如何在健康云上進(jìn)行大數(shù)據(jù)的挖掘與分析

一、健康云的興起

隨著我國(guó)經(jīng)濟(jì)持續(xù)穩(wěn)定的發(fā)展和現(xiàn)代科技的日益進(jìn)步，越來(lái)越多的人們開(kāi)始重點(diǎn)關(guān)注自身健康。在滿(mǎn)足日常工作和生活的需求之外，規(guī)律的健身休閑活動(dòng)、年度體檢、健康飲食已經(jīng)成為越來(lái)越普遍的想象。與此同時(shí)，隨著國(guó)家新醫(yī)改政策的頒布和實(shí)施，與健康直接相關(guān)的醫(yī)療行業(yè)也正在迅猛發(fā)展。這里重點(diǎn)介紹一下我國(guó)醫(yī)療行業(yè)IT解決方案市場(chǎng)呈現(xiàn)的發(fā)展趨勢(shì)：

1、 漸增的多樣醫(yī)療數(shù)據(jù)源：醫(yī)療數(shù)據(jù)的生成和采集已經(jīng)不再僅局限于醫(yī)院這個(gè)單一環(huán)境。它還可以來(lái)自于體檢中心、社區(qū)/鄉(xiāng)鎮(zhèn)衛(wèi)生院、私人診所、實(shí)驗(yàn)室檢驗(yàn)中心、急救中心、家庭，隨著物聯(lián)網(wǎng)（IoT, Internet of Things）相關(guān)技術(shù)的發(fā)展，甚至可以說(shuō)：個(gè)人醫(yī)療數(shù)據(jù)可以采自于任何適合的地方。

2、 醫(yī)療數(shù)據(jù)的高度集中化：區(qū)域醫(yī)療信息系統(tǒng)（RHIS, Regional Health Information System）將逐步取代現(xiàn)有的基于醫(yī)院的信息系統(tǒng)。并且，它將更廣泛的覆蓋一個(gè)特定區(qū)域內(nèi)的所有醫(yī)院、社區(qū)、急救中心、體檢中心、實(shí)驗(yàn)室檢驗(yàn)中心、社會(huì)保險(xiǎn)機(jī)構(gòu)等。居民個(gè)人來(lái)自各個(gè)數(shù)據(jù)源的全周期醫(yī)療數(shù)據(jù)將集中保存在統(tǒng)一的區(qū)域數(shù)據(jù)中心中。醫(yī)療數(shù)據(jù)將不再只是某家醫(yī)院獨(dú)享的資源，而是與整個(gè)區(qū)域中的所有醫(yī)療機(jī)構(gòu)共享，甚至可以與更上層的大區(qū)域級(jí)、國(guó)家級(jí)信息系統(tǒng)進(jìn)行數(shù)據(jù)交換。

3、 從醫(yī)療信息系統(tǒng)到醫(yī)療信息服務(wù)：區(qū)域醫(yī)療信息系統(tǒng)的逐步建立將使先進(jìn)的醫(yī)療信息服務(wù)的設(shè)計(jì)和開(kāi)發(fā)變得更加便捷。例如：流行病分析、公共衛(wèi)生事件預(yù)測(cè)、臨床決策支持、慢性病管理、個(gè)性化的健康照護(hù)計(jì)劃、日常衛(wèi)生保健管理等。其原因是因?yàn)檫@些信息服務(wù)必須建立在數(shù)據(jù)集中化的基礎(chǔ)上。這些服務(wù)的受眾群體將是整個(gè)社會(huì)。

