在上一篇文章中，我们探讨了 IRIS 中单元测试的基础知识以及将其应用于 REST API 的方法。我们甚至还了解了如何在最终确定网络配置和身份验证之前测试逻辑，从而使我们能够专注于测试 API 内容。

今天，我们将在此基础上使用另一个工具来提升我们的单元测试策略：%Populate。

乍一看，%Populate类似乎非常简单。你可以创建一个同时扩展了 %Persistent和 %Populate的类，并继承一个用于生成随机记录的 方法。该工具可识别某些字段名称（如 "Name"、"SSN" 和 "Phone"），并应用专门的逻辑来确保数据的真实性。如果某个字段名称没有被识别为特殊字段名称，就会按照其指定的数据类型填充随机值。

假设我们开发了这样一个具有以下属性的类，用来跟踪商店中一些基本的客户信息（我们的类还扩展了 ，这在后面会派上用场）：

Class User.CustomerList Extends (%Persistent, %Populate, %JSON.Adaptor)
{
    Property Name As %String;
    Property DOB As %Date;
    Property Age As %Numeric(SCALE = 0);
    Property IsMember As %Boolean;
    Property MemberID As %String(POPSPEC = ".GenID()");
}

Intersystems_pyprod 是InterSystems Python Productions 的简称，它是一个 Python 库，使开发人员能够完全使用 Python 构建这些互操作性组件。该库设计灵活，支持混合方法：您可以将基于 Python 的新组件与现有的基于 ObjectScript 的组件无缝地混合在一起，并充分利用已建立的 IRIS 基础架构。这些 Python 组件一旦定义，就可以像其他组件一样进行管理；可以使用 IRIS 生产配置页面添加、配置和连接这些组件。

快速了解 InterSystems IRIS 生产系统

生产的关键要素

图片来自Learning Services培训材料

IRIS 生产系统通常从外部接口接收数据，通过协调的步骤进行处理，并将其传送到目的地。当信息在系统中移动时，它们会被自动持久化，从而通过 IRIS 的可视化跟踪和日志工具对整个流程进行全面跟踪。该架构依赖于某些关键要素：

1. 业务主机：这些是核心构件--服务、流程和操作--它们在彼此间传递可持久化的信息。
2. 适配器：入站和出站适配器管理与外部世界的交互，处理接收和发送数据所需的特定协议。
3. 回调：引擎使用特定的回调方法在主机之间同步或异步地传递消息。这些回调方法遵循严格的签名，并返回一个 Status 对象，以确保执行的完整性。

在 ObjectScript 代码中，ClassMethods 的使用似乎很普遍。我希望我自己的经历不具有代表性，但我打赌它们确实具有代表性。请原谅我泄露了本文的结尾，但简而言之：不要使用它们。除非你能提出令人信服的理由证明你必须这样做，否则就永远不要使用它们1。

什么是ClassMethod？在 ObjectScript 类中，您可以通过两种不同的方式定义方法：在 Method 中，您必须实例化类的实例才能调用方法；而在 ClassMethod 中，您可以调用方法而无需实例化类。当然，在 ClassMethod 中，你无法访问对象的任何属性（因为没有对象），但你可以访问 globals（毕竟它们是全局的）和 Parameters（即类常量）。

基于时间的一次性密码(TOTP)的两阶段认证是广泛使用的提高安全性手段。

本文以访问IRIS系统管理门户(System Management Portal)为例，介绍如何在IRIS里配置TOTP提高访问IRIS的安全性。

1. 允许TOTP的两阶段认证(2FA)

打开IRIS系统管理门户(SMP)，进入系统 > 安全管理 > 身份验证/Web 会话选项  - (安全设置)，选中Allow Two-factor Time-based One-time Password authentication，然后在出现的Two-factor Time-based One-time Password issuer 中修改issuer名字，例如MyIRISServer

2. 允许Application使用TOTP的两阶段认证(2FA)

这里以管理门户(SMP)为例，它是一个Web application (/csp/sys)。打开IRIS系统管理门户(SMP)，进入系统 > 安全管理 > Web 应用程序 > 编辑 Web 应用程序  - (安全设置) ，点击/csp/sys。然后在安全设置>允许的身份验证方法下选中“基于时间的一次性双重验证密码 ”

3. 配置用户使用TOTP的两阶段认证(2FA)

