腾讯健康专栏 | 如何让医疗大数据平台“快”起来？

开栏语

当前，腾讯健康正在全力构建数字健康的“两面四桥”，借助自身储备的技术能力、连接能力，致力成为医疗行业信息化的“数字化助手”，实现“科技向善”的品牌愿景。HIT专家网将开设【腾讯健康专栏】，通过一系列技术文章介绍腾讯健康业务深耕方向、技术解决方案与落地案例等，敬请各位读者关注。

当前，医院已经积累了大量数据，这些数据通过医院的信息集成平台、CDR等系统，在便民应用、医护管理、医院运营管理等不同场景的数据查询、规则计算、统计分析等数据应用中发挥着重要的作用。日益庞大的数据量使得医院原有的业务应用运行速度变慢，新的业务场景也对数据提出更多需求。

许多医院都在面对这些问题：因为数据量过于庞大，统计一张月报表需要十几分钟甚至更长时间；因为并发问题，无法进行全院级的过程质控；因为技术限制，无法获取实时的患者就诊信息等重要数据。

如何才能让医疗大数据平台与相关应用“快”起来？支持大批量实时计算与查询的计算引擎性能，是解题的关键之一。

寻找适合医疗大数据特性的计算引擎

从数据应用角度来看，医疗大数据需要的技术支撑主要分为查询与计算。数据并发量、一次性数据计算的量级以及数据实时性要求，是选择大数据平台计算引擎时需要考虑的重点因素。

表1 不同医疗业务场景对大数据计算引擎的性能需求

医疗业务场景	高并发I/O需求	海量数据读写需求	时延性要求
就诊360/健康档案等	低	少量计算	实时数据即时查询
运营分析/等级医院考核/综合监管等	低	大批量计算	离线数据即时查询
科研检索/数据探查等	低	大批量查询	离线数据即时查询
临床预警/重复检查等	高	少量计算	实时数据即时查询
疾控重点人群预警	高	大批量查询	离线数据即时查询
业务系统对接等	高	少量计算	实时数据即时查询

需要注意的是，支持高并发、大批量数据计算、即时出结果的先进技术固然很好，但它们对数据结构、应用场景、硬件设备等方面的要求苛刻，不太适用于当前医疗行业的实际需求，另一方面，行业厂商现有的技术和运维人员能力也不足以支撑。因此，技术不是越先进越好，而是需要根据医疗大数据特性来遴选相关最为合适的引擎技术。

现在针对大数据的组件技术非常多，比较常见的大批量数据实时计算与查询引擎包括Oracle、Hive、Spark、Clickhouse，以及腾讯OLAP查询引擎等。这些数据查询引擎有个共同特点，也即在开发过程中对现有系统的改造较少。

在医疗业务场景中，究竟应该使用哪个引擎？表2是在推荐配置的前提下，几种常见引擎在满足不同医疗业务场景需求时的性能横向对比。

表2 不同引擎在单表查询场景的性能表现（单位：秒）

医疗业务场景	Oracle	Hive	Spark	Clickhouse
统计门诊就诊人次（门诊就诊表500万人次）	2.79	3.15	5.22	0.1
统计门诊年收费（门诊费用明细表5000万）	12.23	10.26	13.21	0.17
统计近七日核酸数据（核酸数据1亿条）	25.74	14.56	22.98	0.25

从表2可以看到，Clickhouse在单表数据查询方面的性能相当不错。不过，在多表关联查询中，尤其是超过2张表的情况下，Clickhouse的性能就会有所下降。

在此基础上，腾讯医疗OLAP引擎结合实际数据需求，从系统架构的不同层面对多个传统开源组件进行了整合、优化，可满足不同量级的多表查询使用需求，具体性能表现如表3所示。

