文章
Guangliang Zhang · 十月 21, 2022
cache数据库自身带有系统监控Portal界面，但需要运维人员定期主动查看才能获取监控信息。当系统故障发生时，容易出现由于没有及时获取故障信息而不能及时处理，从而导致造成的影响扩大。本文研究通过解析cache数据库控制台日志（cconsole.log）进行监控信息获取并主动推送微信或短信实现cache数据库主动实时监控。
cache数据库在运行时会将所有控制台消息包括一般消息、系统错误、某些操作系统错误和网络错误都会发送到控制台日志文件，通过操作员控制台工具从其他系统远程启动的作业的成功或失败等信息也会写入控制台日志，因此通过对控制台日志的解析即可获取所需要监控信息。具体步骤方法如下：
解析控制台日志
控制台日志默认存储在install-dir\mgr路径下。
根据cache版本不同，使用的读取方法也不同。对于cache2016版本以上，系统提供了EnsLib.SQL.Snapshot类，可以直接获取日志的行和列信息，非常方便。对于cache2010及以下版本则无此方法，需要使用%File文件读取方法。
随着系统运行时间增加，控制台日志也会不断增大，造成每次检索时间加大，且不容易找出最近的监控信息，作出有效监控。较好的方式是每次解析时均从上次的节点继续进行，以便获取新的有效的监控信息。可以使用指定global来记录每次执行的最后一行ID，下次执行时从ID+1行开始解析来达到目的。对于控制台日志，EnsLib.SQL.Snapshot方法里提供了方法以获取当前行，对于cache2010及以下版本，则需要记录最后一次处理的内容，再次处理的时先找到本条内容的位置，从此位置继续处理。代码示例如下。
cache2016及以上版本代码示例：
ClassMethod GetAlertInfo() As %String{
//cconsole.log存储路径 set FilePath="D:\InterSystems\HealthShare\mgr\cconsole.log"
//使用EnsLib.SQL.Snapshot读取日志 set snap=##class(EnsLib.SQL.Snapshot).%New() set snap.MaxRowsToGet=-1 do snap.ImportFile(FilePath,," ") do Consolelogshow do snap.Clean() quit $$$OK
//处理日志内容Consolelogshow set colsCount=snap.ColCount
//获取上一次处理的最后一行行号 set snap.%CurrentRow=$g(^AlertCurrentRow("Consolelog","CurrentRow")) k ^AlertCurrentRow("Consolelog","PID") while snap.Next() { set alertLevel=snap.GetData(3) set pid=snap.GetData(2) set pid=$p(pid,"(",2) set pid=$p(pid,")",1) continue:pid=""
//0级别信息不处理 continue:((alertLevel=0))
//进程号已存在不处理，即只获取每次每个进程的第一条告警/错误信息 continue:($d(^AlertCurrentRow("Consolelog","PID",pid)))
//记录已处理的进程号 set ^AlertCurrentRow("Consolelog","PID",pid)=1
//定义并组装监控消息内容 set alertInfo="" i ((alertLevel=1)||(alertLevel=2)||(alertLevel=3)){ f i=4:1:colsCount{ set alertInfo=alertInfo_" "_snap.GetData(i) } set alertInfo=snap.GetData(1)_":"_alertLevel_":"_alertInfo continue:((alertLevel=1)&&(alertInfo'["Warning"))
//发送监控信息至信息推送平台，如微信或短信等 set rt=..sendAlertInfo(alertInfo) }
//记录当前处理的行 set ^AlertCurrentRow("Consolelog","CurrentRow")=snap.%CurrentRow } quit $$$OK}
cache2010及以下版本代码示例：
ClassMethod GetAlertInfo() As %String{ //使用%File读取日志 set file=##class(%File).%New("/cachesys/mgr/cconsole.log") set Status= file.Open("R") k ^AlertCurrentRow("Consolelog","PID")
//获取上次处理的信息内容 set LastPosition=$g(^AlertCurrentRow("Consolelog","LastPosition")) s:LastPosition="" LastPosition=0 set LastPosition=LastPosition+1 set int=0 while 'file.AtEnd{ i int=0{
//跳转到上次处理的最后位置 do file.MoveTo(LastPosition) } set file.LineTerminator=$c(10) set text= file.ReadLine(,.sc) set int=int+1
//解析日志 set pid=$p(text," ",2) set pid=$p(pid,"(",2) set pid=$p(pid,")",1) set alertLevel=$p(text," ",3) s:text'="" textLast=text
