搜索​​​​

最近，我需要从持久类和序列类生成一个 Swagger 规范，所以我发布了我的代码（它并不完整 - 你仍然需要处理应用程序的细节，但这是一个开始）。 代码[在这里](https://github.com/eduard93/Utils/blob/master/Utils/YAML.cls.xml)。 假设你有下面的类：   类 Class REST.Test.Person Extends %Persistent { /// 人的名字。 Property Name As %String [ Required ]; /// 人的社会安全号。 这通过模式匹配进行验证。 Property SSN As %String [ Required ]; /// 人的出生日期。 Property DOB As %Date; /// 人的家庭地址。 这里使用一个嵌入对象。 Property Home As Address; /// 人的办公室地址。 这里使用一个嵌入对象。 Property Office As Address; /// 人的配偶。 这是对另一个持久对象的引用。 Property Spouse As Person; /// 代表人喜欢的颜色的字符串集合。 Property FavoriteColors As list Of %String; /// 代表人喜欢的颜色的字符串集合。 Property FavoriteNumbers As array Of %Integer; /// 人的年龄。<br> /// 这是一个经过计算的字段，其值来自于 <property>DOB</property>。 Property Age As %Integer; } Class REST.Test.Address Extends %SerialObject { /// 街道地址。 Property Street As %String(MAXLEN = 80); /// 城市名称。 Property City As %String(MAXLEN = 80); /// 2 个字母的州名缩写。 Property State As %String(MAXLEN = 2); /// 5 位美国 地区改进计划 (ZIP) 编码。 Property Zip As %String(MAXLEN = 5); } 你可以通过以下代码自动生成此 Swagger 定义： REST.Test.Person: type: "object" properties: Age: type: "integer" DOB: type: "string" FavoriteColors: type: "array" items: type: "string" FavoriteNumbers: type: "object" Home: $ref: "#/definitions/REST.Test.Address" Name: type: "string" Office: $ref: "#/definitions/REST.Test.Address" SSN: type: "string" Spouse: $ref: "#/definitions/REST.Test.Person" REST.Test.Address: type: "object" properties: City: type: "string" State: type: "string" Street: type: "string" Zip: type: "string" 主方法：Utils.YAML:GenerateClasses 测试运行：do ##class(Utils.YAML).Test()

本报告介绍了ESG 集团对多个数据库管理软件产品进行的并发数据摄取和实时查询性能验证测试。测试结果表明，InterSystems IRIS 数据平台可在摄取上亿条记录的同时执行数百万条查询，响应时间达到微秒级，其性能优于其他传统产品和内存产品。 对许多企业而言，收集并实时分析数据是一项必备能力，有助于推动收入增长、提高知名度，并为战略和决策提供参考。例如，专注于金融交易、物联网、欺诈检测和实时个性化服务的应用程序必须摄取并实时分析海量数据。其中的挑战在于找到一个足够强大的数据库平台，以便同时处理大规模的数据摄取和查询且不降低性能。当ESG向数据库和分析专家询问数据分析支持技术的相关问题时，大家普遍认为最重要的能力之一是性能。 内存数据库可提供高性能，但其扩展成本高昂，而且具有内存硬限制，可能会引起可靠性问题和重启延迟。传统数据库可提供持久性和可靠性，但缺乏内存数据库的高性能。相比之下，InterSystems IRIS 可同时处理数据摄取和查询工作负载，其性能可匹敌甚至优于内存数据库，并且不存在内存数据库的限制。为了证明这一主张，InterSystems发布了一项开源测试，ESG 也在本报告中进行了验证。 点击获取完整白皮书： ESG 白皮书 | InterSystems IRIS：处理并发数据摄取和实时查询的高性能数据管理软件

众所周知，InterSystems IRIS 提供了很多的工具来提升应用系统可伸缩性。尤其在提升数据并行处理能力方面，InterSystems 做了很多努力，例如在 SQL 查询中使用并行处理，以及在 IRIS中引入最具吸引力的特征：分片（sharding）。然而，许多成熟的开发成果最初是在 Caché中完成的，而且已经迁移到 IRIS 中。这些成熟的开发成果大都使用 DBMS（数据库管理系统）的多模型功能，实现在单独的数据库中共存不同的数据模型。例如， [HIS qMS](https://openexchange.intersystems.com/package/HIS-qMS) 数据库同时包含语义关系（电子病历）、传统关系（与 PACS 的交互）和层次数据模型（实验室数据以及与其他系统的集成）。这些数据模型大多是通过 [SP.ARM](https://openexchange.intersystems.com/company/SP-ARM) 的 qWORD 工具（一种直接访问 Global的小型数据库管理系统）实现的。遗憾的是，由于查询未使用 IRIS SQL，无法利用并行查询处理的新功能进行扩展。 而且，随着数据库规模的不断增长，大型关系型数据库所固有的大多数问题开始出现在非关系型数据库中。这就是我们关注可用于扩展的并行数据处理技术的一个主要原因。 在本文中，我将围绕多年来在解决任务时用到的并行数据处理展开多方位讨论，而这些是我在大数据问题探讨中很少提到的。我将重点讨论数据库的技术改造，或者更确切地说，是数据库转换技术。 众所周知，在系统开发的早期阶段（通常远远早于项目完成的时间）就已经选择好了数据模型、存储架构以及软件和硬件平台。但是在系统完成部署几年后，通常会因为这样或那样的原因需要对数据进行迁移。下面是一些常见的任务（所有示例均为真实案例）： 1. 一家公司正计划走向国际市场，必须将其 8 位编码的数据库转换为 Unicode 格式。 2. 将过时的服务器替换为新的服务器时，但是由于许可限制，无法在服务器之间进行日志的无缝传输（使用 IRIS 的系统功能 Mirroring 或 Shadowing），或者当在您尝试处理任务时，缺少满足如 1 提出的这种需求。 3. 你需要更改数据库之间的 Global 分配，例如将一个包含图像的较大的 Global 迁移到单独的数据库。 你可能会问，这些方案有那么难吗？只需要停止旧系统，导出数据，然后导入到新系统中就可以了。但是，如果你正在处理的是几百 GB（甚至几 TB）的数据库，而且系统在 7x24 运行，那么就无法使用标准的 IRIS 工具解决上述这些任务了。 ## 实现任务并行处理的基本方法 ### "垂直" 并行 假设可以将一个任务分解成几个组件。幸运的话，你会发现可以将其中一些并行解决。例如： - 准备报告数据（计算、数据聚合…） - 应用样式规则 - 打印报告 可以让多个报告同时执行所有操作：一个报告正处在准备阶段，同时另一个报告已经开始打印，等等。这种方法并不新鲜。早在 60 年前批量数据处理技术出现时，它就开始发挥作用了。