第三章：小数据：论数据库与能源基础设施

Small Data: On Databases and Energy Infrastructures¶

辛迪·凯莹·林（Cindy Kaiying Lin）¶

印度尼西亚第一座遥感与技术数据中心位于雅加达南部，毗邻印度尼西亚缩影公园（Taman Mini Indonesia Indah）——这座微缩公园里有按原尺寸建造的印度尼西亚各民族传统民居、古代纪念建筑，还有缆车，供游人游览国家所构想的“本真”民族认同。尽管这里紧挨着一个颇具民族主义色彩的工程，两名政府工程师却正在为印度尼西亚人民开发一个更为零散拼凑的项目。在国家航空航天研究院（National Institute of Aeronautics and Space）遥感与技术数据中心，该项目的开发者之一拉贾（Rajah）在中心办公室迎接了我。那是一栋颇为显眼的建筑，所在街区里还有其他政府和军事建筑、几座较小的民宅，以及一所知名大学。他兴奋地举着一台数据服务器：“我们终于买到服务器了！”拉贾所说的数据服务器，将用于一个政府项目——一个名为 LAPAN 引擎（LAPAN Engine）的高性能数据存储系统，用来承载一个开放获取的遥感影像数据库，供省级和县级政府制作地图、应对灾害。“我们订了十四台服务器，”拉贾一边重复道，一边领我走进一间安保严密、温度受控的机房。这间约六百平方英尺的房间，就是拉贾把服务器码放在一排排机架上的地方。“其余的还在等，不过有几台我们已经做过监测，跑过速度测试了。”¶

拉贾之所以做这些测试，是因为他想知道把一幅卫星影像从一台电脑传到另一台需要多少时间。印度尼西亚的电力基础设施是集中式的，由国家电力公司（State Electricity Company）管理。一旦中央电网受到干扰，电力便会立即中断。输电线路状况不佳、缺乏备用设施，又使能源供应问题雪上加霜（Pradana 2020）。能源的集中化在一定程度上是由荷兰殖民时期的格局以及权力和财富向爪哇岛城市地区的集中所塑造的，这在印度尼西亚造成并固化了城乡鸿沟（Setyawati 2022）。该国的网速也很慢，在家庭和办公场所使用固定宽带连接的人口不到 10%，导致宽带互联网网络的维护状况不佳（Eloksari 2020）。鉴于这些能源约束，拉贾坚持认为拥有自己的数据服务器十分重要：“如果我们签约亚马逊云服务（Amazon Web Services），一年就得付 20 亿到 30 亿印尼盾［14.3 万美元］。有 20 亿印尼盾，我能买好多台服务器。”拉贾没有进一步展开，但我猜想，LAPAN 引擎也使他能够调节数据在岛屿之间传输的速度。目前，机构雇用操作员每天早上逐一下载这些影像，再通过 WhatsApp 或电子邮件发送给相关主管部门。这种每日报送有时会导致拉贾和他的工程师团队被追究数据报送延误的责任。拉贾希望设计一个数据库，让农村地区的官员能够快速获取这些数据，而不必完全依赖 LAPAN。¶

印度尼西亚是世界上最大的群岛国家，拥有热带雨林、无与伦比的生物多样性，以及世界上最大的两座岛屿中的两座——婆罗洲和新几内亚。印度尼西亚农村地区的热带泥炭地也经历过一些最具破坏性的火灾。国家航空航天研究院（印度尼西亚语为 Lembaga Penerbangan dan Antariksa Nasional，简称 LAPAN）的工程团队认为，向印度尼西亚农村地区分发数据是解决火灾问题的一种有效但暂时的办法。LAPAN 工程团队的成员相信，数据的高效分发可以确保印度尼西亚各地的领导者能够自行管控本地的火灾，进而化解该国在加剧气候危机方面所扮演的角色。¶

本章分析印度尼西亚工程师的数据库编排如何在云计算中强调“小”，这与运行大规模数据中心所需的庞大规模和能源形成对照。这种对“小”的强调，不仅抵制了当代以耗费能源和水的方式利用云计算基础设施存储和分发数据的做法，也讲述了一个不同的故事，说明数据库架构远不止是技术系统。我的目标是，将云计算编排的设计置于其与能源和劳动的关系之中加以考察——最重要的是，以集中式电网和时断时续的网络连接为物质形态的能源，塑造了用于存储和分发大数据的“小”数据库的设计；继而考察小数据库——在历史上它与信息技术和计算机编程劳动的生产率紧密相连——如何在后殖民的印度尼西亚被拓展，以涵纳去中心化与自主的价值。因此，这里的效率（efficiency）不仅关乎小数据库本身的能源效率，也关乎扭转历史上一直与数据库绑定在一起的劳动生产率脚本。¶

效率这一工业价值，如今依然萦绕着印度尼西亚的数据工作。其最著名的倡导者是弗雷德里克·温斯洛·泰勒（Frederick Winson Taylor）及其科学管理体系。泰勒制于二十世纪之交首先在钢铁工业中发展起来，它推行使用专门化工具，将任务分解为可测量的投入和产出，并引入管理权威以刺激生产率（Alexander 2008, 12）。泰勒制中的效率，还意味着对身体与机器之间关系中的能量加以细致的精炼和优化，以便完成越来越多的工作。在早期版本的数据库中，效率指的是终端用户能够多快地自行查询数据，从而把程序员的劳动从数据库管理中解放出来，去开发计算机应用程序。随着云计算系统的出现，客户如今可以从亚马逊和谷歌等平台公司租用服务器，而不必依靠程序员来维护现场的数据服务器。这两种数据库配置都将速度、稳定和劳动生产率的价值普遍化，并颂扬一种新颖、扩张、无缝的技术创新形象。然而，数据库技术依赖于能源和网络基础设施，而这些基础设施在印度尼西亚确实会发生故障或变得不可靠。当我提及这类基础设施不稳定的状况时，我并不是说印度尼西亚处于一种永久性的匮乏状态。相反，陈述这些状况使我能够把关注的中心放在拉贾这样的人如何为相关各方“修补与再造、重新配置与重新组装，形成新的组合与新的可能”（Jackson 2014, 222）。因此，能源约束和时断时续的网络并非例外情形，而是戴维·内默（David Nemer）和帕德玛·奇鲁马米拉（Padma Chirumamilla）（2019, 221）所说的“日常生活节奏必须在其中被锻造出来的背景”。¶