正是如上所述的發(fā)展趨勢(shì)使得“健康云（Healthcare Cloud）”的建立才會(huì)成為可能。試想一下：在不久的將來(lái)，我們可以通過(guò)手機(jī)統(tǒng)一查詢(xún)?cè)诓煌t(yī)院的就診記錄、生化檢驗(yàn)結(jié)果、處方和收費(fèi)清單；慢性病患者在家中可以自測(cè)血壓、血糖等指標(biāo)并通過(guò)無(wú)線(xiàn)網(wǎng)絡(luò)上傳到區(qū)域醫(yī)療數(shù)據(jù)中心，醫(yī)生也可以遠(yuǎn)程分析患者自測(cè)數(shù)據(jù)判斷其病情發(fā)展；大量的知識(shí)和規(guī)則從海量數(shù)據(jù)中自動(dòng)提取出來(lái)，并用來(lái)協(xié)助社區(qū)及基層衛(wèi)生機(jī)構(gòu)的初級(jí)醫(yī)生對(duì)患者作出準(zhǔn)確的診斷和用藥決策；各個(gè)社區(qū)居民的醫(yī)療數(shù)據(jù)將會(huì)自動(dòng)匯總，并進(jìn)行統(tǒng)計(jì)分析，用以進(jìn)行流行病、慢性病的自動(dòng)篩查、趨勢(shì)分析和爆發(fā)預(yù)警，為公共衛(wèi)生機(jī)構(gòu)制定防治干預(yù)計(jì)劃和行動(dòng)提供有力的依據(jù)和參考；患者的癥狀、生命體征、檢驗(yàn)檢測(cè)結(jié)果、醫(yī)療影像、診斷、處方、醫(yī)囑、手術(shù)、住院和賬單等全周期數(shù)據(jù)將會(huì)進(jìn)行全方位的跟蹤和分析，為新藥開(kāi)發(fā)、新治療方案的設(shè)計(jì)提供支持。上述這些事例都將是我們通過(guò)健康云可以逐步實(shí)現(xiàn)的。

當(dāng)然，健康云不是一天就可以建成的，這將是個(gè)階段性的工程。除了國(guó)家政策和地方支持等外圍因素之外，云計(jì)算和大數(shù)據(jù)技術(shù)將會(huì)起決定性作用。從構(gòu)建底層云基礎(chǔ)架構(gòu)、云存儲(chǔ)方案，到中層的云計(jì)算平臺(tái)，最后到上層的云應(yīng)用服務(wù)設(shè)計(jì)和開(kāi)發(fā)，至少需要3~5年的長(zhǎng)期規(guī)劃。其中，大數(shù)據(jù)分析部分更是縱向貫穿于云基礎(chǔ)架構(gòu)、云平臺(tái)和云服務(wù)三層，需要整體設(shè)計(jì)和逐步實(shí)施?；诂F(xiàn)有技術(shù)和需求，在本文中，我們暫且把健康云簡(jiǎn)化定義為：基于區(qū)域醫(yī)療信息系統(tǒng)的醫(yī)療信息服務(wù)，并重點(diǎn)關(guān)注1~3年的市場(chǎng)需求。

二、大數(shù)據(jù)分析技術(shù)的發(fā)展

區(qū)域醫(yī)療信息系統(tǒng)中的醫(yī)療數(shù)據(jù)是典型的大數(shù)據(jù)。所謂的“大數(shù)據(jù)”并不只是數(shù)量上的“大”。簡(jiǎn)單套用一下大數(shù)據(jù)的4V（Volume，Velocity，Variety，Value）定義：

1、 Volume：區(qū)域醫(yī)療數(shù)據(jù)通常是來(lái)自于擁有上百萬(wàn)人口和上百家醫(yī)療機(jī)構(gòu)的區(qū)域，并且數(shù)據(jù)量持續(xù)增長(zhǎng)。按照醫(yī)療行業(yè)的相關(guān)規(guī)定，一個(gè)患者的數(shù)據(jù)通常需要保留50年以上。我們可以想象這是多么巨大的數(shù)據(jù)量。

2、 Velocity：醫(yī)療信息服務(wù)中可能包含大量在線(xiàn)或?qū)崟r(shí)數(shù)據(jù)分析處理的需求。例如：臨床決策支持中的診斷和用藥建議、流行病分析報(bào)表生成、健康指標(biāo)預(yù)警等。

3、 Variety：醫(yī)療數(shù)據(jù)通常會(huì)包含各種結(jié)構(gòu)化數(shù)據(jù)表、非（半）結(jié)構(gòu)化文本文檔（XML和敘述文本）、醫(yī)療影像等多種多樣的數(shù)據(jù)存儲(chǔ)形式。

