医疗行业非结构化大数据存储策略的选择？

在线、近线、离线，传统意义上标准的三级存储，鉴于存储介质本身的价格走低，医院网络环境的快速发展，随着磁带存储模式的逐渐淘汰，云存储的摸索应用。从我的了解与观察来看：三级存储的架构，正向着二级存储发展，即在线存储、近线存储，原本的离线存储数据被囊括在近线存储中。但您针对三级存储架构，所提出的问题依然有价值，我的一些观点表达如下：

在线存储使用SSD硬盘，成本相对高，所以往往容量有限，以二甲级别医院的全院PACS产品应用举例，通常会设定3个月的数据作为在线生产数据。1—2年的数据，通常作为近线存储，超过2年的数据作为离线数据存储。

被作为近线或离线存储的数据，当被再次调阅访问时，数据将被提取作为缓存数据保存，并不改变数据本身的磁盘存储位置，这些缓存数据可定期由用户清理。

综上，在进行产品选型时，特别是涉及到数据归档存储服务方面，可以要求供应商展示这几点，来方便不同医院自行设定：

1、应当可设定数据归档的规则，可以是根据时间期限的设定，也可以根据存储设备空间使用率来设定，二者只是变现形式不同，在本质上是一样的。

2、数据被重新调阅访问时，系统应有缓存空间予以处理，缓存空间的大小也是可设定，并可定期自行清理或人为清理。

至于还有采取二级存储的架构，以及某些厂商的归档存储服务特点，仁者见仁，此处不赘述。

目前的中高端存储大多支持自动分层技术，即自动判断访问频率的高低，然后将经常访问的“热点”数据自动存放在高速磁盘上，将不经常访问的“非热点”数据自动存放在低成本低速的磁盘上。

要实现自动分级存储需要在存储产品购买和配置选型时做好规划，例如购买一部分SSD高速磁盘，再购买一些SATA或SAS磁盘作为低端存储介质。一般高速磁盘的占比为5%-15%比较合适，可以提供比较好的性价比。

关于多久的数据适合做离线存储，这个要根据医疗行业单位自身的情况和规定进行确定，例如HIS数据需要长期保持在线，一般医院要求临床数据至少要保留三年等，要看具体情况具体分析。建议在数据中心配置一个虚拟磁带库，用于近线数据保留和规定，然后再配置一个物理磁带库，对于超过保存期限的，需要离线保留的数据进行归档保存。

医疗行业非结构化大数据存储选型建议要选稳定性好、成熟性、通用性和相对价格低廉的产品，因为相对来说大多数数据都不是热点数据，访问量要求都不是特别高的。