本章讲述一个名为 LAPAN 引擎的、由政府主导的 NoSQL（“Not only” Structured Query Language，“不仅仅是”结构化查询语言）数据库（我将其与非关系型数据库交替使用）的构建过程；如今它旨在为印度尼西亚的减灾和火灾测绘提供数据流传输。本章借鉴了我在 LAPAN 与印度尼西亚计算机科学家和遥感科学家一起进行的为期二十一个月的田野调查。尽管数据库设计在历史上一直是优化程序员生产率的场所，但在印度尼西亚，它成为了将韧性（resiliency）引入设计的途径，并挑战了能源对增长、做功与扩张的执念。具体而言，我将表明，历史上被用来最大化生产率的数据库，正在被印度尼西亚工程师加以改造，用以扭转治理中的社会等级，并重新构想一种依赖能源基础设施来存储大数据的新方式。简言之，与大数据打交道，有时需要关注其走向“小”的潜能；效率可以被动员起来对抗管理等级；能源约束有时能够丰富而非限制工程师以及全球南方国家的自主性。这里讲述的效率故事，介入了西方能源逻辑的必然性——这种逻辑颂扬生产性的做功，并认可为帝国扩张而进行的资源开采。¶

如何存储数据？（How to Store Data?）

拉贾向我展示服务器之后没几天的一个下午，操作员们收到了农村县级领导者发来的一条条急不可耐的 WhatsApp 消息，要求提供潜在火点的卫星影像。他们需要在高分辨率卫星影像上标出火点位置，以便向中央政府申请应急资金。自 2016 年起，LAPAN 依法负责向农村地区的领导者提供遥感和卫星影像数据，用于空间规划和地图制作。那天下午，汹涌而来的请求遭遇了时断时续的网络，每个操作员下载影像的尝试都在中途被打断。同一个下午，LAPAN 引擎背后的两位计算机工程师拉贾和卡米拉（Kamilah）集思广益，讨论如何把影像做得足够小，好让操作员能够下载。“要存储它，就得把它切开，”卡米拉对我们说。这里的“小”指的是把大影像切分成更小的单元，使技术操作员无需下载体量庞大的数据。拉贾和卡米拉深信，这不仅能把操作员的劳动解放出来去做别的事情，还能让信息分发得更快。¶

在过去十年里，像 LAPAN 这样的机构设计了能够更快速、更可靠地传递信息的数据库。要做到这一点，就必须对数据进行转换——即把数据从一种格式或结构转换为另一种格式或结构的实践——并为这些数据挑选合适的数据库。在这里，数据库设计和数据转换不仅是消耗和转换能量输入的实体；它们也充当了优化程序员劳动实践的场所。在下面几段中，我将简要介绍 LAPAN 如何将 NoSQL 数据库表述为能量转换与效率的场所：创建一个有韧性的数据库，使终端用户能够在低带宽和不稳定电力的条件下成为信息的检索者。¶

对这个两人工程团队来说，LAPAN 引擎是一项新的挑战。正如拉贾向我讲述的，能源和互联网的约束使 LAPAN 无法按需生产和分发卫星遥感影像数据。例如，下载一景 LANDSAT 影像有时要花一个多小时，而这景影像覆盖的范围勉强够制订灾害疏散的空间规划。这也意味着，等待 LANDSAT 数据下载的操作员是在“浪费”时间，无法从事生产性工作。¶

为了解决数据下载和检索中的这种低效，拉贾和卡米拉对 LAPAN 引擎进行了定制，使其遵循三条原则。第一，它将基于已经切片（tiled）的数据运行。切片是指将一幅卫星影像划分或分解成较小的块，并为每块编码一定的值，以便从数据库中快速检索。与文本数据不同，卫星影像是非结构化数据，需要被编码赋予一定的值。它的体量也很大。例如，要完整覆盖印度尼西亚，需要 220 张卫星快照——技术上称为卫星景（satellite scenes）。来自遥感传感器的一幅完整的印度尼西亚卫星影像，总量至少可达 1,100 GB——几乎相当于 275 个电影文件。¶

第二，使数据检索变快的不仅是切片，还有数据库设计的实际架构；我后来了解到，这种架构是非等级化的，并且能够抵御故障。这种韧性至关重要，它使数据传输能够保持开启，而不是频繁遭遇中断或停运。换言之，如果印度尼西亚遭遇停电或网络信号微弱，数据传输也无需从头开始，尤其是当数据正在被这类情况频发的农村省份接收时。¶

这种韧性还意味着，像拉贾和卡米拉这样的程序员终于可以让农村官员为灾害管理和空间规划工作承担全部责任，因为这些官员再也不能以带宽和电力不佳为借口开脱了。¶

最后，拉贾和卡米拉最关心的，是 NoSQL 数据库架构执行并发数据库事务的能力：如果他们要托管一个多用户平台，他们希望确保这些用户能够在平台上无延迟地分析数据。¶