确定哪些用户使用基于TOTP的2FA，并修改该用户的配置。这里以用户SuperUser为例。

在基于 InterSystems IRIS 开发 Python 应用时，你很快就会发现存在多种执行上下文：

• 由 IRIS 直接启动的 Embedded Python；
• 加载本地 IRIS 安装中 Embedded Python 库的常规 python3进程；
• 通过官方原生驱动连接 IRIS 的外部 Python 应用。

这三种场景都非常有用，但在导入机制、系统配置、对象 API 以及 SQL 访问方面，它们的行为并不完全一致。iris-embedded-python-wrapper项目提供了一个稳定的 Python 门面（Facade），旨在减少这些差异，并提供一个统一的入口点：import iris。

存在的问题

在一个围绕 IRIS 构建的 Python 项目中，同一份代码可能需要在多种环境中运行：

• 在 IRIS 终端中，通过 iris python iris或 iris session iris后输入 :py；
• 通过 启动的本地 Python 脚本；
• 连接到 IRIS 实例的远程 Python 服务。

如果没有抽象层，许多细节往往就需要分别处理：

• Embedded Python 的 iris模块只有在 IRIS 运行时被正确加载时才可用；
• 原生 SDK​ 同样暴露了一个 包，这可能导致冲突或产生歧义的导入；
• 和 DB-API 连接在嵌入式模式和

大家好👋
我很高兴与大家分享我提交给本届InterSystems .Net、Java、Python 和 JavaScript 竞赛的项目——它叫做IRIStool 和 Data Manager，您可以在InterSystems Open Exchange和我的GitHub 页面上找到它。

大家好、

请观看在线学习中的这些新视频，熟悉 InterSystems® 产品最新版本中的新功能和界面。学习服务 YouTube 频道也提供所有视频。

此外，您还可以观看面向ObjectScript 新开发人员的视频，以及面向HealthShare® 用户的部署升级指南。

• 目标： 了解 InterSystems 产品 2026.1 版中互操作性用户界面的增强功能。
• 相关产品：InterSystems IRIS、IRIS for Health、Health Connect
• 另请参见： 包含所有产品版本类似视频的登陆页面（或查看YouTube 播放列表）

• 目标：使用 GenAI 快速生成 DTL 转换说明。
• 相关产品：InterSystems IRIS、InterSystems IRIS for Health、Health Connect
• 受众： 使用 DTL 转换的集成商

• 目标： 通过在多个数据库中分配数据，有效地管理和查询数据。

cache到iris的变化中，常用命令的变动有没有归纳的地方

ccontrol start  —— iris start

比如在cache中d ^pButtons，但是在IRIS中就无法使用

今天，我发布了一个新的Open Exchange 软件包，用于直接在 IRIS 中生成合成数据。

当你想制作一个演示应用程序时，找到合适的数据集是一个令人沮丧的过程。也许数据集并不那么重要，但您仍然希望它看起来有点真实，并有几个链接表，可以直接在 IRIS 中使用 -> 的隐式连接。也许您只是想让链接表可以很容易地安装到 IPM 中，用于基准查询，那么这种数据集生成方式就再好不过了。

我选择使用嵌入式 Python 创建数据集，这些数据集可通过自定义配置文件进行配置。这些数据集直接用一个 IRIS 类方法生成，并可使用乘数进行缩放，以创建任意大小的数据集，而无需测量配置。

目前我有四个数据集：
- 金融服务（如银行卡、账户、交易）
- 零售（商店、产品、用户、库存）
- 供应链（产品、销售订单、库存移动）
- 主题公园管理（公园、区域、游乐设施、事故）

我不是这些领域的专家，所以我怀疑它们是否超级准确，而且数据生成使用了 faker 等 python 库，统计加权生成使用了 numpy，所以感觉有点人工合成。

老实说，作为一个我无法投入大量时间的副业项目，这个项目的成功离不开人工智能。我在设计数据集和生成创建数据集的代码时广泛使用了人工智能。我监督、测试了个人使用的案例，并积极参与了项目设计，但代码都是人工智能生成的，我没有仔细审查过数据集的生成过程。

表分区演示 (Table Partitioning Demo)

