第二章 InterSystems SQL基础

本章概述了InterSystems SQL的特性，特别是那些SQL标准未涵盖的特性，或者与InterSystems IRIS®数据平台统一数据架构相关的特性。
本教程假定读者具备SQL知识，并不是为介绍SQL概念或语法而设计的。

本章讨论以下主题:
- 表
- 查询
- 权限
- 数据显示选项
- 数据排序类型
- 执行SQL

表

在InterSystems SQL中，数据显示在表中。每个表都包含许多列。一个表可以包含零个或多个数据值行。以下术语大体上等效：

在这篇文章中，我试图找出多个领域来开发我们能够使用python和机器学习的功能。

每家医院都在努力利用技术和服务来提高其服务质量和效率。

医疗保健部门是一个非常大的、可供选择的服务领域，而python是做机器学习的最好技术之一。

在每个医院里，人们都会有一些感觉，如果这种感觉能够被计算机理解，使用技术就有机会提供更好的服务。

在这里，我们可以把这两者结合起来，在医疗部门，我正试图理解/识别各种选择，以提供更好的服务。

首先，我们可以尝试使用python的机器学习来识别人并了解他们目前的感受。比如，在医院信息系统中，每个病人至少有一张照片，使用该照片我们可以识别病人，然后一旦病人到达医院，使用视频监控和机器学习技术需要识别这个人的感觉。

在医院设施中会看到多种类型的感觉。

1）紧张

2）平静和冷静

3) 哭泣

4) 暴力的病人/亲属

5) 生病的病人

6) 高烧鉴定

像上面的情况，我们可以看到多种不同的类型。

如果一个已经登记的病人发高烧，那么使用闭路电视识别这个病人的情况，并捕捉温度热像仪，护理人员可以给予更好的支持，这在接待服务领域是非常大的区别。

第三章 发送HTTP请求

发送HTTP请求

创建HTTP请求后，使用以下方法之一发送该请求：

Delete()

method Delete(location As %String = "", 
              test As %Integer = 0, 
              reset As %Boolean = 1) as %Status

发出HTTP DELETE请求。

Get()

method Get(location As %String = "", 
           test As %Integer = 0, 
           reset As %Boolean = 1) as %Status

发出HTTP GET请求。此方法使Web服务器返回请求的页面。

第八章 处理收到的电子邮件

处理收到的电子邮件

本节介绍如何处理通过%Net.POP3检索到的电子邮件(%Net.MailMessage)。

Message Basics

检索电子邮件(%Net.MailMessage)后，通常首先确定它是哪种类型的邮件以及如何阅读它；也就是说，它是否是多部分邮件以及各部分是否是二进制的。在此步骤中，您可以使用ContentType属性。或者，可以使用IsBinary、IsHTML和IsMultiPart属性，它们间接提供与contentType相同的信息。

如果消息是多部分消息，则每个部分都是%Net.MailMessagePart的一个实例。

Message Headers

消息本身和消息的每个部分都有一组标头。

第十九章 存储和使用流数据（BLOBs和CLOBs）

Intersystems SQL支持将流数据存储为Intersystems Iris ®DataPlatform数据库中的 BLOBs（二进制大对象）或 CLOBs（字符大对象）的功能。

流字段和SQL

Intersystems SQL支持两种流字段：

第十二章 使用嵌入式SQL（四）

SQL游标

游标是指向数据的指针，该数据允许嵌入式SQL程序对所指向的记录执行操作。通过使用游标，Embedded SQL可以遍历结果集。嵌入式SQL可以使用游标执行查询，该查询从多个记录返回数据。嵌入式SQL还可以使用游标更新或删除多个记录。

第十二章 IBM WebSphere MQ检索邮件

检索邮件

要检索邮件，请执行以下操作：

1. 按照“创建连接对象”中的说明创建连接对象。在这种情况下，请创建%Net.MQRecv的实例。Connection对象有一个消息队列，可以从中检索消息。
2. 根据需要调用以下方法：

- %Get()-通过引用返回字符串消息作为第一个参数。
- %GetStream()-给定初始化的文件字符流，此方法从队列中检索消息，并将其放入与该流关联的文件中。请注意，必须设置流的Filename属性才能对其进行初始化。不支持二进制流。

第七章 解释SQL查询计划

本章介绍由ShowPlan生成的InterSystems SQL查询访问计划中使用的语言和术语。

存储在映射中的表

SQL表存储为一组映射。
每个表都有一个包含表中所有数据的主映射;
表还可以有其他的映射，如索引映射和位图。
每个映射可以被描绘成一个多维全局，其中一些字段的数据在一个或多个下标中，其余字段存储在节点值中。
下标控制要访问的数据。

