供应链是指由公司业务领域及其供应商和合作伙伴（利益相关者）执行的一系列流程和活动，从原材料采购、生产到交付给最终消费者。利用 InterSystems IRIS 的协调功能，供应链管理解决方案可以更好地管理供应链：

现代数据架构利用实时数据捕获、转换、移动和加载解决方案来构建数据湖、分析仓库和大数据存储库。它能够分析来自不同来源的数据，而不会影响使用这些数据的操作。要实现这一目标，必须建立连续、可扩展、弹性和稳健的数据流。最常用的方法是 CDC（变更数据捕获）技术。CDC 监控小型数据集的生产，自动捕获这些数据，并将其传送到一个或多个接收方，包括分析数据存储库。这样做的主要好处是消除了分析中的 D+1 延迟，因为数据一产生就会在源端被检测到，随后被复制到目的地。

本文将展示 CDC 场景中最常见的两种数据源，既可以是源数据源，也可以是目的地数据源。对于数据源（origin），我们将探讨 SQL 数据库和 CSV 文件中的 CDC。对于数据目的地，我们将使用列式数据库（典型的高性能分析数据库场景）和 Kafka 主题（将数据流传输到云和/或多个实时数据消费者的标准方法）。

概述

本文将为以下互操作场景提供一个示例：

嗨社区，

这篇文章公开介绍我的 iris-fhir-client 客户端应用。

 iris-fhir-client 可以可以借助嵌入式 python 连接到任何开放的 FHIR 服务器 fhirpy 图书馆.

通过终端和使用 CSP Web 应用程序获取资源信息。

在创建一个或多个立方体后，你通常会创建并打包一组透视表和仪表盘，而用户通常会根据需要创建新的透视表和仪表盘。

本章简要地引导你了解创建透视表和仪表盘的过程。它包括以下几个步骤。

• 创建透视表
• 创建一个仪表盘
• 导出并打包这些项目

创建透视表

在本教程的前面，我们创建了一个使用Patients cube的透视表。现在让我们创建使用你的新立方体Tutorial的透视表。

1. 进入分析器。
2. 打开Tutorial立方体。
3. 展开AgeD维度。
4. 把Age Group拖到行中。
5. 将Age Bucket拖到Age Group的子级
6. 拖动 Count 到列。
7. 将 "All Patients "拖到 "行 "中，在底部。
8. 现在 "行 "框看起来像这样。
9. 点击保存。
10. 系统会显示一个对话框，你可以在其中指定数据透视表的名称。
    
    • 保存数据透视表并给它一个名字。这里，我们保存的是检索数据的基础查询，以及按照你选择的方式显示数据所需的信息。 注意：我们不是在保存数据。
    • 对于文件夹，键入Tutorial
    • 对于透视表名称，键入Patients by Age Group
    • 单击 "确定"。
11. 创建另一个透视表，如下所示。
    
    • 对于行，使用Diagnoses
    • 对于列，使用Count和Avg Age
    • 点击保存。

一个主题区是一个子立方体，可以选择覆盖项目的名称。你定义一个主题区是为了使用户能够关注较小的数据集，出于安全原因或其他原因。本章讨论了以下主题。

简介

在本教程中，我们创建了两个主题区域，按邮政编码划分患者:

• Patient Set A: 居住在邮政编码为32006, 32007, or 36711区域的患者
• Patient Set B: 居住在邮政编码为34577 or 38928区域的患者

创建主题领域

要创建主题区域，请做以下工作。

1. 在模型中，点击 "新建"。
2. 选中 "主题区域"。
3. 对于主题区名称，键入Patient Set A
4. 对于主题区的类名，输入 Tutorial.SubjectA
5. 对于基础立方体，点击浏览并选择 Tutorial。
6. 单击 OK。 
7. 在一个单独的浏览器标签或窗口中，访问分析器，然后做以下工作。
8. 展开HomeD。
9. 把ZIP Code放到过滤器框中。这就在数据透视表的正上方增加了一个过滤框。
10. 在该过滤框中，点击搜索按钮，然后选择 32006, 32007, 和 36711。
11. 然后点击'为透视表显示当前查询'按钮（笔记本带一个笔的图标）
12. 系统会显示一个对话框，显示分析器所使用的MDX查询。
    

    SELECT  FROM [PPatients] 
    %FILTER %OR({[HOMED].[H1].[ZIP CODE].&[32006],[HOMED].[H1].[ZIP CODE].&[32007],[HOMED].[H1].[ZIP CODE].&[36711]})