NoSQL 数据库设计的这三种品质——快速、有韧性、作为多用户平台——表明，通过对数据库设计的调整，LAPAN 能够像拉贾所说的那样，在灾害管理中变得“高效”。拉贾对效率的强调尤其耐人寻味，因为除了关心 LAPAN 的数据库设计是否足够快、能否为多个用户提供访问之外，他还强调韧性——正如能源人类学家所记录的那样，这一价值通常并不与能源基础设施相关联（例如 Ferguson 1999; von Schnitzler 2016）。由此，拉贾向我展示了效率并没有普遍的价值，而是具有不同的含义。那么，数据存储是如何开始与生产率和速度等工业效率规范联系在一起的？^[1] 更简单地说，数据库设计的质量是如何开始以减少闲置时间为标准来评价的？在何种条件下，数据被理解为必须以如此灵巧和稳定的方式被存储、分发和共享？在下文中，我将表明，数据库设计中的效率故事最初是与在美国使（应用）程序员^[2]具有生产力的能力联系在一起的，这使效率成为一种内置于早期数据库设计及其后续版本中的特性。¶

为终端用户与生产率设计数据库（Designing a Database for End Users and Productivity）

二十世纪六十年代至七十年代，北美的计算机厂商、管理者和数据库设计者（例如 IBM）开始将效率原则植入数字数据库的设计之中——首先从关系模型开始。1969 年，曾任英国皇家空军飞行员、拥有密歇根大学通信科学博士学位的 IBM 研究员埃德加·弗兰克·科德（Edgar Frank Codd）撰写了一篇题为《大型共享数据库的关系数据模型》（“A Relational Model of Data for Large Shared Databanks”）的论文，许多计算机科学教科书声称这篇论文在信息存储与检索史上具有革命性意义。科德提出了一种在计算机中存储信息的新方式，他称之为“关系数据库模型”，其基础是数学上的关系理论。关系模型最早在 IBM 于 1970 年代开发的 System R 中实现，它因“数据独立”而备受赞誉；也就是说，关系模型允许数据在不同的应用领域之间移动，而无需“改变存储结构和访问策略”（Chamberlin et al. 1981, 632）。这一特性解决了信息检索中一个长期存在的问题：数据存储可以与数据检索相分离。换言之，计算机程序员不再单独负责存储和检索数据。¶

数据库设计的新创新可以追溯到计算硬件变得不那么昂贵的时刻。随着硬件成本的下降以及计算在更大型项目中所扮演的角色，自 1960 年代起，软件在复杂度和规模上也不断发展（Ensmenger and Aspray 2002, 154）。例如，马里兰州的一组研究人员开始从使用穿孔卡片或线性磁带记录，扩展到以“元组”（tuples）组织数据，以克服硬件的局限。他们将这种组织起来的数据命名为多元组（multiplets）。尽管多元组与科德在 1969 年所写的关系数据库系统并不相同，但它预示了科德关系数据库的一些基本属性（Grier 2012）。多元组使人们可以把数据放入一个共同的单元，而与这些数据在数据库中实际如何存储毫无关系。更重要的是，就与科德关系数据库中的表格特征的关联而言，多元组使人们能够以一种易于“用逻辑运算加以操作、易于连接到更大类别的文档或信息”的方式来组织数据（Miller et al. 1960）。然而，多元组的影响范围有限，因为数据库公司更重视建造更大的物理数据库，而非变革这些数据库本身的设计。¶

然而与此同时，企业开始将组织视为信息处理器。这种看法早在 1950 年代就已出现，当时计算机主要用于产业领域，而非科学应用。美国经济学家、信息理论家赫伯特·西蒙（Hebert Simon）（1957, 15）有一个著名的论断：“信息和建议在组织中向所有方向流动。”奥地利裔美国管理理论家彼得·德鲁克（Peter Drucker）——其著作被认为启发了微软联合创始人比尔·盖茨——在 1957 年写道，企业必须“在目的与手段、产出与努力之间保持平衡”（转引自 Grier 2012, 13）。为此，管理者需要处理大量信息（Grier 2012）。因此，数据库成为组织劳动实践的核心，尤其是企业试图驾驭管理权力、为决策提供信息的核心。据 1964 年《财富》（Fortune）杂志的一篇文章称，“所谓新信息技术的力量，正在提升高层管理者做出准确决策的能力”（转引自 Grier 2012, 14）。其他企业顾问则预期，只有当“我们能够向计算机提出重要的问题”时，计算机才会有用。“帮助我们澄清这些问题，是管理和科学的任务”（Gugerli 2012, 303）。这段引文表明，数据库是如何与管理控制联系在一起的——那些企业顾问大力鼓吹这一点，他们将管理信息流动与平衡的能力视为组织生活的关键工具。¶

随着数据库成为组织进行信息查询的核心方式，而个人计算机在 1980 年代的北美普及开来，计算机程序员将数据库塑造为提高技术专家生产率的场所。在提出关系数据库之后，科德于 1982 年在《ACM 通讯》（Communications of the ACM）上发表了一篇题为《关系数据库：生产率的实用基础》（“Relational Database: A Practical Foundation for Productivity”）的文章，阐述了信息可以如何以提高程序员生产率、并可供企业顾问和管理者等终端用户使用的方式加以存储和表示（Codd [1982] 1989）。自 1950 年代以来，计算产业的管理者就一直对编程质量心存疑虑。关于软件劳动的历史研究表明，自 1960 年代起，美国的管理者就抱怨缺乏“高质量”且有经验的程序员，并鼓励程序员通过认证来证明自己的绩效（Ensmenger and Aspray 2002, 154）。因此，科德关于关系数据库可以提高程序员生产率的主张，正是进一步为程序员提供资质认可、并拥抱将组织视为信息处理器这一管理愿景的步骤之一。¶

