Hi Developers,

嗨，各位开发者们：

各位都知道，Python是一个庞大而强大的生态系统，包含了成千上万的库和包，特别是在数据科学方面。

因此，我想首次尝试使用IRIS最近的一项功能--嵌入式Python，简单地导入一个名为datetime的Python库，生成带有时间戳成分的数据，并在InterSystems IRIS for Health Data Platform中持久化。同样的方法在IRIS数据平台上也可以使用。

这是一个第三方写的在 IRIS 2020.1 和 Caché 2018.1.3 上工作的代码示例
不会与新版本保持同步
也不会获得 InterSystems 支持提供的服务！     

Caché/Ensemble/IRIS 中的 Global 通常在 SQL 访问中是不可见的
本示例将展示如何克服此限制。

在Caché时代， 比较受欢迎的IRIS数据库客户端是Sqldbx和Winsql, 这两者的共同点是提供ODBC兼容的连接，而且免费。限制也差不多：只能用于Windows环境，只能用ODBC连接。

DBeaver是我最近使用的免费SQL客户端， 推荐给各位。它有几个好处：

大家好!

InterSystems IRIS有一个叫做互操作性Interoperability的菜单。

它提供了轻松创建系统集成的机制（适配器、记录图、BPM、数据转换等），因此不同的系统可以轻松地连接起来。

本文是上一篇关于如何从流行数据库（如 PostgreSQL 和 MySQL）迁移到 IRIS 的后续文章。

我们将使用与从 PostgreSQL 迁移相同的过程。 但是，您会发现它更容易，因为 MySQL 中的数据类型与 IRIS 非常相似。 这就是为什么我们不需要在列中创建转换规则。

获取示例数据到迁移过程

在 GitHub 中，可以下载 docker-compose 项目来构建和运行 2 个数据库：

• 源数据库：带有示例数据库的 MySQL 数据库 Docker 实例。
• 目标数据库：InterSystems IRIS 数据平台 Docker 实例，具有用于接收源数据库的现成模式。

要获取示例并运行它，请执行以下步骤：

嗨开发者们！

如您所知，InterSystems IRIS 除了Global、对象、文档和 XML 数据模型还支持关系，其中 SQL 语言也被用来处理数据。

与其他关系型 DBMS 一样，InterSystems IRIS 有自己的特点。

我开始这篇文章是为了抛砖引玉，并邀请您分享您的小诀窍 - 我会根据收到的评论更新内容。

开始了！

基于InterSystems的集成ML技术和Dashboard，根据上传的CSV文件自动生成相关预测和BI页面。前端和后端在Vue和Iris中完成，使用户可以通过简单的操作生成所需的数据预测和分析页面，并根据这些页面做出决策。

# ZPM 安装

zpm:USER>install IntegratedMLandDashboardSample

# 部署流程

使用或创建新的命名空间

将代码导入相应的命名空间

在终端中执行：

Do # # class (customizemashinelerningandaanalysis. Util. Tool) Deployment()

前端是Vue文件夹下的dist文件夹。在使用它之前，请打开dist-static config.js并修改后端服务器要使用的IP和端口。然后您需要将iframeUrl的测试修改为“Analysis”+后端使用的命名空间，例如“AnalysisUSER”

然后启动前端文件（可以将dist文件夹放在tomcat中开始使用）

访问地址为：

Ip: port/dist

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:

第十三章 使用动态SQL（五）

从结果集中返回特定的值

要从查询结果集中返回特定的值，必须一次一行遍历结果集。
要遍历结果集，请使用%Next()实例方法。
(对于单一值，结果对象中没有行，因此%Next()返回0，而不是错误。)
然后，可以使用%Print()方法显示整个当前行的结果，或者检索当前行的指定列的值。

%Next()方法获取查询结果中下一行的数据，并将该数据放入结果集对象的data属性中。
%Next()返回1，表示它位于查询结果中的某一行上。
%Next()返回0，表示它位于最后一行(结果集的末尾)之后。
每次调用%Next()返回1个增量%ROWCOUNT;
如果游标定位在最后一行之后(%Next()返回0)，%ROWCOUNT表示结果集中的行数。

