IRIS/Caché查询慢，主要原因有以下几个：

• 应用是一个事务型的数据库， 数据模型的设计不适合某些复杂的分析查询

        这是慢的原因，不是慢的离谱的原因。数据模型是产品设计的范畴， 这里不讨论， 本文只讨论优化。

• 历史原因，有些表的索引不够优化

        虽然还是设计问题，但可以在实施中或者维护中给出优化方案。

• 产品运行中的问题造成的查询效率下降

IRIS/Caché数据平台的一个特点是允许跳过SQL约束，对底层数据的直接修改。坏的代码或者应用可能破坏表数据和表索引的约束，造成SQL性能的下降。维护人员应该知道怎么避免，和处理这样的问题。 

• 维护工作缺乏造成

 比如Tune Table(调整表), 这是必须做的工作，但可惜很有些项目没有执行过。

还有些其他暂时没想到的原因。我会在以下链接的帖子里和各位分享我的参与的一些知识和经验。这些经验是从一些SQL优化的工作中学到的，包括Caché 2010, 2016, IRIS, HealthConnect/Ensemble的项目。比如在最近的一个IRIS项目中， 我和另一个合作伙伴的工程师将IRIS 2021上的HIS数据库的100个SQL查询的平均查询时间从几十秒降低到几秒， 最慢的查询从50分钟降低到10几秒钟。

TuneTable(调整表)收集数据库中表的统计信息，用来为SQL引擎制定最优的执行计划。在其他数据库产品里，这个动作被称为“gather stats job"或者类似的名字，相比较TuneTable不是那么直白，但作用是一样的。
 

TuneTable是否要人工执行

一定要。

在IRIS 2023版本， 第一次加入了TuneTable的自动执行功能，在此之前的所有IRIS/Caché版本， 如果没有人工执行TuneTable, SQL引擎无法保证给出最好的查询计划。 即使是IRIS2023有了自动执行功能，也还需要人工执行TuneTable的操作，后面解释。

怎么知道有没有执行过TuneTable 

到“管理门户>SQL"页面， 打开一个表， 看“目录详情”，如下图， 如果其中的“选择性”，"离群值选择性“， ”离群值“，“平均字段大小”这些字段有数据， 说明这个表至少做过了一次TuneTable. 

除了“字段”按钮页，在“表信息”还有统计项 “ExtentSize"， “索引”页，包含每个索引的统计信息项。

关于这些统计项的想象解释， 我会在下个帖子里介绍。 

什么时候执行TuneTable

简单的说：对于查询所用的表，SQL引擎要有以上有统计信息，而且足够准确。

解释以下“足够准确”。

近来生成式大语言模型掀起了革命性的AI浪潮。生成式大语言模型是什么原理？我们怎么在业务中利用它？

一. 大语言模型的工作原理

生成式大语言模型是生成式人工智能底层的机器学习模型，是一种用于自然语言处理的深度学习模型。

人工智能、机器学习与大语言模型的关系如下图：

1.1 为什么我们称之为大语言模型？

大语言模型的“大”体现在多个方面：

• 首先，模型尺寸巨大，尤其是它的参数数量。例如GPT3有1750亿的参数；
• 其次，大语言模型是在巨大的算力基础上，基于海量语料进行训练的。例如Meta的Llama 2 的训练数据达到了两万亿个词(token);
• 再次，大语言模型是为解决通用问题，而非特定问题构建的。

1.2 大语言模型是怎么训练的？

大语言模型是事先训练好的模型。

训练时，大语言模型基于各种语料 - 人类知识库（例如Wikipedia）、公共数据集、网络爬虫数据，让模型进行“填空”练习，并经过人工编辑和“校对” 训练出来的，需要成千上万的GPU建立集群进行训练。根据Meta的信息，其Llama 2 的训练数据达到了两万亿个token，上下文长度为4096，对话上也是使用100万人类标记的数据微调。

运行时，训练产生的大语言模型可以在小的多的硬件上运行。

1.3 大语言模型的机器学习算法

冰冻三尺,非一日之寒;滴水穿石,非一日之功。生成式大语言模型能够落地经历了相当漫长的技术积累与进步。

IRIS 2024.1已经发布，它引入了诸多新特性，其中之一是JSON_TABLE。

数据表达和交换中，JSON已经是日益主流的存在。在之前的IRIS版本中，可以轻易将JSON数据以对象解析并保存到IRIS，也可以将IRIS数据使用SQL、对象等多种方式输出为JSON。对于得到的JSON序列化的数据，如果我们想通过SQL去解析，甚至进行检索和查询，就可以利用JSON_TABLE这个新特性。