虽然这不是一个新的概念，但是非常有用。然而，只有当所有子任务的执行时间具有可比性时，才会实现显著的加速效果，实际情况却并非总是如此。 ### "水平" 并行 当任务的操作顺序可以按任意顺序执行并迭代时，它们可以同时执行。例如： - 全局范围内的上下文搜索: - 把 Global 分解成多个部分（$order 作为首个索引）. - 分别对其进行搜索. - 合成搜索结果. - 通过套接字或 ECP 将 Global 传输到另一台服务器: - 把 Global 分解成几个部分. - 分别进行传输. 这些任务具有以下共同特点: - 相同的子任务处理过程（包括共享相同的参数）, - 最终结果的正确性不受子任务的执行顺序影响， - 生成结果报告的过程中不需要任何资源密集型操作，因此仅在此过程中子任务和“父”任务之间存在弱连接。 这些简单的示例表明，水平并行在数据转换任务中是常用到的，事实也的确如此。在接下来的内容中，我们将重点关注此类并行处理。 ## "水平" 并行 ### 方法之一：MapReduce MapReduce 是由谷歌引入的一种分布式计算模型。它在处理大量信息的同时也会执行此类操作。目前流行的开源项目构建在 [Apache Hadoop](https://ru.bmstu.wiki/Apache_Hadoop)和[Mahout](https:// ru.bmstu.wiki/apache_mahout) 的组合之上。 使用该模型的基本步骤：[映射](https://ru.bmstu.wiki/index.php?title=Map&action=edit&redlink=1)（在处理程序之间分配任务）、实际处理和[归约](https://ru.bmstu.wiki/index.php?title=Reduce&action=edit&redlink=1)（合并处理结果）。 对此感兴趣的读者如果想了解更多信息，我推荐 Timur Safin 的系列文章，他在[《Caché MapReduce——大数据和 MapReduce 概念简介》（第一部分）](https://community.intersystems.com/post/cach%C3%A9-mapreduce-introduction-bigdata-and-mapreduce-concept)中介绍了在 IRIS/Caché中创建MapReduce 工具的方法。 请注意，因为 IRIS 具有将数据快速写入数据库的"先天能力"，所以归约这一步通常是微不足道的，类似 [WordCount 分布式版本](https://community.intersystems.com/post/cach%C3%A9-mapreduce-putting-it-all-together-%E2%80%93-wordcount-example-part-iii#comment-14196)中的情况。在处理数据库转换任务时，可能完全没有必要进行这一步。例如，使用并行处理程序将一个大型的 Global 移动到单独的数据库，则不需要任何其他操作。 ### 需要多少台服务器? 并行计算模型的创建者（例如 MapReduce）通常将其扩展到多个服务器，即所谓的数据处理节点，但是在数据库转换任务中，通常一个这样的节点就足够了。事实上，连接多个处理节点（例如，通过企业缓存协议（ECP））是没有意义的，因为数据转换所需的 CPU 负载相对较小——这里不用考虑处理过程中的数据量。在这种情况下，初始数据仅使用一次，也就意味着无法通过分布式缓存带来任何性能提升。 经验表明，比较方便的做法是使用两个角色不对称的服务器。下面稍微进行一下简化: - 将源数据库安装在一台服务器（*源数据库*）上。 - 将转换后的数据库安装在第二台服务器（*目标数据库*）上。 - 只在其中一台服务器上配置水平并行数据处理；此服务器上的操作进程作为*主进程*执行。 - 相应的，在第二台服务器上运行的进程作为*从属进程*；在使用 ECP 时，这些是 DBMS 系统进程（ECPSrvR、ECPSrvW 和 ECPWork），而当使用面向套接字的数据传输机制时，这些是TCP 连接的子进程。 可以说，这种分配任务的方法结合了水平并行（用于在主服务器内分配负载）和垂直并行（用于在主服务器和从属服务器之间分配“职责”）。 ## 任务和工具 让我们思考一下最普通的数据库转换任务：将全部或部分数据从源数据库传输到目标数据库，同时可能对 Global 执行某种重新编码（可以是编码更改、排序规则的更改等等）。在这种情况下，新旧数据库是保存在本地的不同数据库服务器上的。下面列出的是架构师和开发人员需要解决的子任务： 1. 给服务器分配角色。 2. 选择数据传输机制。 3. 选择 Global 转移策略。 4. 选择在多个进程之间分配任务的工具。 接下来我们逐个进行分析。 ### 给服务器分配角色 众所周知，即使 IRIS 以 Unicode 方式安装，它也可以挂载 8 位数据库（本地和远程）。但反之则不行：8 位版本的 IRIS 无法支持 Unicode 数据库，否则会出现错误。在决定将哪个服务器（源服务器或目标服务器）作为主服务器时，必须考虑到数据转换过程中字符编码是否发生了更改。然而，想要决定最终的解决方案，还需要考虑下一个任务，那就是： ### 选择数据传输机制 你有以下几个选项: 1. 如果两台服务器上的许可证和 DBMS 版本均支持 ECP，则应选择 ECP 作为传输机制。 2. 如果不支持，最简单的解决方案就是在目标服务器上本地处理两个数据库（源数据库和目标数据库）。这时必须利用任何可用的文件传输工具将源数据库文件复制到适当的服务器。当然，这个过程将占用额外的时间（通过网络复制数据库文件）和空间（存储数据库文件的副本）。 3. 为了（至少）避免把时间浪费在复制文件上，你可以通过 TCP 套接字机制实现服务器进程之间的数据交换。这种方法支持以下情况: - 由于某些原因无法使用 ECP，例如，为源数据库和目标数据库提供服务的 DBMS 版本不兼容（比如源 DBMS 安装的是非常旧的版本）, - 或者：用户无法停止在源系统上工作，则源数据库在传输过程中发生的数据修改必须反映在目标数据库中。 在选择方法时，我的优先级非常明确：如果 ECP 可用，并且在传输期间源数据库保持静态，则选择方法 1；如果 ECP 不可用，但数据库保持静态，则选择方法 2；如果修改了源数据库，则选择方法 3。结合这些情况及主服务器的选择条件，我们可以生成如下可能性矩阵： | **传输期间源数据库是静态的吗?** | **ECP 协议是否可用?** | **源数据库的位置** | **主系统** | | --- | --- | --- | --- | | 是 | 是 | 目标系统远程 | 目标 | | 是 | 否 | 目标系统本地（副本） | 目标 | | 否 | 不重要，因为我们将使用TCP 套接字机制传输数据. | 源系统本地（原始） | 源| ### 选择 Global 转移策略 乍一看，似乎可以简单地通过读取全局目录逐个传递 Global。但是，同一个数据库中的Global 的大小可能相差很大：我最近遇到的一个生产数据库中的 Global 的大小范围在 1MB -600GB 之间。假设我们有多工作进程（nWorkers）可供使用，并且至少有一个 Global（Globals）^Big 符合下面条件： ^Big 的大小 >（所有^ Globals 的大小）/ nWorkers 然后，无论分布式 Global 转移过程中的其他任务完成的多么顺利，最终分配给^Big 的处理任务将一直保持忙碌，并且可能在其他进程完成之后很久才能完成其任务。如果想要改善这种情况，你可以预先按照大小对 Global 进行排序，并从最大的 Global 开始处理。但是如果^Big的大小明显偏离所有 Global 的平均值（这是 MIS qMS 数据库的典型情况）： ^Big 的大小 >>（所有^ Globals 的大小）/ nWorkers 这个策略不会提供太大的帮助，因为它必定会产生好几个小时的延迟。因此，需要将大型Global 拆分成多个部分，通过多个并行进程对其进行处理。我想强调的是，这个任务（列表中的第 3 项任务）是本文讨论的最难的任务，而且花费了我（而不是 CPU！）很多时间。 ### 选择在多个进程之间分配任务的工具 与并行处理机制进行交互的方式如下: - 创建一个后台工作进程池。 - 为这个后台工作进程池创建一个队列。 - 发起程序（我们称其为本地管理器）将工作单元放入队列（这是在步骤 3 中预先准备好的计划）。工作单元通常包括某类方法的名称和实际参数。 - 工作进程从队列中检索工作单元并执行处理，这里可以理解成调用了一个类方法，将实际参数传递给工作单元。 - 本地管理器在接收到队列中工作单元已处理完毕的确认信息后，将释放并按需结束这些工作进程。 幸运的是，IRIS 提供了一个非常适合该方案的、出色的并行处理引擎（可以通过%SYSTEM.WorkMgr 类实现）。我们将在运行的实例中应用改引擎，并在计划发表的系列文章中进行深入探讨。 在下一篇文章中，我将更加详细地阐述任务 3 的解决方案。 在第三篇文章中（如果大家对我的文章感兴趣的话），我将讨论任务 4 中的细微差别，包括%SYSTEM.WorkMgr 的局限性及其解决方案。

