iPRES2010(6): kan duurzaam groener?

Neil Grindley van JISC had het initiatief genomen tot een paneldiscussie over het thema milieuvriendelijkheid. Hij opende het debat met de dia rechts, die naar zijn eigen zeggen wel een wat al te zwart-witte voorstelling van zaken geeft. Niettemin was zijn vraag een serieuze: met al die duurzaamheidsstrategieën (back-ups, maar ook nog meer bewaren), gebruiken we enorme hoeveelheden energie. Is dat verantwoord? Kan het met minder? Het panel dat Grindley had uitgenodigd bestond uit (vlnr) William Kilbride (DPC), Kris Negulescu (Internet Archive), Grindley zelf, en David Rosenthal (LOCKSS). Die waren het er in elk geval over eens dat elektriciteit na personeel vaak de tweede kostenpost is van digitale archivering en dat daarom alleen al gestreefd moet worden naar vermindering van het elektriciteitsgebruik. Wat Kilbride betreft moet dat vooral aan het begin van het proces gebeuren: door gedegen selectie van wat we bewaren. Het Internet Archive heeft geëxperimenteerd met het hergebruiken van de warmte die vrijkomt uit servers, maar dat experiment leverde hen niet genoeg op. Het inzetten van energiezuiniger nodes leidde tot meer storingen, en dat helpt ook niet echt. Rosenthal, die van huis uit ingenieur is, verwees naar een project dat FAWN heet. Omdat ik geen techneut ben citeer ik maar even letterlijk: ‘FAWN couples low-power embedded CPUs to small amounts of local flash storage, and balances computation and I/O capabilities to enable efficient, massively parallel access to data … FAWN clusters can handle roughly 350 key-value queries per Joule of energy – two orders of magnitude more than a disk-based system.’ ‘… small-object random-access workloads are … ill-served by conventional clusters … 2 GB DIMMs consume as much energy as a 1TB disk. The power draw of these clusters is … up to 50% of the three-year total cost of owning a computer.’(David Andersen et al., ‘FAWN: a fast array of wimpy nodes’, SOSP, October 2009). (Zie ook Rosenthals eigen blog over dit onderwerp).
Kilbride gaf aan dat we ook niet moeten vergeten dat veel wetenschappelijk computergebruik voordelen oplevert voor het milieu; bijvoorbeeld in bijdragen aan klimaatonderzoek. Wat allemaal niet wegneemt dat we uit kostenoverwegingen én vanuit een algemeen verantwoordelijkheidsgevoel kritisch naar het elektriciteitsgebruik moeten blijven kijken – en dat doen we allemaal vanaf onze laptops nadat we in congreszalen die daarop niet zijn ingericht als junkies zijn afgevlogen op de schaars beschikbare verlengsnoeren ;-). In Nederland werkt o.a. het superdatacentrum van de wetenschap SARA aan energiezuinige oplossingen.
(Inmiddels ben ik weer in het land. Het semi-live bloggen was niet bij te houden, zo schreef ik jullie al eerder. Dus zal ik de komende dagen nog wat interessante zaken uit mijn aantekeningen opvissen en die jullie opdienen. Wellicht melden de andere deelnemers uit Nederland zich ook nog op deze blog. Ze zijn van harte welkom!

