Administrace komentářů

Není důvod upřednostnit obrázek před PDF, naopak. PDF má speciální variantu PDF/A, což je podmnožina PDF určená pro dlouhodobou archivaci. Prohlížeče pro PDF/A dokumenty budou existovat i za desítky let, protože je budou potřebovat státní instituce, velké firmy, archivy.

Určitě je dobré mít samotné PDF uložené jako soubory na disku, asi v nějaké adresářové struktuře – minimálně třeba podle roků. S těmi soubory si pak můžete dělat, co chcete – rozkopírovat je na několik disků, uložit na NAS, do Dropboxu, na Google Drive, do S3… Vedle toho je dobré mít k souborům metadata. Dají se nacpat do toho PDF, dokone můžete mít v PDF vložený soubor jako přílohu, ale osobně bych to tak nedělal. Ukládal bych metadata do samostatného souboru – ke každému PDF souboru jeden soubor s metadaty, název odvozený od názvu souboru s PDF (takže třeba A12346.pdf + A123456.xml). Pak ta metadata můžete snadno udržovat v libovolném textovém editoru (pokud to bude nějaký textový formát, třeba XML), můžete je archivovat spolu s těmi PDF dokumenty, ale můžete mít metadata i zvlášť (např. PDF uložíte do Amazon Glacier, protože k nim nebudete přistupovat často, ale metadata budete mít někde v Gitu).

Teprve nad těmi metadatovými soubory bych si udělal nějaký index a vyhledávač, nejspíš nějakou NoSQL databázi – třeba Elastic nebo Solr, případně nějakou XML databázi, pokud pro metadata použijete XML.

V případě uložených souborů nemusíte řešit, jak něco upgradovat, zálohují se také snadno – a kdybyste přišel o ten index, snadno si ho z těch zdrojových metadatových souborů postavíte snadno. Navíc v nich těch dat nebude tolik, takže by to v případě nutnosti zvládl i grep bez nějakých indexů.