第二十章 用户、角色和权限

InterSystems IRIS®具有系统级安全性，以及一组与sql相关的额外安全性特性。
在数据库级保护之外，InterSystems SQL安全性提供了额外级别的安全功能。
SQL和系统级安全性之间的一些关键区别是:
- SQL保护比系统级保护更细粒度。可以为表、视图和存储过程定义特权。
- SQL权限既可以授予用户，也可以授予角色。
系统级权限只分配给角色。
- 持有SQL特权会隐式授予执行SQL操作所需的任何相关系统特权。
(相反，系统级特权并不意味着表级特权。)

InterSystems SQL在InterSystems IRIS数据平台上对ODBC、JDBC、Dynamic SQL和SQL Shell接口进行权限检查。
嵌入式SQL语句不执行特权检查;
假定使用嵌入式SQL的应用程序在使用嵌入式SQL语句之前会检查特权。

SQL权限和系统权限

要通过特定于SQL的机制操作表或其他SQL实体，用户必须具有适当的SQL权限。
系统级权限不足。
用户可以直接被授予SQL权限，也可以属于具有SQL权限的角色。

在本文中，我想谈一谈规范优先的 REST API 开发方式。

传统的代码优先 REST API 开发是这样的：

• 编写代码
• 使其支持 REST
• 形成文档（成为 REST API）

规范优先遵循同样的步骤，不过是反过来的。 我们先制定规范（同时兼做文档），然后根据它生成一个样板 REST 应用，最后编写一些业务逻辑。

这是有好处的，因为：

• 对于想要使用你的 REST API 的外部或前端开发者，你总是有相关且有用的文档
• 使用 OAS (Swagger) 创建的规范可以导入各种工具，从而进行编辑、客户端生成、API 管理、单元测试和自动化，或者许多其他任务的简化
• 改进了 API 架构。 在代码优先的方式中，API 是逐个方法开发的，因此开发者很容易失去对整体 API 架构的跟踪，但在规范优先的方式中，开发者被强制从 API 使用者的角度与 API 进行交互，这通常有助于设计出更简洁的 API 架构
• 更快的开发速度 - 由于所有样板代码都是自动生成的，你无需编写代码，只需开发业务逻辑。
• 更快的反馈循环 - 使用者可以立即查看 API，并且只需修改规范即可轻松提供建议
  让我们以规范优先的方式开发 API 吧！

第三十三章 Caché 变量大全 $ZMODE 变量

包含当前I/O设备打开参数。

大纲

$ZMODE
$ZM

描述

$ZMODE包含使用OPEN或USE命令为当前设备指定的参数。返回的字符串包含用于以规范形式打开当前I/O设备的参数。这些参数值由反斜杠分隔符分隔。TCP/IP IO上的开放参数(如“M”)被规范化为“PSTE”。“Y”和“K”参数值始终放在最后。

不能使用SET命令修改此特殊变量。尝试这样做会导致<SYNTAX>错误。

示例

以下示例使用$ZMODE返回当前设备的参数：

第十二章 使用嵌入式SQL（五）

嵌入式SQL变量

以下局部变量在嵌入式SQL中具有特殊用途。这些局部变量名称区分大小写。在过程启动时，这些变量是不确定的。它们由嵌入式SQL操作设置。也可以使用SET命令直接设置它们，或使用NEW命令将其重置为未定义。像任何局部变量一样，值将在过程持续期间或直到设置为另一个值或使用NEW进行定义之前一直存在。例如，某些成功的嵌入式SQL操作未设置％ROWID。执行这些操作后，％ROWID是未定义的或保持设置为其先前值。

• %msg
• %ROWCOUNT
• %ROWID
• SQLCODE

这些局部变量不是由Dynamic SQL设置的。 （请注意，SQL Shell和Management Portal SQL接口执行Dynamic SQL。）相反，Dynamic SQL设置相应的对象属性。

第三章 优化表（一）

要确保InterSystems IRIS®Data Platform上的InterSystems SQL表的最高性能，可以执行多种操作。优化可以对针对该表运行的任何查询产生重大影响。本章讨论以下性能优化注意事项：

• ExtentSize、Selective和BlockCount用于在用数据填充表之前指定表数据估计；此元数据用于优化未来的查询。
• 运行tune Table来分析填充表中的代表表数据；生成的元数据用于优化未来的查询。
• 优化表计算的值包括扩展大小、选择性、异常值选择性、平均字段大小和块计数
• 导出和重新导入优选表统计数据

扩展大小、选择性和块数(ExtentSize, Selectivity, and BlockCount)

当查询优化器决定执行特定SQL查询的最有效方式时，它会考虑以下三种情况：