iPRES2010(5): samenwerken

Vanochtend kwam ik bij het ontbijt (Donau-muziek, op het buffet zowel champagne als Sachertorte) een Britse collega tegen (Neil Grindley van JISC, de Engelse SURF). Ik vroeg hoe het met hem ging. Nou, het gaat nog net, zei hij. En zo voelen we ons allemaal een beetje. De iPRES zelf duurt maar 2,5 dagen, maar daar zit een netwerkprogramma bij (2 formele recepties, 1 informele wine-tasting), er gaat een dag met tutorials aan vooraf, en omdat iedereen dan ‘toch’ bij elkaar is, organiseert Janenalleman na de iPRES de nodige workshops en werkgroepbijeenkomsten … waaronder, mea culpa, ook ik ;-). ‘Greater than the sums of our parts’ heette de workshop die de vier bestaande nationale coalities NCDD, DPC (UK), nestor (Du) en NDIIPP (VS) hadden bedacht toen we vorig jaar tijdens de iPRES in San Francisco voor de eerste keer samen om de tafel zaten. Blijkbaar een thema dat aansloeg, want de workshop was volgeboekt en ik verdenk zelfs enkele zwartrijders. Het werd een prima bijeenkomst, al zeg ik het zelf. De coalities stelden zich voor (NCDD, andere presentaties volgen op de website van nestor, en lieten zien dat ze toch allemaal een beetje anders in elkaar zitten, hoewel ze hetzelfde doel nastreven. Ook was er gelegenheid voor andere organisaties om zich te presenteren: de Open Planets Foundation, de Digitale Bibliotheek van Finland, het Zweedse expert centrum digitale duurzaamheid, Presto-Prime, de Canadezen, DANS (‘gedreven door data’ én ‘gedreven door samenwerking’ zo meldde Henk Harmsen enthousiast (foto links)), en ook de Italianen bij monde van Maurizio Lunghi (foto boven, voorgrond rechts), die nog helemaal niets nationaals hebben.
Daarna kwam de discussie. Bram van der Werf, de onlangs benoemde Directeur van de Open Planets Foundation (foto rechtsonder), gooide meteen de knuppel in het internationale hoenderhok: de Nationale Bibliotheek van Australië heeft aangekondigd eind dit jaar te stoppen met Padi, het kennisnetwerk dat vele duurzaamheidsprofessionals de afgelopen jaren heeft gediend met discussies en informatie. ‘Doodzonde’, om Padi te stoppen, vond iedereen, maar de Australiërs geven aan dat ze de benodigde formatie niet meer kunnen ophoesten. Ze moeten te veel werk zelf doen en kunnen te weinig rekenen op anderen. Dat is een bekend probleem, ook binnen de NCDD. Iedereen wil kennis hebben en vele collega’s willen het ook graag delen, maar ja, we hebben zoveel andere dingen te doen … en dan schiet bijvoorbeeld het op peil houden van websites er snel bij in.
Maar Nu (was een veel gehoorde frase tijdens deze iPRES), hebben we de Open Planets Foundation! Een structurele organisatie die open en internationaal is, DE ideale organisatie om alles op te pakken wat anderen laten liggen -----
Nou nee, zegt Bram vd Werf bedachtzaam (foto rechts), en terecht. De OPF is opgericht om de tools die door Planets zijn ontwikkeld te onderhouden, zodat ze niet in het niets verdwijnen, zodat de producten van Planets doorontwikkeld en onderhouden worden. De OPF wil een open organisatie zijn die ook andere tools ‘adopteert’ die kansrijk zijn. Maar de OPF is geen afvalbak voor projecten die anderen niet meer kunnen voortzetten.
Wie gaat het dan verzorgen, iets als Padi, een belangrijk internationaal knooppunt van kennis, zodat we niet links en rechts hetzelfde wiel moeten uitvinden? Van het  panel van vier coalities (foto links) krabt William Kilbride (DPC) eens achter zijn oor, Natascha Schumann (nestor) luistert, IA zegt dat ze met de Australiërs wil gaan praten, terwijl Martha Anderson (NDIIPP, rechts) als voorzitster het proces bewaakt. Het is duidelijk. We lossen niet alles op in een workshop. Maar dit was een mooi begin, en er is zelfs een vervolg in de maak, volgend jaar, in Tallinn, Estland, van 23-25 mei, een conferentie over afstemming tussen nationale initiatieven.
(Morgen nog een dagje IIPC – m.a.w. webarchivering; de technische sessies heb ik vanmiddag overgeslagen ten faveure van even een frisse neus halen op de Donau. Helaas bleef de boot 2 uur lang hangen in de sluizen in de Donau bij Wenen, waar een defect aan was. Frisse neus werd vooral dieseldampen …