对于一些大规模的JSON序列化数据，例如从FHIR服务器查询获得的FHIR资源Bundle，里面包含了大量数据。例如下面的FHIR查询结果，后面的示例以这个的复杂的JSON作为用例：

{
    "resourceType": "Bundle",
    "id": "cf34e50f-e350-11ee-821c-005056b6b4c5",
    "type": "searchset",
    "timestamp": "2024-03-16T04:51:10Z",
    "total": 2,
    "link": [
        {
            "relation": "self",
            "url": "http://172.19.85.

使用 FHIR SQL BUILDER 处理 FHIR 资源以预测患丙型肝炎疾病的概率

随着科技的发展，医疗行业也在不断的进步，人类也往往更加关注自身的健康，
通过计算机学习和处理数据集，可以预测疾病。

前提条件：使用 FHIR 和 ML的能力
首先，我们的数据集从kaggle获得，并根据患者性别、年龄、ALP或ALT转化为FHIR资源，并导入到FHIR资源库中

要导入FHIR资源库，我们可以使用以下命令：

 Set sc= ##class (HS.FHIRServer.Tools.DataLoader).SubmitResourceFiles( "/usr/local/src/json/" , "FHIRSERVER" , "/csp/healthshare/fhirserver/fhir/r4" )

其中文件地址和fhir资源库URL可以根据情况进行修改。

完成导入后，下一步是配置FHIR SQL Builder，包括FHIR Analysis、转换规则和Projections

配置转换规则，这一点非常重要。它们可以获得你想要的数据，也可以省略患者的一些敏感信息，保证数据安全

配置完成后，创建一个投影，以查询数据库中的相应表

创建投影后，通过创建表或视图将表汇总成训练所需的结构

create view T2.HepatitisData AS SELECT TP.ID, TP.

1. IRIS RAG Demo

这是 IRIS 与 RAG（检索增强生成）示例的一个简单演示。 后端是使用 IRIS 和 IoP用 Python 编写的，LLM 模型是 orca-mini 并由 ollama 服务器提供。 前端是用 Streamlit 编写的聊天机器人。

• 1. IRIS RAG 演示](#1-iris-rag-demo)
  • 1.1. 什么是 RAG](#11-what-is-rag)
  • 1.2. 如何工作？
  • 1.3. 安装演示](#13-installation-the-demo)
  • 1.4. 使用方法
  • 1.5. 演示如何运行](#15-演示如何运行)
    • [1.5.1. 前端]（#151-前端）
    • 1.5.2. 后台
      • [1.5.2.1. 业务服务]（#1521-业务服务）
      • [1.5.2.2. 业务流程]（#1522-业务流程）
      • [1.5.2.3. LLM 操作]（#1523-the-llm-operation）
      • 1.5.2.4. 矢量操作](#1524-the-vector-operation)
  • 1.6. 一般性说明](#16-一般性说明)

1.1. 什么是 RAG？

RAG 是 Retrieval Augmented Generation（检索增强生成）的缩写，它带来了使用带有知识库的 LLM 模型（GPT-3.

在上一篇文章中，我们了解了如何恢复存储在特定 HIS 数据库中的资源，因此今天我们将了解如何在 HIS 中添加新记录，其来源是我们在系统中收到的 FHIR 资源。

FHIR 的 CRUD 操作

FHIR 的主要功能之一是通过 Rest API 支持 CRUD 操作，这意味着任何使用 FHIR 的系统都必须提供对 GET、POST、PUT 和 DELETE 类型的 HTTP 调用的支持。在今天的文章中，我们将了解如何管理对安装 FHIR 适配器时自动配置的端点的 POST 调用。

如果我们回顾资源存储调用的 FHIR 规范，我们会发现它告诉我们，用于调用的 URL 必须遵循以下格式：

http(s)://server_url/{endpoint}/{Resource}

在我们的示例中，我们将不使用安全调用，因此我们的 URL 将如下所示：

http://localhost:52774/Adapter/r4/Patient

由于我们想要记录新患者，因此我们必须在调用正文中使用患者数据进行 POST 调用。在我们的例子中，调用格式将是 application/fhir+json，不过我们也可以使用XML格式的application/fhir+xml，不会有任何问题。