去年，AWS推出了基于ARM架构的AWS Graviton处理器第一代Amazon EC2 A1实例。在2019年AWS re:Invent 大会上，亚马逊宣布了第二代AWS Graviton2处理器和相关的Amazon EC2 M6g实例。相比前一代基于Intel Xeon的M5实例，Amazon EC2 M6g实例的性价比提升幅度高达40%。基于AWS Gravity 2的M6g实例现已推出预览版，InterSystems借此机会利用InterSystems IRIS数据平台对其性能进行了评估。InterSystems很高兴地宣布，我们取得了令人印象深刻的结果，并在2020年实现支持基于ARM架构的AWS Graviton2处理器的Amazon EC2实例！ 我们测试了两种不同的工作负载，它们代表着InterSystems IRIS客户群体的常见用例。第一个工作负载是基于InterSystems IRIS数据平台的金融应用程序的纯数据接收。第二个是基于InterSystems IRIS医疗版的医疗互操作性工作负载。我们对比了Amazon EC2 M6g和M5在每种工作负载下的性能表现。 工作负载#1：InterSystems IRIS数据平台上的数据接收吞吐量 我们测试了相同的工作负载，以便在InterSystems IRIS上模拟纽约证交所在两节点分片集群上运行的数据处理（下单/成交）。该基准测试比较了m5.2xlarge和基于AWS Graviton2的m6g.2xlarge Amazon EC2实例之间的性能表现。每个实例均具有8个vCPU和32GB RAM，唯一的配置差异是处理器和AMI操作系统镜像。所对比的系统配置具有相同的EBS卷、iops、VPC配置和IRIS参数（例如全局缓冲区），且均使用了InterSystems IRIS的预发布版本IRIS-2020.1.0L.188.0-lnxrharm64和IRIS-2020.1.0L.188.0-lnxrh64。 结果显示，m5.2xlarge系统平均每秒处理9.8万条记录，而m6g.2xlarge每秒处理大约12万条记录。在相同数量的vCPU上，后者的性能提高了20%以上！ 工作负载#2：InterSystems IRIS 医疗版上的医疗互操作性吞吐量 我们测试了相同的工作负载，以便在InterSystems IRIS医疗版互操作性技术框架上模拟HL7消息接收、路由和转换。该基准测试对m5.2xlarge和m6g.2xlarge（均具有8个vCPU和32GB RAM）进行了比较。除处理器以外，二者其余配置完全相同，且均在InterSystems IRIS（2020.1）的预发布版本上进行测试。我们同样针对基于第一代AWS Graviton处理器的A1实例进行了测试，以展示AWS Graviton2在性能上的飞跃。结果如下： 左侧轴是衡量此工作负载性能的主要指标，即应用程序每秒处理的消息数。x轴表示基准驱动向应用程序传输的不断增加的消息。从左向右，应用的工作负载不断增加，首先将入站接口的数量增加到16个，然后在保持稳定的情况下增加每秒消息数量。上图中的列则表示在右侧轴上测得的CPU利用率，当CPU利用率接近100%时，可以看到每种实例的最大容量。 正如大家所看到的，基于AWS Graviton2的M6g实例是线性扩展，并且在高工作负载下明显优于M5实例。在相同的工作负载下，M6g实例保持较低的CPU利用率，并在M5实例达到CPU最大利用率后仍可以继续扩展。与相同大小的M5实例相比，M6g实例的消息吞吐量最终提高了约28%。AWS Graviton2处理器以显著优势胜出！ 性价比 通过比较基于AWS Graviton2的M6g和相同大小的M5实例，可以发现前者除了明显的性能提升外，还具有价格优势——与当前的Amazon EC2 M5实例相比，Amazon EC2 M6g实例的成本降低了20%： m5.2xlarge按需：每小时0.384美元 m6g.2xlarge按需：每小时0.308美元 结论 InterSystems致力于为客户提供选择平台的自由。我们很高兴地看到，AWS Graviton2处理器将为InterSystems IRIS客户带来显著的性能提升，并为客户降低成本。我们相信这些综合优势将推动ARM平台在IRIS客户中的广泛应用，我们很高兴可以为此提供支持！ 更多资源 https://aws.amazon.com/ec2/graviton/ https://aws.amazon.com/ec2/instance-types/m6/ https://www.intersystems.com/products/intersystems-iris/ 注：本文为译文，欢迎点击查看原文，原文由Steven LeBlanc撰写 @LU.WANG @na.liu 这个版本的IRIS 我们能发货吗？

这是“IRIS数据库在医疗行业发展”系列课程的第一讲，InterSystems中国技术总监乔鹏为您介绍InterSystems IRIS架构。InterSystems IRIS数据平台是全球首款且唯一一款专门设计用于从医疗数据中提取价值的数据平台。

这是“IRIS数据库在医疗行业发展”系列课程的第二讲，InterSystems中国技术总监乔鹏为您介绍InterSystems IRIS强大的分析能力。InterSystems IRIS数据平台是全球首款且唯一一款专门设计用于从医疗数据中提取价值的数据平台。

这是“IRIS数据库在医疗行业发展”系列课程的第三讲，InterSystems中国技术总监乔鹏为您介绍InterSystems IRIS独立组件。InterSystems IRIS数据平台是全球首款且唯一一款专门设计用于从医疗数据中提取价值的数据平台。