本演示将带你体验 IRIS SQL 全新的表分区（Table Partitioning）功能，并沿途讲解其作用与工作原理。

为了验证概念，我们仅使用几十条数据进行演示。但显而易见，该功能的真正威力在于应对体量高出数个数量级的海量数据集。

💡 想要更简短、高屋建瓴的介绍？

不妨查看在线学习模块：Managing Tables with Partitioning in InterSystems IRIS

ℹ️ 表分区（Table Partitioning）功能已作为实验性功能包含在 IRIS 2026.1 中。

为了获得最佳的表分区体验，请注册 InterSystems Early Access Program (EAP)。加入 EAP 后，你将获得：许可证密钥、更新说明、与表分区团队更直接高效的沟通渠道。你的反馈对我们至关重要：我们越了解你希望如何使用表分区，就越能针对性地改进它。在注册Early Access Programs 的同时，也欢迎关注涵盖其他激动人心新功能的早期访问计划！

什么是表分区 (Table Partitioning)？

表分区允许用户依据特定的逻辑规则，将大表中的数据拆分存储到多个数据库中，从而实现高效的管理。

在上一篇文章中， 我谈到了（iris-copilot），这是一种在不久的将来，任何人类语言都可以成为任何机器、系统或产品的编程语言的愿景。它的代理运行程序实际上就是在使用这种所谓的第三代Agent。为了自己的方便，我也想保留/分享一份关于它是什么的详细记录。我在最近的谈话中多次提到过这个问题，所以也许值得一记。

为什么泄露的 512,000 行Claude Code揭示了一种全新的范式——以及为什么你的 LangGraph 工作流程已经是传统的了

我们正在见证人工智能代理的世代飞跃，这几乎是巧合。

在过去的四年里，人工智能行业已经经历了三代不同的代理技术--每一代都不仅仅代表着渐进式的改进，而是我们对人工智能系统在实际工作中的思考模式的根本性转变。第一代为我们提供了信息（information）。第二代给了我们协调（orchestration）。第三代技术--我称之为 "线束工程"（Harness Engineering）--给我们带来了质的不同：信任。

这种转变最明显的证据是什么？这是在一个 npm 软件包中意外发布的。

意外的蓝图：Claude Code的 512K 行泄漏

2026 年 3 月 31 日，Anthropic 发布了 @anthropic-ai/claude-code v2.1.88 的例行 npm 更新。一个丢失的 .npmignore

高级工程的定义不在于代码量的多少，而在于策略性地避免代码量。在复杂的集成环境中，倾向于利用通用库来满足每一个细分需求会带来不必要的开销。要实现真正的架构成熟，就必须致力于 "最小化工具"--优先考虑有弹性、经过实战检验的系统实用程序，而不是自定义逻辑。本评估将检查我们的 PGP 加密/解密流水线，以展示如何从应用级库转向操作系统本地授权，从而提高系统的耐用性。

现状：重量级实现

我们当前的 MPHP.HS.PGPUtil 类是一种高摩擦设计。现有的 InterSystems IRIS 业务流程虽然功能强大，但依赖性很强。通过桥接嵌入式 Python 来使用 pgpy 库，我们引入了一个 "重型 "堆栈，需要 Python 运行时、第三方库管理和特定的加密二进制文件。

经常有客户就内存大小问题与我联系，因为他们会收到 "可用内存 "低于阈值的警报，或者发现 "可用内存 "突然减少。出现问题了吗？他们的应用程序会不会因为运行系统和应用程序进程的内存不足而停止工作？答案几乎总是否定的，没有什么好担心的。但这个简单的答案通常是不够的。请看下图。它显示的是 vmstat 中 free 指标的输出。还有其他方法可以显示系统的可用内存，例如 free -m 命令。有时，_free 内存_会随着时间的推移而逐渐消失。然而，下图是一个极端的例子，但它很好地说明了发生了什么。 如你所见，在凌晨 2 点左右，一些内存被释放，然后突然下降到接近零。该系统正在 InterSystems IRIS 数据库上运行 IntelliCare EHR 应用程序。vmstat "信息来自一个收集 "vmstat"、"iostat "和许多其他系统指标的"^SystemPerformance "HTML文件。这个系统还发生了什么？现在是半夜，医院里应该没什么事。让我们看看数据库卷的 iostat 情况。 在_free memory_下降的同时，出现了一阵读取。报告的 free memory 下降与数据库磁盘的 中显示的大量块大小读取（2048 KB 请求大小）的峰值一致。这很可能是备份过程或文件复制操作

