概述

25.24.1 版对 DNS 功能、平台可靠性、升级工作流和开发人员体验进行了重大增强。该版本还包括关键修复和平台限制的增加，以更好地支持现代工作负载。

新功能和增强功能

概述

25.23.2 版对高级安全用户界面进行了有针对性的改进，并进一步简化了 InterSystems 云产品的升级和更新工作流程。这些更改重点关注清晰度、效率和卓越运营。

新功能和增强功能

建议采取的行动

• 查看更新后的高级安全用户界面，让您的团队熟悉改进后的应用程序表示方法。

支持

有关此版本的更多信息或帮助，请通过 iService 或云服务门户联系 InterSystems 云服务支持。

概述

本版本对存储的可扩展性和性能进行了重大改进，对所有产品的操作系统进行了重大升级，并推出了新的 FHIR 服务器默认版本。这些更新共同增强了系统的可靠性、灵活性和安全性，同时确保了平台的长期可支持性。

新功能和增强功能

建议采取的行动

• 无

支持

有关此版

概述

25.20.2 版扩展了全球可用性，提高了高级安全灵活性，并扩大了网络连接集成。该版本引入了对更多地区的支持、新的应用程序感知安全规则，以及针对关键 InterSystems 服务的更多连接选项。

新功能和增强功能

概述

该版本引入了FHIR Server 2025.10.0，该版本遵循最新标准并实现了性能提升。它还增强了Health Connect Cloud（HCC）升级流程，提高了其可靠性，并通过在 VPN 配置中支持前缀列表为Network Connect增加了新的灵活性。

新功能和增强功能

推荐操作

此版本无建议操作。

支持

如需帮助或了解有关这些更新的更多信息，请通过 iService 或 InterSystems 云服务门户（InterSystems Cloud Service Portal）提交支持请求。

©2025

概述

此版本重点聚焦于多个InterSystems云服务在升级可靠性、安全功能扩展以及支持体验优化方面的提升。通过该版本，包括 FHIR Server、InterSystems Data Fabric Studio (IDS)、IDS with Supply Chain 和 IRIS Managed Services 在内的所有主要产品，现均支持高级安全功能，从而提供了统一且增强的安全态势。

新功能和增强功能

大家好！ 我最近才加入 InterSystems，但发现尽管我们推出了完全免费且出色的社区版，但大家并不是十分清楚如何获取。 因此我决定编写一份指南，详细介绍获取 InterSystems IRIS 社区版的所有不同方式：

以容器形式获取 InterSystems IRIS 社区版

对于刚刚接触 InterSystems IRIS 开发的伙伴，推荐使用社区版的容器化实例，在我看来，这是最简单直接的方式。 InterSystems IRIS 社区版可以在 DockerHub 上获取；如果您有 InterSystems SSO 帐户，还可以在 InterSystems 容器注册表中获取。

在这两种情况下，您都需要使用 docker CLI 拉取所需镜像：

docker pull intersystems/iris-community:latest-em
// or
docker pull containers.intersystems.com/intersystems/iris-community:latest-em

接下来，您需要启动容器：要从容器外部与 IRIS 进行交互（例如使用管理门户），您需要发布一些端口。 以下命令将运行 IRIS 社区版容器，并发布超级服务器和 Web 服务器端口；请注意，此时不能运行其他依赖 1972 或 52773 端口的程序！

docker run --name iris -d --publish 1972:1972 --publish 52773:52773 intersystems/iris-community:latest-em

在这一系列文章中，我想向大家介绍并探讨使用 InterSystems 技术和 GitLab 进行软件开发可以采用的几种方式。 我将介绍以下主题：

• Git 101
• Git 流程（开发流程）
• GitLab 安装
• GitLab 工作流
• 持续交付
• GitLab 安装和配置
• GitLab CI/CD
• 为何使用容器？
• 容器基础架构
• 使用容器的 CD
• 使用 ICM 的 CD

在本文中，我们将使用 InterSystems Cloud Manager 构建持续交付。 ICM 是一个面向基于 InterSystems IRIS 的应用程序的云配置和部署解决方案。 它允许您定义所需部署配置，ICM 会自动提供这些配置。 有关详情，请参阅 ICM 概述。

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。

++ 更新：2018 年 8 月 1 日

使用内置于 Caché 数据库镜像的 InterSystems 虚拟 IP (VIP) 地址有一定的局限性。特别是，它只能在镜像成员驻留在同一网络子网时使用。当使用多个数据中心时，由于增加了网络复杂性（ 此处有更详细的讨论），网络子网通常不会“延伸”到物理数据中心之外。出于类似的原因，当数据库托管在云端时，虚拟 IP 通常无法使用。

负载均衡器（物理或虚拟）等网络流量管理设备可用于实现相同级别的透明度，为客户端应用程序或设备提供单一地址。网络流量管理器自动将客户端重定向到当前镜像主服务器的真实 IP 地址。自动化旨在满足灾难后 HA 故障转移和 DR 升级的需求。