4、 Value：醫(yī)療數(shù)據(jù)的價(jià)值不必多說(shuō)，它不僅與我們個(gè)人生活息息相關(guān)，更可用于國(guó)家乃至全球的疾病防控、新藥研發(fā)和頑疾攻克。

近年來(lái)，在衛(wèi)生部的領(lǐng)導(dǎo)下和國(guó)家財(cái)政支出的支持下，絕大多數(shù)的三甲醫(yī)院和部分二級(jí)醫(yī)院已經(jīng)先后建立了先進(jìn)的數(shù)字化信息系統(tǒng)和電子健康檔案系統(tǒng)。但至今為止，大部分系統(tǒng)和數(shù)據(jù)仍然只限于內(nèi)部使用。據(jù)了解，2010年底，衛(wèi)生部完成了“十二五”衛(wèi)生信息化建設(shè)工程規(guī)劃編制工作，初步確定了我國(guó)衛(wèi)生信息化建設(shè)路線(xiàn)圖，簡(jiǎn)稱(chēng)“3521工程”，即建設(shè)國(guó)家級(jí)、省級(jí)和地市級(jí)三級(jí)衛(wèi)生信息平臺(tái)，加強(qiáng)公共衛(wèi)生、醫(yī)療服務(wù)、新農(nóng)合、基本藥物制度、綜合管理5項(xiàng)業(yè)務(wù)應(yīng)用，建設(shè)健康檔案和電子病歷2個(gè)基礎(chǔ)數(shù)據(jù)庫(kù)和1個(gè)專(zhuān)用網(wǎng)絡(luò)建設(shè)。由此可看出，今后的幾年，隨著云計(jì)算技術(shù)的成熟和實(shí)用化，大規(guī)模區(qū)域醫(yī)療信息系統(tǒng)和大型數(shù)據(jù)中心的建立將逐步展開(kāi)。然而，隨著海量醫(yī)療數(shù)據(jù)被保存下來(lái)，一個(gè)棘手的問(wèn)題出現(xiàn)了：我們?nèi)绾瓮ㄟ^(guò)高效的分析這些數(shù)據(jù)來(lái)提供有價(jià)值的服務(wù)？

大數(shù)據(jù)分析技術(shù)最初起源于互聯(lián)網(wǎng)行業(yè)。網(wǎng)頁(yè)存檔、用戶(hù)點(diǎn)擊、商品信息、用戶(hù)關(guān)系等數(shù)據(jù)形成了持續(xù)增長(zhǎng)的海量數(shù)據(jù)集。這些大數(shù)據(jù)中蘊(yùn)藏著大量可以用于增強(qiáng)用戶(hù)體驗(yàn)、提高服務(wù)質(zhì)量和開(kāi)發(fā)新型應(yīng)用的知識(shí)，而如何高效和準(zhǔn)確的發(fā)現(xiàn)這些知識(shí)就基本決定了各大互聯(lián)網(wǎng)公司在激烈競(jìng)爭(zhēng)環(huán)境中的位置。首先，以Google為首的技術(shù)型互聯(lián)網(wǎng)公司提出了MapReduce的技術(shù)框架，利用廉價(jià)的PC服務(wù)器集群，大規(guī)模并發(fā)處理批量事務(wù)。

利用文件系統(tǒng)存放非結(jié)構(gòu)化數(shù)據(jù)，加上完善的備份和容災(zāi)策略，這套經(jīng)濟(jì)實(shí)惠的大數(shù)據(jù)解決方案與之前昂貴的企業(yè)小型機(jī)集群+商業(yè)數(shù)據(jù)庫(kù)方案相比，不僅沒(méi)有丟失性能，而且還贏(yíng)在了可擴(kuò)展性上。之前，我們?cè)谠O(shè)計(jì)一個(gè)數(shù)據(jù)中心解決方案的前期，就要考慮到方案實(shí)施后的可擴(kuò)展性。通常的方法是預(yù)估今后一段時(shí)期內(nèi)的業(yè)務(wù)量和數(shù)據(jù)量，加入多余的計(jì)算單元（CPU）和存儲(chǔ)，以備不時(shí)只需。

