BigFAIR架构：在符合FAIR标准的存储库中实现大数据分析

《Journal of Data and Information Quality》：The BigFAIR Architecture: Enabling Big Data Analytics in FAIR-compliant Repositories

协作是科学研究的核心，基于FAIR原则的BigFAIR架构有效管理大规模、多类型科学数据，分离数据与元数据存储，降低维护成本，支持分析查询，并通过实际案例验证其应用价值。

　　

摘要

合作对科学研究至关重要。这是开放科学（Open Science）和FAIR原则（Fair Principles）的核心基础，这些原则旨在规范科学数据共享库的开发。然而，构建符合FAIR标准的共享库可能颇具挑战性，主要是因为需要管理大量且种类繁多的研究数据以及以高速度生成的元数据。为应对这些挑战，我们提出了BigFAIR——一种新型的、符合FAIR标准的架构，能够大规模处理此类信息。BigFAIR利用现有的本地共享库，并通过独立的基础设施分别处理科学数据和元数据。这种分离机制有助于减少开发与维护的工作量，明确数据的所有权，并提高系统的灵活性。我们通过构建数据处理流程来展示BigFAIR如何在不同场景下响应查询请求，制定相关指南以支持其实施，并提出了一种通用的元数据仓库模型来支持分析性查询的处理。此外，我们还通过两个真实世界数据集的案例研究来验证BigFAIR的实用性，详细说明了不同类型的查询及其对大数据分析的重要性。