国务院于2022年12月19日发布了《中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见》（后简称《数据二十条》），如何有效利用数据已经成为下一步的趋势。另一方面，无论是基于数据中台还是数据编织理念，两者也都对如何利用数据提出了构想。因此医疗行业数字化建设的目标已不能再局限于如何收集数据，建立医疗行业数据的流通机制将会是为越来越普遍的需求。

时钟拨回几年前，数据中台概念开始火爆。人们对数据中台的定义、诠释尽管有诸多差异，通过数据中台降低数据共享和利用的成本则是共同的期望。但经过这几年的探索之后，中台已死的观点也在涌现。究其原因，除去中台概念在技术上的不确定，数据流通过程中的责权益的不清晰也是严重的制约因素。毕竟，数据中台自身作为一套技术框架并不能代替法律法规与市场自动将数据转变为商品从而创造出流通价值。

那么，如何能够使数据的流通合规合法，使数据能够如货币和商品一般自由流动，则是我们需要思考和探索的主题，这次《数据二十条》的出现，无疑为医疗信息技术工作者提供了一个明确的思考方向。

在这篇文章中，你可以访问InterSystems开发者社区中与学习InterSystems IRIS最相关主题的文章库。找到按机器学习、嵌入式Python、JSON、API和REST应用、管理和配置InterSystems环境、Docker和云、VSCode、SQL、分析/BI、全局、安全、DevOps、互操作性、Native API排列的顶级发表的文章。快来享受学习的乐趣吧!

机器学习

机器学习是建立先进的数据分析和自动化人工活动的一种必要的技术，具有很好的效率。它可以创建认知模型，从现有的数据中学习，并根据其自我调整的算法进行预测、概率计算、分类、识别和 "非创造性 "的人类活动的自动化。

在所有情况下，InterSystems IRIS作为一个数据平台和环境来创建、执行、提供和使用这些机器学习模型。IRIS能够从SQL命令（IntegratedML）中使用ML，使用嵌入式Python和PMML（预测模型标记语言）来执行ML。你可以在以下文章中查看它的功能:

所有源代码均在: https://github.com/antonum/ha-iris-k8s 

在上一篇文章中，我们讨论了如何在k8s集群上建立具有高可用性的IRIS，基于分布式存储，而不是传统的镜像。作为一个例子，那篇文章使用了Azure AKS集群。在这一篇中，我们将继续探讨k8s上的高可用配置。这一次，基于Amazon EKS（AWS管理的Kubernetes服务），并将包括一个基于Kubernetes 快照进行数据库备份和恢复的选项。

安装

开始干活. 首先需要一个AWS账户,安装 AWS CLI,kubectl 和 eksctl 工具. 要创建新的集群，请运行以下命令:

eksctl create cluster \
--name my-cluster \
--node-type m5.2xlarge \
--nodes 3 \
--node-volume-size 500 \
--region us-east-1

这个命令需要大约15分钟，部署EKS集群并使其成为你的kubectl工具的默认集群。你可以通过运行以下代码来验证你的部署：

kubectl get nodes
NAME                                             STATUS   ROLES    AGE   VERSION

大家好! 对于那些参加了2021年虚拟峰会的体验实验室的人来说，你可能还记得其中一个实验室会议是围绕Kubernetes进行的。我们现在已经将该实验室转换为完全线上按需使用。你可以启动一个小型的虚拟机集群，并按照练习来管理你的Kubernetes集群，将InterSystems IRIS容器部署到其中，并观察它在摧毁一个吊舱时的自我修复性质。

如果你有兴趣，这是一个很好的Kubernetes介绍。请看这里: 用InterSystems IRIS 和 Kubernetes实现高可用

实时人工智能/机器学习计算的挑战

我们将从我们在 InterSystems 数据科学实践中遇到的示例开始讲起：

• “高负载”客户门户与在线推荐系统相集成。 计划是在整个零售网络层面重新配置促销活动（我们将假设使用“细分策略”矩阵而非“平面”促销活动母版）。 推荐机制会有哪些变化？ 推荐机制内的数据馈送和数据更新会有哪些变化（输入数据量增加了 25000 倍）？ 推荐规则生成设置会有哪些变化（生成规则的总量和“分类”呈千倍增加，因此需要将推荐规则筛选阈值缩小千倍）？
• 设备健康监控系统使用“手动”方式馈送数据样本。 现在，它将连接到每秒可传输数千个过程参数读数的 SCADA 系统。 监控系统会有哪些变化（它能否应对以秒为单位的设备健康监控）？ 当输入数据接收到包含数百列最近在 SCADA 系统中实现的数据传感器读数的新块时，会发生什么（是否有必要关闭监控系统以将新的传感器数据整合到分析当中，以及要关闭多久）？
• 复杂的人工智能/机器学习机制（推荐、监控、预测）依赖于彼此的结果。 要调整这些人工智能/机器学习机制的功能以适应输入数据的变化，每月需要多少人工工时？ 人工智能/机器学习机制在支持制定业务决策方面的总体“延迟”是多少（支持信息的刷新频率对比新输入数据的馈送频率）？