這樣的方式直接導(dǎo)致了前期一次性投資的巨大，并且即使這樣也依然無(wú)法保證計(jì)算需求和存儲(chǔ)超出設(shè)計(jì)量時(shí)的系統(tǒng)性能。而一旦需要擴(kuò)容，問(wèn)題就會(huì)接踵而來(lái)。首先是商業(yè)并行數(shù)據(jù)庫(kù)通常需要各節(jié)點(diǎn)物理同構(gòu)，也就是具有近似的計(jì)算和存儲(chǔ)能力。而隨著硬件的更新，我們通常加入的新硬件都會(huì)強(qiáng)于已有的硬件。這樣，舊硬件就成為了系統(tǒng)的瓶頸。為了保證系統(tǒng)性能，我們不得不把舊硬件逐步替換掉，經(jīng)濟(jì)成本損失巨大。其次，即使是當(dāng)前最強(qiáng)的商業(yè)并行數(shù)據(jù)庫(kù)，其所能管理的數(shù)據(jù)節(jié)點(diǎn)也只是在幾十或上百這個(gè)數(shù)量級(jí)，這主要是由于架構(gòu)上的設(shè)計(jì)問(wèn)題，所以其可擴(kuò)展性必然有限。

而MapReduce+GFS框架，不受上述問(wèn)題的困擾。需要擴(kuò)容了，只需增加個(gè)機(jī)柜，加入適當(dāng)?shù)挠?jì)算單元和存儲(chǔ)，集群系統(tǒng)會(huì)自動(dòng)分配和調(diào)度這些資源，絲毫不影響現(xiàn)有系統(tǒng)的運(yùn)行。如今，我們用得更多的是Google MapReduce的開(kāi)源實(shí)現(xiàn)，即Hadoop。除了計(jì)算模型的發(fā)展，與此同時(shí)，人們也在關(guān)注著數(shù)據(jù)存儲(chǔ)模型。傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)由于其規(guī)范的設(shè)計(jì)、友好的查詢(xún)語(yǔ)言、高效的數(shù)據(jù)處理在線(xiàn)事務(wù)的能力，長(zhǎng)時(shí)間地占據(jù)了市場(chǎng)的主導(dǎo)地位。

然而，其嚴(yán)格的設(shè)計(jì)定式、為保證強(qiáng)一致性而放棄性能、可擴(kuò)展性差等問(wèn)題在大數(shù)據(jù)分析中被逐漸暴露。隨之而來(lái)，NoSQL數(shù)據(jù)存儲(chǔ)模型開(kāi)始風(fēng)行。NoSQL，也有人理解為Not Only SQL，并不是一種特定的數(shù)據(jù)存儲(chǔ)模型，它是一類(lèi)非關(guān)系型數(shù)據(jù)庫(kù)的統(tǒng)稱(chēng)。其特點(diǎn)是：沒(méi)有固定的數(shù)據(jù)表模式、可以分布式和水平擴(kuò)展。NoSQL并不是單純的反對(duì)關(guān)系型數(shù)據(jù)庫(kù)，而是針對(duì)其缺點(diǎn)的一種補(bǔ)充和擴(kuò)展。典型的NoSQL數(shù)據(jù)存儲(chǔ)模型有文檔存儲(chǔ)、鍵-值存儲(chǔ)、圖存儲(chǔ)、對(duì)象數(shù)據(jù)庫(kù)、列存儲(chǔ)等。而比較流行的，不得不提到Google提出的Bigtable。

Bigtable是一種用于管理海量結(jié)構(gòu)化數(shù)據(jù)的分布式存儲(chǔ)系統(tǒng)，其數(shù)據(jù)通?？梢钥绯汕€(gè)節(jié)點(diǎn)進(jìn)行分布式存儲(chǔ)，總數(shù)據(jù)量可達(dá)PB級(jí)（10的15次方字節(jié)，106GB）。HBase是其開(kāi)源實(shí)現(xiàn)。如今，在開(kāi)源社區(qū)，圍繞Google MapReduce框架，成長(zhǎng)出了一批優(yōu)秀的開(kāi)源項(xiàng)目。這些項(xiàng)目在技術(shù)和實(shí)現(xiàn)上相互支持和依托，逐漸形成了一個(gè)特有的生態(tài)系統(tǒng)。這里借用Cloudera所描繪的架構(gòu)圖來(lái)展現(xiàn)Hadoop生態(tài)系統(tǒng)。這個(gè)系統(tǒng)為我們實(shí)現(xiàn)優(yōu)質(zhì)廉價(jià)的大數(shù)據(jù)分析提供了堅(jiān)實(shí)的技術(shù)基礎(chǔ)。

