xié)議、網(wǎng)絡協(xié)議，同時要遵守一致的數(shù)據(jù)模型、統(tǒng)一的軟件技術標準等。只有這樣，才能最大限度的降低RDI 建設的成本，并能充分實現(xiàn)不同RDI 之間的數(shù)據(jù)互操作與共享。

未來RDI 的建設不是一蹴而就的，而是一個動態(tài)持續(xù)的過程，試點科研社區(qū)會不斷增加新的需求，同時新的試點社區(qū)也會不斷加入。這就要求RDI 在建設初期就要把這種動態(tài)持續(xù)的特性考慮進去，以適應不斷變化的未來。具體可以從兩個方面著手，一是靈活的架構設計，使用自含式系統(tǒng)和微服務架構將不斷變化的需求功能整合至正在運行的系統(tǒng)，而不必將原有的系統(tǒng)推倒重來。二是建立RDI 建設動態(tài)監(jiān)測機制，全面掃描不同機構、領域的RDI 建設，重點關注相關政策、技術標準、先進的軟件設計方法等內(nèi)容，始終讓RDI 處于不斷進化的狀態(tài)。