例如，科德讲述了数据库如何要求程序员沿着访问路径导航才能抵达目标数据，使这类工作所需的劳动量十分庞大。又如，存储布局的任何变化都意味着要修改所有程序，维护应用程序需要耗费过多人力。此外，这些系统的安装过于缓慢，程序员要使用这些系统也面临着陡峭的学习曲线。¶

科德列出了关系数据库为提高信息处理专业人员（即程序员）的生产率所能实现的三个目标。第一个是数据独立性：能够区分数据库管理（包括数据库设计、数据检索和数据操作）的逻辑层面与物理层面。简言之，这意味着人们可以改变数据的基础结构，而不影响用户和程序员所需的数据。¶

第二个是可沟通性目标：使模型结构简单明了，以便程序员和终端用户对数据形成共同理解并能够相互沟通。科德关于可沟通性的主张，与 IBM 发明的用户友好型查询语言——结构化查询语言（Structured Query Language, SQL）——联系在一起。SQL 使终端用户能够输入简单的命令来查询数据库，从而把非程序员的终端用户纳入关系数据库的使用之中（Date 1984, 9）。例如，当 System R 成为 IBM 的一个重大项目时，终端用户对该系统的反应受到了高度重视。这种新的重视不仅包括开发一种终端用户能够轻松上手的检索查询语言，还包括使检索变得“用户友好”的界面设计。虽然尚不清楚“终端用户”是否主要指组织中的管理者，但 1980 年代关于终端用户计算的文献主要集中于研究管理、专业和技术圈子中的终端用户群体（Clement 1990）。在数据处理领域首屈一指的行业杂志《计算机世界》（Computer World）上，IBM 的市场代表兼系统工程师约瑟夫·S. 马洛里（Joseph S. Mallory）于 1982 年发表了一篇题为《信息管理的涨潮》（“The Rising Tide of Information Management”）的文章，称赞 SQL 使“只受过最低限度培训的用户”能够自行满足信息查询需求，“使信息系统人员得以腾出手来处理其他任务，同时更有效地利用计算机来支持管理决策”（87）。因此，当从管理者到系统管理员的各类终端用户能够自行查询信息，从而把程序员从这类劳动中“解放”出来时，程序员的生产率便得以实现。¶

最后一个目标是集合处理目标：引入高级语言概念，使用户能够一次性表达对大块信息的操作。这些高级语言概念意味着一条语句便足以一次处理多组记录。科德（[1982] 1989, 116）提出，凭借这三个目标，关系数据库能够“简化开发应用程序的任务”，并使“从终端提交的查询和更新的表述”变得容易。它帮助程序员摆脱那些迫使他们在低层次细节上编写代码的无关概念，使程序员能够合成一条同时处理多条数据记录的命令，并使终端用户能够自行检索数据库。简言之，关系数据库减少了编程时间，并将终端用户纳入了检索和获取信息的过程。¶

在这里，效率不仅关乎调控程序员存储和检索数据所需的时间，也关乎将终端用户纳入信息检索的实践，以改善组织的运作。在个人计算机和关系数据库系统在银行、航空等商业行业中广泛普及的时期，1980 年代见证了数据库在加速信息技术与计算专业人员生产率方面所发挥的不可或缺的作用。换言之，将数据库与程序员的劳动联结在一起的，是作为功的能量如何被转化为一种商品形式，由终端用户——例如组织的管理者——加以出售。¶

如果说关系数据库的历史完全是在 1970—1980 年代科技劳动力的语境下，为一个快速变化的用户群体让信息访问变得更容易、更快速，那么 NoSQL 的发展则是另一种迫切需求的产物：为消费者用户群体维持持续不间断的在线运行时间。今天的计算产业常常宣扬 NoSQL 数据库是高效的，因为它们能够存储大数据，应对数据访问频率的提升，并满足对信息检索感兴趣的企业的需求。NoSQL 的起源故事始于 Dynamo——亚马逊于 2004 年开发的一个数据存储系统，用以更好地处理其不断增长的客户数据库。不久之后，Dynamo 的创始人之一阿维纳什·拉克希曼（Avinash Lakshman）开发了一个名为 Cassandra 的 NoSQL 数据库，以满足脸书（Facebook）在其平台上检索收件箱的需求（Lakshman and Malik 2010）。在回答这些平台公司如何能借助 NoSQL 数据库满足客户需求的问题时，拉克希曼在《数据库地带》（Database Zone）杂志的一次访谈中答道：¶

在亚马逊，我们必须把 Dynamo 构建成多站点的，这样它才能在数据中心停运时幸存下来，而不致造成 Amazon.com 宕机——在那里，宕机时间直接对应着数百万美元的损失。同样，Cassandra 也被构建成多站点的，以便在脸书东海岸或西海岸的数据中心停运时幸存下来。在当今这个永远在线、互联互通的世界里，构建有韧性的服务比性能更优先。如果一个网站或一项服务频繁停运，我更有可能放弃它、不再使用它，而如果它只是慢了几分之一秒，我则不太会这么做。（Smith 2017，强调为引者所加）