Intersystems RIS 机器学习工具包, 包括Python/R/Julia, 支持协调管理基于云的高级分析服务，如微软Azure数据工厂和机器学习。

什么是分布式人工智能 (DAI)？

试图找到一个“无懈可击”的定义是徒劳的：这个术语似乎有些“超前”。 但是，我们仍然可以从语义上分析该术语本身，推导出分布式人工智能也是人工智能（请参见我们为提出一个“实用”定义所做的努力），只是它分布在多台没有聚合在一起（既不在数据方面，也不通过应用程序聚合，原则上不提供对特定计算机的访问）的计算机上。 即，在理想情况下，分布式人工智能的安排方式是：参与该“分布”的任何计算机都不能直接访问其他计算机的数据和应用程序，唯一的替代方案是通过“透明的”消息传递来传输数据样本和可执行脚本。 与该理想情况的任何偏差都会导致出现“部分分布式人工智能”- 一个示例是通过中央应用程序服务器分发数据， 或者其反向操作。 不管怎样，我们都会得到一组“联合”模型（即，在各自数据源上训练的模型，或者按自己的算法训练的模型，或者同时以这两种方式训练的模型）。

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%。

企业需要快速有效地扩展和管理其全球计算基础设施，同时优化和管理资本成本及支出。 Amazon Web Services (AWS) 和 Elastic Compute Cloud (EC2) 计算和存储服务提供高度稳健的全球化的计算基础设施，可满足最苛刻的基于 Caché 的应用程序的需求。Amazon EC2 基础设施使各公司能够迅速预置计算能力和/或快速灵活地将其现有内部基础架构扩展到云端。 AWS 针对安全、网络、计算和存储提供了一套丰富的服务和强大的企业级机制。

AWS 的核心是 Amazon EC2。它是支持各种操作系统和机器配置（例如 CPU、RAM、网络）的云计算基础设施。 AWS 提供预先配置的虚拟机 (VM) 映像（称为 Amazon 系统映像或 AMI），客户操作系统包括各种 Linux® 和 Windows 发行版及版本。可以将其它软件用作 AWS 中运行的虚拟化实例的基础。您可以将这些 AMI 用作实例化以及安装或配置其他软件、数据等的起点，以创建特定于应用程序或工作负载的 AMI。 

与任何平台或部署模式一样，必须留心以确保考虑到应用程序环境的各个方面，例如性能、可用性、操作和管理程序。 

本文将详细介绍以下每个方面。

• 网络设置和配置。 此部分介绍基于 Caché的应用程序在 AWS 中的网络设置，包括为参考架构内不同层级和角色的逻辑服务器组提供支持的

本文提供了一个参考架构，作为示例说明基于 InterSystems Technologies（适用于 Caché、Ensemble、HealthShare、TrakCare 以及相关的嵌入式技术，例如 DeepSee、iKnow、Zen 和 Zen Mojo）提供的强大性能和高可用性应用。
Azure 有两种用于创建和管理资源的不同部署模型：Azure Classic 和 Azure Resource Manager。本文中的详细信息基于 Azure Resource Manager (ARM) 模型。

Amazon Web Services (AWS) 云提供广泛的云基础设施服务，例如计算资源、存储选项和网络，这些都非常实用：按需提供，几秒内就可用，采用即付即用定价的模式。 新服务可得到快速配置，且前期无需支出大量资金。 这使得大企业、初创公司、中小型企业以及公共部门的客户可以访问他们所需的基础设施，从而快速响应不断变化的业务需求。

更新日期：2019 年 10 月 15 日

Google Cloud Platform (GCP) 为基础架构即服务 (IaaS) 提供功能丰富的环境，其作为云提供完备的功能，支持所有的 InterSystems 产品，包括最新的 InterSystems IRIS 数据平台。 与任何平台或部署模型一样，必须留心以确保考虑到环境的各个方面，例如性能、可用性、操作和管理程序。 本文将详细阐述所有这些方面。

假设你想了解 InterSystems 在数据分析方面能提供什么。 你研究了理论，现在想要进行一些实践。 幸运的是，InterSystems 提供了一个项目：Samples BI，其中包含了一些很好的示例。 从 README 文件开始，跳过任何与 Docker 相关的内容，直接进行分步安装。 启动虚拟实例 安装 IRIS，按照说明安装 Samples BI，然后用漂亮的图表和表格让老板眼前一亮。 到目前为止还不错。

但是不可避免地，你需要进行更改。