iPRES2010(4): de politieke agenda

Op dag 2 van de iPRES stond de politiek op de agenda, de Europese politiek, met een keynote van Patricia Manson (links), Acting Director Directorate Digital Content and Cognitive Systems, Information Society and Media Directorate General – wat een mondvol. Van zo een keynote verwacht je niet echt schokkende nieuwe feiten, maar de EU is een belangrijke geldgever voor research voor duurzame toegankelijkheid. En een belangrijke authoriteit als het gaat om auteursrechtwetgeving, bijvoorbeeld. Reden genoeg om te luisteren - naar nog veel meer monden vol politiek jargon, vol strategie, beleid, EU directieven met lange nummers erachter (de missie van de club van Pat luidt ‘Making content accessible to all [dat is mooi], and fostering and exploiting multilingualism [ha, dat zijn de Fransen natuurlijk!]. Maar de hamvraag is  natuurlijk of de EU-agenda overeenkomt met de prioriteiten zoals wij die zelf ervaren, zodat wijzelf op een nieuwe ‘call for proposals’ van de commissie ook projectvoorstellen kunnen indienen die we zelf zinnig vinden. Manson noemde als prioriteit o.a. ‘scaling up’, schaalgrootte, en daar is iedereen het roerend over eens. Petabytes aan informatie kun je onmogelijk handmatig gaan controleren en bijvoorbeeld van metadata voorzien. Daar moeten geautomatiseerde workflows voor ontwikkeld worden. Ook noemde ze: nieuwe stakeholders bij digitale duurzaamheid betrekken, het bedrijfsleven bijvoorbeeld, omdat er uiteindelijk toch een markt moet ontstaan. En: de ‘research community’ rond digitale duurzaamheid beter structureren, beter organiseren. Daarvoor is het projectvoorstel APARSEN ingediend, een ‘centre of excellence’ vanuit het netwerk van de Alliance for Permanent Access to the Records of Science. Manson noemde als prioriteit ook ‘more radical or innovative approaches’ en gaf direct aan dat de EU wat teleurgesteld was over de respons op dit punt uit de laatste ‘call voor proposals’. Tja. Memento (zie vorige blog) is in de VS ontwikkeld … En misschien ook niet voor niets.Want Europese projecten zijn wel erg ingewikkeld, zo vertelde tijdens de iPRES Brian Aitken heel eerlijk. Hij was deelnemer aan de ontwikkeling van het Planets Testbed (zie blog met presentatie van Petra Helwig van 14 dec. 2009). Zoveel landen, zoveel organisaties, zoveel individuen – dan is het lastig om alle neuzen 1 kant op te krijgen, te communiceren, en om alle onderdelen goed op elkaar af te stemmen. Zeker als ‘morgen’ heel anders wordt uitgelegd dan ‘mañana’ of het equivalent in een andere taal. … Manson had het ook over continuïteit, eenmaal verkregen kennis niet verloren laten gaan, en dat is helemaal een lastig onderwerp in een projectverband met tijdelijke aanstellingen, mensen die komen en gaan. Met enige regelmaat werd tijdens de conferentie de Open Planets Foundation (OPF) als oplossing genoemd. De Open Planets Foundation is opgericht om de resultaten van het project Planets te borgen in een structurele organisatie die het vele werk onderhoudt en voortzet. Maar is de OPF sterk genoeg om al het goede werk men eraan wil uitbesteden ook echt te verzetten? Morgen maar eens aankaarten bij Executive Director Bram van der Werf, die een gastpresentatie houdt tijdens de workshop die NCDD, DPC, NDIIPP en nestor organiseren over landelijke samenwerking.

iPRES2010(3): De Nominaties!

