В эпоху цифровой трансформации электронный архив перестал быть просто «складом сканов» и превратился в стратегический актив организации. Понимание размеров электронных архивов — это не просто вопрос покупки жестких дисков. Это комплексная задача, затрагивающая архитектуру хранения, бюджетирование, скорость доступа, правовое соответствие и планы аварийного восстановления.

Иерархия единиц измерения: переводим байты в деньги

Прежде чем планировать инфраструктуру, необходимо четко ориентироваться в единицах измерения. В ИТ принята двоичная система (степени 1024), а производители дисков часто используют десятичную (степени 1000). Разница на масштабах ПБ составляет десятки терабайт.

Важно: При закупке оборудования всегда оперируйте Тебибайтами (ТиБ) и Пебибайтами (ПиБ), так как файловые системы (ZFS, NTFS, ReFS, ext4) и гипервизоры считают именно в двоичной системе. Диск на 18 ТБ (десятичных) даст в ОС ~16,3 ТиБ полезного места до форматирования и RAID-накладных расходов.

Что формирует размер электронного архива?

Размер архива — это не статическая цифра. Это динамическая функция от нескольких переменных. Для точного прогнозирования необходимо разложить архив на компоненты:

Типы контента и их «вес»

• Текстовые документы (DOCX, PDF/A, XML, TXT): Самые легкие. 1 млн страниц ≈ 10–50 ГБ (в зависимости от вложенных изображений).
• Растровые сканы (TIFF, JPEG, PDF-Image): Основа классических архивов.
  • Ч/Б 300 dpi (Group 4 CCITT): ~50–100 КБ/стр.
  • Цветной 300 dpi (JPEG High): ~500 КБ – 2 МБ/стр.
  • Цветной 600 dpi (архивный стандарт): ~5–15 МБ/стр;
• Инженерная документация (DWG, DGN, STEP, IFC, BIM-модели): Один файл проекта может весить 500 МБ – 5 ГБ. Это главный драйвер роста в стройиндустрии и машиностроении.
• Аудио/Видео (записи совещаний, видеонаблюдение, обучающие материалы): 1 час 4K видео (H.265) ≈ 20–40 ГБ. Системы видеонаблюдения дают ПБ в месяц.
• Базы данных и дампы (SQL, NoSQL, 1C, SAP): Рост пропорционален транзакционности. Журналы транзакций (WAL) часто весят больше самих данных.
• Email-архивы (PST, EML, MSG): Средний корпоративный ящик за год = 2–5 ГБ (с вложениями). Для 1000 сотрудников = 2–5 ТБ/год.

Накладные расходы (Overhead) — скрытые пожиратели места

Самое главное помнить: «Чистый» объем данных (Raw Data) составляет всего 50–70% от занятого дискового пространства. Остальное — накладные расходы:

1. Резервирование (RAID / Erasure Coding):
   • RAID 1 (Mirror): ×2 (накладные 100%).
   • RAID 5/6: ×1.25 – ×1.5.
   • Erasure Coding (EC 10+4 / 12+3): ×1.3 – ×1.4 (стандарт для объектных хранилищ > 1 ПБ).
2. Файловая система и метаданные: Inode-таблицы, атрибуты расширенные (xattrs), ACL, версионирование. На миллиардах файлов это может съесть 5–15% объема.
3. Версионирование и корзина: Если включено хранение 10 версий документа, объем растет пропорционально коэффициенту изменяемости.
4. Сжатие и дедупликация (экономия): Работают «в минус».
   • Сжатие (LZ4, ZSTD): экономия 1.5–3x на тексте/логах/базах. На уже сжатых (JPG, MP4, ZIP) — 0%.
   • Дедупликация (блочная): экономия до 20–50% на виртуальных машинах, бэкапах, почте. На уникальных сканах/видео — 0%.
5. Резервное копирование (Backup): Архив, это не бэкап. Но архив требует бэкапа. Правило 3-2-1 означает минимум ×3 к объему продакшн-архива (основная копия + локальный бэкап + offsite/облако).

Классификация архивов по масштабу (2026 год)

Выбор архитектуры хранения напрямую зависит от порядка чисел:

Малый (SMB / RO) — до 50 ТиБ (Raw)

• Сценарий: ООО «Ромашка», НКО, филиалы. Документооборот 1С, сканы договоров, почта.
• Железо: 1-2 сервера (NAS/SAN) на HDD SATA (18-24 ТБ/шт) в RAID 6 / RAID 10. Кэш на NVMe.
• Софт: TrueNAS / Synology / QNAP / Windows Server + ReFS + Veeam. Объектное хранилище (MinIO) — опционально для S3-совместимости.
• Бэкап: Ленточный драйв LTO-9 (18 ТБ натив / 45 ТБ сжато) или облако (S3 Glacier / Yandex Object Storage / S3 Selectel).