//定义并组装监控消息内容 i ((alertLevel=1)&&(alertLevel["Warning"))||(alertLevel=2)||(alertLevel=3){ set length=$length(text," ") set alert="",alertInfo="" f i=4:1:length{ set alert=$p(text," ",i) i i=4{ set alertInfo=alert }else{ set alertInfo=alertInfo_" "_alert } } set alertInfo=$p(text," ",1)_": "_alertLevel_": "_pid_":"_alertInfo set alertInfo=$zcvt(alertInfo,"O","UTF8") i '$d(^AlertCurrentRow("Consolelog","PID",pid)){
//记录已处理的进程号 set ^AlertCurrentRow("Consolelog","PID",pid)=1 //发送监控信息至信息推送平台，如微信或短信等 set rt=..sendAlertInfo(alertInfo) } } }
//记录最后处理的行内容 set ^AlertCurrentRow("Consolelog","LastPosition")=file.FindAt(1,textLast) do file.Close() quit $$$OK}
控制台日志在记录信息时，经常会记录一系列问题。记录模式为时间+进程ID+信息级别+详细信息。如图1所示。信息级别从0级到3级，问题严重程度依次增加。为0的一般为正常运行信息，也是占日志主要部分的内容。问题级别为1的为警告信息。问题级别为2的为错误信息。问题级别为3的为严重错误信息。因此信息级别为1以上均是监控需要关注的信息。需要将此部分信息及时发出。
图1 cconsole.log普通记录示例
有时候控制台日志也会有其它格式的信息出现，如图2所示。此类信息说明有比较严重的异常行为出现，需要重点关注，因为一般将其全部发出。
图2 cconsole.log特殊记录示例
监控信息推送
控制台日志会对一个进程的多个操作进行记录，如果将所有信息发出，则会造成信息量过大而找不到重点。一般将每个进程的第一个告警或错误信息发出即可。处理方式见上述示例代码。
将获取到所需要发送的监控信息调取微信（如图3）或短信（如图4）或其它信息推送终端的接口即可进行信息推送。
图3 微信告警示例 图4 短信告警示例
任务部署
将程序部署成定时任务，按照所需自定义监控频率即可实现cache数据库的主动实时监控。如图5所示。
图5 监控任务示例 确实升级后的Cache强了很多 这个极实用，推荐大伙收藏。 实用，收藏
文章
Louis Lu · 五月 30, 2021
本文主要总结了在InterSystems IRIS 中如何保存、查询List类型数据
假设我们设计的对象中包含姓名，同时每个姓名下可以包含多个电话。我们可以使用下面方法进行处理。
1. 传统方式
我们可以把每一个姓名和电话放在不同列中。
Class Test.Person Extends %Persistent
{
Property Name As %String;
Property Phone As %String;
}
我们使用SQL语句插入数据：
insert into Test.Person values ('a','111-111-1111');
insert into Test.Person values ('b','222-111-1111');
insert into Test.Person values ('a','111-222-1111');
insert into Test.Person values ('c','333-111-1111');
insert into Test.Person values ('b','222-222-1111');
数据在表中是这样的：
Name
Phone
a
111-111-1111
b
222-111-1111
a
111-222-1111
c
333-111-1111
b
222-222-1111
这种情况下，我们可以使用下面的sql语句将结果返回：
SELECT
distinct %exact(Name) Name,
LIST(phone %foreach(Name)) Phonestr
FROM test.person
Name
Phonestr
a
111-111-1111,111-222-1111
b
222-111-1111,222-222-1111
c
333-111-1111
我们可以为电话号码创建索引，以提高搜索速度，如下：
Index IdxP On Phone;
使用这种方式保存list数据比较简单，当是当list数据非常多时，这种方法会使表格臃肿。
2. 保存在一个字符串字段中，使用分隔符区分
这里我们将所有电话号码保存在一个字符串字段中，每个号码之间用逗号区分
Class Test.Person2 Extends %Persistent
{
Property Name As %String;
Property PhoneStr As %String;
}
填充数据后，类似于这样
Name
PhoneStr
a
111-111-1111,111-222-1111
b
222-111-1111,222-222-1111
c
333-111-1111
d
333-111-1111,222-222-1111
这种情况下我们可以用下面方法实现对每个电话的索引
Index idxP On PhoneStr(ELEMENTS);
ClassMethod PhoneStrBuildValueArray(value, ByRef array) As %Status
{
if value="" {
s array(0)=value
}else{
s list=$lfs(value,","),ptr=0
while $listnext(list,ptr,item){
s array(ptr)=item
}
}
q $$$OK
}
这里用到了一个函数
ClassMethod propertynameBuildValueArray(value, ByRef valueArray) As %Status
其中：
value – 需要拆分的内容；
valueArray – 返回array类型的值，其中包含拆分的内容，格式为 array(key1)=value1, array(key2)=value2...