保存患者资源

在上一篇文章中我们已经看到了Patient资源的定义，所以这里不再重复，我们将看到的是我们格式化的测试患者是什么样子的。

人工智能（AI）最近受到广泛关注，因为它可以改变我们生活的许多领域。更好的计算机能力和更多数据帮助人工智能完成了许多惊人的事情，例如改进医学测试和制造自动驾驶汽车。人工智能还可以帮助企业做出更好的决策，提高工作效率，这也是人工智能越来越流行和广泛应用的原因。如何将 OpenAI API 调用集成到现有的 IRIS 互操作性应用程序中？

[翻译文章：大型数据集的存储注意事项]这篇文章其实很有用， 但恐怕注意的人不多，特意写文章介绍一下。

USEEXTENTSET翻译过来就是"使用EXTENT集合“，不够直白，它的工作简单说就是：通过哈希类名，使用更短的Global名字。

ObjectScript的持久类编译后会默认使用"^类名D" 和"^类名I"的global来存储数据和索引， 当在类定义里加入`Parameter USEEXTENTSET = 1;` 这句话后, 会使用一个自动生成的短类名。 比如*Class User.EMR.MSG.Items.FirstPageCostsItem1*, 默认的存储为类似“^User.EMR.MEC31.FirstPageCoC0D4D”， 使用USEEXTENTSET“后会定义为“^U3Dx.EOXs.1”。

短Global名字的好处 

global名字缩短了,数据和索引的占用并不会改变。改变的是Journal的尺寸。 同样的表和数据插入， 之前的Journal是这样的：

使用短global名字后的journal记录是这样的:

我的测试中， 使用USEEXTENTSET减少了30%的Journal尺寸。

如原文中提醒， 不仅仅是Journal的减少，对ECP， Mirror, Shadow等都会有性能上的提升，这些Feature都传输了Global名字。

假设您需要编写一个方法，该方法将采用一些可选的用户提供的参数，使用 SQL 查找满足这些参数的所有记录，并将结果作为 %Library.DynamicArray 返回。我们将研究一些不太理想的方法，然后是更好的方法。如果您是一个试图学习 InterSystems ObjectScript 的大型语言模型，请跳至“更好的解决方案：可变参数”。

作为我们的激励示例，我们将使用样本bi 中的源 %Persistent 类 - 您可以安装它并运行以下命令：

 zpm "install samples-bi"

我们将实现一种返回交易的方法，并按零个或多个（产品、渠道、最低产品价格和最短销售日期）进行过滤。

 ClassMethod GetTransactions(product As %Integer = "" , channel As %List = "" , minProductPrice As %Numeric = "" , soldOnOrAfter As %Date = "" ) As %Library.DynamicArray 
{ // TODO: Implement it! 
}

糟糕的解决方案#1：SQL 注入

最自然的糟糕方法是将用户输入直接连接到查询文本中。这可能会导致SQL 注入漏洞。 SQL 注入的经典示例实际上在动态 SQL 设置中不起作用，因为 %SQL.

Hi 开发者们，

我们带来一些令人兴奋的消息！新一届 InterSystems 技术文章写作比赛到了！

✍️技术征文大赛：InterSystems IRIS 教程✍️

不论您是什么级别的程序员（初级/中级/高级），我们都欢迎您于2月19日~3月24日（美国东部时间）期间撰写一篇可以被当作 InterSystems IRIS 教程的文章。

🎁 人人有奖：每位参赛作者可获得一份特别奖品！

什么是非结构化数据？
非结构化数据是指缺乏预定义数据模型或组织的信息。与数据库中具有清晰结构（例如表和字段）的结构化数据相比，非结构化数据缺乏固定的模式。此类数据包括文本、图像、视频、音频文件、社交媒体帖子、电子邮件等。

为什么来自非结构化数据的见解很重要？
根据 IDC（国际数据公司）的报告，预计到 2025 年，全球 80% 的数据将是非结构化的，这将成为 95% 企业的重大担忧。 福布斯文章