大家好！ 如您所知，我们发布了 InterSystems Open Exchange — 面向 InterSystems 数据平台上的解决方案和工具的市场！ 但是如何在 OE 上发布应用程序？ 在开始前，我先回答几个基本问题。 谁可以发布？ 基本上，每个人都可以。 您可以使用您的 InterSystems 开发者社区帐户或 WRC 帐户登录 Open Exchange。 什么是应用程序？ Open Exchange 应用程序是使用任何 InterSystems 数据平台产品（Caché、Ensemble、HealthShare、InterSystems IRIS 或 InterSystems IRIS for Health）开发的解决方案、工具、互操作性适配器或接口。 或者该工具或解决方案应该有助于 InterSystems 数据平台上的开发、测试、部署或管理解决方案。 什么是 Open Exchange 的应用程序？ 实际上，它是应用程序条目的名称、描述和链接集：下载页面、文档、代码仓库（如果有）、许可证等。 让我用我个人的示例来介绍这个过程。 将应用程序提交到 Open Exchange 为了说明这个过程，我在 ObjectScript for InterSystems IRIS 上开发了一个出色的应用程序，并希望将其与开发者社区分享：Ideal ObjectScript。 它演示了 ObjectScript 编码准则在各种 ObjectScript 用例中的理想用法。 有一些必需字段需要出现在每个 Open Exchange 应用程序上。 1. 名称 - 对于 Open Exchange 唯一的应用程序名称 2. 描述 - 应用程序的描述。 该字段支持 markdown。 3. 产品 URL - 应用程序下载页面的链接。 4. 许可证 - 显示应用程序许可证的页面的链接。 5. InterSystems 数据平台 - 应用程序面向的 InterSystems 数据平台集。 其余所有字段都是可选的。 那么，让我们来提交我的应用程序。 名称: Ideal ObjectScript 描述: Ideal ObjectScript 演示了 InterSystems ObjectScript 编码准则在各种 ObjectScript 用例中的理想用法。 产品URL: https://github.com/evshvarov/ideal_objectscript/releases/tag/1.0 - 应用程序的 Github 发行版部分中 1.0 版本的链接。 许可证URL: https://github.com/evshvarov/ideal_objectscript/blob/1.0/LICENSE - 应用程序的 LICENSE 文件的链接。 InterSystems数据平台: 该应用程序支持 InterSystems IRIS、Caché 和 Ensemble - 这是我自己测试过该应用程序的 InterSystems 产品列表。 这样，我们就可以提交应用程序了。 应用程序版本 在点击“Send For Approval”（发送以供批准）后，您需要提供应用程序的版本和版本说明。 我们使用 Semver 进行版本控制。 版本说明将发布在 Open Exchange 新闻、DC 社交媒体和应用程序的版本历史部分中。 在该应用程序进入批准工作流程后（结果是审批通过并自动在 OpEx 上发布，或者提供一些关于如何更正应用程序描述和链接的建议）。 输入 其他参数 图片 URL 在您的应用程序的图片图标上放置一个 URL，以使其显示在图块上。 您可以省略此参数，将显示标准 OpEx 图标。 Github URL 如果您的应用程序有 Github 仓库，则放置它的链接。 我们在 Open Exchange 上与 Github 进行了整合，因此，如果您引入指向应用程序的 Github 仓库的链接，Open Exchange 将自动显示来自 Github 的描述（Readme.md 中列出的所有内容）。 例如， 查看 Ideal ObjectScript 页面如何 显示在Open Exchange上。 社区文章URL 当然，您可以在开发者社区上用精彩的文章介绍您的应用程序，所以在这里放上文章的 URL！ 如您所见，这个过程非常简单！ 期待在 Open Exchange 上看到您的 InterSystems 数据平台应用程序！ 敬请期待！

我喜欢事务型分析DBMS和高级分析细分概念 VSCode的IRIS 1.0版插件很炫酷。社区和InterSystems IRIS之间的合作对此有着非常积极的作用。但在不久的将来，减少代码开发量对于IRIS来说将是一个非常合适的选项。 动态网关/原生API将IRIS定位为面向市场上主要开放语言的最先进的数据平台，但有必要使用这些语言的公共包管理器，尤其是Maven公共仓库。 API管理器是一个不错的方案，但社区版IRIS不能用，且仅能用于由IRIS创建的API。这个关键问题亟待解决。 用于物联网的OPC-UA适配器和用于实时事件的Kakfa适配器都很棒，我很喜欢。未来，也可以考虑用于Salesforce、SAP、Office365和其他最常用平台的新适配器。 云支持目前很完美，采用ICM和IKO进行部署和管理，SAM进行监控。 FHIR加速器对于FHIR项目是一个很棒的方案，真的很有用。 IRIS的速度真的越来越快了，它能够让已经非常快的东西变得更快，非常出色。 自适应分析重磅推出后广受欢迎，它能够加速和简化分析数据立方体的创建（以完全可视化和直观的方式），并以极好的方式向Excel和其他数据查看器展示数据。未来，我很想看到InterSystems发布自己的查看器，因为IRIS本身的报告功能比较有限，且无法提供社区版，因而使它不可能在社区中推广。 IntegratedML是我最喜欢的IRIS的新功能。它非常易用，适合所有的DBA。AutoML也是超棒的技术，将会被广泛使用。现在，InterSystems需要向最终用户提供一个预测和分类查看器，比如它可以使用与SAM的Grafana相同的技术。

。之前我展示了如何运行 pButtons 来收集我们在下列帖子中研究的性能指标。 - [第 1 部分 - 入门：收集指标。](https://cn.community.intersystems.com/post/intersystems-数据平台和性能-–-第-1-篇) - [第 2 部分 - 研究收集的指标。](https://cn.community.intersystems.com/post/intersystems-数据平台和性能-–-第-2篇) ## 更新：2020 年 5 月。 _自四年前写下本帖以来，我们已从 Caché 迁移到 IRIS。 有关 pButton (Caché) 和 SystemPerformance (IRIS) 文档的更新链接，请参见评论。 另请注意如何将系统更新到最新版本的性能工具。_ pButtons 与 Caché 5 及更高版本兼容，并已包含在最近的 InterSystems 数据平台分发版（HealthShare、Ensemble 和 Caché）中。 本帖旨在提醒您下载并安装最新版的 pButttons。 最新版本始终可以通过 ftp 下载。 ftp.intersystems.com/pub/performance 您需要下载以下文件： pButtons_package.zip 解压 .zip 文件后，请查看 `readme.txt` 文件，以确保为您的 Caché 版本安装正确的文件。 要检查您现在已安装哪个版本，可以运行： %SYS>write $$version^pButtons() 备注 1： - 当前版本的 pButtons 需要一个许可证单元才能运行，将来的发行版将满足此要求。 - 此 pButtons 发行版的版本已更改。 — 之前的 pButtons 版本为 1.16c — 新发行版为版本 5。 备注 2： - pButtons 版本 5 还更正了版本 1.16a 引入的一个问题，该问题可能导致收集时间非常长。 版本 1.16a 包含在 Caché 2015.1.0 中。 如果您有 pButtons 版本 1.16a 至 1.16c，则应该从 ftp 站点下载 pButtons 版本 5。 有关 pButtons 的更多详细信息，请参见下载的文件以及在线 Caché 文档。