这时候我们的数据是这样：
USER>zw ^Test.Person2D
^Test.Person2D=4
^Test.Person2D(1)=$lb("","a","111-111-1111,111-222-1111")
^Test.Person2D(2)=$lb("","b","222-111-1111,222-222-1111")
^Test.Person2D(3)=$lb("","c","333-111-1111")
^Test.Person2D(4)=$lb("","d","333-111-1111,222-222-1111")
索引是这样：
USER>zw ^Test.Person2I
^Test.Person2I("idxP"," 111-111-1111",1)=""
^Test.Person2I("idxP"," 111-222-1111",1)=""
^Test.Person2I("idxP"," 222-111-1111",2)=""
^Test.Person2I("idxP"," 222-222-1111",2)=""
^Test.Person2I("idxP"," 222-222-1111",4)=""
^Test.Person2I("idxP"," 333-111-1111",3)=""
^Test.Person2I("idxP"," 333-111-1111",4)=""
这种情况下我们可以通过下面的SQL 语句查找 包含电话号码 333-111-1111 的姓名
select Name from test.person2 where phonestr ['333-111-1111'
select Name from test.person2 where phonestr like '%333-111-1111%'
但是当你检查查询计划的时候，却发现它并没有使用任何索引
我们只能通过类似于下面SQL语句的写法才能使用该索引
select Name from test.person2 where for some %element(Phonestr) (%value = '333-111-1111')
类似的还有下面的写法
(%Value %STARTSWITH 'а')
(%Value [ 'a' and %Value [ 'b')
(%Value in ('c','d'))
(%Value is null)
3. 使用 %List 类型
Class Test.Person3 Extends %Persistent
{
Property Name As %String;
Property PhoneList As %List;
Index idxP On PhoneList(ELEMENTS);
ClassMethod PhoneListBuildValueArray(value, ByRef array) As %Status
{
if value="" {
s array(0)=value
}else{
s ptr=0
while $listnext(value,ptr,item){
s array(ptr)=item
}
}
q $$$OK
}
}
插入数据
insert into Test.Person3 (Name,PhoneList) select 'a', $LISTBUILD('111-111-1111','111-222-1111')
insert into Test.Person3 (Name,PhoneList) select 'b', $LISTBUILD('222-111-1111','222-222-1111')
insert into Test.Person3 (Name,PhoneList) select 'c', $LISTBUILD('333-111-1111')
insert into Test.Person3 (Name,PhoneList) select 'd', $LISTBUILD('333-111-1111','222-222-1111')
数据和索引保存为
USER>zw ^Test.Person3D
^Test.Person3D=4
^Test.Person3D(1)=$lb("","a",$lb("111-111-1111","111-222-1111"))
^Test.Person3D(2)=$lb("","b",$lb("222-111-1111","222-222-1111"))
^Test.Person3D(3)=$lb("","c",$lb("333-111-1111"))
^Test.Person3D(4)=$lb("","d",$lb("333-111-1111","222-222-1111"))
USER>zw ^Test.Person3I
^Test.Person3I("idxP","111-111-1111",1)=""
^Test.Person3I("idxP","111-222-1111",1)=""
^Test.Person3I("idxP","222-111-1111",2)=""
^Test.Person3I("idxP","222-222-1111",2)=""
^Test.Person3I("idxP","222-222-1111",4)=""
^Test.Person3I("idxP","333-111-1111",3)=""
^Test.Person3I("idxP","333-111-1111",4)=""
同样可以使用下面的SQL语句查找包含电话333-111-1111的姓名