Средний (Mid-Market) — 50 ТиБ – 2 ПиБ

• Сценарий: Холдинги, региональные банки, вузы, промпредприятия. BIM-проекты, видеонаблюдение, ЕАРХИВ.
• Архитектура: Кластер из 3-5 нод. Программно-определяемое хранилище (SDS): Ceph, GlusterFS, VSAN, Storage Spaces Direct.
• Тиринг (Tiering): Горячие данные (последние 2 года), на NVMe/SSD. Холодные — на HDD (Nearline SAS 7.2k RPM, 20-24 ТБ).
• Объектный интерфейс (S3 API): Обязателен для интеграции с 1С:ЭДО, Directum, Docsvision, облачными сервисами ИИ (OCR, NLP).
• Бэкап/DR: Репликация на второй ЦОД (синхронная/асинхронная) + ленточная библиотека (LTO-9/10) или Immutable Object Lock в облаке.

Крупный (Enterprise / Gov) — 2 ПиБ – 50+ ПиБ

• Сценарий: ФНС, Пенсионный фонд, Крупнейшие банки (Сбер, ВТБ, Т-Банк), Телекомы, Росатом, Госкорпорации. Единые госархивы, Big Data озера.
• Архитектура: Геораспределенные кластеры (Multi-DC). Экзабайтные файловые системы (GPFS/IBM Spectrum Scale, Lustre, WekaIO, VAST Data, Hammerspace).
• Холодное хранение (Cold Storage): Ключевой фактор экономии. Использование ленточных библиотек (Oracle/StorageTek, IBM TS4500, Spectra Logic) с LTO-9 (18 ТБ) и LTO-10 (36 ТБ натив, ожидается 2025-2026). Стоимость $/ТБ на ленте в 5-10 раз ниже HDD, потребление энергии — почти нулевое.
• Управление жизненным циклом (ILM): Автоматическая миграция: NVMe (0-30 дней) → HDD (30 д ─ 3 г) → Лента/Облако Cold (3+ г). Политики задаются через метатеги (Retention, Legal Hold, GDPR/152-ФЗ).
• Иммутабельность (WORM/Object Lock): Критично для аудита и защиты от вымогателей (Ransomware).

Методология расчета и прогнозирования объема

Не гадайте, считайте. Используйте формулу для 3-5 летнего горизонта:

V_total = Σ (V_type_i * Growth_i * Years) * Overhead_RAID * Overhead_FS * Backup_Factor

Пошаговый алгоритм:

1. Инвентаризация источников: Сканирование (сканеры/МФУ), ЭДО (входящие/исходящие), 1С/ERP (дампы), Почта (Journaling), Видеонаблюдение, BIM/CAE, Логи/Телеметрия.
2. Измерение текущего притока (Ingest Rate): ГБ/день или ТБ/месяц. Разделите по типам: «Холодный приток» (архивные сканы раз в квартал) и «Горячий приток» (ежедневные логи, почта, текущие договоры).
3. Коэффициент роста (CAGR): Индустрийный стандарт — 25-35% в год (по IDC). Для видео/ИИ — 50-60%. Для чистого текста, 15-20%.
4. Коэффициент сжатия/дедупликации (Data Reduction Ratio): Замерьте на пилоте. Не верьте маркетингу «до 10x». Реально: БД/Текст/Виртуалки — 2-4x. Сканы/Видео/Шифрованное — 1.0-1.1x.
5. Политика хранения (Retention): Вечное хранение vs 5 лет vs 75 лет (персонал). Это определяет, нужно ли планировать удаление (Expire) или только рост.
6. Добавьте запас (Headroom): +30-50% на непредвиденное (поглощение дочерней компании, новый регуляторный требование, внедрение ИИ-аналитики логов).

Пример расчета для средней компании (500 чел.):

• Текущий архив: 20 ТиБ (чистых данных).
• Прирост: 1.5 ТиБ/мес (18 ТиБ/год).
• Рост притока: 30% год.
• Горизонт: 5 лет.
• Data Reduction (сжатие БД + дедуп почты): 1.8x.
• RAID/EC Overhead: 1.35x (EC 12+4).
• Бэкап (Offsite копия): 1x (репликация на 2-й ЦОД).

Технологии хранения: что выбрать в 2026 году?