在这段引文中，拉克希曼将数据库维持有韧性的基础设施的能力置于信息检索的速度之上，以防止收入损失。从浪费时间转向担忧失去用户，一种不同的价值创造模式被设计进了 NoSQL 数据库。为北美科技公司设计此类数据库的开发者所关心的，不再是处理上的低效，而是由于能源或网络基础设施突然中断而损失的时间。拉克希曼希望通过把故障频率降到最低来维持的，正是跨站点的“永远在线、互联互通的世界”这一幻象。此外，拉克希曼声称，数据库背后的程序员不仅是存储数据的数据库管理员，而且是“一部分程序员、一部分自动化工程师、一部分基础设施管理员、一部分数据库管理员”（Smith 2017）。这些高度专门化的角色被打包集于一身，表明要让数据库基础设施持续运转，不仅取决于保持数据库基础设施的高效，还依赖于能够维护这些数据库的程序员的劳动及其跨学科专长。在这里，效率不仅关乎通过对程序员与代码交互方式进行更多的测量和标准化，来最大化能量的投入与产出；它还关乎数据库确保工作的持续流动，以及程序员同时承担多重角色。由此，数据库设计工作的性质以及能源和网络基础设施的稳定性都发生了变化。¶

在这两类数据库中，效率不仅与程序员的生产率相关联，也与用户在短时间内检索数据的能力相关联。然而，在关系数据库中，效率侧重于增加终端用户的访问能力以及提高程序员的生产率。另一方面，对于非关系型数据库，重心转向了能源和互联网网络基础设施的稳定性，从而使任何用户——而不仅仅是企业中的管理者——只需轻点一下即可获取信息。一方面，在关系数据库设计中实现的效率，使管理者能够以不同的方式组织其企业，尤其是通过数据库设计、程序员乃至用户之间的互动。另一方面，在非关系型数据库中，数据库的韧性和稳定性是附加于效率之上的一种品质，使信息查询和检索能够全天候地为所有用户——无论是否为管理者——进行。¶

然而，构建有韧性的 NoSQL 数据库基础设施的能力，为更广泛意义上的能源分析提出了一个有趣的问题，因为（1）终端用户如今可以参与信息查询行为，（2）且几乎不受干扰。北美科技企业的重心在于通过维持用户群体来创造收入；与之不同，拉贾（LAPAN 工程师）的效率观念，以克服能源和网络约束问题所需的有韧性的数据库为支撑，服务于一个不同的目的。在下一节中，我将表明，尽管有韧性的数据库成为了掩盖电力和宽带互联网等维护不善的公共基础设施之结构性问题的一种方式，但它们也使印度尼西亚工程师能够想象一种新的数据治理与基础设施建设模式。¶

作为终端用户的农村官员：扭转数据库设计中的主从架构（Rural Officials as End Users: Reversing Master–Slave Architecture in Database Design）

在过去十年里，美国联邦科学机构一直与亚马逊等科技企业签约，将数据迁移到云数据服务器中。LAPAN 则对比了订阅大型科技公司云服务的便利与在内部自行开发数据库之间的利弊。卡米拉详细解释道：“我们本可以轻而易举地把数据送到谷歌云，或者交给亚马逊云服务来处理。至少，这类存储能让我们提供一致而可靠的灾害相关信息——这是我们机构的主要职能之一。”但拉贾和卡米拉都接到了研究院高级官员的指示，不得与谷歌和亚马逊等北美科技公司合作，因为高分辨率卫星影像包含敏感信息——测绘，尤其是国家测绘，是一项民族主义事业。高级官员建议拉贾与一家印度尼西亚本土初创公司签约，以便迅速把系统建起来。但拉贾拒绝了——他坚持认为，只有该机构以及与遥感数据密切打交道的工程师，才知道这些数据应该如何格式化，以及如何让这些数据尽可能地为印度尼西亚农村用户所获取。¶

为了满足在低带宽和不稳定电力等约束条件下提供数据的需要，拉贾和卡米拉必须确保他们的数据库不会崩溃。两人建起的第一个数据库很快就崩溃了。他们将此归因于系统构建者所说的单点故障；也就是说，如果其中一个节点（或者说，在这个名为 MongoDB 的文档存储数据库中的某个文档）发生故障——例如由于硬件损坏——整个用于流式传输卫星影像的网络平台就会停止工作。拉贾和卡米拉将这种单点故障归咎于 MongoDB 中主从架构（master–slave architecture）的遗留问题：在这种架构中，一台数据库服务器（主机）将数据发送给一台或多台其他数据库服务器（从机）进行复制。在拉贾和卡米拉看来，MongoDB 的主从架构阻碍了在时间紧迫的情况下检索自然灾害信息。它也阻碍了 LAPAN 培养一支更具生产力的工作队伍。¶

最初，LAPAN 引擎的设计目的，是减少操作员在进行下一项任务之前等待卫星影像下载的时间。操作员处理数据请求——从经过处理的火灾影像到农业用地影像——常常要花上数小时乃至数天。电力或互联网连接的中断意味着，雅加达和印度尼西亚农村地区的政治领导者更希望 LAPAN 通过 WhatsApp 发送影像，因为 WhatsApp 的服务器被认为比该国自己的电网更可靠。缓解基础设施故障问题的另一种常见方式，是农村官员亲自前往雅加达，把数据集从 LAPAN 的数据服务器拷贝到硬盘上。虽然 LAPAN 最初将这类缓慢问题视为操作员一方的生产率问题，但它逐渐认识到，数据可及性问题的部分症结在于国家信息集中于雅加达。¶

拉贾和卡米拉认为，一种不同的数据库架构，对于他们能够如何促进用户访问数据集具有实质性的影响。在这方面，创建有韧性的基础设施的能力尤为重要。为了实现韧性，他们希望改变数据库架构本身，使雅加达以外的用户能够轻松检索信息，不必再完全依赖 LAPAN 这样的中央政府机构来获取数据。他们将主从架构类比为印度尼西亚治理中的信息传递方式：从雅加达传到农村省份。拉贾详细说道：“这个数据库让我想起我们作为基层政府工作人员所受的待遇——我们没有能力选择自己能做什么、怎么做。这使我们无法向所有人提供信息，即使我们国家的领导人承诺要这样做。它也让农村地区和村一级的官员难以随时获取这些数据——他们本想随时取用，却只能等操作员下载完这些数据，或者亲自跑一趟雅加达，把数据存进他们自己的硬盘。”¶