select Name from test.person2 where for some %element(phonelist) (%value = '333-111-1111')
4 使用 List Of、Array Of 保存
不需要定义propertynameBuildValueArray函数
Class Test.Person4 Extends %Persistent
{
Property Name As %String;
Property PhoneList As list Of %String;
Index idxP On PhoneList(ELEMENTS);
}
使用同样的方式插入数据
insert into Test.Person4 (Name,PhoneList) select 'a', $LISTBUILD('111-111-1111','111-222-1111')
insert into Test.Person4 (Name,PhoneList) select 'b', $LISTBUILD('222-111-1111','222-222-1111')
insert into Test.Person4 (Name,PhoneList) select 'c', $LISTBUILD('333-111-1111')
insert into Test.Person4 (Name,PhoneList) select 'd', $LISTBUILD('333-111-1111','222-222-1111')
数据和索引保存为
USER>zw ^Test.Person4D
^Test.Person4D=4
^Test.Person4D(1)=$lb("","a",$lb("111-111-1111","111-222-1111"))
^Test.Person4D(2)=$lb("","b",$lb("222-111-1111","222-222-1111"))
^Test.Person4D(3)=$lb("","c",$lb("333-111-1111"))
^Test.Person4D(4)=$lb("","d",$lb("333-111-1111","222-222-1111"))
USER>zw ^Test.Person4I
^Test.Person4I("idxP"," 111-111-1111",1)=""
^Test.Person4I("idxP"," 111-222-1111",1)=""
^Test.Person4I("idxP"," 222-111-1111",2)=""
^Test.Person4I("idxP"," 222-222-1111",2)=""
^Test.Person4I("idxP"," 222-222-1111",4)=""
^Test.Person4I("idxP"," 333-111-1111",3)=""
^Test.Person4I("idxP"," 333-111-1111",4)=""
使用同样的SQL查询可以得到结果
select Name from test.person4 where for some %element(Phonelist) (%value = '333-111-1111')
引申话题：针对日期字段的索引
日期格式通常是yyyy-mm-dd，我们经常要求按照某年或者某月查询数据，我们可以使用propertynameBuildValueArray函数设定保存的索引方式实现这个目的
Class Test.Person5 Extends %Persistent
{
Property Name As %String;
Property DOB As %Date;
Index idxD On (DOB(KEYS), DOB(ELEMENTS));
ClassMethod DOBBuildValueArray(value, ByRef array) As %Status
{
if value="" {
s array(0)=value
}else{
s d=$zd(value,3)
s array("yy")=+$p(d,"-",1)
s array("mm")=+$p(d,"-",2)
s array("dd")=+$p(d,"-",3)
}
q $$$OK
}
}
插入数据
insert into Test.Person5 (Name,DOB)
select 'a', {d '2000-01-01'} union all
select 'b', {d '2000-01-02'} union all
select 'c', {d '2000-02-01'} union all
select 'd', {d '2001-01-02'} union all
select 'e', {d '2001-01-01'} union all
select 'f', {d '2001-02-01'}
查看数据以及索引保存的内容
USER>zw ^Test.Person5D
^Test.Person5D=6
^Test.Person5D(1)=$lb("","a",58074)
^Test.Person5D(2)=$lb("","b",58075)
^Test.Person5D(3)=$lb("","c",58105)
^Test.Person5D(4)=$lb("","d",58441)
^Test.Person5D(5)=$lb("","e",58440)