• 对于主映射，RowID或IDKEY字段通常用作映射下标。
• 对于索引映射，通常将其他字段用作前导下标，将RowID/IDKEY字段用作附加的较低级别的下标。
• 对于位图，可以将位图层视为附加的RowID下标级别。但是，位图只能用于为正整数的RowID。

发展计划

编译SQL查询会生成一组指令来访问和返回查询指定的数据。
这些指令表示为. int例程中的ObjectScript代码。

第十三章 将XML文档表示为DOM

%XML.Document类和%XML.Node类使可以将任意XML文档表示为DOM(文档对象模型)。然后，可以导航此对象并对其进行修改。还可以创建一个新的DOM并将其添加到其中。

注意：使用的任何XML文档的XML声明都应该指明该文档的字符编码，并且文档应该按照声明的方式进行编码。如果未声明字符编码，InterSystems IRIS将使用本书前面的“输入和输出的字符编码”中描述的默认值。如果这些默认值不正确，请修改XML声明，使其指定实际使用的字符集。

将XML文档作为DOM打开

要打开现有XML文档以用作DOM，请执行以下操作：

1. 创建%XML.Reader的实例。
2. 也可以指定此实例的Format属性，以指定要导入的文件的格式。

默认情况下， IRIS假定XML文件为文字格式。如果文件是SOAP编码格式，则必须指明这一点，以便可以正确读取该文件。

第一章 SQL性能优化简介

InterSystems SQL支持几个特性来优化InterSystems IRIS®数据平台的SQL性能。

表定义优化

SQL性能从根本上取决于良好的数据架构。
将数据划分为多个表并在这些表之间建立关系对于高效的SQL是必不可少的。

描述了以下优化表定义的操作。
这些操作要求定义表，但不要求用数据填充表:

第十三章 使用SSH

%Net.SSH软件包支持SSH(安全外壳)通信。本主题简要介绍此包中的类。

创建SSH会话

%Net.SSH.Session表示SSH会话。要使用此类，请执行以下操作：

1. 创建类的实例。
2. 使用Connect()实例方法连接到服务器。
3. 使用AuthenticateWithKeyPair()或AuthenticateWithUsername()向服务器验证身份。
4. 使用%Net.SSH.Session的其他方法执行进出远程系统的单个文件的SCP(安全复制)操作、执行远程命令、传输TCP通信或执行SFTP操作。

例如，使用SFTP将会话用于SFTP操作。此方法通过引用返回可用于SFTP操作的%Net.SSH.SFTP实例。

Globals是InterSystems IRIS的数据持久性的核心。它很灵活，允许存储JSON文档、关系数据、面向对象的数据、OLAP立方体和自定义数据模型，例如思维导图。要了解如何使用globals来存储、删除和获取思维导图数据，请遵循以下步骤:

1. 把repo Clone/git到任意本地目录

$ git clone https://github.com/yurimarx/global-mindmap.git

2. 在该目录下打开Docker 终端并执行:

$ docker-compose build

3. 启动 IRIS 容器:

实时人工智能/机器学习计算的挑战

我们将从我们在 InterSystems 数据科学实践中遇到的示例开始讲起：

• “高负载”客户门户与在线推荐系统相集成。 计划是在整个零售网络层面重新配置促销活动（我们将假设使用“细分策略”矩阵而非“平面”促销活动母版）。 推荐机制会有哪些变化？ 推荐机制内的数据馈送和数据更新会有哪些变化（输入数据量增加了 25000 倍）？ 推荐规则生成设置会有哪些变化（生成规则的总量和“分类”呈千倍增加，因此需要将推荐规则筛选阈值缩小千倍）？
• 设备健康监控系统使用“手动”方式馈送数据样本。 现在，它将连接到每秒可传输数千个过程参数读数的 SCADA 系统。 监控系统会有哪些变化（它能否应对以秒为单位的设备健康监控）？ 当输入数据接收到包含数百列最近在 SCADA 系统中实现的数据传感器读数的新块时，会发生什么（是否有必要关闭监控系统以将新的传感器数据整合到分析当中，以及要关闭多久）？
• 复杂的人工智能/机器学习机制（推荐、监控、预测）依赖于彼此的结果。 要调整这些人工智能/机器学习机制的功能以适应输入数据的变化，每月需要多少人工工时？ 人工智能/机器学习机制在支持制定业务决策方面的总体“延迟”是多少（支持信息的刷新频率对比新输入数据的馈送频率）？

关注开发者社区全栈竞赛的朋友会知道，我提交了一个名为qewd-conduit的参赛作品。我想总结一下，为什么我认为您应该花点时间来看看这个作品。