从 Oracle、MSSQL 或其他纯关系型数据库系统迁移到多模型 InterSystems IRIS 是一项战略决策，需要认真规划和执行。虽然这种过渡具有显著的优势，包括增强性能、可扩展性和对现代架构的支持，但它也伴随着挑战。在本文中，我将重点介绍与编码相关的一些注意事项，以确保成功迁移。与结构和数据的实际迁移相关的所有事项都不在本文讨论范围之内。

首先，当你考虑迁移到不同的数据库系统时，你需要了解你的业务逻辑，无论是在应用程序（应用服务器）还是数据库服务器端。基本上，你需要重写的 SQL 语句在哪里？

如果您曾经在一个大型的IRIS命名空间中查找某个字符串、方法调用或模式的使用位置，您就会知道其中的痛苦：没有内置的方法可以在VS代码中对服务器端的ObjectScript代码进行grep式搜索--至少不需要跳过一些障碍。 

这就是ObjectScript搜索要解决的问题。今天就从VS代码市场中简单安装一下试试吧。

如果不喜欢，卸载也很简单。但我认为你会喜欢它的--对于任何在 VS Code 中进行 ObjectScript 开发的人来说，它都是生活质量的巨大提升。

为何存在此扩展

官方的 vscode-objectscript 扩展确实包含搜索功能。不过，要启用该功能，目前需要等待拟议中的 VS Code API 最终确定，或者手动安装扩展的自定义构建并启用拟议中的 VS Code API。这两种方法对于希望开箱即用的开发人员来说都不理想。 

ObjectScript Search 是一个临时、独立的扩展，目前弥补了这一缺陷。它通过 InterSystems 活动栏中的专用面板提供全文服务器端搜索，无需特殊构建或拟议的 API。一旦官方扩展将搜索作为头等功能发布，该扩展将达到其目的，但在此之前，它在这里，它可以工作。 

功能概述

ObjectScript Search 的作用 ObjectScript Search 在 InterSystems 侧边栏中直接添加了搜索视图。

嘿，社区的朋友们大家好！

是的，我知道我们有很多技巧和窍门类的文章-——我们甚至为此专门设置了一个标签（Tips & Tricks），不是吗？但我不能分享我自己的收藏。在这个合集中，您可以找到适合初学者的代码片段，以及一些日常的 ObjectScript 结构。事实上，这也是一种学习我最喜欢的编程语言的新方法。所以，如果你们有什么要补充的，欢迎提出！

这一次，我们使用 React 作为 IRIS 的前端开发工具，这本身并不是真正的编程。在使用网络开发框架（不限于 React）时，一个关键的考虑因素是使用哪种 CSS 框架。到目前为止，我们一直在使用 Bootstrap，它是标准的，也是最容易上手的。

不过，虽然它很容易使用，但我觉得它提供的自定义灵活性有限。也就是说，即使我们要改用其他 CSS 框架，学习它并从头开始重写所有内容也是一项巨大的工作，所以我们就保持原样。

这一次，在获得了名为 "Claude Code "的强大工具后，我试着让它将 Bootstrap 转换为 Materialize。结果是：修改一次性完成。包括验证在内，整个过程不到五分钟。如果我自己研究 Materialize 并实现它，我想至少需要两三天的时间。

引导式屏幕

Materialize 屏幕

简单地更改样式表并不有趣，所以我还要求修复一个我注意到是错误但一直没有解决的问题。

问题是，即使在编辑屏幕上删除了数据，这些数据仍然会出现在左侧的列表中。

只需一个请求就能轻松解决这个问题。

以下是修复请求的内容：

After pressing the delete button in ExpenseItem.tsx and deleting the corresponding record, update the list in ExpenseItemList.txt so that the deleted item is no longer included in the list.

RabbitMQ 是一个消息代理，它允许生产者（发送数据消息的一方）和消费者（接收数据消息的一方）建立异步、实时且高性能的海量数据流。RabbitMQ 支持 AMQP（高级消息队列协议），这是一种开放标准的应用层协议。

采用 RabbitMQ 的主要原因包括以下几点：

• 您可以使用异步方法来提高应用程序的性能。
• 它通过数据消息中介，让您能够解耦并减少服务、微服务和应用程序之间的依赖关系，这意味着交换数据的生产者和消费者无需互相了解。
• 它允许在利用响应队列之后，交付（包含结果的）已发送数据的长时间运行处理。
• 它帮助您从单体架构迁移到微服务架构，其中微服务通过 Rabbit 以解耦和异步的方式交换数据。
• 它通过使消息能够被存储和转发，提供了可靠性和弹性。一条消息可以被投递多次，直到被处理为止。
• 消息排队是扩展应用程序的关键。随着工作负载的增加，您只需添加更多的工作进程（worker）来更快地处理队列。
• 它与数据流应用程序配合良好。
• 它对物联网（IoT）应用程序有益。
• 它是机器人（Bots）通信的必备工具。

RabbitMQ 基础概念

我们将利用温度监测器作为案例来详述 RabbitMQ 的概念：

• Producer（生产者）：发送消息的软件程序。
• Exchange（交换机）：接收来自生产者的消息，并将其路由到零个或多个队列。
• Queue（队列）：支持小型和大型二进制消息的消息存储区/缓冲区。

要建立一套自动化的数据转换流程，实现临床数据对真实世界证据的支持，面临着诸多困难：数据标准林立、数据转换难、数据质量差、治理耗时耗力。
InterSystems OMOP 数据管道创新地打通“FHIR + OMOP”两个标准。通过FHIR标准解决数据的“互联互通”问题；通过OMOP解决数据的“科研分析”问题——OMOP 的主导型场景体现在真实世界研究，标准化的数据模型能够降低科研门槛，加速从数据到知识的转化，已在全球 80 多个国家的 4000 多家机构得到应用。

往期技术视频速递：详细拆解InterSystems FHIR to OMOP解决方案，通过Demo演示，向您展示数据如何从FHIR到OMOP无缝流转，助力您实现临床数据转换流程的自动化，提升研究效率。

如果您是 InterSystems 的新用户，欢迎访问InterSystems 开发者交流中心（Developer Hub）。

您可以从这里开始使用 InterSystems 技术——安装 InterSystems IRIS，连接到它，运行一些实际的东西，或者直接在基于浏览器的交互环境中试用产品（无需设置）。

如果你想知道从哪里开始，这里有你会发现的内容：

开发者入门指南 - 介绍 InterSystems IRIS 的结构以及如何设置它

快速入门 - 简短实用的指南，帮助您从零开始进行设置

引言 - ObjectScript 中的人工智能流问题

今天，我想介绍一下我在将 AI API 集成到 ObjectScript 应用程序时遇到的一个问题以及找到的解决方案。我最初的测试很成功，但也有些令人沮丧。

HTTP 调用成功了；请求正确地发送到了我的 LLM API。但随后，沉默......漫长的等待。最终，整个响应以单个块的形式到达。

从技术上讲，它成功了，但与 ChatGPT 会话相比，用户体验令人失望。

现代模型设计为逐个令牌流式输出。这使得等待时间大大缩短，因为即使尚未生成完整的答案，您也可以开始读取响应。 要启用此行为，只 需向 API传递 stream=true。 不过，在这种看似简单的操作背后有一个重要的细节：流媒体依赖于服务器发送事件（Server-Sent Events，SSE）。

如果不支持客户端 SSE，就无法利用这种模式。

对于通常在 ObjectScript 中使用的 %Net.HttpRequest 类，响应会被缓冲，直到连接关闭。换句话说，没有增量读取，没有渐进标记，因此也就没有流。

如果我们希望将 LLM 集成到 IRIS 应用程序中，那么能够处理 文本/事件 流、即时解析事件和实时处理数据是至关重要的 。

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

---

CT 流水线组件

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。

如果您有长时间运行的报文，这里有一段简单的代码可以捕获它们。您也可以使用队列等待警报（Queue Wait Alert）来获得相同的结果，不过这段代码甚至可以捕获队列为空的单条活动消息。它还能扫描所有命名空间，且不会对生产进行修改，因此可用于调试。

Include Ensemble

Class User.LongMessagesTask Extends %SYS.Task.Definition
{

Parameter TaskName = "Long running messages";

Property LongRunningMessageThreshold As %Integer(MINVAL = 1) [ InitialExpression = 60 ];

Method OnTask() As %Status
{
	set ts = $zdatetime($NOW(0),3,1)
	set ns = ""
	while 1 {
		// Iterate namespaces
		set ns = $o($$$EnsJobMonitorRoot(ns))
		quit:ns=""
		
		set job =""
		while 1 {
			// Iterate jobs
			set job = $o($$$EnsJobMonitorRoot(ns, job))
			quit:job=""
			
			// Get business host name
			set bh = $o($$$EnsJobMonitorRoot(ns,job,""))
			
			// Get the time of the last state change
			set lastActivity = $$$EnsJobMonitorRoot(ns,job,bh,"%LastActivity")
			
			// Get active message, if any - bh can be just idling
			set active = $d(^[ns]Ens.ActiveMessage(job),messageid) // From $$$EnsActiveMessage
			if active {
				set time = $system.SQL.Functions.DATEDIFF("s", lastActivity,  ts)
				if time > ..LongRunningMessageThreshold {
					set text = $$$FormatText("Long running message %1, in ns: %2, BH: %3, processing since %4, for %5 seconds", messageid, ns, bh, lastActivity, time)
					// For debug
					// write text, !
					do ##class(%SYS.System).WriteToConsoleLog(text)
				}
			}
		}
	}
	quit $$$OK
}

}

有时，客户需要一个小型 IRIS 实例在云中执行某些操作，然后将其关闭，或者他们需要数百个容器（即每个最终用户或每个界面一个容器）来处理小型工作负载。 这个练习的目的是了解 IRIS 实例可以做到多小。在这次练习中，我们重点研究了IRIS 实例可配置的最小内存量。 您知道影响 IRIS 内存分配的所有参数吗？

内存设置

这些是影响 IRIS 内存分配的不同桶及其相应参数：

• 全局缓冲区（Global Buffers）（32 MB） => 8k 数据库的最小值似乎为 32 MB
• 常规缓冲区（Routine Buffers）（26 MB） => 文档中的理论最小值为 430 个缓冲区 x 每个缓冲区 64k ~ 26 MB，实际为 26 MB
• 日志缓冲区（Journal Buffers）（16 MB） => 理论上和实际上，Unicode 系统的最小值为 16 MB（8 位为 8 MB）
• 缓冲区描述符（Buffer descriptors）（3 MB） => 似乎是 3 MB，无法调整
• gmheap(16 MB) => 最小值为 256 页 x 每页 64k = 16 MB（CPF 中的配置字节数 = 16384）
• ECP(1 MB) => CPF 中有几个参数控制这个参数。MaxServerConn 和 MaxServers。

在 InterSystems IRIS 中使用 OpenEHR

我们偶尔会收到有关在 InterSystems 中使用 OpenEHR 的问题。 通常，这些讨论的重点是企业为什么以及如何在构建应用程序时实施 OpenEHR。下面是一份简要指南：

• InterSystems 注重互操作性： 我们 优先考虑通过 HL7、IHE、DICOM 和 ISO 等标准实现互操作性。根据我们的经验，没有一种标准能满足复杂医疗数据的所有需求。因此，我们建议在评估 OpenEHR 的任何实施方案时，都要与这些标准结合起来，并分析 每种标准能最好地满足哪些情况的需要。
• InterSystems IRIS 上的 OpenEHR：对于使用 OpenEHR 模型构建应用程序或数据产品的组织而言，InterSystems IRIS 是一个理想的平台。它具有多模型功能、可扩展性、高性能和可靠性。InterSystems IRIS for Health 还可在同一应用程序中灵活使用包括 HL7 FHIR 在内的许多其他医疗标准。
• 与 OpenEHR 的互操作性：OpenEHR 早于 HL7 FHIR，但 FHIR 现在涵盖了 OpenEHR 的许多原始用例。

作为新的互操作性用户界面浪潮的一部分（请参阅@Aya Heshmat 在2025.1 和2025.3中介绍的新内容），v2026.1已经作为开发者预览版发布，这可能是您尝试一下的理由——它将发布用于消息查看和搜索的新用户界面，包括可视化跟踪（以及其他用户界面好东西）。

以下是一个快速预告：

📘新书发布｜《IRIS(数据平台)编程技术指南》正式发售！

大家好，我是姚鑫。

最近一段时间，我把自己过去几年在 InterSystems IRIS 项目中的开发经验，系统整理成了一本书—— 📕 《IRIS(数据平台)编程技术指南》 现已由 北京航空航天大学出版社 正式出版发行。

说实话，写书的过程比我想象中要难很多。 如果说写博客是“随手记录”，那么写书就是一次真正的“工程项目”：要保证结构完整、逻辑严谨、内容能从入门一路带到实战。

🚀这本书写了什么？

本书围绕 InterSystems IRIS 的核心开发语言 ObjectScript 展开，内容不仅讲语法，更注重“工程实践”。

主要包括：

✅ IRIS 平台介绍与开发环境搭建 ✅ ObjectScript 语法规则、变量体系、全局变量机制 ✅ 常用数据类型、表达式、系统命令、系统函数 ✅ 函数与方法、面向对象编程基础 ✅ %Persistent 持久类（ORM 与 SQL 映射） ✅ Storage 存储策略、懒加载机制、并发分析 ✅ 嵌入式数据结构、常见性能问题与技术难点解析

