101医院解决方案建议书3.docVIP

101医院云计算解决方案建议书 1 方案概述 3 2 总体架构 4 3 分布式数据库--数据立方 5 3.1 数据立方(DataCube) 6 3.2 软件规格说明 6 3.3 优势 8 4 任务调度引擎--JobKeeper 8 5 硬件规格 11 6 市场应用 14 方案概述 当今时代是数据爆炸时代，全球数据总量每过18个月就会在原有数据总和基础上翻一番。IDC研究表明，仅从2006年到2010年，全球信息总量增长6倍以上，从161EB增加到了988EB。随着互联网向物联网、移动互联网的扩展，网络将连接起更多的人和物，信息海量化趋势将进一步加剧。在这样的背景下，各行各业，各大领域的公司、政府机构需要将TB乃至PB级的数据存储起来，并从中挖掘出有用的信息，对这些海量的数据进行快捷、高效的处理。云计算与云存储在这样强烈的市场需求之下应运而生。 同样医疗信息系统，每年产生及需要管理的数据也是相当惊人的，传统处理方式已无法实现如此海量数据的存储与高效处理。因此，为加强医疗系统管理能力，进一步提升医疗信息科技水平，提高信息处理效率，应用云计算与云存储管理相关系统，已成为医疗信息科技发展的必然趋势。 作为当今处理海量数据存储与计算的最佳方案，云计算是一种基于互联网的、大众参与的计算模式，其计算资源（计算能力、存储能力、交互能力）是动态、可伸缩、且被虚拟化的。云计算已被公认为能够改变人类信息生活的革命性技术，其计算资源组织、分配和使用模式，有利于合理配置计算资源并提高其利用率，促进节能减排，实现绿色计算。 本方案针对医疗信息系统实际应用特点，结合云计算、云存储优势，利用云创存储自身云计算与云存储产品，创新地开发设计了物联云系统平台，通过整合各个相关部门系统现有资源，结合云创cStor海量云存储系统、cProc高效云处理平台、cVideo云视频监控管理系统、cTrans高速云传输系统四大系统产品，充分发挥云存储与云计算针对海量数据处理时的优势，达到海量监控信息存储与管理的目的，从而进一步提升医疗平台数据管理能力，医疗信息处理效率，为打造科技创新型现代医疗信息平台做出贡献。 总体架构 IaaS层：利用虚拟化技术将计算、存储和网络等基础硬件资源，以逻辑方式形成基础资源池层，再将资源池提供的虚拟机、虚拟存储或虚拟端口组等经过二次封装与组合、调度使用，形成一个个面向组织用户的虚拟服务器、虚拟桌面或者云存储系统，通过这样的形式为各业务单位提供资源服务；同时提供物理资源和虚拟资源的统一监控管理，进而提供全生命周期资源服务。 PaaS层：在IaaS层基础上，提供分布式数据库--数据立方来解决海量结构化数据的管理和数据交互，提供标准SQL接口、JDBC技术，能够与各种不同的业务数据库进行无缝对接；同时提供海量任务并行调度引擎JobKeeper，能够实时处理大规模并发任务的负载均衡和任务分发，做到所有任务实时分发处理，不堆积，做到高度可靠性，任何任务处理过程中不会丢失，保障所有任务都能够处理完。 SaaS层：医疗信息云计算平台能够支撑所有医疗业务系统在上面运行，所有业务数据统一管理，根据权限做到绝对安全访问，支撑各个部门的业务应用。 分布式数据库--数据立方 数据处理是对数据的采集、存储、检索、加工、变换和传输。数据是对事实、概念或指令的一种表达形式，可由人工或自动化装置进行处理。数据的形式可以是数字、文字、图形或声音等。数据经过解释并赋予一定的意义之后，便成为信息。数据处理的基本目的是从大量的、可能是杂乱无章的、难以理解的数据中抽取并推导出对于某些特定的人们来说是有价值、有意义的数据。数据处理是系统工程和自动控制的基本环节。数据处理贯穿于社会生产和社会生活的各个领域。数据处理技术的发展及其应用的广度和深度，极大地影响着人类社会发展的进程。 数据立方(DataCube) 我们以B+树的结构建立了字段的索引，每个B+树结构的字段索引相当于一个数据平面，这样一个全局数据表与其多个重要字段的索引就组成了一个类似于立方体的数据组织结构，我们称之为“数据立方(DataCube)”。如下图所示： 数据立方(DataCube)是一种用于数据分析与索引的技术架构。它是针对大数据(big data)的处理利器，可以对元数据进行任意多关键字实时索引。通过数据立方对元数据进行分析之后，可以大大加快数据的查询和检索效率。 数据立方是凌驾于数据存储层和数据库系统之上的，通过数据立方解析后，可以大大增加数据查询和检索等业务，可以让系统平台具备数据实时入库、实时查询、查询结果实时传输等优势。 软件规格说明 规 格 说 明 项目 内容 可管理的数据总量（★） 支持100PB量级的数据管理 实时索引的数据流量（★）