HDD (Hard Disk Drives), рабочая лошадка Warm/Cold

• CMR (Conventional Magnetic Recording): Только для горячих/теплых данных (Nearline SAS 7200 RPM, 20/22/24 ТБ). Высокая случайная производительность.
• SMR (Shingled Magnetic Recording): Только для последовательной записи (Write-Once, бэкап, архив, объектные хранилища с большими блоками). Дешевле на 15-20%; Требует поддержки файловой системой/контроллером (Host Managed / Host Aware).
• HAMR / MAMR (Heat/Microwave Assisted Magnetic Recording): Диски 28-32+ ТБ (Seagate Exos Mozaic 3+, WD Ultrastar DC HC690). Стандарт де-факто для новых закупок > 20 ТБ. Требуют совместимых контроллеров/бэкплейнов (питание 12V, иногда 5V hot-plug issues).

SSD / NVMe — только для Hot Tier и Metadata

• QLC (Quad Level Cell) -0.72 ТБ / 61.44 ТБ (Solidigm D5-P5316, Samsung BM1743) — цена за ТБ сравнялась с HDD SAS, но IOPS в 100x выше. Идеально для кэша Ceph (DB/WAL на BlueStore), метаданных Lustre/GPFS, индексов Elasticsearch/OpenSearch.
• Прямое хранение архива на QLC NVMe становится экономически оправданным при частых чтениях (AI/ML тренировка на архиве, частый поиск).

Ленточные накопители (LTO) — король Cold/Deep Archive

• LTO-9: 18 ТБ натив / 45 ТБ сжато. 400 МБ/с. Надежность 30 лет на полке. Стоимость медиа ~$15-18/ТБ.
• LTO-10 (ожидается 2025-2026): 36 ТБ натив / 90 ТБ сжато. Удвоение плотности.
• LTFS (Linear Tape File System): Позволяет монтировать ленту как флешку. Поддержка в Linux, Windows, macOS. Критично для извлечения единичных файлов без полного рестора.
• Active Archive: Режим, когда лента подключена к библиотеке и файлы на ней видны в каталоге (прозрачный тиринг HDD → Tape).

Облачное объектное хранилище (S3 Compatible) — гибрид и DR

• Классы хранения: Standard (Hot) → Infrequent Access (Cool) → Glacier/Archive (Cold) → Deep Archive (Frozen).
• Плюсы: CAPEX → OPEX, бесконечная масштабируемость, встроенная георепликация, Object Lock (WORM), S3 Lifecycle Policies.
• Минусы: Стоимость исходящего трафика (Egress fees) при восстановлении, задержка доступа к Cold классам (минуты-часы), зависимость от провайдера (Vendor Lock-in — митигируется S3 API и мультиклаудом).
• Российские игроки 2026: Yandex Cloud (Object Storage), Selectel, VK Cloud (MCS), SberCloud, Cloud.ru, Timeweb, RuVDS — все поддерживают S3 API, Object Lock, версии,.lifecycle.

Программная архитектура: как управлять объемами

Железо бесполезно без ПО, которое умеет:

Файловые системы и Объектные шлюзы

• Ceph (Reef/Squid releases 2024-2025): Золотой стандарт SDS. BlueStore (без файловой системы) + RGW (S3/Swift) + CephFS (POSIX). Поддержка Erasure Coding, кэширования на NVMe, тиринга (в разработке/через внешние инструменты).
• MinIO: Высокопроизводительное S3-хранилище (Go). Идеально для Kubernetes, ИИ/ML нагрузок, активных архивов. Коммерческая версия (Subnet) дает репликацию сайтов, KMS, Prometheus метрики.
• IBM Spectrum Scale (GPFS) / DDN EXAScaler (Lustre) / VAST Data / WekaIO / Hammerspace: Для ЭБ-масштабов и HPC/ИИ. Глобальное пространство имен (Global Namespace), неблокирующие метаданные, RDMA/GPUDirect Storage.
• Windows Server / ReFS + Storage Spaces Direct (S2D): Для Windows-центричных сред (1С, SharePoint, Exchange). Дедупликация/сжатие «из коробки», тиринг (Storage Tiering).
• ZFS (OpenZFS 2.2+): RAID-Z (EC), нативная дедупликация (требует ОГРОМНОЙ RAM: ~5-6 ГБ RAM на 1 ТБ уникальных данных!), сжатие ZSTD, снэпшоты, репликация (zfs send/recv). Отлично для NAS-шлюзов (TrueNAS Scale/Core).

