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？

• 相似性搜索：向量可以进行高效的相似性搜索，例如在数据集中查找最相似的项目或文档。传统的关系数据库是为精确匹配搜索而设计的，不适合图像或文本相似性搜索等任务。
• 灵活性：向量表示形式用途广泛，可以从各种数据类型派生，例如文本（通过 Word2Vec、BERT 等嵌入）、图像（通过深度学习模型）等。
• 跨模态搜索：向量可以跨不同数据模态进行搜索。例如，给定图像的向量表示，人们可以在多模式数据库中搜索相似的图像或相关文本。

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。

VR ICU® 是 InterSystems FHIR 创新孵化器 Caelestinus 的参与者。这篇文章将向您介绍我们利用 InterSystems FHIR Server 为医疗保健提供的 VR 解决方案。

我们是一家技术初创企业虚拟实验室，利用先进的 VR/AR 技术开发解决方案。VR ICU® 是一个针对重症监护室医务人员的培训平台，是在 Covid 时代为满足医院需求而创建的。

与InterSystems合作的优势

我们的 VR ICU® 解决方案符合实践需求，是与医院合作开发的。

除了技术解决方案和技能学习本身，记录培训课程、培训进度和成功率对于医院或麻醉学和重症监护部门的有效管理也至关重要。医务长可以通过了解谁在何时接受了培训，清楚地掌握能够在重症监护室使用设备的人员数量，从而有效地对他们进行培训，以保持技能、有控制地规划人员技能储备并提高他们的能力。

在这方面，与 InterSystems 的合作对我们来说至关重要，它使我们能够在应用程序中存储每次培训期间的数据。目前，我们会记录参与者的姓名、培训日期和时长、培训类型、设备类型、错误数量和类型，必要时还会记录培训成功完成的信息。

Gartner魔力象限是业内知名的分析报告，针对特定市场进行严谨、基于事实的研究后发布的魔力象限报告，可为用户提供全面视图，以便其了解在高速增长、差异化明显的市场中供应商的相对位置。在魔力象限中，供应商被定位在四个象限中：领导者（Leader）、挑战者（Challenger）、远见者（Visionary）和利基玩家（Niche Player）。

2023年年底，在 Gartner 2023年最新发布的“云数据库管理系统（Cloud DBMS）魔力象限”中，InterSystems再次荣膺“挑战者”（Challenger）称号，这是InterSystems第三次入围这一报告并得到认可（2022年“远见者”，2021年“挑战者”）。

第六章 介绍Productions - 其他Production 选项

本章概述了与制作相关的其他选项。

用户门户

与 Studio 和管理门户等后端工具不同，用户门户（正式名称为 用户门户）旨在供最终用户直接使用。下面显示了一个例子：

用户门户旨在使最终用户能够执行以下任务：

• 视图和仪表板，其中可以包括生产业务指标，将在本章后面介绍。
• 查看和管理工作流任务，将在下一节介绍。
• 向用户门户的其他用户发送消息，如上图左上角所示。

工作流

IRIS 为制作中的工作流程提供支持。工作流使得将人机交互合并到自动化业务流程中成为可能。企业内工作流的使用可能包括订单输入、订单履行、合同批准或服务台活动。

production 使用业务流程和业务操作集实现工作流。业务流程接收请求，组织完成该请求所需的任务，然后调用业务操作来执行这些任务。

这些业务操作中的每一个都将任务分配给一个工作流角色，该角色将任务放入属于该角色的每个用户的工作流收件箱中。要访问此收件箱，用户需要使用上一主题中介绍的用户门户。

作为针对数据导入处理性能和错误（锁定表已满）的衡量标准，可能需要调整常规内存堆 (gmheap) 和锁定表大小 (locksiz) 参数。

事实上，您可以使用终端和管理门户来检查当前分配了多少通用内存堆。

★终端用

// 一般メモリヒープサマリUSER> w $system .Config.SharedMemoryHeap.GetUsageSummary() 4992226 , 6029312 , 59441152

通用内存堆摘要以使用量、分配量和配置量（字节）的形式显示返回值。

Caché, IRIS在系统产生了最严重的问题时会产生错误信息并通知客户，但这并不足够。一是客户需要更多更灵活的通知消息，二是客户通常会有第3方的监控系统，因此得到Cache, IRIS的监控指标是必须的。