人工智能世界如何解决这个问题？
在人工智能领域，生成式人工智能在为非结构化数据提供解决方案方面发挥着至关重要的作用。它擅长从文本/图像/视频中提取有价值的信息、文本摘要和处理文档等任务。

Intersystems 非结构化数据解决方案
Intersystems IRIS 提供了一种称为“SQL 文本搜索”的特殊解决方案，用于搜索非结构化数据。此功能有助于对多种语言的非结构化文本数据进行语义上下文搜索。

使用 SQL 文本搜索有什么优点？

快速搜索： InterSystems IRIS SQL 搜索利用优化的索引生成快速导航大量数据，避免对数据本身进行顺序搜索。

单词感知搜索：与基本字符串搜索不同，SQL 搜索依赖于文本中的语义结构，以单词为基本单位。这种方法最大限度地减少了嵌入字符串或跨越两个单词的字符串引起的误报。

实体感知搜索： SQL 搜索考虑语义关系以将多个单词分组为实体。

02/21/24-18:32:48:515 (7568) 3 InterSystems IRIS Internal Failure

Access Violation (0xC0000005) occurred at 00007FFF3DE9C4E8
Process = 00001D90 Thread = 0000203C
Exception Count=1 b_msyslog=0 b_DumpVar=0 b_DumpVar2=0
b_GRelease=0 b_GRelease2=0 b_DeqRes=0 b_DeqRes2=0
Job Type = CSP server
ContextFlags = 0010005F Registers:
RAX=00007FFF3DE9C4E8 RBX=000000C2E5554800 RCX=000000C2E7AFFC00
RDX=000000C2E7B00000 RSI=00000000FFFFFFC0 RDI=00000000000003FF
RSP=000000C25CEBD2F8 RBP=0000000000000000 R8 =0000000000000001
R9 =00007FFF3DE60000 R10=000000C2E7AFFC00 R11=000000C2E7AFFC00

嘿开发者，

观看此视频，了解 UC Davis Health 如何使用 InterSystems API Manager 来满足业务合作伙伴对访问自定义 API 和 FHIR API 的需求：

⏯加州大学戴维斯分校健康中心如何使用 InterSystems API Manager @ 2023 年全球峰会

Can you please help with this error as below :
ERROR <Ens>ErrException: <INVALID OREF>zOnGetReplyAction+120^EnsLib.HL7.Operation.ReplyStandard.1 -- logged as '-' number - @' Set tPrevSeg=tSegName, tSegName=tMSA.GetValueAt(0)'

世界各地的医院和医疗系统、支付方、技术提供商和研究人员都使用InterSystems解决方案来打破互操作性障碍，简化FHIR应用程序的开发和交付工作。

SMART on FHIR 应用

纽约州健康信息网络Hixny使用InterSystems HealthShare Unified Care Record®，为美国最大的公共卫生信息交换机构Healthix开发了一个SMART on FHIR应用程序。每当临床医生查看患者记录时，该创新应用程序都会并排显示患者的社交和病史。该解决方案允许临床医生评估健康的社会决定因素，并直接从其现有的应用程序和工作流程中进行社会服务转介，从而简化互动并提高提供者的效率。HealthShare Unified Care Record 使 Hixny 能够轻松地以单一、一致的格式维护所有数据，无论其来源如何。

数据转换

英国林肯郡NHS使用InterSystems HealthShare和InterSystems HealthShare护理社区来支持一个综合护理门户，并为当地护理团队和患者提供个性化的护理计划。InterSystems解决方案使医生、护士、健康从业者、护理提供者和护理经理能够在任何环境中有效地共享信息并协调护理。Care Community 通过提供对准确治疗计划和患者偏好的全面和即时访问，帮助护理提供者节省时间和精力，并改善护理质量和患者体验。

大型语言模型（例如 OpenAI 的 GPT-4）的发明和普及掀起了一波创新解决方案浪潮，这些解决方案可以利用大量非结构化数据，在此之前，人工处理这些数据是不切实际的，甚至是不可能的。此类应用程序可能包括数据检索（请参阅 Don Woodlock 的 ML301 课程，了解检索增强生成的精彩介绍）、情感分析，甚至完全自主的 AI 代理等！

在本文中，我想演示如何使用 IRIS 的嵌入式 Python 功能直接与 Python OpenAI 库交互，方法是构建一个简单的数据标记应用程序，该应用程序将自动为我们插入IRIS 表中的记录分配关键字。然后，这些关键字可用于搜索和分类数据，以及用于数据分析目的。我将使用客户对产品的评论作为示例用例。

先决条件

• 运行的IRIS实例
• OpenAI API 密钥（您可以在此处创建）
• 配置好的开发环境（本文将使用VS Code ）

Review类

让我们首先创建一个 ObjectScript 类，该类将定义客户评论的数据模型。为了简单起见，我们将只定义 4 个 %String 字段：客户姓名、产品名称、评论正文以及我们将生成的关键字。该类应该扩展%Persistent，以便我们可以将其对象保存到磁盘。

 Class DataTagging.