Управление жизненным циклом (ILM / Data Lifecycle Management)

Автоматизация — единственный способ не утонуть в ПБ.

• Политики на уровне бакета/контейнера (S3 Lifecycle): Перевод в IA через 30 дней → Glacier через 365 дней → Expire через 2555 дней (7 лет).
• Политики на уровне ФС (CephFS/GPFS/ReFS): Правила миграции файлов по атрибутам (atime, mtime, пользовательские xattr: «department=accounting», «confidentiality=high»).
• Архиваторы/Коннекторы ЭДО (1С:ЭДО, Directum RX, SBIS, Диадок, Контур.Диалекс): Должны уметь писать сразу в S3 (multipart upload) и ставить теги хранения (Retention Date, Legal Hold).
• Классификация данных (DLP/CASB): Автоматическое тегирование PII, коммерческой тайны, гос. тайны для применения разных политик хранения и шифрования.

Поиск и Индексация (чтобы архив не стал «черной дырой»)

• Полнотекстовый поиск: Elasticsearch / OpenSearch / Meilisearch / Typesense. Индексируют метаданные + OCR-текст (Tesseract, ABBYY, PaddleOCR).
• Векторный поиск (RAG для LLM): Milvus, Qdrant, Weaviate, PGVector. Эмбеддинги документов для семантического поиска («найти договоры про форс-мажор»), требует GPU-ферм для инференса.
• Каталогизация: Apache Atlas, Amundsen, DataHub — для Data Lake/Архива данных (Data Catalog).

Правовые и регуляторные аспекты размеров (РФ, 2026)

Размер архива часто диктуется не бизнесом, а законом.

• ФЗ-152 (Персональные данные): Требование локализации (хранение на территории РФ). Ограничение сроков хранения (принцип минимальности) — не хранить вечно «на всякий случай». Удаление по истечении цели — способ контролировать рост.
• ФЗ-402 (Бухгалтерия): Сроки хранения первички — минимум 5 лет (ст. 29). НДС, 5 лет. Но для имущества/капитальных вложений — до 5 лет после списания (может быть десятилетия).
• ФЗ-126 (Архивное дело): Перечень типовых сроков хранения. Вечное хранение — только для уникальных исторических документов. Большинство корп. документов — 5-10-50 лет.
• ФЗ-63 (ЭЦП/ЭДО): Обязательность проверки ЭП при архивировании. Хранение сертификатов и CRL/OCSP ответов для долгосрочной валидации (LTV — Long Term Validation) увеличивает объем метаданных.
• Приказ ФНС ЕАРХИВ (Электронный архив налогоплательщика): Требования к формату (PDF/A-1b/2b/3b, XML), структуре метаданных, защите от изменения. Несоответствие = штрафы и непризнание расходов.
• ГОСТ Р 7.0.100-2018 / ISO 14721 (OAIS): Стандарты формирования информационных пакетов (SIP, AIP, DIP). Накладные расходы на упаковку в AIP (метаданные PREMIS, METS, фиксы целостности SHA-256/Blake3) — ~1-5% к объему.
• 152-ФЗ ст. 19.1 (Локализация) + Постановление Правительства № 1573: Критичная инфраструктура (КИИ) — запрет на использование иностранного ПО для хранения (Windows, VMware, Oracle, NetApp, Dell EMC Unity/PowerScale — под санкциями/уходом). Переход на РЕП (Реестр российского ПО): Astra Linux / RED OS / ALT Linux + Ceph / MinIO / VAST Data (есть в реестре) / YADRO / РОСА / Виртуоззо.

Экономика: TCO (Total Cost of Ownership) хранения 1 ПиБ на 5 лет

Сравнение подходов (ориентировочные цены 2026 г. в рублях, без НДС, только CAPEX/OPEX железо+энергия+помещение, без лицензий ПО и админов):

1. On-Prem: NVMe (метаданные/кэш) + HDD 24-28ТБ (Active/Warm Archive) + LTO-9/10 Library (Cold/Deep Archive, Immutable Backup).
2. Cloud: S3 IA/Glacier/Deep Archive для Geo-резервирования (DR) и долгосрочного хранения (Legal Hold) с Object Lock.

