dg:Convenções/Armazenamento de dados: mudanças entre as edições

Edição das 15h42min de 25 de maio de 2023

Link eterno

O projeto Digital-guard disponibiliza os dados preservados por meio de links eternos no formato default:

https://dl.digital-guard.org/<sha256>.<extensão>

Por exemplo, os dados sobre lotes doados pela prefeitura de São Paulo possuem o link eterno:

https://dl.digital-guard.org/bae2054448855305db0fc855d2852cd5a7b369481cc03aeb809a0c3c162a2c04.zip

Sem perda de unicidade, o mesmo arquivo pode ser obtido usando pelo menos os 6 primeiros caracteres do sha256:

https://dl.digital-guard.org/bae205

Nuvem e redirecionamento

O projeto utiliza serviços de armazenamento em nuvem para hospedar arquivos.

Tabela de-para

A tabela de-para continua válida. É uma alternativa para não lidar com fromDL_toFileServer.csv diretamente no git.

No entanto, o conteúdo da tabela de-para deve-se copiado para fromDL_toFileServer.csv. Solicite ajuda se necessário.

Importante: o que está na de-para não é oficial, vale o conteúdo de fromDL_toFileServer.csv. O processo de disponibilizar o link eterno consome o conteúdo de fromDL_toFileServer.csv. Enquanto não constar nele, o link eterno do arquivo não estará funcional.

fromDL_toFileServer.csv

Foi convencionado que a correspondência entre sha256 e link do arquivo no armazenamento seja feita em

https://git.digital-guard.org/preserv/blob/main/data/redirs/fromDL_toFileServer.csv

e que novas entradas no arquivo sejam sempre adicionadas ao final do arquivo.

Tal arquivo possui os seguintes campos:

campo	descrição	exemplo
donor_id	Id do doador, formado por ISO 3166 numérico * 1000000 + local_id de donor.csv	76000026 (local_id em donor.csv)
filename_original	Nome original do arquivo.	address_for_all.zip
package_path	Caminho do pacote na estrutura do repositório.	BR/data/SP/Limeira/_pk0026.01
de_sha256	Arquivo renomeado com o sha256 e extensão.	529f86b71a936bfdbca3d633b80912f496b9c94a2505ef816e406e2362b631c4.zip
para_url	Url do arquivo no serviço de armazenamento.	https://addressforall-my.sharepoint.com/personal/operacao_addressforall_org/_layouts/15/download.aspx?share=EYWIOsxWFpJFsa0X4zKalS8BbEaKtHVuyezvIbN2CdJljw

O exemplo citado na tabela se encontra na linha 601 fromDL_toFileServer.csv.

Para entender como gerar sha256 de um arquivo e como enviá-lo para a armazenagem em nuvem, ver dg:Guia_do_sha256.

O que fazer após atualizar fromDL_toFileServer.csv

Importante: o target redirects_update consome o conteúdo de fromDL_toFileServer.csv. Ele não consome o conteúdo da tabela de-para.

Atualizar fromDL_toFileServer.csv não atualiza automaticamente o datalake em produção. Para atualizá-lo, executar os comandos:

cd /var/gits/_dg/dg/preserv
git pull
cd /var/gits/_dg/preserv/src
make redirects_update pg_datalake=dl05s_main

@@ Linha 16: / Linha 16: @@
 == Nuvem e redirecionamento ==
-O projeto utiliza serviços de armazenamento em nuvem para hospedar arquivos. Foi convencionado que a correspondência entre sha256 e link do arquivo no armazenamento seja feita em
+O projeto utiliza serviços de armazenamento em nuvem para hospedar arquivos.
+=== Tabela de-para ===
+A tabela '''de-para''' continua válida. É uma alternativa para não lidar com [https://git.digital-guard.org/preserv/blob/main/data/redirs/fromDL_toFileServer.csv fromDL_toFileServer.csv] diretamente no git.
+No entanto, o conteúdo da tabela '''de-para''' deve-se copiado para [https://git.digital-guard.org/preserv/blob/main/data/redirs/fromDL_toFileServer.csv fromDL_toFileServer.csv]. Solicite ajuda se necessário.
+'''Importante''': o que está na '''de-para''' não é oficial, vale o conteúdo de [https://git.digital-guard.org/preserv/blob/main/data/redirs/fromDL_toFileServer.csv fromDL_toFileServer.csv]. O processo de disponibilizar o link eterno consome o conteúdo de [https://git.digital-guard.org/preserv/blob/main/data/redirs/fromDL_toFileServer.csv fromDL_toFileServer.csv]. Enquanto não constar nele, o link eterno do arquivo não estará funcional.
+=== fromDL_toFileServer.csv ===
+ Foi convencionado que a correspondência entre sha256 e link do arquivo no armazenamento seja feita em
 https://git.digital-guard.org/preserv/blob/main/data/redirs/fromDL_toFileServer.csv
@@ Linha 44: / Linha 54: @@
 == O que fazer após atualizar fromDL_toFileServer.csv ==
+'''Importante''': o target ''redirects_update'' consome o conteúdo de [https://git.digital-guard.org/preserv/blob/main/data/redirs/fromDL_toFileServer.csv fromDL_toFileServer.csv]. Ele '''não consome''' o conteúdo da tabela '''de-para'''.
 Atualizar [https://git.digital-guard.org/preserv/blob/main/data/redirs/fromDL_toFileServer.csv fromDL_toFileServer.csv] '''não atualiza automaticamente''' o ''datalake'' em produção. Para atualizá-lo, executar os comandos: