Docker 是由 Docker, Inc. 公司推广的一种提供容器的软件技术。Docker 为 Windows 和 Linux 上的操作系统层虚拟化提供了附加的抽象和自动化层。
我很高兴与大家分享我提交至本期InterSystems .Net、Java、Python 和 JavaScript 竞赛的项目——它名为“支持混合搜索和 AI 摘要的 FHIR 数据探索器”，您可以在InterSystems Open Exchange以及我的GitHub 页面上找到该项目。
持续训练（CT）流水线将基于特定时间点可用数据，通过数据科学实验开发出的机器学习（ML）模型规范化。它不仅为模型部署做好准备，还支持在新数据可用时进行自主更新，同时具备用于审计目的的稳健性能监控、日志记录和模型注册功能。
InterSystems IRIS 已经提供了支持此类流水线所需的几乎所有组件。然而，缺少一个关键要素：标准化的模型注册工具。在本文中，我将介绍一种结合 IRIS 优势与开源 AI 工程平台 MLflow 的方法。它们共同作为构建有效持续训练（CT）流水线的互补工具。
本仓库中的实现利用了 MLflow 的内置配置来存储 SHAP 解释器，以提供对相应模型预测结果的解释，包括随机森林（Random Forest）、XGBoost、神经网络等“黑盒”复杂模型。
**演示视频**：https://youtu.be/qLdc4jhn83c
---
该 CT 流水线模块背后的理论基于 Google 在相关文章中定义的 MLOps 1 级行业标准。每个组件的实现都利用了 IRIS 和 MLflow 的最佳特性（如下图所示，红色部分突出显示）：
对于那些刚接触 CT 流水线的人来说，上图描述了数据科学项目中传统的实验阶段（上半部分“实验/开发/测试”，通常在 Jupyter Notebook 中进行）如何转化为生产级模型部署。
在本文中，我将向你展示如何在笔记本电脑上快速建立一个分片 IRIS 节点集群。本文的目的既不是详细讨论分片，也不是定义生产就绪架构的部署，而是展示如何在自己的电脑上快速建立一个配置为分片节点的 IRIS 实例集群，并利用它来玩转和测试这一功能。如果你想了解更多有关 IRIS 分片的信息，请点击此处查看相关文档。
首先，我要说明的是，IRIS分片允许我们做两件事：
因此，正如我所说，我们可以在其他文章中讨论分片表或联合表，现在只需关注前一步，即设置分片节点集群。
InterSystems IRIS®数据平台的2023.1.7维护版本 、 InterSystems IRIS® for **** for HealthTM和HealthShare®Health Connect的 2023.1.7 维护版本现已全面上市 (GA)。
请通过Ideas Portal使用 "发布后反馈"类别分享您的反馈意见，以便我们共同打造更好的产品。
您可以在这些页面上找到详细的变更列表和升级清单：
现在有许多 EAP 可用。请查看此页面并注册您感兴趣的项目。
InterSystems IRIS 和 InterSystems IRIS for Health 的完整安装包可从 WRC 的InterSystems IRIS 数据平台完整工具包页面获取。HealthShare Health Connect工具包可从 WRC 的HealthShare 完整工具包页面获取。容器映像可从InterSystems 容器注册中心获取。
此版本附带适用于所有支持平台的经典安装包，以及 Docker 容器格式的容器映像。 有关完整列表，请参阅支持的平台文档。这些维护版本的版本号是2023.
直到今年年初，我几乎没怎么做过编程工作——我已经厌倦了它。
在担任多年一线软件工程师和数据科学家后，我在2015年左右陷入了职业倦怠。我转而从事以“外部创新”为主的业务拓展角色，并于2019年加入InterSystems担任产品经理。我怀念编程的创造性，但并不怀念其中的枯燥乏味。无休止的样板代码编写、调试和上下文切换让我创意枯竭。就像电影《好好先生》（Yes Man)中金·凯瑞饰演的角色一样，我发现自己对新项目总是说“不”——以至于我换了职业！
然后，AI编程助手出现了。而我，成了对机器人说“好”的“好好先生”。
当我刚开始使用AI编程助手（先是Windsurf，然后是Cline，接着是Roo Code，现在是Claude Code，还尝试过opencode）时，感觉就像变魔术一样。自然语言 → 可运行的代码。我对每个建议、每个重构、几乎每个疯狂的想法都说“好”。
我第一个主要的AI辅助项目是几个月前启动的一个内部项目——为IRIS开发的一系列Python脚本和管道。我兴奋不已，让机器人尽情发挥： “添加这个功能！”——好！“重构那个模块！”——好！“让它可配置！”——好！“添加更多集成！”——好！
创意的能量回来了。代码如泉涌。我又感到自己高效了起来。
然后，我的实习生——一名软件工程专业的学生——查看了代码库。
他并不满意。
本文将讨论 Microsoft Visual Studio Code IDE中包含的所有调试工具 。
内容包括
让我们从了解调试要求开始！
前提条件
有两个插件（扩展）可用于调试 ObjectScript：
第一个是 InterSystems ObjectScript 扩展包的一部分 。第二个是 Serenji，它是一个独立的插件，提供编辑器、文件管理器和调试功能。这两个插件都可以从插件商店安装。要激活关键功能，Serenji 需要许可证。在本文中，我们将使用 InterSystems ObjectScript 扩展包来降低学习难度。在掌握基础知识后，您可以考虑购买 Serenji 的付费许可证。
我很清楚对于那些完全不熟悉 VS Code、Git、Docker、FHIR 和其他工具的人来说，设置环境时会遇到一些困难。 所以我决定写这篇文章，详细介绍整个设置过程，以便大家能够轻松上手。
如果您能在本文最后留下评论，告诉我说明是否清楚，是否有遗漏，或者是否有其他您觉得有用的东西，我将不胜感激。
设置包括：
✅ VS Code – 代码编辑器
✅ Git – 版本控制系统
✅ Docker – 运行 IRIS for Health Community 的实例
✅ VS Code REST 客户端扩展程序 – 用于运行 FHIR API 查询
✅ Python – 用于编写基于 FHIR 的脚本
✅ Jupyter Notebook – 用于 AI 和 FHIR 任务
准备工作：确保您在系统上拥有管理员权限。
除了阅读本指南，您还可以按照视频中的步骤操作：
如果您是 Windows 系统（请注意：原文是YouTube视频，请跳转至EN原帖查看）
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：
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.png)
大家好！
本文主要丰富了上一篇文章的内容，并介绍了应用程序的使用方法。
也许您已经读过上一篇文章，但我还是想说，
在完成初始化操作（包括模型创建和训练）后，Fhir HepatitisC Predict 应用程序将预测丙型肝炎（HepatitisC）。
您需要在应用程序上输入一些信息，当然，只是一些检查结果，不包括隐私数据。
点击显示按钮，将显示该指标的数据是否在正常范围内，指标是高还是低。当然，每个指标的数据范围都是通过查询信息获得的，可能与实际范围略有不同。
完成信息输入后，点击预测实际上涉及到应用程序中的许多操作。
1. 将发送的 JSON 格式检查结果转换为 FHIR 资源（对部分患者基本信息和其他隐私数据使用模拟数据）
2. 通过 FHIR Server 提供的 API 接口（ip: port/hir/r4/）将转换后的 FHIR 资源注册到 FHIR 资源库，类似于使用 Postman 进行接口调用。
适用于 InterSystems IRIS® 数据平台、InterSystems IRIS® for HealthTM 和 HealthShare® Health Connect 的维护版本 2024.1.4 和 2023.1.6 现已正式发布 (GA)。 这些版本包含对最近发布的以下提醒的修复 - 提醒：SQL 查询返回错误结果 | InterSystems。 请通过开发者社区分享您的反馈，以便我们可以共同打造更出色的产品。
您可以在以下页面上找到详细的变更列表和升级核对清单：
目前提供多个 EAP。 请查看此页面并注册您感兴趣的 EAP。
InterSystems IRIS 和 InterSystems IRIS for Health 的完整安装包可以从本 WRC 的 InterSystems IRIS 数据平台完整工具包页面 获取。 HealthShare Health Connect 工具包可以从 WRC 的 HealthShare 完整工具包页面获取。 容器镜像可以从 InterSystems 容器注册表中获取。
2024.3 版 InterSystems IRIS® 数据平台、InterSystems IRIS® for Health 和 HealthShare® Health Connect 现已正式发布 (GA)。
在此版本中，您可以期待一系列激动人心的更新，包括：
请通过开发者社区分享您的反馈，与我们共同打造更好的产品。
请访问以下链接了解所有亮点功能的详细信息：
此外，请查看此版本的升级信息。
目前提供多个 EAP。 请查看此页面并注册您感兴趣的计划。
像往常一样，持续交付 (CD) 版本包含适用于所有受支持平台的经典安装包，以及 Docker 容器格式的容器镜像。
本演示程序用于展示如何采用自定义FHIR profile来验证数据合规性。自定义FHIR实施指南基于FHIR R4版本开发，在本例中实现了对Organization资源的扩展并用于验证数据的合规性。
FHIRValidation
├─ ExampleIG
│ ├─ ig.ini
│ ├─ input
│ │ ├─ fsh
│ │ │ ├─ alias.fsh
│ │ │ ├─ codesystems.fsh
│ │ │ ├─ organization.fsh
│ │ │ └─ valuesets.fsh
│ │ └─ pagecontent
│ │ └─ index.md
│ └─ sushi-config.yaml
├─ README.md
├─ README_zh.md
├─ TestCases
│ └─ FHIR Profile-based Validation testcases.postman_collection.json
├─ docker-compose.yml
└─ image-iris
├─ Dockerfile
└─ src
├─ FullIG
├─ IGPackages
│ ├─ hl7.fhir.uv.extensions.r4#5.1.0.tgz
│ ├─ hl7.terminology.r4#6.0.2.tgz
│ └─ package.tgz
└─ init
└─ init.sh
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：
在第一篇文章中，我们介绍了 Git 基础知识，以及为什么对 Git 概念的高层次理解对于现代软件开发如此重要，以及如何使用 Git 开发软件。
在第二篇文章中，我们介绍了 GitLab 工作流 – 一个完整的软件生命周期流程和持续交付。
在第三篇文章中，我们介绍了 GitLab 的安装和配置以及如何将环境连接到 GitLab。
在第四篇文章中，我们编写了 CD 配置。
在 第五篇文章中，我们讨论了容器与如何（以及为什么）使用它们。
在本文中，我们将探讨运行使用容器的持续交付管道所需的主要组件，以及它们如何协同工作。
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：
在第一篇文章中，我们介绍了 Git 基础知识、深度理解 Git 概念对现代软件开发至关重要的原因，以及如何使用 Git 开发软件。
在第二篇文章中，我们介绍了 GitLab 工作流 – 一个完整的软件生命周期流程，并介绍了持续交付。
在第三篇文章中，我们介绍了 GitLab 安装和配置以及将环境连接到 GitLab
在第四篇文章中，我们编写了 CD 配置。
在这篇文章中，我们将介绍容器以及使用容器的方法（和原因）。
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：
在上一篇文章中，我们介绍了 Git 基础知识、深度理解 Git 概念对现代软件开发至关重要的原因，以及如何使用 Git 开发软件。 我们的侧重点仍是软件开发的实现部分，但本部分会介绍：
大家都搭建了测试环境。
有些人很幸运，可以在完全独立的环境中运行生产。
-- 佚名
.
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：
第一部分将介绍现代软件开发的基础 – Git 版本控制系统和各种 Git 流程。
这是在 IRIS 中完全运行向量搜索演示的尝试。
没有外部工具，您需要的只是终端/控制台和管理门户。
特别感谢Alvin Ryanputra作为他的软件包iris-vector-search的基础
灵感和测试数据的来源。
我的软件包基于 IRIS 2024.1 版本，需要注意您的处理器功能。
我尝试用纯 ObjectScript 编写演示。
仅描述向量的计算是在嵌入式Python中完成的
计算 2247 个记录的 384 维向量需要时间。
在我的 Docker 容器中，它正在运行 01:53:14 来完全生成它们。
然后被警告了！
所以我将这一步调整为可重入，以允许暂停向量计算。
每 50 条记录，您就会收到一次停止的提议。
该演示如下所示：
用户>做^A.DemoV 测试向量搜索 ============================= 1 - 初始化表 2 - 生成数据 3 - VECTOR_余弦 4 - VECTOR_DOT_产品 5 - 制作苏格兰威士忌 6 - 加载 Scotch.csv 7 - 生成向量 8 - 向量搜索 选择功能或 * 退出：8 默认搜索： 让我们来看看前三名价格低于 100 美元的苏格兰威士忌，具有泥土和奶油的香气， 更改价格限制[100]：50 更改短语[泥土和奶油味]：泥土味 计算搜索向量 总计低于 50 美元：222 ID 价格 名称 1990 年 40 瓶 Wemyss 复古麦芽威士忌“泥炭烟囱”，8 年陈酿，40% 1785 39 著名的禧年，40% 1868 40 托马汀，15 岁，43% 2038 45 格伦·格兰特，10 岁，43% 1733 29 斯凯岛，8 岁，43% 5 行受影响
随着科技的发展，医疗行业也在不断的进步，人类也往往更加关注自身的健康，
通过计算机学习和处理数据集，可以预测疾病。
前提条件：使用 FHIR 和 ML的能力
首先，我们的数据集从kaggle获得，并根据患者性别、年龄、ALP或ALT转化为FHIR资源，并导入到FHIR资源库中
要导入FHIR资源库，我们可以使用以下命令：
Set##class"/usr/local/src/json/"其中文件地址和fhir资源库URL可以根据情况进行修改。
.png)
配置转换规则，这一点非常重要。它们可以获得你想要的数据，也可以省略患者的一些敏感信息，保证数据安全
配置完成后，创建一个投影，以查询数据库中的相应表
创建投影后，通过创建表或视图将表汇总成训练所需的结构
AS创建模型
训练模型
训练完成后，我们可以使用这个模型进行丙型肝炎预测，这是应用程序接口，
这是 IRIS 与 RAG（检索增强生成）示例的一个简单演示。
后端是使用 IRIS 和 IoP用 Python 编写的，LLM 模型是 orca-mini 并由 ollama 服务器提供。
前端是用 Streamlit 编写的聊天机器人。
RAG 是 Retrieval Augmented Generation（检索增强生成）的缩写，它带来了使用带有知识库的 LLM 模型（GPT-3.
由于InterSystems最近宣布从2023.2版本开始停止对InterSystems Studio的支持，转而独家开发Visual Studio Code（VSC）IDE的扩展，相信后者比Studio提供了更优越的体验，我们很多开发者都已切换或开始使用 VSC。很多人可能想知道如何打开终端进行操作，因为VSC没有像Studio那样的输出面板，也没有集成的功能来打开IRIS终端，除非下载InterSystems开发的插件。
在 VSC 中打开终端的方法有多种，具体取决于您使用的具体配置，我在这里总结了适合任何情况的最佳解决方案：
至少拥有 IRIS 2020.1.1 或 IRIS 2021.1.
如今，关于大语言模型、人工智能等的消息不绝于耳。向量数据库是其中的一部分，并且已经有非IRIS的技术实现了向量数据库。
为什么是向量？
还有许多其他原因。
因此，对于这次 pyhon 竞赛，我决定尝试实现这种支持。不幸的是我没能及时完成它，下面我将解释原因。
InterSystems 还发布了容器化部署的IRIS。这篇文章旨在演示 InterSystems IRIS 和依赖 IRIS 后端的应用程序如何打包到镜像中并在容器中的其他计算机中运行，以及这样做有多么简单。
容器运行包含所有必需的可执行文件、二进制代码、库和配置文件的镜像。镜像可以从一台机器移动到另一台机器，像 Docker Hub 这样的镜像存储库可以简化这个过程。
我在本演示中使用了 Open Exchange 的应用程序。
演示视频： https://www.loom.com/share/93f9a760b5f54c0a8811b7a212387b9d
IRIS 数据平台社区版的镜像（image)可以在 InterSystems 容器注册表中找到：
https: //containers.intersystems.com/contents
为了在主机中使用 IRIS 的容器化实例，应在运行时拉取它。
为此，Dockerfile 需要具有以下命令，如下所示：
Dockerfile：
Dockerfile
|
|
这些是编写 Dockerfile 来构建镜像的基本命令，该镜像包含容器化 IRIS 的说明。
在我的上一篇文章中，我们学习了以下主题：
在本文中，我们将讨论以下主题：
那么让我们开始吧。
在本文中，我们将学习以下主题：
那么让我们开始吧。
Docker 是一种虚拟化软件，可以让应用程序的开发和部署变得非常简单。 Docker 通过将应用程序打包到所谓的容器中来实现此目的，该容器保留应用程序运行所需的所有内容，包括应用程序的实际代码、其库和依赖项、运行时和环境配置。
Docker 是一个容器化平台，允许开发人员在容器化环境中创建、部署和运行应用程序。 Docker 提供了一种将应用程序及其依赖项打包到单个容器中的方法，该容器可以在任何支持 Docker 的计算机上运行。这使得创建可快速、轻松部署的可移植、轻量级应用程序变得容易。
您可以在下面找到使用 Docker 的一些好处：
.png)
FHIR 通过提供标准化数据模型来构建医疗保健应用程序并促进不同医疗保健系统之间的数据交换，彻底改变了医疗保健行业。由于 FHIR 标准基于现代 API 驱动的方法，因此移动和 Web 开发人员更容易使用它。然而，与 FHIR API 交互仍然具有挑战性，尤其是在使用自然语言查询数据时。
隆重推出FHIR - AI 和 OpenAPI 链应用程序，该解决方案允许用户使用自然语言查询与 FHIR API 进行交互。该应用程序使用OpenAI 、 LangChain和Streamlit构建，简化了查询 FHIR API 的过程并使其更加用户友好。
OpenAPI 规范（以前称为 Swagger，目前是OpenAPI Initiative的一部分）已成为软件开发领域的重要工具，使开发人员能够更有效地设计、记录 API 并与 API 交互。 OpenAPI 规范定义了一种标准的机器可读格式来描述 RESTful API，提供了一种清晰一致的方式来理解其功能并有效地使用它们。
在医疗保健领域，FHIR 成为数据交换和互操作性的领先标准。为了增强FHIR的互操作能力， HL7正式记录了FHIR OpenAPI规范，使开发人员能够将FHIR资源和操作无缝集成到他们的软件解决方案中。
好消息， InterSystems 容器镜像仓库Docker桌面扩展已正式发布供大家 下载 .
.png)
大家可以在Docker桌面版的marketplace 下载.下载后需要重启 Docker Desktop to
我很高兴与大家分享我第一次使用docker容器版本的IRIS for Health的经验，以探索你对使用或试用的兴趣，利用docker容器的优势，它是轻量级的，易于部署。本文将通过使用Renan Lourenco编写的名为ENSDEMO的GitHub仓库的实施步骤。
设置IRIS for Health社区版docker容器环境的步骤：
docker pull containers.intersystems.com/intersystems/irishealth-community:2022.2.0.304.0
git clone https://github.com/OneLastTry/irishealth-ensdemo
docker-compose build
docker-compose up -d
在我最初的尝试中，我无法下载irishealth community:2022.2.0.304.0的确切版本，因为它在ENSDEMO的最初发布中已经发生了变化。修复方法是，当试图从InterSystems容器注册表拉出docker镜像时，在注册表中拉出最新的可用标签。
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:
|
标题 |
描述 |
地址URL |
|---|---|---|
|
一体化机器学习动手实验 |
一体化机器学习概览ML |