^Test.Person5D(6)=$lb("","f",58471)
USER>zw ^Test.Person5I
^Test.Person5I("idxD","dd",1,1)=""
^Test.Person5I("idxD","dd",1,3)=""
^Test.Person5I("idxD","dd",1,5)=""
^Test.Person5I("idxD","dd",1,6)=""
^Test.Person5I("idxD","dd",2,2)=""
^Test.Person5I("idxD","dd",2,4)=""
^Test.Person5I("idxD","mm",1,1)=""
^Test.Person5I("idxD","mm",1,2)=""
^Test.Person5I("idxD","mm",1,4)=""
^Test.Person5I("idxD","mm",1,5)=""
^Test.Person5I("idxD","mm",2,3)=""
^Test.Person5I("idxD","mm",2,6)=""
^Test.Person5I("idxD","yy",2000,1)=""
^Test.Person5I("idxD","yy",2000,2)=""
^Test.Person5I("idxD","yy",2000,3)=""
^Test.Person5I("idxD","yy",2001,4)=""
^Test.Person5I("idxD","yy",2001,5)=""
^Test.Person5I("idxD","yy",2001,6)=""
执行下面 SQL 可以显示所有2月出生的信息
select * from Test.Person5 where for some %element(DOB) (%key='mm' and %value = 2)
这篇文章源自 这里，作者 Vitaliy Serdtsev
文章
Frank Ma · 六月 13, 2022
肾脏疾病可以从一些医学界熟知的参数中发现。这样，为了帮助医学界和计算机系统，特别是人工智能，科学家Akshay Singh发表了一个非常有用的数据集，用于训练肾脏疾病检测/预测方面的机器学习（ML)算法。这份出版物可以在最大和最知名的ML数据库Kaggle上找到，网址是https://www.kaggle.com/datasets/akshayksingh/kidney-disease-dataset。
关于数据集
该肾脏疾病数据集有以下元数据信息（来源：https://www.kaggle.com/datasets/akshayksingh/kidney-disease-dataset):
它有400行，有25个特征，如红细胞、足部水肿、糖等等。
其目的是对病人是否患有慢性肾脏病进行分类。
分类是基于一个名为 "classification "（分类）的属性，属性值是 "ckd"（慢性肾脏病）或 "notckd"（不是慢性肾脏病）。
数据集作者对数据集进行了清洗，包括将文本映射为数字和其他一些变化。在清洗之后，数据集作者做了一些EDA（探索性数据分析），然后将数据集分为训练和测试两部分，并在上面应用模型。据观察，最初的分类结果并不令人满意。因此，数据集的作者没有放弃有Nan（非数）值的行，而是用lambda函数将其替换为每一列的模式。之后，数据集作者又将数据集分为训练集和测试集，并对其应用模型。这一次的结果更好，我们看到随机森林和决策树是表现最好的，准确率为1.0，错误分类率为0。分类的性能是通过打印混淆矩阵、分类报告和准确性来衡量的。
数据集信息 (来源: https://archive.ics.uci.edu/ml/datasets/chronic_kidney_disease):
我们使用以下表述来收集数据集
age - age（年龄）bp - blood pressure（血压）sg - specific gravity（比重）al - albumin（白蛋白）su - sugar（糖）rbc - red blood cells（红血球）pc - pus cell（脓细胞）pcc - pus cell clumps（脓细胞团块）ba - bacteria（细菌）bgr - blood glucose random（血糖随机）bu - blood urea（血尿素）sc - serum creatinine（血清肌酐）sod - sodium（钠）pot - potassium（钾）hemo - hemoglobin（血红蛋白）pcv - packed cell volume（填充细胞体积）wc - white blood cell count（白血球计数）rc - red blood cell count（红细胞计数）htn - hypertension（高血压）dm - diabetes mellitus（糖尿病）cad - coronary artery disease（冠状动脉疾病）appet - appetite（食欲）pe - pedal edema（足部水肿）ane - anemia（贫血）class - class（类）
属性信息 (来源: https://archive.ics.uci.edu/ml/datasets/chronic_kidney_disease):