增加level

到目前为止，我们所创建的每个维度都包含一个具有一个level的层级结构。在这一节中，我们将在HomeD维度的层级结构中添加一个level。

1. 在Tutorial模型中，为HomeD维度添加一个level，如下所示。
2. 在类浏览器中，展开HomeCity。
3. 拖动PostalCode并把它放到HomeD维度的H1层级结构上。这一步是在City 层之后添加新的PostalCode层。
4. 点击PostalCode，在详细信息栏中，将名称改为ZIP Code。
5. 编译这个立方体。
6. Build这个立方体。
7. 进入分析器。
8. 展开左边的HomeD维度。将ZIP Code级别显示为行。 注意，有些成员有相同的名字。有时，有多个成员具有相同的名字是正确的。然而，在这种情况下，这是一个错误，因为邮政编码是唯一的。 一个级别只有两种方式可以拥有多个同名的成员。
   
   • 级别名称是基于一个级别属性，而这个属性是不唯一的。(对于一个例子，请看我们在前一章定义的医生级别）。
   • 该级别有一个父级别。当DeepSee创建一个级别的成员时，它不仅考虑源属性或表达式；它还考虑父成员。

   在现实中，邮政编码和城市之间存在着多对多的关系，所以两者都不是对方的父级。

   当我们添加邮政编码级别时，我们把它放在城市级别之后，这意味着城市是邮政编码的父级。这影响了系统为ZIP Code生成成员的方式。

创建Cube

点击主页，Analytics - > 模型。

1. 点击新建。系统会显示一个对话框。
2. 在这个对话框中，指定以下内容。 
   
   • 定义类型。选择 Cube 。
   • 多维体名称 - Tutorial
   • 多维体的类名 - Tutorial.Cube
   • 源类 - 点击浏览按钮，选择BI.Study.Patient，然后点击确定。

系统会创建cube类，你也可以在Studio中查看和修改。

3. 点击中间区域的粗体顶行（标有Tutorial）。这将选择cube，这样你就可以在右边编辑它的细节。
4. 在细节栏中，将None键入空替换字符串。点击保存，然后点击确定。系统会更新cube类。
5. 左边的区域叫做类浏览器。

类浏览器提供了你的基类的类属性（除了关系属性）的有用视图，这使得基于这些属性创建DeepSee元素非常容易。然而，重要的是要知道，尽管这个视图提供了一个访问某些属性的方便方法，你也可以使用源表达式来访问任何数据。这些源表达式是在构建cube时进行评估的，因此不会影响你的运行时性能。

添加levels和度量

1. 将以下项目从类浏览器（左侧区域）拖放到模型浏览器（中间区域）的度量标题下。这将创建名为Age和TestScore的度量，基于这些名字的类属性。
   
   • Age
   • TestScore
2. 对TestScore度量做如下修改。
   
   • 单击 "度量 "标题下的度量名称。

创建一个透视表

1. 在模型内容窗格中展开DiagD维度。
2. 将Diagnoses拖放到行中，或者双击诊断。
3. 将Patient Count（病人计数）拖放到Measure（度量）中，或双击病人数。
4. 将 Avg Age（平均年龄） 拖至Measure（度量），或双击 "平均年龄"。
5. 单击保存。 系统显示一个对话框，你可以指定透视表的名称。 保存透视表并给它一个名字。当你这样做时，你是在保存检索数据的基础查询，以及以你选择的方式显示数据所需的信息。你不是在保存数据。
6. 对于文件夹，键入Test
7. 对于透视名称，键入Patients by Diagnosis (Patients Cube)。
8. 点击确定。

注意：基表是Patients，这意味着所有的度量都是关于病人的数据总结。

度量和levels

1. 点击新建。
2. 把Patient Count和Avg Age拖到度量区。 这个简单的透视表向我们展示了这些度量中每一项的总数值，跨越基类中的所有记录。有1000名病人，他们的平均年龄（在这个例子中）是36.59岁。
3. 使用SQL 校验
   

   select count(*) as "count" ,avg(age) as avgage from BI_Study.Patient

4. 在分析器中，对前面的透视表进行如下修改。
   
   • 在左边展开GenD，把Gender拖到行区。

InterSystems DeepSee的目的是使你能够将BI嵌入到你的应用程序中，这样你的用户就可以对他们的数据提出和回答复杂的问题。你的应用程序可以包括仪表盘，它包含图形部件。这些部件用来显示数据，由透视表和KPIs（关键绩效指标）驱动。对于一个透视表，用户可以显示一个列表，用其显示源值。

透视表、KPIs和列表是查询，在运行时执行。

数据透视表可以对运行时的输入作出反应，如用户的过滤器选择。在内部，它使用一个MDX（MultiDimensional eXpressions）查询，与DeepSee cube进行通信。一个cube由一个事实表和其索引组成。一个事实表由一组事实（行）组成，每个事实对应于一个基本记录。例如，这些事实可以代表病人或部门。DeepSee还生成了一组维度表(level tables)。所有的表都是动态维护的，根据你的配置和实现，DeepSee检测你的事务表的变化，并传播到事实表。当用户在分析器中创建透视表时，DeepSee会自动生成一个MDX查询。

KPI也可以对运行时的用户输入做出反应。在内部，它使用MDX查询（与DeepSee立方体）或SQL查询（与任何表）。在这两种情况下，你都可以手动创建查询，或从其他地方复制它。

列表显示来自用户选择的透视表行的源记录的选定值。在内部，一个列表是一个SQL查询。你可以指定要使用的字段，让DeepSee生成实际的查询。

比较不同的商业智能技术是非常有趣的。我很好奇它们在功能、开发工具、速度和可用性方面有什么不同。

在这个应用程序中，我选择了一个有欧洲各国水状况的数据集。这是一个开源的数据集，包含1991年到2017年的观测数据。

团队和我决定使用IRIS BI、Tableau、PowerBI和InterSystems Reports（由Logi Reports驱动）在这个BI数据集的基础上制作一个模型

对于前端，我们通过Embedded Python在PythonFlask中制作了一个网页界面。

顺便说一下，其结果可以在这个网页上看到：http://atscale.teccod.com:8080/
你可以看看demo stand (演示台)，因为从资源库部署一个容器可能需要多至20分钟的时间。大量的python包，后面会有更多的原因。

主页面

数据

事实上，数据似乎很小，期间只有17年 :)

因此，在现有的基础上，我想延续数据集，为此使用了一个神经网络。使用同样的嵌入式Python，使用了Tensorflow，这个包下载后占据了511MB，不要惊讶

实际上，这也是容器部署时间长的原因--为神经网络下载了很多包，相当多的相关包，安装时间很长。不过会有一篇关于神经网络和Integrated ML（一体化机器学习）的单独文章，我很快会发表。

我还要说的是，预测的结果被输入到同一个数据库，所以你可以通过BI工具看到数据集。

我们很高兴与你分享有趣的信息，以及告诉你为什么Python是好的，它被用在哪里。

其中使用最多的库是NumPy和Pandas。NumPy（Numerical Python）用来对大型数据集进行分类。它简化了数组上的数学运算及其矢量化。Pandas提供两种数据结构:系列Series（一个元素列表）和数据框架DataFrames（一个有多列的表格）。这个库将数据转换为数据框架，允许你删除和添加新的列，以及执行各种操作。

Python为数据分析项目提供了无数的工具，可以帮助完成任何任务。

以下步骤展示如何显示 /api/monitor 服务提供的指标列表示例。

在上个帖子中，我概述了以 Prometheus 格式显示 IRIS 指标的服务。 该贴介绍了如何在容器中设置和运行 IRIS 预览版 2019.4，然后列出了指标。

本帖假定您已安装 Docker。 如果未安装，现在就为您的平台安装吧 :)

步骤 1. 下载并运行 docker 形式的 IRIS 预览版

按照预览发行版的下载说明下载预览版许可证密钥和 IRIS Docker 映像。 例如，我选择了 InterSystems IRIS for Health 2019.4。

按照 Docker 容器中的 InterSystems 产品初见中的说明操作。 如果您熟悉容器，请跳转到标题为“下载 InterSystems IRIS Docker 映像”的部分。

以下终端输出说明了我用来加载 docker 映像的过程。 docker load 命令可能需要几分钟的时间才能运行；

$ pwd
/Users/myhome/Downloads/iris_2019.4

$ ls
InterSystems IRIS for Health (Container)_2019.4.0_Docker(Ubuntu)_12-31-2019.ISCkey  irishealth-2019.4.0.379.0-docker.tar