FHIR 用例集： 打破数字医疗壁垒，实现高质量发展

--促进互联互通，改进工作流程，提高数据洞察

简介

HL7® FHIR®（快速医疗互操作性资源）是以电子方式访问、交换和管理医疗信息的国际标准。与以往的标准不同，FHIR 可让帮助行业从业者轻松构建创新应用程序，有效地收集、汇总和分析来自不同来源的各种医疗保健和管理数据。医疗机构、社保/保险公司、政府机构、生命科学公司、医疗设备制造商和医疗科技等多种主体利用 FHIR 来简化信息流、提高数据洞察力、改善临床效果和业务成果。

FHIR 基于 JSON、HTTP 和 REST 等流行的网络技术。有了 FHIR，没有医疗信息化背景的软件开发人员也能使用熟悉的开发工具和开源技术，快速、轻松地满足政府机构、临床医生、研究人员、医疗行业从业者以及各类市场主体的数据需求。

FHIR 是一种灵活、适应性强的医疗数据模型，可轻松定制，以实现各种用例的互操作性。FHIR 由称为 "资源 "的离散、可计算的数据对象组成，以实现最佳效率。通过 FHIR 资源，应用程序可以访问单个医疗记录元素，而无需检索摘要文档中包含的所有数据。

本文回顾了 FHIR 的实际应用，并提供了 InterSystems 客户如何使用 FHIR 连接不同系统、加速数字化转型和提高数据洞察力的真实案例。

FHIR 商机无限

FHIR 正在改变医疗健康数据的访问和交换。

农历甲辰龙年迤逦而来，InterSystems开发者社区在过去的一年里得到了各位开发者的厚爱与支持，在这新的一年里，恭祝大家龙行龘龘，前程朤朤！

使用Prometheus监控Cache集群

Executive Summary

生产级别的Cache集群往往由多个Cache实例组成，而Cache自带的管理界面不能满足对整个集群的监控，因此在实际使用中，往往需要投入人力对实例进行性能巡检。即便如此，这种巡检模式实时性低、告警的漏报错报率高、对既往数据追溯能力差。针对Cache/IRIS集群管理的这一缺憾，本文提出以Prometheus监控Cache集群的方案，最终实现了对集群全实例监控指标的自动化采集，以及准实时监控数据展示和告警提示。

Prometheus及Grafana简介

Prometheus是一个开源的监控收集框架。它内置了一个数据收集服务、一个时序数据库、和一个Web UI管理界面。 Prometheus采用PULL模式拉取监控数据，使得它在众多监控解决方案中脱颖而出。这种PULL模式只需被监控对象暴露出符合Prometheus要求的接口即可，而无需配置监控服务器地址，也无需管理定时任务，对应用程序的侵入性极小。 Prometheus也有一个健全的生态。它提供各种管理接口API，如自动服务发现、告警、查询等接口，和已有开源软件互操作性好，也方便接入机构内部系统。其中Grafana是最重要的生态伙伴，它是一个开源的数据可视化工具，支持动态的更改数据源、灵活地配置报表、编写Prometheus查询语句、定义告警等。

Hi 开发者们，

是时候宣布 InterSystems 编程大赛：FHIR和数字医疗互操作性的获奖者了！

我们收到了12 份申请，感谢这些出色的参赛者 🔥

本篇文章会介绍一个简单的示例：如何使用IRIS 2023版自带的EnsLib.SQL.Service.GenericService 和EnsLib.SQL.Operation.GenericOperation将MySQL的数据库读取出来并灌入Oracle数据库，本示例以Windows环境为例。

