2. 数据生命周期模型与阶段划分

数据生命周期模型是把数据从产生到消亡的全过程，抽象为若干可判定、可管理、可审计的阶段。它的价值不在于给数据贴一个静态标签，而在于回答三个工程问题：当前这条数据处于哪个阶段、依据什么条件进入下一阶段、进入后系统行为发生什么变化。如果阶段划分只停留在概念层面，没有可执行的判定标准，那么保留策略、归档策略和销毁策略都无法真正落地。

一、五个核心阶段及其判定标准

在工程实践中，通常把数据生命周期划分为采集、活跃使用、保留、归档、销毁五个阶段。每个阶段都需要一组可观测的判定条件，而不是靠人工主观判断。

采集阶段：数据刚进入系统，尚未完成质量校验和元数据登记。判定标准是数据已写入但未通过完整性校验，或元数据（来源、时间、责任人、分类分级）尚未补齐。此阶段的关键工程动作是打上初始时间戳、写入来源标识、执行格式与范围校验。

活跃使用阶段：数据被业务系统高频读写，是查询、计算、事务处理的主要对象。判定标准通常包括：最近访问时间在阈值内（例如 90 天）、被在线业务表引用、参与实时查询或事务。此阶段数据一般存放在高性能存储（如 SSD、内存缓存、在线数据库主表）。

保留阶段：数据不再被高频访问，但因合规、审计、对账或业务回溯要求必须保持可查。判定标准是：访问频率低于活跃阈值，但仍在法定或约定的保留期内。此阶段数据通常从主表迁移到历史表或温存储，查询频率下降但延迟要求仍可接受。

归档阶段：数据超出常规保留期，但尚未达到销毁条件，或需要长期低成本保存。判定标准是：访问频率极低（例如一年内无访问）、保留期已过但存在法律冻结、审计追溯或历史研究需求。此阶段数据迁移到低成本对象存储或磁带库，访问需要显式申请或解冻。

销毁阶段：数据达到法定或约定的销毁条件，且不存在任何冻结、诉讼保留或合规例外。判定标准是：保留期已满、无法律冻结、无业务依赖、销毁审批已通过。此阶段必须执行不可逆的删除或匿名化，并留下销毁审计记录。

二、状态转换与触发条件

阶段之间不是自动流动的，而是由明确的触发条件驱动。常见的触发条件包括：时间阈值（如创建后 90 天）、访问频率（如连续 180 天无查询）、合规事件（如监管要求保留 7 年）、业务事件（如订单关闭、合同终止）、存储压力（如在线存储使用率超过 85%）。

状态转换必须满足“单向可追溯”原则：每次转换都要记录转换时间、触发条件、执行人（或系统）、目标阶段。这样在审计时才能回答“这条数据为什么在归档阶段而不是销毁阶段”。

三、工程化落地框架

要让生命周期模型真正运转，需要把“阶段判定”变成系统可执行的规则。一个可落地的框架通常包含四个层次。

第一层：元数据与标签体系。每条数据在采集阶段就必须携带生命周期元数据，至少包括：创建时间、最后访问时间、保留期限、分类分级、法律冻结标记、当前阶段。这些字段是后续所有自动判定的输入。例如，一张订单表可以增加 lifecycle_stage、retention_until、legal_hold 三个字段，分别记录当前阶段、保留截止日期和冻结状态。

第二层：策略引擎。策略引擎定期扫描元数据，根据规则计算目标阶段。规则可以用 SQL、策略语言或配置表表达。例如：

-- 示例：将 90 天未访问且无冻结的活跃数据标记为保留
UPDATE data_assets
SET lifecycle_stage = 'retention'
WHERE lifecycle_stage = 'active'
  AND last_access_time < NOW() - INTERVAL '90 days'
  AND legal_hold = false;

-- 示例：将保留期满且无冻结的数据标记为归档
UPDATE data_assets
SET lifecycle_stage = 'archive'
WHERE lifecycle_stage = 'retention'
  AND retention_until < NOW()
  AND legal_hold = false;

策略引擎的输出不是直接删除数据，而是生成“阶段转换任务”，交给执行层处理。

第三层：执行层。执行层负责实际的数据迁移、存储降级、访问控制变更和销毁操作。迁移到归档时，通常需要把数据从在线数据库导出为列式格式（如 Parquet）并写入对象存储，同时更新元数据中的存储位置和访问方式。销毁时，必须执行不可逆删除，并记录销毁时间、销毁方式、操作人和审批单号。

第四层：审计与监控。每次阶段转换都要写入审计日志，监控系统需要能够回答：当前各阶段数据量分布、转换失败率、冻结数据数量、即将到期数据量。这些指标是验证生命周期策略是否有效的直接依据。

四、一个可参考的阶段判定表

下表给出一个示例性的判定标准，实际参数需要根据业务合规要求和存储成本调整。表中数据为教学示例，不代表任何真实系统的实测结果。

总结来说，数据生命周期模型的核心不是画出一条漂亮的阶段链，而是把每个阶段的进入和退出条件写成系统可执行的规则，并用元数据、策略引擎、执行层和审计监控四层框架保证规则被真实执行。只有这样，保留、归档和销毁才不是纸面策略，而是可验证的工程行为。