在所有的指标中，用户最关心的是以下几类：

• 硬件资源的使用，CPU, 内存， IO性能
• 数据库使用的硬盘的占用
• Cache, IRIS Journal的硬盘占有
• Mirror的状态
• License的使用情况
• Caché的性能指标

除此之外，第3方监控系统还需要获得Caché的一些系统信息，比如版本，instance名字等等。

指标的获得

有以下几个获得指标的方法

1. 系统仪表板及其Web服务

Caché的系统仪表板显示的数据包括：系统性能；系统运行状态 (运行时间，上一次备份，数据库，Journal状况等; 事务和进程情况；软件许可使用情况；任务，ECP等，还有就是错误和警告的数量。

Bitmap索引是指对某个，或者某几个字段建立的bit map(位图映射)。如果是对整个表的记录，也就是表的%ID做位图映射，得到的特殊的bitmap索引在IRIS/Caché里被称为Bitmap Extent。

建立Bitmap Extent索引的目的就是加快COUNT(*)的执行。提高了多少呢？ 下面两个显示的是最简单的全表查询花费的时间：

• 不使用Bitmap Extent : 1.3810s
• 使用Bitmap Extent： 0.0038

相差有几百倍。

InterSystems 常见问题解答

※如果您想比较使用Mirror、Shadow或其他机制复制的数据库，请使用此方法。

您可以使用 DATACHECK 实用程序来比较Global。请参阅下面的文档。
DataCheck 概述 [IRIS]

***

Routines比较使用系统例程 %RCMP 或管理门户。

以下是如何在管理门户中使用它。

第八章 准备创建Productions - 规划 IRIS 服务器部署

容量和性能清单

IRIS 服务器的性能通过其处理峰值消息负载的能力来衡量。 IRIS 服务器的性能取决于许多组件和设置之间的复杂交互。 IRIS 服务器的负载主要取决于：

这个帖子内容有点深。如果您读的有困难，请直接跳过这篇，对绝大多数IRIS/Caché使用者，它一点都不重要。

数据库表的Collation(排序规则)本来是一个非常简单的概念。说到它是因为曾经发现过由Collation引起的性能问题。

我试图用一句话来解释数据库的排序规则：

• 绝大多数数据库因为业务查询需要，保存的字符型数据是不分大小写的。当你执行一个 order by, group by, distinct，like等等条件查询时，因为这个不分大小写的collation，你得到的结果也不分大小写。例如，对名字做group by， James, james一定是在一组。
• 如果非要区分大小写，会在查询的时候使用一个函数
• 因为要操作非英语的字符集，以及可以被当作字符看待的数字类型，适应不同的排序规则，一个数据库可能有很多种Collation类型。

很简单，在表一级定义Collation的SQL语句是：

1. IRIS RAG Demo

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。

第三十九章 开发Productions - ObjectScript Productions - Defining Business Metrics - 以编程方式设置和获取值

以编程方式设置和获取值

在某些情况下，可能需要以编程方式访问指标属性。例如，可能希望业务流程直接读取或设置度量属性。为此，请在新选项卡中使用 Ens.BusinessMetricOpens 的 GetMetric() 和 SetMetric() 类方法。

使用 GetMetric() 方法

GetMetric() 类方法从业务指标缓存中读取指定指标属性的当前值。按如下方式调用此方法：

这是Java 编程比赛的相关文章。

我决定推出一个基于 IRIS Native API for Java 的 CRUD++ Global编辑器。
++因为它不仅仅是C reate、 R ead、 U pdate、 D elete
Global可视化对于立即查看结果始终很重要。

• 为此，我使用模仿 ZWrite 的树查看器扩展了 API，并且还允许检查子树。
• $Query Style Navigator 正向和反向操作可轻松找到感兴趣的全局节点。
• 最后，ZKill 添加了一个选项，可以删除全局节点的内容而不删除下面的子树。

这需要在服务器端有一个小的帮助器类作为默认 API 的扩展

我的策略是拥有一个可从命令行使用的相当适度的界面
就像在 Docker 控制台或终端上一样，并使其尽可能简单。
花哨的图形界面只会分散示例的基本内容。

实现医疗系统之间的互操作性是一项艰巨的挑战。随着FHIR日渐普及，对FHIR标准的兼容如今已成为许多国家医疗信息系统的全国性强制性要求。FHIR标准最有价值的一方面就是所有内容可被机器读取，使得FHIR应用跨机构使用成为可能，帮助您距离“语义互操作性”更近一步。