我认为，拉贾想要摒弃关系数据库设计中主从架构的愿望，不能仅仅被解读为最大化操作员生产率的尝试。对照数据库架构本身来解读，拉贾希望农村官员获得更大的访问权限，使他们能够依据信息迅速做出决策，而不必依赖雅加达作为主要信息来源。¶

不妨看看拉贾是如何选择使用 Apache Cassandra 的——这就是我前文提到的那个免费、开源的 NoSQL 数据库。这个数据库的网络中没有主节点：同一行中的相同数据可以跨多个节点复制。它的“无主环形设计”（masterless ring design）意味着，如果一个节点损坏，其他节点将继续运行。他们相信，Cassandra 可以帮助缓解印度尼西亚常规停电期间数据丢失和信息获取不畅的风险。数据在不同数据节点间的复制，使拉贾和卡米拉能够重新构想数据应当如何分发，而无需完全依赖单个主节点。这意味着这些节点分布在不同的数据中心，从而确保如果印度尼西亚农村地区的某台现场数据服务器发生故障，雅加达仍会有同一行数据的副本可用。这也帮助他们解决了灾害管理中官僚决策迟缓的问题，因为该架构确保用户始终能够访问一个能够抵御故障的“永远在线”的架构。¶

所有这些清楚地表明，在 LAPAN，数据库设计第一次也怀抱着变革官僚等级的抱负来构建。正是通过数据库本身的属性，创建者们感到一个新的社会世界成为可能：一个没有主人与奴隶的世界。这对拉贾来说至关重要，因为提供灾害信息这一职能本身，并不能促成围绕灾害预防的即时决策。在这种时间紧迫的情形中，效率不只是保证速度——它还关乎确保数据库保持开启，使用户在需要时、无论身在何处都能访问数据库。正如拉贾向我解释的：“速度就是效率。但速度依赖于可靠性……我们的用户需要能够使用 LAPAN 引擎。”对拉贾和卡米拉而言，主从隐喻具有实际的物质效应——基于 Cassandra 的数据库设计，它确保了信息的存储和检索不再只集中在雅加达，而是也可以从印度尼西亚农村地区访问。¶

借助 Cassandra 数据库扭转了信息的秩序与流向，LAPAN 引擎中不再有主人与奴隶。LAPAN 引擎试图建立一种对等（peer-to-peer）架构，在其中每个节点彼此平等，每个节点都有被调用的机会。它也构成了对雅加达日益加剧的信息集中化的直接干预，为农村领导者和地方长官开辟了不同的访问与检索入口。¶

为了小数据（For Small Data）

从数据库设计转向卫星影像数据本身的准备工作，我现在要说明拉贾和卡米拉如何在约束条件下工作，使用户能够快速检索信息。请看：在使用 Cassandra 的无主环形设计时，拉贾和卡米拉已经在一景卫星影像上加上了一个网格。这个网格形成了一系列切片，每个切片都被指定了一个特定的值。这些值包括每个切片在整景卫星影像中的位置，以及每个切片被拍摄的日期和时间。¶

卡米拉说，卫星影像是最难存储的数据。我问为什么，很好奇一幅影像怎么会这么难保存。她回答说，卫星影像包含的信息实在太多了。卫星影像的每个像素都可以提供从亮度、山峰高度等基础数据，到大气质量、水污染以及是否存在火情等经过复杂处理的信息。每个像素都承载着多种信息，用户会检索这些信息，加以处理并从中得出进一步的见解。因此，为了使卫星影像数据易于排序和检索，拉贾和卡米拉需要为数据引入结构。这包括切片，并将每个方块命名为“卫星切片”（satellite tile）。施加一个方形网格，使密集的卫星影像变得更轻，更易于在有限的带宽和电力供应下检索和获取。这意味着提供许多较小的文件，而不是提供一个大文件。如果 LAPAN 希望生活在农村省份、面临更为严峻的基础设施和能源约束的终端用户使用 LAPAN 引擎，这种数据转换就是必要的。¶

虽然 LAPAN 的大多数用户是印度尼西亚的农村领导者和部级官员，但偶尔也有亚洲各地学术界和非政府组织的研究人员向 LAPAN 索取卫星影像。不过，农村领导者是拉贾和卡米拉最关心的群体，因为这些领导者能够直接联系到从消防员到当地警察等一线灾害管理人员。例如，在我短暂访问南苏门答腊期间，我遇到了一名消防员，他决定使用谷歌地球（Google Earth）和他自己的 QGISS（一款免费、开源的地图软件）来绘制火情地图，以找到最近的水源，并向灭火现场调配必要的资源（人力、车辆）。拉贾希望为这位南苏门答腊消防员提供类似的服务，但分辨率要高得多，并附有其他可以协助其行动的必要数据集。但要在网络平台上检索和流式传输多个数据集，拉贾和卡米拉就需要把大数据变小。¶

在拉贾看来——卡米拉当时也表示同意——他们之所以选择对卫星景进行切片，是因为他们知道大多数印度尼西亚用户无法稳定地获得良好的 WiFi 和电力。例如，如果电力或网络条件较差，下载某一地区的一整景卫星影像（1 GB）可能需要长达三十分钟。印度尼西亚的移动互联网速度在 139 个国家中排名第 118 位，而在首都雅加达，电力短缺可能持续长达十五个小时。他们需要确保用户能够在这样一个受能源和互联网约束的环境中检索数据。通过准备数据集并设计一个使用户能够定位特定切片、进而下载卫星景中特定区域的数据库，拉贾和卡米拉希望省级和县级官员能够轻松获取这些数据集。¶