整体内容更偏向“项目实战型”，不是纯概念堆砌。

🎯适合哪些人？

Hi 大家好！

备考 InterSystems 认证考试，仅阅读文档远远不够，更需要针对真实考试目标进行集中练习。如果您计划在 HL7、SQL、系统管理或开发领域验证自己的专业技能，系统化的准备将带来显著效果。

🧑‍🏫 备考平台

本平台提供了大量与认证领域相匹配的练习题，并附有详细的答案解析，指出相关文档参考。您还可以随时跟踪自己的学习进度，从而更清晰地了解哪些方面有所提升、哪些方面仍需加强。

涵盖认证

• HL7 接口专家
• IRIS SQL 专家
• IRIS 系统管理专家
• IRIS 开发专家
• ObjectScript 专家

通过教材与互动测验的结合，您可以找出薄弱环节，巩固知识，并以更充分的信心应对考试。

👉 点击此处开始练习

​请注意，exam-prep.es 是一个独立的练习平台，与 InterSystems 无任何关联。本平台旨在作为备考的辅助工具使用。

痛点所在

我们在将 IRIS 实例迁移到另一台机器（甚至可能是升级版本）后，有多少次是在几天之后才猛然惊觉：我们忘了迁移那个对于业务操作（Business Operations）至关重要的 SSL 配置？或者是漏掉了某个凭据（Credential），又或是某个包里孤零零的一个类？

解决方案

最简单的法子就是列一张清单¹。把我们必须迁移的实体项都罗列出来。但是，Word 文档里的简易清单往往会被人抛诸脑后，甚至干脆被无视。

管理学的基本原理告诉我们：如果你希望人们遵循流程，你可以采取以下手段：

1. 通过监控行为来强制他们执行；
2. 将某项活动系统地锁定在某个流程之后（例如使用流水线部署代码，并要求自动化测试通过才能合并 PR）；
3. 让流程比人工操作更便捷、更省力。​ 这样人们才会心甘情愿地去用。（这正是我的目标所在）

Python 脚本固然可行，但人们可能会忘记脚本放在哪儿，或者去哪儿下载。一旦有了新版本，所有使用者都得重新下载。

IRIS 类或任务似乎也是理想选择，直到你意识到有时你是迁移到另一个网络的服务器，一个实例根本无法访问另一个。

这就是为什么我选择了浏览器插件一旦安装，它便触手可及（哪怕你几个月不用它）；更新会自动完成。即便你换了浏览器或出于某种原因弄丢了插件，从应用商店重新安装也只是点击一下的事。

尽管LOCK(docs) 是 InterSystems IRIS 的基础部分，负责并发性，但开发者社区上关于它的讨论并不多。这是可以理解的，因为它是一个稳定且相当低级的命令。在本文中，我将举一个简单的例子，说明如何使用互操作性锁。在示例中，我们将有一个本地表，其中的引用数据由两个不同的进程使用：

• 从表中读取数据的实用功能（由生产中的各种 DTL/Rules 使用）
• 更新表的专用业务操作

这里的问题是，当业务操作更新表时（最糟糕的情况是进行完全重建），自定义函数将无法从表中获取数据，这将导致 DTL/规则处理出现问题。

锁可以帮助我们解决这个问题。具体方法如下：

• 实用程序将在获取数据前获得共享锁。任何数量的进程都可以持有共享锁，因此不会出现并发问题。一旦检索到数据，我们就会释放共享锁。

• 更新器业务操作会先使用共享锁，然后再释放独占锁。一旦某个进程获得独占锁，IRIS 就会保证其他进程无法获得同一资源上的锁。这样，当独占锁被持有时，实用程序就无法获取共享锁。一旦我们的业务操作完成对表的更新，它就会释放独占锁，允许实用程序访问表。

  让我们开始吧

本地表

有点简单（在实际项目中作为 LUT 可能会更好），但我们的目的是展示锁是如何工作的，而不是构建一个复杂的表：

Class Lock.RefData Extends %Persistent
{
Property Value;
}