綜上所述，面對(duì)大數(shù)據(jù)分析的挑戰(zhàn)，不管是計(jì)算模型還是存儲(chǔ)模型技術(shù)都有了超前的進(jìn)步。然而，僅憑借當(dāng)前的技術(shù)，我們準(zhǔn)備好面對(duì)健康云上的大數(shù)據(jù)分析的挑戰(zhàn)了嗎？下一節(jié)，我們將重點(diǎn)分析醫(yī)療數(shù)據(jù)的特有性質(zhì)為大數(shù)據(jù)分析帶來(lái)的挑戰(zhàn)。

三、健康云上的大數(shù)據(jù)分析

由于醫(yī)療數(shù)據(jù)的一些特有的性質(zhì)，給健康云上的大數(shù)據(jù)分析帶來(lái)了特殊的挑戰(zhàn)。

1、 醫(yī)療數(shù)據(jù)是持續(xù)、大量增長(zhǎng)的大數(shù)據(jù)。根據(jù)估算，中國(guó)一個(gè)中等城市（一千萬(wàn)人口）50年所積累的醫(yī)療數(shù)據(jù)量就會(huì)達(dá)到10PB級(jí)。并且，隨著時(shí)間的推移和業(yè)務(wù)系統(tǒng)的不斷升級(jí)換代，醫(yī)療數(shù)據(jù)模式的一致性也無(wú)法保證。因此，每天都會(huì)有大量的數(shù)據(jù)持續(xù)不斷的導(dǎo)入?yún)^(qū)域醫(yī)療數(shù)據(jù)中心，并且每當(dāng)有數(shù)據(jù)模式的更改，相關(guān)的歷史數(shù)據(jù)也需要做相應(yīng)的調(diào)整。所以，區(qū)域醫(yī)療數(shù)據(jù)中心并不是簡(jiǎn)單的傳統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)概念。相比之下，它的模式更靈活、寫(xiě)入和更新的操作更多，而對(duì)數(shù)據(jù)存儲(chǔ)的水平可擴(kuò)展性的要求也更高。

 2、 醫(yī)療數(shù)據(jù)是關(guān)系復(fù)雜的多維數(shù)據(jù)。由于醫(yī)療數(shù)據(jù)是多種數(shù)據(jù)源數(shù)據(jù)的匯總，數(shù)據(jù)之間的關(guān)系非常復(fù)雜。比如：一個(gè)簡(jiǎn)單的實(shí)驗(yàn)室檢驗(yàn)檢測(cè)值，必須同時(shí)記錄這個(gè)值對(duì)應(yīng)的編碼系統(tǒng)和編碼、單位、檢測(cè)時(shí)間、檢驗(yàn)項(xiàng)目、標(biāo)本編碼，以及相關(guān)聯(lián)的患者主索引號(hào)、就診機(jī)構(gòu)、申請(qǐng)科室、申請(qǐng)醫(yī)師標(biāo)識(shí)號(hào)、報(bào)告醫(yī)師標(biāo)識(shí)號(hào)、審核醫(yī)師標(biāo)識(shí)號(hào)、正常值參考等等。一條檢測(cè)記錄就可以把患者、醫(yī)生、醫(yī)療機(jī)構(gòu)多個(gè)實(shí)體在不同層次上關(guān)聯(lián)起來(lái)。而不同的醫(yī)療信息服務(wù)更需要從不同的視角來(lái)觀(guān)察這些數(shù)據(jù)，如下圖所示。比如：以患者為中心的服務(wù)需要把一個(gè)患者的全周期數(shù)據(jù)按照時(shí)間軸排列，并分析診斷、用藥和患者生命體征、檢驗(yàn)檢測(cè)值之間的關(guān)聯(lián)；以醫(yī)生為中心的服務(wù)又需要把與一個(gè)醫(yī)生相關(guān)的患者數(shù)據(jù)挑揀出來(lái)，并進(jìn)行分類(lèi)；以科室為中心的服務(wù)可能需要即從科室所屬醫(yī)生的角度，又要從在該科室就診患者的角度進(jìn)行分析；針對(duì)社區(qū)的服務(wù)可能需要統(tǒng)計(jì)整個(gè)社區(qū)居民某項(xiàng)指標(biāo)（比如血壓、血糖）的達(dá)標(biāo)率?？傊?，醫(yī)療數(shù)據(jù)的多維度多粒度為各種信息服務(wù)的多角度多層次分析提供了可能，但同時(shí)也為大數(shù)據(jù)分析帶來(lái)了挑戰(zhàn)。因?yàn)槲覀儾豢赡転槊恳环N信息服務(wù)存儲(chǔ)一份特定的優(yōu)化模式的數(shù)據(jù)，況且我們也無(wú)法枚舉出所有可能的信息服務(wù)需求。這就需要醫(yī)療數(shù)據(jù)的存儲(chǔ)模型能夠適應(yīng)靈活多變的多維統(tǒng)計(jì)分析需求。