此外，按照卡米拉的说法，针对能源和互联网网络的约束进行设计，是印度尼西亚独有的挑战，是那些“想算多少就算多少的富有研究者”所不会遇到的。通过切片检索数据的能力——或者我所说的小数据（small data）——正是拉贾和卡米拉希望用以应对这一挑战的方式。我们已经了解到，当今大型科技公司和资源丰富的大学的工程师在存储和运行大数据及机器学习模型时，会产生大量排放。根据关注科技行业碳足迹的研究者最近发表的一篇文章，数据中心将占这一足迹的 45%（高于 2010 年的 33%），网络基础设施占 24%（Dobbe and Whittaker 2019）。¶

在这里，把影像切成更小的切片并进行编码，将确保快速检索，使用户能够以尽可能少的电力和带宽获取数据。我认为，它将成为一种低碳数据基础设施。¶

但拉贾和卡米拉单位里的高级官员另有打算。他们把它视为一种出售卫星影像、赚取利润的具有成本效益的方式——而不是以公平获取灾害信息的形式为印度尼西亚公众带来的长期结构性变革。这些官员还补充说，鉴于 LAPAN 引擎可以服务更多用户，并以增加信息附加值的方式处理这些信息，他们甚至可以向用户出售定制数据并从中获利。起初作为扩大环境信息大众可及性之手段的东西，逐渐演变为一种以市场为导向、为卫星影像争取有竞争力价格的努力。¶

来自印度尼西亚的另一种能源逻辑（An Alternative Energy Logic from Indonesia）

总之，我表明了来自 LAPAN 的拉贾和卡米拉如何通过开发一种关注韧性和能源约束的存储设计，寻求一种不同的数据基础设施。通过坚持卫星影像的特殊性，以及这类数据在持续不断的故障中可以如何被存储和检索，拉贾和卡米拉展示了农村官员获取信息的途径可以如何去中心化。LAPAN 引擎试图挑战中央政府对卫星影像的唯一权威，确保农村地区和村一级的领导者即使面临能源约束，也能更好地直接获得数据。知道建造这样一个数据库是可能的，也让无法依赖谷歌或亚马逊云计算基础设施的拉贾和卡米拉感到安心。它保留了公共基础设施的自主性，挑战了如今在其他地方资助和建设公共部门数据基础设施的公私合作模式的无所不在。例如，在美国的语境中，从 2007 年到 2019 年，国土安全部（Department of Homeland Security）向美国科技公司发包和分包服务，其中亚马逊和微软获益最多。亚马逊的全部联邦合同增长了 400%，微软则增长了 800%（Big Tech Sells War 2021）。这些投资大多流向军事、情报和执法机构。我们迫切需要公共的、社区所有的技术基础设施，而 LAPAN 引擎为这样一种替代方案提供了预览。¶

此外，坚持“小”还意味着，拉贾和卡米拉在留意所需带宽和电力的前提下，提供了存储和分发信息的替代方式。他们表明，在大数据中为“小”而设计，也是在想象一种不同的知识基础设施，这种基础设施不会践行人类学家迈尔斯·伦农（Myles Lennon）（2021）所说的“一种削减手段”（a means of reduction）以及一种成本效率形式。按照伦农的定义，削减手段就是“仅仅从一种商品或服务的削减能力来理解它，使人们能够实施以定量方式削减某种负面现象的策略”（2）。¶

因此，我追随伦农，坚持那些不仅仅是通过减少我们的能源消耗来化解工业化能源之危害的实践。如果我们只关注个人行为如何排放温室气体——比如通过减少塑料使用——那么我们关注的就是消费。正如我的主要对话者所表明的，这只会鼓励高级官员采取一种狭隘的方式来思考我们如何能够缓解全球气候变化。它忽视了一个事实：当今为数据中心供电的大部分能源是在全球南方制造和开采的，而大部分能源负担则落在全球北方的贫困有色人种社区身上。¶

我们需要从削减手段转向生产手段；也就是说，我们需要审视为当今知识基础设施供能所需的能源供应链。我并不是说专注于减少我们的碳足迹是一个糟糕的策略。相反，我在这里关心的是，我们如何能够在学术研究中建立跨国团结，把伦农（2021）所说的能源消费场所中的种族/环境正义斗争，与全球南方能源开采和生产场所中的种族/环境正义斗争联结起来。我认为，这些团结是通过当今的数据库设计来中介的：数据库的物质性提供了一个透镜，借此我们可以更好地把能源消费密集的场所与能源开采密集的场所联结起来（例如，通过确保小数据可以分批下载，人们可以开始应对开采经济的危害，同时为世界各地的用户提供访问）。正是通过数据库设计，我们才能开始追求那些明确将国际环境正义问题置于前景、并超越对碳削减之狭隘执念的气候策略。¶

正如我在印度尼西亚的案例中所展示的，工程师们是在一个故障作为日常生活延续之背景的语境中进行设计的。拉贾和卡米拉设计了一个数据库，它质疑了数据库的历史决定性——即数据库作为提高程序员生产率、践行管理等级的必然工具，正如它们在北美曾被设计来做的那样。他们表明，效率并不必然意味着将电力和程序员劳动等能量输入转化为卫星影像的快速交付；在不同的能源与数据文化中，效率被以不同的方式诠释和实施。在印度尼西亚，效率关乎为农村领导者创建有韧性的基础设施，使他们能够独立于中央治理，在自己的辖区内治理和管理灾害，而不是确保零宕机，好让更多用户涌入亚马逊商城这样的平台。¶