Vandaag is er weer veel gepasseerd op de iPRES, maar het is me niet gelukt om daarvan semi-life te berichten. Te veel informatie die nog geordend moet worden in mijn brein, te veel goede gesprekken, en ten slotte ook vermoeidheid. De dagen zijn lang op zo’n conferentie. Ik beloof jullie, ik ga het allemaal inhalen. Maar nu dus even in het kort:
William Kilbride van de Engelse zusterorganisatie van de NCDD, de Digital Preservation Coalition (DPC) maakte vandaag de shortlist bekend van de nominaties voor de Digital Preservation Award 2010. En daar zitten juweeltjes tussen:
- Memento (briljant project van Herbert v.d. Sompel c.s., zie de e-data & research van deze maand)
- de Plato preservation tool van Planets (zie blog)
- Web Continuity van de UK National Archives
- de Blue Ribbon Task Force on Sustainability (zie blog)
- Preserving Virtual Words van de University of Illinois
Meer info over alle genomineerden in het persbericht van DPC hierboven. De leden van de DPC mogen komende weken stemmen. Jammer dat ik niet mee mag stemmen ...
Tot besluit enkele schamele digitale representaties van een niet te evenaren analoge werkelijkheid uit Wenen: de Prunksaal van de Nationale Bibliotheek waar we zojuist te gast waren voor de conferentiereceptie. Er staan 200.000 boeken in, van tussen 1501 en 1850. En geloof het of niet, die gaan ze de komende jaren allemaal digitaliseren – dat is mooi, maar qua belevenis zullen die het niet halen bij deze adembenemende zaal vol boeken.

iPRES2010(2): website- en emailproblemen

Natuurlijk had ik het antwoord op de hamvraag aan het eind van de vorige blog goed (de vraag was dan ook bijzonder retorisch): Nee. One size does not fit all. Zeker niet bij webarchivering. Aardig was dat de International Internet Preservation Coalition (IIPC, netpreserve.org) een panel had georganiseerd met vertegenwoordigers van diverse webarchiveringsinitiatieven, foto vlnr Libor Coufal (Czech NL, Nationale Bib. Tsjechië), Gina Jones (LC, Library of Congres, US), David Pearson (NLA, Nationale Bib. Australie), Clementt Ouryl (BnF, Nationale Bib. Frankrijk) en Andrea Goethals (HUL, Harvard Univ. Library, US). Die kregen eerst de vraag voorgelegd waarom ze aan webarchivering doen (zie dia).

Uit de antwoorden blijken de nodige verschillen: de een collectioneert selectief, de ander probeert een heel domein te archiveren; een derde doet zelfs een combinatie van de twee (Tsjechië).

Vervolgens kwam de vraag wat de diverse organisaties doen om de inhoud te bewaren. Migratie? Emulatie? Nee, daar zijn we nog niet aan toe. Websites zijn complexe objecten, waar van alles in kan zitten: text, beelden, film, audio, simulaties, enz. Op zichzelf zijn dat bestanden waar we wel iets mee kunnen, maar in combinatie, en vooral op de schaalgrootte van webarchivering, dat kunnen we nog niet aan.  Dus bewaren we allemaal  zo goed mogelijk de bits (bit-level preservation), en wachten op betere tijden. Nouja, wachten is het ook weer niet, natuurlijk. Met name door IIPC-partners wordt allerlei onderzoek gedaan: identificeren van bestandsformaten (essentieel voor webarchivering), de specifieke eigenschappen van websites, en mogelijke duurzaamheids-strategieën. Adam Farquhar van de British Library (links vooraan met baard) besloot de discussie op filosofische wijze: problemen die nu heel groot lijken, zijn dat over tien jaar misschien helemaal  niet meer. Voorlopig die bits maar goed bewaren, lijkt het motto.