您的应用程序已部署，一切运行正常。 很好，击个掌！ 然后电话突然响个不停 – 用户投诉应用程序有时很“慢”。 这是什么意思？ 有时？ 您有哪些工具，查找和解决这个缓慢问题应查看哪些统计数据？ 您的系统基础架构是否能承担用户负载的任务？ 在投入生产之前，应该询问哪些基础架构设计问题？ 如何自信地为新硬件规划容量，而不会过度规定？ 如何停止电话铃声？ 如何一开始就不让它响？ * * * [本系列其他帖子的列表](https://cn.community.intersystems.com/post/intersystems-数据平台的容量规划和性能系列文章) * * * ## 这将是一次旅程 这是本系列的第一个帖子，本系列将探讨可用于对系统性能进行监视、审查和故障排除的工具和指标，以及影响性能的系统和架构设计注意事项。 在旅程中，我们将朝多个方向前进，了解 Caché、操作系统、硬件、虚拟化以及根据评论中的反馈变为热门的其他方面的性能。 我们将关注反馈循环，其中性能数据提供了一个视角，通过它可查看已部署的应用程序和基础架构的优势和局限性，然后形成反馈以实现更好的设计和容量计划。 不言而喻，您应该不断检查性能指标，但不幸的是，如果客户只是查看数据，他们会多次对长期可见的性能问题感到惊讶。 但问题当然是 - 什么数据？ 我们将从收集一些基本的 Caché 和系统指标来开始这一旅程，这样我们可以对您的系统当前的运行状况有一个感觉。 在以后的帖子中，我们将深入了解主要指标的含义。 有多个可用于系统监视的选项 – 来自 Caché 内部和外部，我们将在本系列中探讨其中的许多选项。  首先，我们将了解我最喜欢的用于连续收集数据的必备工具 ^pButtons，它已经安装在每个 Caché 系统上。 为确保您拥有最新的 pButtons 副本，请查看以下帖子： ## 收集系统性能指标 - ^pButtons Caché 的 pButtons 实用工具可根据其创建的日志文件生成可读的 HTML 性能报告。 pButtons 输出的性能指标可以被轻松提取、绘图和审核。  pButtons html 文件中收集的数据包括： * Caché 设置：配置、驱动器映射等。 * mgstat：Caché 性能指标 - 大多数的值是每秒平均数。 * Unix：vmstat 和 iostat：操作系统资源和性能指标。 * Windows：性能监视器：Windows 资源和性能指标。 * 其他有用的指标。 pButtons 数据收集对系统性能的影响非常小，这些指标已经由系统收集，pButtons 只是将它们打包以便归档和传输。  要保存基准以进行趋势分析和故障排除，好的做法是在一个完整的业务周期内每天收集 24 小时 pButtons（午夜到午夜）。 一个业务周期可能是一个月或更长时间，例如，从月末处理中捕获数据。 如果没有任何其他外部性能监视或收集，则可以全年运行 pButtons。  应注意以下关键点： * 将日志目录更改为远离生产数据的位置，以存储累积的输出文件，避免出现磁盘满的问题！ * 定期运行操作系统脚本或以其他方式压缩和存档 pButtons 文件，这在 Windows 上尤其重要，因为文件可能很大。 * 定期审核数据！ 如果出现需要立即分析的问题，可以预览（立即收集）pButtons 数据，同时继续存储指标，以便在当天运行结束时进行收集。 有关 pButtons 的更多信息（包括预览、停止运行和添加自定义数据收集），请参见最新的 Caché 文档中的 _Caché 监视指南_：  http://docs.intersystems.com 可以将 pButtons HTML 文件数据分离并提取（例如提取为 CSV 文件），以通过脚本或简单的剪切和粘贴将其处理成图形或进行其他分析。 我们以后将在下一个帖子中看到图表输出的例子。 当然，如果您有紧急的性能问题，请联系 WRC。 ### 计划 24 小时 pButtons 数据收集 ^pButtons 可以手动从终端提示符启动，也可以按计划启动。 要计划每天 24 小时收集： 1. 启动 Caché 终端，切换到 %SYS 命名空间，然后手动运行一次 pButtons 以设置 pButtons 文件结构： %SYS>d ^pButtons Current log directory: /db/backup/benchout/pButtonsOut/ Available profiles: 1 12hours - 12 hour run sampling every 10 seconds 2 24hours - 24 hour run sampling every 10 seconds 3 30mins - 30 minute run sampling every 1 second 4 4hours - 4 hour run sampling every 5 seconds 5 8hours - 8 hour run sampling every 10 seconds 6 test - A 5 minute TEST run sampling every 30 seconds 选择选项 6 test - 5 minute TEST run sampling every 30 seconds。 请注意，您的编号可能有所不同，但 test 应该是显而易见的。 在运行期间，运行 Collect^pButtons（如下所示），您将看到包括 runid 在内的信息。 在此例中为“20160303\_1851\_test”。 %SYS>d Collect^pButtons Current Performance runs: <strong>20160303_1851_test</strong> ready in 6 minutes 48 seconds nothing available to collect at the moment. %SYS> 注意到这个 5 分钟运行还剩 6 分 48 秒吗？ pButtons 为所有运行增加了 2 分钟宽限期，以便有时间将日志收集和整理成 html 格式。  2. 重要！更改 pButtons 日志输出目录 – 默认的输出位置为 <缓存安装路径>/mgr 文件夹。 例如，在 unix 上，日志目录的路径可能如下所示： do setlogdir^pButtons("/somewhere_with_lots_of_space/perflogs/") 确保 Caché 有该目录的写权限，并且有足够的磁盘空间用于累积输出文件。 3. 运行以下命令以创建一个新的 24 小时配置文件，间隔为 30 秒： write $$addprofile^pButtons("<strong>My_24hours_30sec</strong>","24 hours 30 sec interval",30,2880) 检查该配置文件是否已添加到 pButtons： %SYS>d ^pButtons Current log directory: /db/backup/benchout/pButtonsOut/ Available profiles: 1 12hours - 12 hour run sampling every 10 seconds 2 24hours - 24 hour run sampling every 10 seconds 3 30mins - 30 minute run sampling every 1 second 4 4hours - 4 hour run sampling every 5 seconds 5 8hours - 8 hour run sampling every 10 seconds 6 My_24hours_30sec- 24 hours 30 sec interval 7 test - A 5 minute TEST run sampling every 30 seconds select profile number to run: 注意：您可以更改收集间隔 – 30 秒对于例行监视是可以的。 对于例行 24 小时运行，我不会选择低于 5 秒的间隔 (…”,5,17280)，因为 pButtons 在每个间隔都会收集数据，而导致输出文件变得非常大。 如果您要对一天中的某个特定时间进行故障排除，并需要更细化的数据，请使用默认的配置文件之一，或创建一个新的自定义配置文件，取较短的时间段，例如 1 小时，间隔为 5 秒 (...",5,720)。 多个 pButtons 可以同时运行，因此可以同时运行一个间隔为 5 秒的短 pButtons 和一个 24 小时 pButtons。 4. 提示 对于 UNIX 站点，可审查磁盘命令。 “iostat”命令使用的默认参数可能未包括磁盘响应时间。 