表3 不同引擎在多表查询场景的性能表现（单位：秒）

医疗业务场景	Oracle	Hive	Spark	腾讯医疗OLAP引擎
医院统计门诊肺炎患者使用抗生素日均人次 （门诊就诊表500万、诊断表700万、 药品表2000万）	130.1	118.26	57.16	2.86
卫健系统统计住院患者出院2-31天再入院率（病案首页100万、 病案诊断表500万）	35.96	23.69	19.3	1.57
疾控统计核酸和疫苗关联，近一个月核酸结果与接种疫苗剂次分布情况（核酸检测表4亿，疫苗接种表5000万）	190.55	101.21	67.81	3.18

4个秘诀，成就腾讯医疗OLAP引擎的“快”

对数据查询计算层面进行了大量的优化后，腾讯医疗OLAP引擎团队总结了4种可以有效提升计算引擎性能的经验做法。

其一，改进查询模型。实践显示，运用“查询模型改写”，能够提升效率。比如：通过物化视图大宽表预先聚合，可以提升引擎性能；利用字典表可解决Join问题；采用Hash方式接入数据并采用Collocate Join大表，可将引擎性能提升3-5倍。此外，还可通过建设数据业务宽表、巧妙运用BitMap、利用Array Join改写Union All降低重复I/O等方式；在数据仓库进行医疗值域码表的大量转换过程中，也可以大大提高即时查询的效率。

其二，提升CPU的利用率。腾讯医疗OLAP引擎的“快”，归功于“全面向量化技术”。一般而言，向量化通过“批处理”改善IPC（Instructions Per Cycle，每周期指令数），这种方式在加强内存、磁盘性能的同时，也使得CPU成为当前OLAP查询性能的瓶颈。有别于“部分”向量化，腾讯医疗OLAP引擎采用全面向量化技术，磁盘、内存格式按列存储，表达式、执行节点都尽量采用向量化执行技术。这样做的好处是，一方面可减少虚函数调用，提高CPU Cache利用率，另一方面也为SIMD（Single Instruction Multiple Data，单指令多数据） CPU指令的使用、编译器的循环优化以及减少分支调用创造条件，从而提高了CPU利用率。该项技术的使用，配合腾讯健康数据中台独有的SQL解析优化技术，将健康档案查询的字段投影剪裁与向量化技术结合，更好地提高了系统资源的使用效能。

其三，物化视图预计算。有别于传统的CUBE聚合，物化视图通过每次写入触发运算，将明细数据使用动态聚合成可迭代的中间状态，只需在中间态结果上进行查询即可获得最终结果，大幅降低查询耗时。腾讯医疗OLAP引擎在业务场景中广泛使用物化视图，并创造性地提出通过物化视图组合宽表替代Join场景，可以解决多协议指标宽表聚合的复杂问题，减少开发耗时（指标新增和维护）和使用成本（复杂Join或者Union All的多次I/O），提升查询效率。

其四，BitMap改进。引擎内核中的BitMap采用RoaringBitMap实现、利用BitMap And/Or中间态运算替换Join等操作，可以使得引擎在患者人群标签分析等场景时获得10倍的查询加速。但在数据量极大或极小等场景，这种方式还需要进一步改进优化。比如：在稀疏场景下的引擎性能退化严重，数据量大时读取大量I/O遭遇瓶颈且并行度低、函数支持也有限。腾讯医疗OLAP引擎通过切分BitMap实现处理并行化提速、利用disk/kv db重构存储加速I/O吞吐率、开启指令级算子等方式，进一步提升了引擎性能。

综上，根据医疗大数据的特性需求，利用技术手段有针对性地提升计算引擎性能，再回到不同的医疗业务场景中不断优化、改进，这就是医疗大数据平台“越来越快”的成长路径。腾讯医疗OLAP引擎已在宜昌市中心人民医院等用户医院落地，帮助医院更好地借助大数据的力量，赋能高质量发展。

近期热文

HIT专家网∣致力推进中国卫生信息化长按二维码可申请加入HIT专家网专业交流群

寻求“商务合作”，长按二维码可快速与我们取得联系

投稿：[e-mail]

商务合作：[phone]

本公众号原创文章，版权归HIT专家网和原作者所有。

未经许可，谢绝转载或以其他形式使用文章内容进行传播。