4. 实验数据版本标识与命名规范
实验数据版本管理的第一个工程问题不是“存哪里”，而是“怎么叫”。如果同一批数据在采集端叫 run1、在分析脚本里叫 exp_final_v2、在归档目录里又叫 20240513_new，那么无论后端存储多可靠，追溯都会在命名层断裂。本节讨论的命名规范，本质上是给每个数据版本建立一套机器可解析、人类可读、全局可追溯的标识体系。
一、唯一标识：从“名字”到“身份”
唯一标识（Unique Identifier，UID）解决的是“同一个版本在任何地方都指向同一对象”。实验数据版本标识通常由三部分组成：实验/项目命名空间、版本序列、内容指纹。命名空间防止跨项目冲突，版本序列提供顺序语义，内容指纹保证内容不可抵赖。
一个可落地的 UID 结构示例：
exp://labA/spectra/2024-05-13T09-30-12Z/run-0042/sha256:9f2c...a1其中 exp:// 是协议前缀，labA/spectra 是命名空间，2024-05-13T09-30-12Z 是采集起始时间戳（UTC），run-0042 是实验内序号，sha256:9f2c...a1 是内容哈希前缀。这种结构既可作为 URI 存储，也可拆解为数据库字段。
二、语义化版本：让“变化幅度”可读
实验数据不是软件，但同样存在“破坏性变更”与“兼容性变更”。语义化版本 MAJOR.MINOR.PATCH 可以映射为：
- MAJOR：采集条件、传感器型号、标定参数发生不可逆变化，旧分析结果不再适用；
- MINOR：新增通道、扩展采样点、补充元数据，旧分析仍可运行但结果可能增强；
- PATCH：修正时间戳偏移、补齐缺失标签、修复文件头，数据主体不变。
例如某光谱实验从 1.4.2 升级到 2.0.0，意味着更换了光栅或探测器，必须重新标定；而 1.4.2 → 1.5.0 只是增加了暗电流参考通道，旧模型仍可读取但建议重跑。
三、时间戳：顺序的物理锚点
时间戳必须区分采集时间、处理时间和入库时间。命名中建议只嵌入采集起始时间，格式统一为 ISO 8601 UTC，如 20240513T093012Z。避免使用本地时间或 May13 这类不可排序的写法。若同一秒内多次触发，用毫秒或序号后缀区分。
四、内容哈希：不可篡改的指纹
内容哈希是对数据文件（或规范化后的数据块）计算 SHA-256 得到的摘要。它的作用是：即使文件名被改、目录被移动，只要哈希一致，就能确认是同一份数据。工程上通常只取前 12～16 位作为短哈希用于命名，完整哈希存入元数据表。
计算示例（Linux 环境）：
sha256sum spectra_run0042.h5
# 9f2c1a7b3e5d... spectra_run0042.h5命名时可写为 spectra_run0042_9f2c1a7b.h5。注意：哈希应在数据封存后计算，任何后续修改都必须产生新版本和新哈希。
五、可追溯命名策略：把上述要素串起来
推荐命名模板：
{namespace}_{experiment}_{timestamp}_{semver}_{shorthash}.{ext}示例：
labA_spectra_20240513T093012Z_v1.4.2_9f2c1a7b.h5该名称同时携带了来源、实验类型、时间、版本和内容指纹，任何分析脚本只需解析文件名即可获得关键追溯信息。对于目录结构，可按 namespace/experiment/date/version/ 分层，文件名保留完整标识。
六、标识体系的关系视图
下图展示了唯一标识、语义化版本、时间戳、内容哈希与命名策略之间的结构关系：UID 是顶层身份，语义化版本表达变化幅度，时间戳提供顺序锚点，内容哈希保证完整性，最终汇聚为可追溯命名。
该图说明：UID 是顶层身份，向下分解为语义化版本、时间戳和内容哈希三个正交维度，三者汇聚后形成可追溯命名策略。命名策略不是简单的字符串拼接，而是把身份、顺序、变化幅度和完整性四类信息压缩进一个可解析的标识中。
七、落地检查清单
| 检查项 | 合格标准 | 常见错误 |
|---|---|---|
| 命名空间 | 包含项目/实验室前缀，全局唯一 | 直接使用 data1、test |
| 时间戳 | ISO 8601 UTC，可排序 | 本地时间、May13、final |
| 语义化版本 | MAJOR.MINOR.PATCH 三段式 | v2、new、final2 |
| 内容哈希 | SHA-256 前 8～16 位 | 无哈希、哈希过短、哈希后修改文件 |
| 可解析性 | 脚本可按分隔符拆解字段 | 空格、中文、特殊字符混用 |
综上，实验数据版本标识与命名规范的核心不是“起个好听的名字”，而是建立一套身份唯一、顺序可排、变化可读、内容可验、机器可解的标识体系。唯一标识提供身份，语义化版本表达变化幅度，时间戳锚定顺序，内容哈希保证完整性，可追溯命名策略将四者压缩为可操作的字符串。只有这五者协同，后续的版本比对、回滚、审计和复现才有可靠的基础。