首先显示当前配置了哪些磁盘命令： %SYS>zw ^pButtons("cmds","disk") ^pButtons("cmds","disk")=2 ^pButtons("cmds","disk",1)=$lb("iostat","iostat ","interval"," ","count"," > ") ^pButtons("cmds","disk",2)=$lb("sar -d","sar -d ","interval"," ","count"," > ") 要收集磁盘统计数据，请使用适合您的 UNIX 安装版的命令来编辑语法。 注意尾部空格。 以下是一些示例： LINUX: set $li(^pButtons("cmds","disk",1),2)="iostat -xt " AIX: set $li(^pButtons("cmds","disk",1),2)="iostat -sadD " VxFS: set ^pButtons("cmds","disk",3)=$lb("vxstat","vxstat -g DISKGROUP -i ","interval"," -c ","count"," > ") 您可以同时运行 iostat 和 sar 命令来创建非常大的 pButtons html 文件。 对于定期的性能审查，我通常只使用 iostat。 要仅配置一个命令： set ^pButtons("cmds","disk")=1 有关配置 pButtons 的更多详细信息，请参见在线文档。 5. 在 Management Portal > System Operation > Task Manager 中安排 pButtons 在午夜启动： Namespace: %SYS Task Type: RunLegacyTask ExecuteCode: Do run^pButtons("My_24hours_30sec") Task Priority: Normal User: superuser How often: Once daily at 00:00:01 ### 收集 pButtons 数据 最新版的 InterSystems 数据平台中随附的 pButtons 包括自动收集功能。 要手动收集数据并整理成一个 html 文件，请在 %SYS 命名空间中运行以下命令以生成未完成的 pButtons html 输出文件： do Collect^pButtons 该 html 文件将位于您在步骤 2 设置的日志目录中（如果您未设置，就**现在去设置！**）。 否则默认位置为 <Caché 安装目录/mgr> 文件将命名为 <主机名\_实例\_名称\_日期\_时间\_配置文件名.html>，例如 vsan-tc-db1\_H2015\_20160218\_0255_test.html ### Windows 性能监视器注意事项 如果操作系统是 Windows，则可以使用 Windows 性能监视器 (perfmon) 收集数据，与所收集的其他指标同步。 在 pButtons 的旧版 Caché 发行版中，需要手动配置 Windows perfmon。 如果帖子评论有需求，我将写一篇帖子介绍如何创建 perfmon 模板来定义要监视的性能计数器，并安排与 pButtons 相同的运行期间和间隔。 ### 总结 我们从本帖开始收集一些要研究的数据。 在本周晚些时候，我将开始研究一些样本数据及其含义。 您可以使用您在自己的系统上收集的数据。 到时见。

2021年7月9日-11日，2021(16th) 中国卫生信息技术/健康医疗大数据应用交流大会暨软硬件与健康医疗产品展览会(CHITEC)在武汉国际博览中心（湖北省武汉市汉阳区鹦鹉大道619号）盛大召开，欢迎莅临InterSystems展位A6-16，了解备受瞩目的InterSystems IRIS医疗版互联互通套件。 InterSystems致力于部署、创建互联互通医疗解决方案，为医院数字化转型提供技术支持。针对医院信息互联互通标准化成熟度测评指标要求，InterSystems IRIS 医疗版互联互通套件从安全管理、监控、数据管理、互联互通文档、互联互通服务、集成与交换六大方面助力医院互联互通建设，以满足医疗机构内部标准化的要求，使医院可基于信息平台提供较为完善的临床决策支持、闭环管理，实现丰富的人工智能和大数据应用，实现丰富的跨机构的业务协同和互联互通应用。 如果您希望进一步了解详细信息，欢迎莅临展位（A6-16），或通过下方二维码联系小助手，添加时注明“CHITEC预约沟通”，确认您的专属预约沟通时段，如果您完成预约并与专家实现现场沟通，将有机会获得神秘礼品！ InterSystems IRIS医疗版互联互通套件具备如下优点： 专——专注医疗领域40余年，针对中国医疗信息化市场量身定制，遵循国家卫生信息标准，公立医院互联互通标准化成熟度测评需求的基石；加强健康数据标准应用，提高数据质量；全——全面支持2020最新版医院互联互通标准化成熟度测评规定的文档、监控、服务、Schema 等组件；快——卓越的互操作性助力医疗机构快速落地互联互通标准化成熟度测评标准化改造；省——有效缩短实施周期，降低实施成本，超高性能有效降低硬件成本；稳——稳定高效，连续多年支持超百家大型公立医院海量数据稳定运行。主流 PC 服务器单实例下，支持日消息吞吐量可达 27亿；目前已知支持国内公立医院日消息吞吐量高达1200万/天（非集群）；强——功能强大，该套件具备持久化数据能力，可全面助力医院快速实现创新型数据应用，包括数据库管理、敏捷开发、 API 管理、FHIR资源仓库、分布式扩展、一体化机器学习、自适应分析等；广——广泛专业的本土化生态合作伙伴，具备丰富的互联互通成熟度测评经验与强大的落地能力。 截至2020 年，InterSystems已助力中南大学湘雅医院（五级乙等）、河南省人民医院（五级乙等）、安徽省立医院（五级乙等）、武汉中心医院（五级乙等）、四川大学华西第二医院（五级乙等）、深圳市宝安区妇幼保健院（五级乙等）、广州医科大学附属第二医院（五级乙等）、吉林大学中日联谊医院（五级乙等）、浙江大学医学院附属第四医院（五级乙等）、北京协和医院（四级甲等）等一百余家医院通过互联互通标准化成熟度测评，在全国大型医院中市场份额最高。 2021 CHITEC （7月9日-11日）期间，转发这篇文章到微信朋友圈，可以到InterSystems展位领取小礼品哦~

嵌入式 Python 模板 今天你们分享一个简单的[嵌入式 Python 模板](https://openexchange.intersystems.com/package/iris-embedded-python-template)，我建议将其作为任何使用 InterSystems IRIS 并将使用嵌入式 Python 的通用项目的起点。 功能： * 随时可用的嵌入式 Python； * 3 种嵌入式 Python 开发方式示例； * 随时可用的 VSCode 开发； * 支持 Docker； * 支持在线演示； * 随时可用的 ZPM 优先开发。 下面讨论一下这些功能！ 我们先来谈谈嵌入式 Python。 此功能在 InterSystems IRIS 2021.2 中提供，它允许使用 InterSystems IRIS 通过 Python 开发解决方案。 IRIS 2021.2 及以上版本允许使用 InterSystems IRIS 在共享内存环境中执行 Python 脚本，这为 Python 开发者在使用代码与数据相近的数据库时提供了独特的选项。  ### 3 种使用嵌入式 Python 进行开发的模式 ### **从 ObjectScript 调用 Python 库** 此操作因 [%SYS.Python](https://docs.intersystems.com/irislatest/csp/documatic/%25CSP.Documatic.cls?&LIBRARY=%25SYS&CLASSNAME=%25SYS.Python) 类而变为可能，该类允许导入 Python 库并通过 ObjectScirpt 调用 Python。 [文档](https://docs.intersystems.com/irisforhealthlatest/csp/docbook/DocBook.UI.Page.cls?KEY=AEPYTHON#AEPYTHON_callpython_library)、[示例](https://github.com/intersystems-community/iris-embedded-python-template/blob/be578226b7a0c583df1f7b693b1bdae074efb1bd/src/dc/python/PersistentClass.cls#L17)。 请查看以下代码： <span class="hljs-keyword">ClassMethod</span> Today() <span class="hljs-keyword">As</span> <span class="hljs-built_in">%Status</span> { <span class="hljs-keyword">Set</span> sc = <span class="hljs-built_in">$$$OK</span> <span class="hljs-keyword">Set</span> dt = <span class="hljs-keyword">##class</span>(<span class="hljs-built_in">%SYS.Python</span>).Import(<span class="hljs-string">"datetime"</span>) <span class="hljs-keyword">write</span> dt.date.today().isoformat() <span class="hljs-keyword">Return</span> sc } ### 使用 Python 编写 ObjectScript 类方法 事实上，现在开发者可以使用纯 Python 在方法签名和代码中添加 [Language=python] 标签。 还有一个辅助 Python 库“iris”，可以用于引用 ObjectScript 类和全局变量。 [文档](https://docs.intersystems.com/irisforhealthlatest/csp/docbook/DocBook.UI.Page.cls?KEY=AEPYTHON#AEPYTHON_runpython_method)、[示例](https://github.com/intersystems-community/iris-embedded-python-template/blob/224be7f5bf80ea0f588f555c7f9e8c8d10c90c10/src/dc/python/PersistentClass.cls#L17)、示例代码： ClassMethod CreateRecordPython(propValue As %VarString, ByRef id As %Integer) [ Language = python ] { <span class="hljs-keyword">import</span> iris obj=iris.cls(__name__)._New() obj.Test=propValue sc=obj._Save() id=obj._Id() <span class="hljs-keyword">return</span> sc } ### 使用纯 Python 编写 InterSystems IRIS 解决方案代码 这是开发者可以选择的第三种处理 IRIS 的方式。  这里，Python 脚本需要连接到 IRIS，此操作可以通过环境变量和设为“On”的 CallIn 服务来完成，请参见下面的详细信息。 设置完后，使用 IRIS 在共享内存中执行 Python 脚本。 在这里，“iris”库也非常有用。 [文档](https://docs.intersystems.com/irisforhealthlatest/csp/docbook/DocBook.UI.Page.cls?KEY=AEPYTHON#AEPYTHON_runpython_script)、[示例](https://github.com/intersystems-community/iris-embedded-python-template/blob/master/python/irisapp.py)。  <span class="hljs-function"><span class="hljs-keyword">def</span> <span class="hljs-title">create_rec</span><span class="hljs-params">(var)</span>:</span> obj=iris.cls(<span class="hljs-string">'dc.python.PersistentClass'</span>)._New() obj.Test=var obj._Save() id=obj._Id() <span class="hljs-keyword">return</span> id <span class="hljs-comment"># test record creation</span> <span class="hljs-keyword">from</span> datetime <span class="hljs-keyword">import</span> datetime now=str(datetime.now()) print(<span class="hljs-string">"Creating new record in dc.python.PersistentClass"</span>) print(create_rec(now)) <span class="hljs-comment">## run SQL and print data</span> <span class="hljs-function"><span class="hljs-keyword">def</span> <span class="hljs-title">run_sql</span><span class="hljs-params">(query)</span>:</span> rs=iris.sql.exec(query) <span class="hljs-keyword">for</span> idx, row <span class="hljs-keyword">in</span> enumerate(rs): print(<span class="hljs-string">f"[<span class="hljs-subst">{idx}</span>]: <span class="hljs-subst">{row}</span>"</span>) query=<span class="hljs-string">"Select * from dc_python.PersistentClass"</span> print(<span class="hljs-string">"Running SQL query "</span>+query) run_sql(query) ### 支持 Docker 模板仓库在容器中运行 IRIS，并设置嵌入式 Python 调整所需的所有内容。  环境变量。 嵌入式 Python 需要设置特定的环境变量来连接到 IRIS 并运行 Python 脚本。 