3、 醫(yī)療數(shù)據(jù)是具有語(yǔ)義的數(shù)據(jù)。大家可能聽(tīng)說(shuō)過(guò)語(yǔ)義網(wǎng)（Semantic Web），它是為讓數(shù)據(jù)能跨應(yīng)用進(jìn)行共享和重用所設(shè)計(jì)的框架體系。我們可以把語(yǔ)義網(wǎng)簡(jiǎn)單地理解為：一個(gè)讓機(jī)器（machines）讀懂的維基百科（Wikipedia），主要包括了各種條目的定義以及各個(gè)條目之間的關(guān)系。如果數(shù)據(jù)也采用這些條目和關(guān)系組織內(nèi)容，那么機(jī)器就可以自動(dòng)理解數(shù)據(jù)的語(yǔ)義，并推理出各種知識(shí)。所以建立語(yǔ)義網(wǎng)的關(guān)鍵就是如何制作一本百科全書(shū)（有個(gè)專(zhuān)有名詞叫Ontology）。由于醫(yī)學(xué)是一門(mén)非常嚴(yán)謹(jǐn)?shù)目茖W(xué)，其在全球的標(biāo)準(zhǔn)化水平很高，對(duì)疾病名稱(chēng)、藥物成分、臨床特征、儀器設(shè)備等都有嚴(yán)格的定義以及關(guān)聯(lián)描述。所以，語(yǔ)義網(wǎng)在醫(yī)學(xué)領(lǐng)域得到了廣泛應(yīng)用。進(jìn)而，醫(yī)療數(shù)據(jù)也越來(lái)越多的采用基于語(yǔ)義網(wǎng)的臨床文檔框架（CDA）格式的XML文檔來(lái)保存。這些XML文檔通過(guò)Ontology的解釋?zhuān)妥兂闪艘粋€(gè)無(wú)比巨大的概念+事實(shí)+關(guān)系的網(wǎng)絡(luò)。雖然機(jī)器能夠讀懂這個(gè)網(wǎng)絡(luò)，并能夠在上面進(jìn)行邏輯推理，從而發(fā)現(xiàn)知識(shí)，但是其計(jì)算代價(jià)也是相當(dāng)高的。當(dāng)前的醫(yī)療系統(tǒng)通常會(huì)把復(fù)雜的臨床文檔解析成簡(jiǎn)單的屬性值，并存入自定義的關(guān)系表中。這樣做雖然會(huì)有大量的語(yǔ)義及關(guān)系的丟失，但卻能夠滿(mǎn)足日常業(yè)務(wù)系統(tǒng)對(duì)數(shù)據(jù)處理性能的要求。但是對(duì)于未來(lái)的區(qū)域醫(yī)療信息系統(tǒng)來(lái)說(shuō)，為了能夠提供豐富全面的信息服務(wù)，我們必須盡可能的保留臨床文檔中的語(yǔ)義信息。這樣，醫(yī)療數(shù)據(jù)分析的過(guò)程中就不可避免的需要對(duì)大量XML文檔進(jìn)行解析、對(duì)各種關(guān)系進(jìn)行推理。這樣的數(shù)據(jù)分析處理過(guò)程比我們之前提到的互聯(lián)網(wǎng)數(shù)據(jù)處理要復(fù)雜得多。

