目录

1. 本文目的
2. 什么是容器，它们为什么对 IRIS 有意义
    2.1 容器和镜像简介
    2.2 为什么容器对开发者很有用
    2.3 为什么 IRIS 可以很好地与 Docker 配合使用
3. 先决条件
4. 安装 InterSystems IRIS 镜像
    4.1 使用 Docker Hub
    4.2 拉取镜像
5. 运行 InterSystems IRIS 镜像
    5.1 启动 IRIS 容器
    5.2 检查容器状态
    5.3 在容器终端执行代码
    5.4 访问 IRIS 管理门户
    5.5 将容器连接到 VS Code
    5.6 停止或移除容器
    5.7 使用绑定挂载设置特定密码
    5.8 使用持久化 %SYS 卷
     5.8.1 可以使用持久化 %SYS 存储什么
     5.8.2 如何启用持久化 %SYS
6. 使用 Docker Compose
    6.1 Docker Compose 示例
    6.2 运行 Docker Compose
7. 使用 Dockerfile 运行自定义源代码
    7.1 Dockerfile 示例
    7.2 Docker Compose 示例
    7.3 了解层、镜像标记和构建与 运行时
    7.4 源代码和初始化脚本
    7.5 使用 Dockerfile 构建镜像
    7.6 在容器化 IRIS 终端中运行指令
8. 结语和未来计划

简介

在现代应用程序中，尤其是那些涉及大型数据、文档、日志或多媒体的应用程序，高效地处理大型或非结构化内容变得至关重要。 InterSystems IRIS 提供了一种强大、可扩缩的方式来使用流对象管理此类数据。

流对象可以让开发者在处理大型文本或二进制数据时不受字符串大小上限或内存效率低下的影响。 在本文中，我们将探讨如何使用 ObjectScript 在 IRIS 中创建、读取、写入、存储和操作流对象。

InterSystems 常见问题解答标题

^%GCMP 实用工具可用于比较两个全局变量的内容。

例如，要比较 USER 和 SAMPLES 命名空间中的 ^test 和 ^test，过程将与下面类似：
*以下示例在这两个命名空间中创建了 700 个相同的全局变量，并更改了其中一个的内容，使其成为检测目标。

学习如何使用 LangGraph 设计结合了推理、矢量搜索和工具集成的可扩缩自主 AI 智能体。

概括

• AI 智能体是一种超越简单的聊天机器人的自主系统，它结合了记忆库、上下文，并具有自动完成任务的主动性。
• LangGraph 是一种框架，它使我们能够利用具有内置状态管理的节点（任务）和边缘（连接），构建复杂的 AI 工作流。
• 本指南将指导您构建 AI 赋能的客户支持智能体，该智能体可以划分优先级，识别相关主题，并确定是上报还是自动回复。

那么，AI 智能体究竟是什么？

让我们直面它吧 —“AI 智能体”听起来就像可以接管会议室的机器人。 实际上，它们是您得力的助手，可以简化复杂的工作流，消除重复性任务。 您可以把它们看作是聊天机器人的下一个进化阶段：它们不只是简单地等待提示；它们可以发起行动，协调多个步骤，并随时进行调整。

在本节中，我们将探讨如何在 IRIS 中使用 Python 作为主要编程语言，在使用 Python 编写应用程序逻辑的同时仍能利用 IRIS 的强大功能。

• IRIS 中的 Python 优先方式简介
  • 使用方法 (irispython)
    • 什么是 irispython？
    • irispython 使用示例
    • 优点
    • 缺点
    • 结论
  • 使用 WSGI
    • 使用方法
    • WSGI 使用示例
    • 优点
    • 缺点
    • 结论
  • DB-API
    • 使用方法
    • DB-API 使用示例
    • 优点
    • 缺点
    • 备选方案
    • 结论
  • Notebook
    • 使用方法
    • Notebook 使用示例
    • 优点
    • 缺点
    • 结论
• 补充部分
  • 使用原生解释器（无 irispython）
    • 使用方法
    • 优点
    • 缺点
  • DB-API 社区版
    • 使用方法
    • DB-API 使用示例
    • 优点
    • 缺点
  • 在 IRIS 中调试 Python 代码
    • 使用方法
    • 优点
    • 缺点
    • 结论
  • IoP（基于 Python 的互操作性）
• 结论

InterSystems Data Fabric Studio（IDFS）提供了一种新方法，可在安全可控的环境中将正确的数据在正确的时间提供给正确的消费者。

数字健康解决方案提供者面临的压力越来越大，他们不仅要集成复杂的健康数据系统，还要确保可扩缩性、安全性和符合 HL7 FHIR 等标准。 Fast Healthcare Interoperability Resources (FHIR) 提供了一个标准化框架，使不同的健康 IT 系统能够毫不费力地进行通信，彻底改变了健康数据的交换方式。 但是，仅仅遵循 FHIR 标准并不足以应对健康数据集成错综复杂的问题。 解决方案合作伙伴必须利用 FHIR 代理、装饰和仓库等先进的架构组件来构建可扩缩的高效解决方案。 无论是本地部署、在公共云中，还是作为 InterSystems 管理的基于云的服务，InterSystems 提供为您的健康数据实现 FHIR 所需的所有必要功能。

您知道当您拿到验血结果时一切看起来都像天书的那种感觉吗？ 这就是 FHIRInsight 要解决的问题。 它最初的理念是，医疗数据不应该令人恐惧或困惑 – 它应该是我们所有人都能使用的东西。 验血是健康检查中十分常见的检查，但说实话，大多数人都很难理解它们，有时甚至对不擅长实验室工作的医务人员来说也是如此。 FHIRInsight 希望整个过程能够变得更简单，信息更富有实用价值。

🤖我们为什么要构建 FHIRInsight

这一切都始于一个简单而有力的问题：

“为什么验血结果仍然很难读懂 — 有时甚至对医生来说也是如此？”

在医疗 AI 快速发展的今天，数据孤岛、标准不统一、部署效率低等问题日益凸显，如何打破壁垒、实现 AI 能力的高效整合与落地成为行业关键课题。

InterSystems IRIS 2025.2 引入了 IRISSECURITY 数据库，用于存储安全数据。 与之前用于存储安全数据的数据库 IRISSYS 不同，IRISSECURITY 支持加密，可以保护静态敏感数据。 在今后的版本中，IRISSECURITY 将可实现镜像。

此版本还引入了可以执行常规安全管理任务的 %SecurityAdministrator 角色。