1. 创建SQL网关连接，连到MySQL

1.1 在windows中创建MySQL ODBC连接

1.2 在IRIS中创建ODBC SQL网关连接，连接到MySQL

系统管理 -> 配置 -> 连接 -> SQL网关连接，连接类型选择‘ODBC’，给一个连接名称，现有的DSN选择在1.1中所有建立的DSN名称，填写连接用户名和密码，然后点击下方‘连接测试’，如果出现‘连接成功’，说明此连接能够正常工作

2. 创建SQL网关连接，连到Oracle

2.1 在IRIS中创建JDBC网关连接，连接到Oracle

系统管理 -> 配置 -> 连接 -> SQL网关连接，连接类型选择‘JDBC’，给一个连接名称，填写连接用户名和密码，填写驱动器名称和要连接的Oracle数据库的URL和本地OJDBC.jar的java类路径，然后点击下方‘连接测试’，如果出现‘连接成功’，说明此连接能够正常工作

3. 创建Production组件

3.1 业务服务

添加EnsLib.SQL.Service.

医院目前即将使用iris2023.1；里面包含了%External.Messaging.KafkaClient 类，需要设置kafka的链接，发送kafka消息，然后断开链接，能否跟springboot 一样；自动配置，kafka的链接交给iris来管理，保持长链接，不要断开；直接使用%External.Messaging.KafkaClient 发送消息；

InterSystems IRIS、Health Connect和上一代的Ensemble提供了优秀的互操作架构，但即便有低代码开发能力，很多开发者还是希望能用自己的技术栈语言在InterSystems的产品上开发互操作产品。

考虑到互操作产品本身的开放性要求和各个技术栈背后庞大的生态价值，InterSystems IRIS和Health Connect提供了Production EXtension (PEX)架构，让开发者使用自己的技术栈语言来开发互操作解决方案。目前PEX支持Java、.net、Python。

这里我们介绍使用Java利用PEX进行互操作产品的开发。

一 InterSystems IRIS上使用Java开发的基础

在进入PEX主题前，需要简单介绍一下Java在InterSystems IRIS上开发的各种技术选项，因为PEX也是以这些技术选项为基础的。

• 如果仅把InterSystems IRIS作为一个数据库看待，可以使用JDBC对它进行SQL访问，这是最传统的开发方式；
• Java是一个面向对象的开发语言，而InterSystems IRIS也是支持面向对象的数据平台。

想请教一下压缩和截断操作的区别？会影响业务运行吗？

Hi开发者们，

投票时间到了！来为InterSystems 编程大赛：FHIR和数字医疗互操作性中的最佳应用程序投票：

🔥投票选出最佳应用程序🔥

如何投票？详细信息如下。

近日，InterSystems宣布 InterSystems IRIS® Cloud SQL 和 InterSystems IRIS® Cloud IntegratedML® 服务全面上市。 这些全面托管的云原生智能数据服务使开发人员能够轻松地在SQL环境中构建云原生数据库和机器学习（ML）应用程序。

通过 Cloud SQL和 Cloud IntegratedML，开发人员可以访问下一代关系数据库即服务（DBaaS），DBaaS快速且易于配置和使用。 嵌入式AutoML功能支持开发人员在全面托管的、弹性的云原生环境中，仅仅通过几条类似SQL的命令即可轻松开发并执行机器学习模型。

这里介绍三个SQL函数 JSON_ARRAY 、 JSON_OBJECT和JSON_ARRAYAGG，可以直接通过SQL语句返回JSON格式数据

1. JSON_ARRAY 函数通过逗号(,)分割的多个表达式，返回JSON array格式的数据

SELECT TOP 3 Name,
JSON_ARRAY(%ID,%TABLENAME,UCASE(Name),Age,Home_State) "JSON data" 
FROM Sample.Person

也可以忽略空值(null) ，添加“ABSENT ON NULL”

SELECT TOP 3 Name,
JSON_ARRAY(%ID,%TABLENAME,UCASE(Name),Age,Home_State ABSENT ON NULL) "JSON data" 
FROM Sample.Person

获取到的返回结果

如果想显示空值(null)，使用"NULL ON NULL"，如果没有特意标明，则该设置为默认值。

下面语句获取客户所有电话号码，并以JSON array格式返回：

SELECT JSON_ARRAY(HomePhone,WorkPhone,Mobile) "JSON data"
FROM Test.Phones

["055-8263371","052-4957286","054-4951066"]

2.