非常同意应用需求和特点决定基础架构这个观点。就戴尔科技落地的案例而言,有医院将 PACS 业务和 Hadoop 大数据分析业务都放到同一套 8 节点的分布式集群存储 Isilon 上运行,也有大型三甲医院将基因测序、影像 AI 、数
大数据平台的存储架构选择与平台的应用特点密切相关。如果是采用传统数据库 +Hadoop 架构,而且运行在虚拟机上的大数据应用,可以采用全闪分布式存储,也可以采用全闪 SAN 存储。如果是要采用 HPC 架构,基于物理服务器做基
科研数据类型越来越多样化,应用软件对底层基础架构的接口也越来越多样化,从传统的 NAS (SMB/NFS 等 ) 协议,到对象存储 S3 以及 HDFS(Hadoop 分布式文件系统 ) ;这就需要底层存储架构架构满足丰富的非结构化文件接口要求,
基于数据库的大数据平台架构和医院的HIS、EMR等数据库应用的架构类似,所以可以采用具有重复数据消除功能的备份解决方案对数据库进行备份,这样不仅备份的速度快,备份空间利用率高,而且每次备份操作都是一次完整的数据备份
没有一蹴而就的系统,也没有一招鲜吃遍天的技术;针对临床数据中心(CDR),运营数据中心(ODR)和科研数据中心(RDR)不用的特点可以用不同的技术方法来满足要求;CDR ODR更多是结构化数据,数据量相对较小,可以采用关系型数据库+SAN存储的
数据中心建立的最终目的是为上层应用服务,每个医院的建设的大数据应用侧重点不同,边界划分方法也不同;总的来说 CDR 及 ODR数据多是来自当前 HIS 、EMR等系统的结构化数据,应用也倾向于CDSS临床辅助决策、病种质控及医院
大数据平台建设涉及数据采集、数据存储、数据清洗、数据分析和数据应用等应用流程;每一个流程都有不同的技术选型;结合在医疗实践中总结的主要挑战,需要重点关注 平台扩展性、稳定性、性能、及数据移动等问题;戴尔科技集
关于TWT使用指南社区专家合作厂商入驻社区企业招聘投诉建议版权与免责声明联系我们 © 2024 talkwithtrend — talk with trend,talk with technologist京ICP备09031017号-30