下面是 [dockerfile](https://github.com/intersystems-community/iris-embedded-python-template/blob/be578226b7a0c583df1f7b693b1bdae074efb1bd/Dockerfile#L13-L17) 中有帮助的设置： # init Python env ENV PYTHON_PATH=/usr/irissys/bin/irispython ENV SRC_PATH=/irisrun/repo ENV IRISUSERNAME "SuperUser" ENV IRISPASSWORD "SYS" ENV IRISNAMESPACE "USER" 此外，嵌入式 Python 需要将 CallIn 服务设为“on”，此操作在构建 docker 的阶段在 [iris.script](https://github.com/intersystems-community/iris-embedded-python-template/blob/224be7f5bf80ea0f588f555c7f9e8c8d10c90c10/iris.script#L7) 中完成： <span class="hljs-comment">; enabling callin for Embedded Python</span> <span class="hljs-keyword">do</span> <span class="hljs-keyword">##class</span>(Security.Services).Get(<span class="hljs-string">"%Service_CallIn"</span>,.prop) <span class="hljs-keyword">set</span> prop(<span class="hljs-string">"Enabled"</span>)=<span class="hljs-number">1</span> <span class="hljs-keyword">set</span> prop(<span class="hljs-string">"AutheEnabled"</span>)=<span class="hljs-number">48</span> <span class="hljs-keyword">do</span> <span class="hljs-keyword">##class</span>(Security.Services).Modify(<span class="hljs-string">"%Service_CallIn"</span>,.prop) 另外，您的解决方案可能需要安装一些 Python 库。 这通过仓库根目录中的 [requirements.txt](https://github.com/intersystems-community/iris-embedded-python-template/blob/master/requirements.txt) 和 [dockerfile](https://github.com/intersystems-community/iris-embedded-python-template/blob/224be7f5bf80ea0f588f555c7f9e8c8d10c90c10/Dockerfile#L22) 中的 pip3 调用来实现： pip3 install -r requirements.txt && \ ### 随时可用的 VSCode 开发 使用 docker 在 VSCode 中开发非常方便。 如果想要在 docker IRIS 解决方案中使用嵌入式 Python 进行开发，VSCode 需要切换到 [Devcontainer 模式](https://code.visualstudio.com/docs/remote/containers)。 为此，将 [devcontainer.json 文件](https://github.com/intersystems-community/iris-embedded-python-template/blob/master/.devcontainer/devcontainer.json)添加到 .devcontainer 文件夹中。 该文件描述了需要使用的 docker 服务（本例中为 iris），这可以帮助在 VSCode 中运行 Python 脚本，这些脚本将由在容器中运行的 IRIS 使用的 Python 引擎提供服务。 devcontainer.json 文件还有一个部分，其中说明了需要在容器模式下使用哪些[扩展](https://github.com/intersystems-community/iris-embedded-python-template/blob/224be7f5bf80ea0f588f555c7f9e8c8d10c90c10/.devcontainer/devcontainer.json#L43)： "extensions": [ "ms-python.python", "ms-python.vscode-pylance", "intersystems-community.vscode-objectscript", "intersystems.language-server", "intersystems-community.servermanager", "ms-vscode.docker" ], ### 通过 ZPM 安装嵌入式 Python 解决方案 此模板被设置为“ZPM 优先”开发仓库。 这意味着所有开发代码都已在 module.xml 中介绍，并且每次构建 docker 镜像时都作为 ZPM 模块安装，开发者每次编码时都在 iris.script 中使用[以下行](https://github.com/intersystems-community/iris-embedded-python-template/blob/224be7f5bf80ea0f588f555c7f9e8c8d10c90c10/iris.script#L13)开头： zpm "load /home/irisowner/irisbuild/ -v":1:1 ZPM 模块中还介绍了嵌入式 Python 代码，它通过 [FILECOPY](https://github.com/intersystems-community/iris-embedded-python-template/blob/224be7f5bf80ea0f588f555c7f9e8c8d10c90c10/module.xml#L11) 进行安装： <FileCopy Name="python/" Target="${libdir}python/"/> 此表达式表示，我们想要将所有 Python 脚本打包在仓库中的 /python 文件夹下，并将其安装在目标 IRIS 安装程序的 libdir 的 python/ 文件夹中。 如果将 Python 脚本复制到 ${libdir}python/ 文件夹下，则可以在目标 IRIS 机器中通过 ObjectScirpt 或 Python 对其进行导入调用。 _**注意： 确保您的文件夹名称唯一，以免意外替换其他 Python 代码。**_ 希望该模板对您有用。 欢迎提供反馈，尤其是拉取请求！

我很高兴地宣布 ObjectScript 包管理器 ZPM 的生命周期中的一个里程碑。包管理器使开发人员能够以一种方便的方式巧妙地打包 ObjectScript 代码和部署配置设置以及版本信息。在过去的几年里，它已经发展成为许多开发工作流程中不可或缺的一部分。 事实证明，InterSystems 决定使用它来打包我们自己的组件非常重要，这促使我们决定将 GitHub 存储库从社区移至我们的公司存储库，并将其重命名为InterSystems Package Manager (IPM) 。 IPM 仍将是开源的。社区成员将能够审查代码并提交拉取请求。但这种变化使我们能够以非员工能够直接对代码库进行更改的方式确保软件的安全性。更高级别的安全性和信任对于可以将代码与您的数据一起安装的软件来说至关重要。 所以请和我一起庆祝 ZPM 的生命，欢迎 IPM 的诞生，并感谢贡献者——尤其是 Nikolay Soloviev 和@Dmitry.Maslennikov，他们再次展示了对开发人员需求的惊人洞察力，以及技能和奉献精神构建出色的软件！ --- https://github.com/intersystems/ipm