Чек-лист: 10 шагов к масштабируемому электронному архиву

1. Аудит данных: Классификация по типам, частоте доступа, срокам хранения, критичности (КИИ/Гос.тайна/Перс.данные).
2. Метрики притока: Внедрите мониторинг Ingest Rate (ГБ/день) по источникам (Сканер, ЭДО, 1С, Почта, Видео, BIM).
3. Прогноз на 5 лет: Расчет с CAGR 30%, коэф. сжатия, RAID/EC накладными, запасом 30%.
4. Выбор архитектуры: SDS (Ceph/MinIO/VAST) на стандартном железе (x86/ARM) vs Апплайансы (Dell ECS, HPE Apollo, Hitachi HCP, YADRO). Рекомендация: SDS на серверах из Реестра РФ (Крафт, РОСА, Аквариус, Яндекс.Облако/Selectel bare metal).
5. Тиринг (Tiering): Определите пороги: Hot (NVMe, <30 дней), Warm (HDD, 30д-3г), Cold (Лента/Cloud Glacier, >3г). Автоматизируйте через ILM.
6. Иммутабельность и Защита: WORM / Object Lock / Legal Hold на уровне хранилища. Air-gapped копия (лента или изолированный S3 бакет) для защиты от Ransomware.
7. Метаданные и Поиск: Обязательная схема метаданных (Dublin Core / PREMIS / Своя XSD). Индексация в OpenSearch/Elastic. OCR для сканов (Tesseract/PaddleOCR на GPU).
8. Бэкап и DR: 3-2-1-1-0 (3 копии, 2 медиа, 1 оффсайт, 1 оффлайн/иммутабельная, 0 ошибок верификации). Регулярные тестовые восстановления (Fire Drills).
9. Импортозамещение и Соответствие: ПО из Реестра Минцифры. ОС: Astra/RED/ALT. Шифрование: КриптоПро / Лисис / Код Безопасности (ГОСТ 28147-89 / Магма / Кузнечик). Аудит доступа (СКУД/СИЕМ).
10. Финопс (FinOps): Showback/Chargeback, выставляйте счета подразделениям за занимаемое место (ТиБ/мес). Это лучший тормоз неконтролируемого роста мусорных данных.

Будущее: Тренды 2026-2028, влияющие на размеры

• DNA Storage / Ceramic / Glass (Project Silica): Экспериментальные носители для «вечного» холодного хранения (плотность > 1 ЭБ/см³). Пока не для продакшена.
• QSSD (QLC SSD) > 128 ТБ на диск: Полное вытеснение HDD из Warm Tier к 2028-2030 г. при снижении цены ниже $/ТБ HDD.
• Computational Storage (CSD): Диски с встроенными ARM-ядрами (Samsung SmartSSD, ScaleFlux, NGD Systems). Обработка данных (поиск, сжатие, шифрование, OCR) на самом диске, не нагружая CPU сервера и шину PCIe. Критично для ПБ-масштабов.
• AI-native Archives: Архивы, где индексация, классификация, извлечение сущностей (NER), суммаризация делаются при ингесте (Ingest-time AI) большими языковыми моделями (LLM) или SLM (Small Language Models) на локальных GPU. Это увеличивает «метаданные» в 10-100 раз, но делает архив запрашиваемым на естественном языке.
• Распределенные Ledger/Blockchain для аудита: Хранение хэшей (Merkle Tree roots) в блокчейне (Hyperledger Fabric, локальные консорциумы) для доказуемой неизменяемости без централизованного WORM.

Размер электронного архива — это не просто цифра в терабайтах. Это отражение бизнес-процессов, регуляторных требований и технологической зрелости компании. В 2026 году граница «крупного архива» сместилась в зону Петабайт (ПБ), а планирование требует перехода от подхода «купим еще диск» к системной инженерии: Software-Defined Storage, автоматический тиринг, иммутабельность, гибридное облако и FinOps-учет.

Инвестиции в правильную архитектуру хранения сегодня экономят миллионы рублей завтра, когда объемы преодолеют порог в 100 ТиБ, а скорость ребилда RAID на 24-ТБ дисках станет узким местом (rebuild time > 24-48 часов). Начинайте с аудита и пилотного кластера на Ceph/MinIO + HDD 24ТБ + NVMe кэш + LTO-9 библиотека — это де-факто стандарт надежного, масштабируемого и суверенного электронного архива в России на 2026-2028 годы.

Статья подготовлена на основе актуальных на июль 2026 года рыночных реалий, линеек оборудования (Seagate Exos Mozaic 3+, WD Ultrastar DC HC690, Solidigm D5-P5316, LTO-9/10), программных стеков (Ceph Reef/Squid, MinIO RELEASE.2024+, OpenZFS 2.2+, Linux Kernel 6.x) и нормативной базы РФ (152-ФЗ, 402-ФЗ, Приказ ФНС ЕАРХИВ, Реестр РФ ПО, требования КИИ).