E-mails archiveren: zakelijke én persoonlijke informatie

E-mails lijken wel een beetje op websites, rapporteerde Andrea Goethals van Harvard University Library (rechts in gesprek met Maurice van den Dobbelsteen van het Nationaal Archief): e-mails zijn ook dozen van Pandora waar (in de bijlagen) van alles in kan zitten. Daar komen nog weer andere problemen bij waar ikzelf eigenlijk nog nooit bij had stilgestaan: e-mails bevatten zowel gevoelige als niet-gevoelige informatie; zowel zakelijke als persoonlijke informatie – en die laatste is onderhevig aan allerlei privacy-wetten. Harvard heeft een beleid om sommige e-mails te bewaren als onderdeel van het wetenschappelijk proces (bijv. experimenten die niet gelukt zijn), maar zag zich genoodzaakt een project op te zetten met gescheiden openbaarheids- en duurzaamheidsregimes voor de beide soorten informatie. Alsof we nog niet genoeg te doen hadden ;-).

(PS: En Wenen? ‘Eine richtige Altweibersommer’, hoor ik net op het nieuws, maar binnen merk je dat niet. Wel heerlijk gebak en gepaste muziek bij het ontbijt in dit Johan Strauss hotel, waar het wachtwoord van de nauwelijks werkende wifi ‘Musikfreunde’ is. Zelf ben ik meer een fan van Gustav Mahler, die hier ook de nodige sporen heeft achtergelaten. Ik zag een aankondiging van een tentoonstelling over Mahler en Wenen, met het citaat ‘Ich bin immer ein eingefleischter Wiener geblieben’ [oid]. Misschien heb ik later in de week nog een uurtje om erachter te komen wat dat betekent. Nu eerst proberen of de wifi deze blog wil meenemen. Anders moet die wachten tot morgenochtend, want op de Technische Universität Wien werkt de wifi wel; we hebben in Physikhörsaal 1 zelfs gas, water [Laborkühlwasser en de drinkbare variant] en elektra – die met veel verlengsnoeren geschikt wordt gemaakt voor de vele laptops.)

iPRES2010 (1): de wetenschap worstelt met een overvloed aan data

De jaarlijkse iPRES is in Wenen van start gegaan met, helaas, een wat teleurstellende keynote van Tony Hey van Microsoft. Hij sprak over het ‘Fourth Paradigm’ in de wetenschap – wetenschap wordt nu bedreven op basis van grote hoeveelheden data (de ‘data deluge’), en dat brengt nieuwe regels, problemen en oplossingen met zich mee. Alsof we dat niet al wisten. Sommige van Hey’s dia’s stamden uit 2004, gaf hij zelf toe. Wat hij verder zei over grote hoeveelheden diverse data en de noodzaak om die aan elkaar te koppelen, had ook uit dat jaar kunnen stammen. Wat ik nog het aardigst vond was om te zien dat Microsoft nu participeert in allerhande projecten die technische oplossingen zoeken: Planets, SCAPE, DataCite, enz., ‘because we are closest to the problem’. Want een van de deeloplossingen van digitale duurzaamheid moet toch zijn dat we bij creatie van de gegevens automatismen inbouwen die later van nut blijken te zijn.

David Giaretta, o.a. Executive Director van de Alliance of Permanent Access, presenteerde de case studie van de European Space Agency (ESA) met de opmerking: ‘They have actually decided to put some money into it for the long term’. En dat is mooi, want tot voor kort werd alles na 10 jaar weggegooid. En daar zitten belangrijke data tussen, over temperatuurveranderingen op aarde enzo. Dat soort gegevens wordt door satellieten verzameld. Hoe een Europese infrastructuur voor dit soort data (met vele belanghebbenden en vele visies en vele workflows) gaat werken, liet David zien in een aantal slides dat in hoog tempo voorbij vloog. Te hoog voor mij … Dat moeten we nalezen in de proceedings, die binnenkort online komen.

Sssst, de middagsessie gaat beginnen. Preserving Web Archives: one size fits all? Georganiseerd door de IIPC. Ik denk dat ik het antwoord op de hamvraag wel kan raden, maar verheug me op het hoe.