我们使用24+类 = 25 （11个数字类型，14个名义类型）1.Age 年龄（数字）岁数2.Blood Pressure 血压（数字）血压单位：mm/Hg3.Specific Gravity 比重（数字）sg - (1.005,1.010,1.015,1.020,1.025)4.Albumin 白蛋白（名义）al - (0,1,2,3,4,5)5.Sugar 糖 (数字)su - (0,1,2,3,4,5)6.Red Blood Cells 红血球 (名义)rbc - (normal,abnormal) 红细胞 - (正常,异常)7.Pus Cell 脓细胞 (名义)pc - (normal,abnormal)（正常、异常）8.Pus Cell clumps 脓细胞团块 (名义) pcc - (present,notpresent) （出现、未出现）9.Bacteria 细菌(名义)ba - (present,notpresent) （出现、未出现）10.Blood Glucose Random 血糖随机(数字)bgr 单位 mgs/dl11.Blood Urea 血尿素(数字)bu 单位mgs/dl12.Serum Creatinine 血清肌酸酐(数字)sc 单位 mgs/dl13.Sodium 钠 (数字)sod 单位 mEq/L14.Potassium 钾 (数字)pot 单位 mEq/L15.Hemoglobin 血红蛋白(数字)hemo 单位 gms16.Packed Cell Volume 包容细胞体积(数字)17.White Blood Cell Count白血球计数 (数字)wc 单位 cells/cumm 18.Red Blood Cell Count 红细胞计数(数字)rc 单位 millions/cmm19.Hypertension 高血压(名义)htn - (yes,no) （是，否）20.Diabetes Mellitus 糖尿病(名义)dm - (yes,no) （是，否）21.Coronary Artery Disease 冠状动脉疾病(名义)cad - (yes,no) （是，否）22.Appetite 食欲(名义)appet - (good,poor) （好，差）23.Pedal Edema 踏板水肿(名义)pe - (yes,no) （是，否）24.Anemia 贫血(名义)ane - (yes,no) （是，否）25.Class 类 （名义）class - (ckd,notckd) （慢性肾脏病，不是慢性肾脏病）
从Kaggle获取肾脏数据
使用Health-Dataset（健康数据集）应用程序，可以把肾脏病数据从Kaggle加载到IRIS表中: https://openexchange.
intersystems.com/package/Health-Dataset. 要做到这一点，在你的module.xml项目中，设置依赖关系（Health Dataset的ModuleReference）：
Module.xml with Health Dataset application reference
<?xml version="1.0" encoding="UTF-8"?>
<Export generator="Cache" version="25">
<Document name="predict-diseases.ZPM">
<Module>
<Name>predict-diseases</Name>
<Version>1.0.0</Version>
<Packaging>module</Packaging>
<SourcesRoot>src/iris</SourcesRoot>
<Resource Name="dc.predict.disease.PKG"/>
<Dependencies>
<ModuleReference>
<Name>swagger-ui</Name>
<Version>1.*.*</Version>
</ModuleReference>
<ModuleReference>
<Name>dataset-health</Name>
<Version>*</Version>
</ModuleReference>
</Dependencies>
<CSPApplication
Url="/predict-diseases"
DispatchClass="dc.predict.disease.PredictDiseaseRESTApp"
MatchRoles=":{$dbrole}"
PasswordAuthEnabled="1"
UnauthenticatedEnabled="1"
Recurse="1"
UseCookies="2"
CookiePath="/predict-diseases"
/>
<CSPApplication
CookiePath="/disease-predictor/"
DefaultTimeout="900"
SourcePath="/src/csp"
DeployPath="${cspdir}/csp/${namespace}/"
MatchRoles=":{$dbrole}"
PasswordAuthEnabled="0"
Recurse="1"
ServeFiles="1"
ServeFilesTimeout="3600"
UnauthenticatedEnabled="1"
Url="/disease-predictor"
UseSessionCookie="2"
/>
</Module>
</Document>
</Export>
预测肾脏疾病的网络前端和后端应用程序
进入Open Exchange应用程序链接 (https://openexchange.