通過(guò)上述的分析可見(jiàn)，簡(jiǎn)單地將現(xiàn)有的大數(shù)據(jù)分析技術(shù)套用在健康云服務(wù)上是行不通的。我們需要充分考慮健康云服務(wù)的特點(diǎn)和充分利用現(xiàn)有技術(shù)框架的靈活性，已達(dá)到最好的大數(shù)據(jù)分析性能。初步解決方案：

1. 基于Hadoop生態(tài)系統(tǒng)構(gòu)建健康云數(shù)據(jù)中心，用以解決數(shù)據(jù)存儲(chǔ)水平擴(kuò)展的挑戰(zhàn)。利用MapReduce并行處理批量事務(wù)的能力，從多個(gè)數(shù)據(jù)源（主要是醫(yī)療機(jī)構(gòu)的各個(gè)業(yè)務(wù)系統(tǒng)）抽取數(shù)據(jù)、轉(zhuǎn)換格式、并導(dǎo)入基于HBase的數(shù)據(jù)存儲(chǔ)模型。

2. 在數(shù)據(jù)存儲(chǔ)模型的設(shè)計(jì)上，借鑒已有的數(shù)據(jù)倉(cāng)庫(kù)中多維數(shù)據(jù)模型的設(shè)計(jì)思想，比如：星型模式和數(shù)據(jù)立方體的概念。在考慮應(yīng)用需求的基礎(chǔ)上，利用HBase中行鍵、列鍵、列族設(shè)計(jì)的靈活性，將多維醫(yī)療數(shù)據(jù)有效地組織在一起。而在索引技術(shù)上，結(jié)合RDBMS領(lǐng)域的成熟技術(shù)，用以進(jìn)一步提高HBase的查詢(xún)性能。對(duì)于數(shù)據(jù)模式的更新，HBase特有的多版本共存的特性正好成了解決問(wèn)題的關(guān)鍵。

3. 為了保留醫(yī)療數(shù)據(jù)中大量的語(yǔ)義關(guān)系，采用結(jié)構(gòu)化數(shù)據(jù)+XML文檔混合存儲(chǔ)的方式。在數(shù)據(jù)導(dǎo)入的同時(shí)，提取XML文檔中特定的元數(shù)據(jù)，（比如：患者主索引、就診科室、主治醫(yī)師等），并將XML文檔根據(jù)不同粒度打散成大小不一的子文檔。根據(jù)不同粒度的查詢(xún)條件，系統(tǒng)將自動(dòng)選擇相應(yīng)的子文檔進(jìn)行進(jìn)一步信息的解析，從而避免為提取少量信息而不得不解析大量XML文檔的問(wèn)題。

4. 數(shù)據(jù)模型的接口將采用Hive提供的類(lèi)SQL查詢(xún)的方式。這樣更有利于數(shù)據(jù)分析人員設(shè)計(jì)分析算法。同時(shí)，系統(tǒng)中將嵌入多種數(shù)據(jù)挖掘算法供數(shù)據(jù)分析師使用。

綜上所述，為解決健康云上的大數(shù)據(jù)分析問(wèn)題，必須同時(shí)利用RDBMS和NoSQL的優(yōu)勢(shì)，并且采用結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)混合存儲(chǔ)的形式，相互彌補(bǔ)缺陷，已達(dá)到最靈活和最高效的設(shè)計(jì)。而這套基于健康云的大數(shù)據(jù)分析平臺(tái)，也將有希望擴(kuò)展到其他類(lèi)似行業(yè)，比如：電信、能源、物聯(lián)網(wǎng)和公共事業(yè)等。