$ docker load -i irishealth-2019.4.0.379.0-docker.tar
762d8e1a6054: Loading layer [==================================================>]  91.39MB/91.39MB
e45cfbc98a50: Loading layer [==================================================>]  15.87kB/15.87kB
d60e01b37e74: Loading layer [==================================================>]  12.29kB/12.29kB
b57c79f4a9f3: Loading layer [==================================================>]  3.072kB/3.072kB
b11f1f11664d: Loading layer [==================================================>]  73.73MB/73.73MB
22202f62822e: Loading layer [==================================================>]  2.656GB/2.656GB
50457c8fa41f: Loading layer [==================================================>]   14.5MB/14.5MB
bc4f7221d76a: Loading layer [==================================================>]  2.048kB/2.048kB
4db3eda3ff8f: Loading layer [==================================================>]  1.491MB/1.491MB
Loaded image: intersystems/irishealth:2019.4.0.379.0

$ docker images
REPOSITORY                TAG                 IMAGE ID            CREATED             SIZE
intersystems/irishealth   2019.4.0.379.0      975a976ad1f4        3 weeks ago         2.83GB

2020 年席卷全球的新冠疫情使每个人都在关注与 COVID-19 有关的新闻和数字。

为什么不趁这个机会去创造一些简单直观的东西，来帮助关注全球的疫苗接种数量呢？

为了应对这一挑战，我使用了 Our World in Data 提供的数据，他们的使命是提供解决全球最大问题所需的研究和数据。

他们在 Github 上有一个专门的 COVID-19 数据仓库，我采用了疫苗接种数据来完善我的跟踪器。

如果你不了解他们，去调查一下吧，这值得你花上一些时间。 Github 仓库

应用程序 iris-vaccine-tracker 有三个不同页面。

1. 主仪表板
2. 数据表，其中包含仪表板中呈现的数据的详细信息。
3. 热图

仪表板

主仪表板提供全球疫苗接种情况的快速概览。

第一个小组件提供以下信息：

• 用于接种人群的疫苗数量
• 提供疫苗接种信息的国家/地区数量
• 迄今已接种的疫苗总数。

第二个小组件提供了一个疫苗接种时间线视图，其中包括疫苗接种数量最多的前 10 个国家/地区。

第三个小组件提供了排名靠前的国家/地区的条形图，显示迄今为止的疫苗接种总数。

最后一个小组件展示疫苗的分布情况，哪些疫苗正在被使用以及所占的百分比。

数据表

数据表显示主仪表板汇总数据的详细信息。

热图

热图是一种不同的视图，它使用我们已经在主仪表板和数据表中使用的信息，但现在使用 Country 持久化表提供的详细信息。

大家好， 现在是九局下半，但在我们的技术世界大赛还留了几手

大家好！

我想跟大家分享一个个人项目，该项目始于工作中的一个简单需求：“能否知道我们使用了多少个Caché许可证？”

在阅读社区的其他文章时，我发现了一篇David Loveluck写的非常棒的文章：APM——使用Caché History Monitor。

我根据David的这篇文章，开始使用Caché History Monitor并显示所有这些信息。

在面临“选择哪种很酷的技术”这个问题时，我决定使用简单而强大的CSP，这样我的客户可以认识到Caché不仅仅是MUMPS/终端。

在创建了页面以显示许可、数据库增长和CSP会话的历史记录后，我决定为System Dashboard和进程页面创建一个新设计。

我的Caché实例运行得良好。

但是，如果使用IRIS呢？

我们不必等待SAM发布才开始规划和试用该API来监控IRIS实例。在以后的文章中，我将更深入地探讨可用的指标及其意义，并提供一些交互式仪表板的示例。首先，我将介绍一下相关背景和一些问题及答案。

IRIS（和Caché）一直在收集自身及其运行平台的数十个指标。收集这些指标来监控Caché和IRIS的方法向来有很多。我发现，很少有安装软件使用IRIS和Caché的内置解决方案。譬如，History Monitor作为性能和系统使用指标的历史数据库，已经推出很长时间了，但它没有简便方法可实时显示这些指标和仪表系统。

IRIS平台解决方案（以及整个业界）正在从仅在一些本地实例上运行的单体式应用程序过渡到“随处”部署的分布式解决方案。在许多用例中，原有的IRIS监控方案并不适用于这些新的模式。InterSystems没有做重复工作，而是将目光投向当前流行的、经过验证的监控和告警开源解决方案。