intersystems.com/package/Disease-Predictor) 并遵循以下步骤：
用Clone/git 将repo拉到本地的任一目录中
$ git clone https://github.com/yurimarx/predict-diseases.git
打开该目录下Docker终端，并运行:
$ docker-compose build
运行IRIS容器：
$ docker-compose up -d
进入管理门户执行查询，训练AI模型: http://localhost:52773/csp/sys/exp/%25CSP.UI.Portal.SQL.Home.zen?$NAMESPACE=USER
创建用于训练的VIEW：
CREATE VIEW KidneyDiseaseTrain AS SELECT
age, al, ane, appet, ba, bgr, bp, bu, cad, classification, dm, hemo, htn, pc, pcc, pcv, pe, pot, rbc, rc, sc, sg, sod, su, wc
FROM dc_data_health.KidneyDisease
使用view视图创建AI模型
CREATE MODEL KidneyDiseaseModel PREDICTING (classification) FROM KidneyDiseaseTrain
训练模型：
TRAIN MODEL KidneyDiseaseModel
访问 http://localhost:52773/disease-predictor/index.html ，使用疾病预测器的前台预测疾病，如下：
幕后工作
预测肾脏病的后端类方法
InterSystems IRIS 允许你执行SELECT，使用之前创建的模型进行预测。
Backend ClassMethod to predict Kidney Disease
/// Predict Kidney Disease
ClassMethod PredictKidneyDisease() As %Status
{
Try {
Set data = {}.%FromJSON(%request.Content)
Set %response.Status = 200
Set %response.Headers("Access-Control-Allow-Origin")="*"
Set qry = "SELECT PREDICT(KidneyDiseaseModel) As PredictedKidneyDisease, "
_"age, al, ane, appet, ba, bgr, bp, bu, cad, dm, "
_"hemo, htn, pc, pcc, pcv, pe, pot, rbc, rc, sc, sg, sod, su, wc "
_"FROM (SELECT "_data.age_" AS age, "
_data.al_" As al, "
_"'"_data.ane_"'"_" AS ane, "
_"'"_data.appet_"'"_" AS appet, "
_"'"_data.ba_"'"_" As ba, "
_data.bgr_" As bgr, "
_data.bp_" AS bp, "
_data.bu_" AS bu, "
_"'"_data.cad_"'"_" As cad, "
_"'"_data.dm_"'"_" As dm, "
_data.hemo_" AS hemo, "
_"'"_data.htn_"'"_" AS htn, "
_"'"_data.pc_"'"_" As pc, "
_"'"_data.pcc_"'"_" As pcc, "
_data.pcv_" AS pcv, "
_"'"_data.pe_"'"_" AS pe, "
_data.pot_" As pot, "
_"'"_data.rbc_"'"_" As rbc, "
_data.rc_" AS rc, "
_data.sc_" AS sc, "
_data.sg_" As sg, "
_data.sod_" As sod, "
_data.su_" AS su, "
_data.wc_" AS wc)"
Set tStatement = ##class(%SQL.Statement).%New()
Set qStatus = tStatement.%Prepare(qry)
If qStatus'=1 {WRITE "%Prepare failed:" DO $System.Status.DisplayError(qStatus) QUIT}
Set rset = tStatement.%Execute()
Do rset.%Next()
Set Response = {}
Set Response.classification = rset.PredictedKidneyDisease
Set Response.age = rset.age
Set Response.al = rset.al
Set Response.ane = rset.ane
Set Response.appet = rset.appet
Set Response.ba = rset.ba
Set Response.bgr = rset.bgr
Set Response.bp = rset.bp
Set Response.bu = rset.bu
Set Response.cad = rset.cad
Set Response.dm = rset.dm
Set Response.hemo = rset.hemo
Set Response.htn = rset.htn
Set Response.pc = rset.pc
Set Response.pcc = rset.pcc
Set Response.pcv = rset.pcv
Set Response.pe = rset.pe
Set Response.pot = rset.pot
Set Response.rbc = rset.rbc
Set Response.rc = rset.rc
Set Response.sc = rset.sc
Set Response.sg = rset.sg
Set Response.sod = rset.sod
Set Response.su = rset.su
Set Response.wc = rset.wc
Write Response.%ToJSON()
Return 1
} Catch err {
write !, "Error name: ", ?20, err.Name,
!, "Error code: ", ?20, err.Code,
!, "Error location: ", ?20, err.Location,
!, "Additional data: ", ?20, err.Data, !
Return 0
}
}
现在，任何web应用都可以使用该预测并显示结果。您可以到预测疾病应用程序的前端文件夹中查看源代码。