然而，这里需要指出的是，生产小数据并没有在 LAPAN 内部实现进步的、激进的变革。换言之，并不能保证向低能耗文化的转型必然会废除我们与环境之间的资本主义关系。正如我所表明的，LAPAN 的上级仍在坚持将公共数据商业化。由此可见，从全球南方生产小数据，远不只是节约用电或提高操作员的生产率。它还必须包括理解权力关系如何可能被铭刻进数据库设计之中，以及因此在看似非物质的、非等级的、潜在绿色的数据关系中，谁能够获取信息。¶

参考文献

Alexander, Karns Jennifer. 2008. The Mantra of Efficiency: From Waterwheel to Social Control. Baltimore: Johns Hopkins University Press.¶

Big Tech Sells War. 2021. “About.” https://bigtechsellswar.com/about/.¶

Chamberlin, Donald D., Morton M. Astrahan, Michael W. Blasgen, James N. Gray, W. Frank King, Bruce G. Lindsay, Raymond Lorie et al. 1981. “A History and Evaluation of System R.” Communications of the ACM 24, no. 10: 632–46. https://doi.org/10.1145/358769.358784.¶

Clement, Andrew. 1990. “Cooperative Support for Computer Work: A Social Perspective on the Empowering of End Users.” In Proceedings of the 1990 ACM Conference on Computer-Supported Cooperative Work (CSCW ’90), 223–36. New York: Association for Computing Machinery. https://doi.org/10.1145/99332.99357.¶

Codd, Edgar Frank. 1983. “A Relational Model of Data for Large Shared Data Banks.” Communications of the ACM 26, no. 1: 64–69. https://doi.org/10.1145/357980.358007.¶

Codd, Edgar Frank. (1982) 1989. “Relational Database: A Practical Foundation for Productivity.” In Readings in Artificial Intelligence and Databases, 60–68. Burlington, Mass.: Morgan Kaufmann.¶

Daggett, Cara New. 2019. The Birth of Energy: Fossil Fuels, Thermodynamics and the Politics of Work. Durham, N.C.: Duke University Press.¶

Date, C. J. 1984. “A Critique of the SQL Database Language.” ACM SIGMOD Record 14, no. 3: 8–54. https://doi.org/10.1145/984549.984551.¶

Dobbe, Roel, and Meredith Whittaker. 2019. “AI and Climate Change: How They’re Connected, and What We Can Do about It.” AI Now Institute. https://medium.com/@AINowInstitute/ai-and-climate-change-how-theyre-connected-and-what-we-can-do-about-it-6aa8d0f5b32c.¶

Eloksari, Eisya A. 2020. “Indonesian Internet Users Hit 196 Million, Still Concentrated in Java: APJII Survey.” Jakarta Post, November 11. https://www.thejakartapost.com/news/2020/11/11/indonesian-internet-users-hit-196-million-still-concentrated-in-java-apjii-survey.html.¶

Ensmenger, Nathan, and William Aspray. 2002. “Software as Labor Process.” In History of Computing: Software Issues, 139–65. Berlin: Springer.¶

Ferguson, James. 1999. Expectations of Modernity: Myths and Meanings of Urban Life on the Zambian Copperbelt. Berkeley: University of California Press.¶

Grier, David Alan. 2012. “The Relational Database and the Concept of the Information System.” IEEE Annals of the History of Computing 34, no. 4: 9–17.¶

Gugerli, David. 2012. “The World as Database: On the Relation of Software Development, Query Methods, and Interpretative Independence.” Information and Culture 47, no. 3: 288.¶

Jackson, Steven. 2014. “Rethinking Repair.” In Media Technologies: Essays on Communication, Materiality, and Society, edited by Tarleton Gillespie, Pablo J. Boczkowski, and Kirsten A. Foot, 221–40. Cambridge, Mass.: MIT Press.¶

Lakshman, Avinash, and Prashant Malik. 2010. “Cassandra: A Decentralized Structured Storage System.” ACM SIGOPS Operating Systems Review 44, no. 2: 35–40. https://doi.org/10.1145/1773912.1773922.¶

Lennon, Myles. 2021. “Energy Transitions in a Time of Intersecting Precarities: From Reductive Environmentalism to Antiracist Praxis.” Energy Research and Social Science 73: 101930.¶

Mallory, Joseph S. 1982. “The Rising Tide of Information Management.” Computerworld 16, no. 45.¶

Miller, L., J. Minker, W. G. Reed, and W. E. Shindle. 1960. “A Multi-level File Structure for Information Processing.” Paper presented at the Western Joint IRE-AIEE-ACM Computer Conference. https://doi.org/10.1145/1460361.1460368.¶

Nemer, David, and Padma Chirumamilla. 2019. “Living in the Broken City: Infrastructural Inequity, Uncertainty, and the Materiality of the Digital in Brazil.” In DigitalSTS, 221–39. Princeton, N.J.: Princeton University Press.¶

Pradana, Almo. 2020. “The Resilience of Indonesia’s Electricity System.” World Resource Institute, January 3. https://wri-indonesia.org/en/blog/resilience-indonesias-electricity-system.¶

Setyawati, Dinita. 2022. “Injustice and Environmental Harm in Extractive Industries and Solar Energy Policies in Indonesia.” International Journal for Crime, Justice, and Social Democracy 11, no. 1: 14–27.¶

Simon, Hebert. 1957. Administrative Behavior. New York: Free Press.¶

Smith, Tom. 2017. “What’s Next after Dynamo and Cassandra?” Database Zone, August 23. https://dzone.com/articles/whats-next-after-dynamo-and-cassandra.¶

von Schnitzler, Antina. 2016. Democracy’s Infrastructure: Techno-politics and Protest after Apartheid. Princeton, N.J.: Princeton University Press.¶

注释