Embeddedpy-bridge：嵌入式 Python 工具包

概述

嵌入式 Python改变了 InterSystems IRIS 的游戏规则，可直接在数据库中访问庞大的 Python 生态系统。但是，在 ObjectScript 和 Python 之间架起桥梁有时会让人感觉像是在两个不同的世界之间转换。

为了实现这种无缝过渡，请使用embeddedpy-bridge。

该软件包是一个以开发人员为中心的实用工具包，旨在为嵌入式 Python 提供高级 ObjectScript 封装、熟悉的语法和强大的错误处理功能。它允许开发人员使用他们已经熟悉的本地 IRIS 模式与 Python 数据结构交互。

挑战

虽然 %SYS.Python 库功能强大，但开发人员经常面临一些障碍：

1. 处理代理：使用原始代理浏览 Python 列表和字典对于 ObjectScript 来说并不 "原生"。
2. 迭代：标准 ObjectScript While 循环无法与 Python 迭代器进行本地 "对话"。
3. 命名空间管理：确保 Python 实用程序在整个系统中可用。

解决方案：embeddedpy-bridge

我的目标是创建一个 "桥梁"，让 Python 感觉像是 ObjectScript 中的一等公民。

主要功能

• py 前缀约定：%ZPython.

你好

数据迁移通常听起来像是一个简单的 "将数据从 A 转移到 B 的任务"，直到你真正去做。实际上，这是一个融合了规划、验证、测试和技术精度的复杂过程。

我曾在多个项目中负责将数据迁移到在 IRIS（TrakCare）上运行的 HIS 中，在这些项目中，我认识到成功来自于纪律和自动化的结合。

以下是我想强调的几个要点。

1.从定义好的数据格式开始。

在打开第一个文件之前，确保每个人，尤其是数据提供者，都清楚地了解您所期望的确切数据格式。尽早定义模板可以避免不必要的来回奔波和返工。

虽然 Excel 或 CSV 格式很常见，但我个人认为使用制表符分隔的文本文件（.txt）上传数据是最好的。它既轻便又一致，还能避免文本字段内的逗号问题。

PatID   DOB Gender  AdmDate
10001   2000-01-02  M   2025-10-01
10002   1998-01-05  F   2025-10-05
10005   1980-08-23  M   2025-10-15

确保文件中提供的日期格式正确且在整个文件中保持不变，因为所有这些文件通常都是从 Excel 文件转换而来，而 Basic excel 用户可能会在提供错误的日期格式时犯错。错误的日期格式在转换为 horolog 时会让您恼火。

在最近的竞赛中，看到更多的人在创建 VS Code 扩展程序，这令人鼓舞。不过我注意到，在三个需要使用凭据进行连接的扩展中，只有我的gj :: dataLoader 利用了历史悠久、官方支持的InterSystems Server Manager扩展来获取连接定义并安全地处理凭据。

我有一个新项目，要将 REST 响应中的信息存储到 IRIS 数据库中。我需要同步来自至少二十几个不同 REST 端点的信息，这意味着需要创建将近这么多的 ObjectScript 类来存储来自这些端点的结果。

我能否使用 ChatGPT 来创建这些类？答案是 "可以"，这非常好，因为这是我第一次尝试使用生成式人工智能来做一些有用的事情。生成长颈鹿喝汤的图片有点老....。

我是这么做的：

• 使用 "curl "查询端点，获取一些 JSON REST 调用输出示例。
• 访问 ChatGPT（InterSystems 为员工提供全公司范围的许可证）
• 与 ChatGPT 进行以下对话。

我在 "Message ChatGPT "提示符中输入了以下请求：

我：Generate an ObjectScript class that will hold data from the following JSON（生成一个 ObjectScript 类，用于保存以下 JSON 中的数据）：

在输入 JSON 之前，我点击了 "Return"，因此 ChatGPT 给我的提示如下：

ChatGPT：Please provide the JSON structure you'd like me to generate the ObjectScript class

InterSystems IRIS的嵌入式向量搜索功能使我们能够搜索非结构化和半结构化数据。数据被转换为向量（也称为 "嵌入"），然后存储在 InterSystems IRIS 中并编制索引，用于语义搜索、检索增强生成（RAG）、文本分析、推荐引擎和其他用例。

这是一个将 IRIS 用作向量数据库和在 IRIS 上进行相似性搜索的简单演示。

先决条件：

1. Python
2. InterSystems IRIS for Health - 因为它将用作向量数据库

存储库： https://github.com/piyushisc/vectorsearchusingiris

操作步骤

1. clone软件仓库。
2. 打开 VS Code，连接到所需的 IRIS 实例和命名空间并编译类。
3. 打开 IRIS 终端，调用 do ##class(vectors.vectorstore).InsertEmbeddings() 命令，从文件 text.txt 中读取文本，生成嵌入并将其存储在 IRIS 中。
4. 调用 do ##class(vectors.vectorstore).VectorSearch("search_terms") 命令，输入所需的单词以执行相似性搜索。IRIS 将返回最匹配的前三个词：

InterSystems IRIS 的架构将数据的逻辑组织（命名空间）与其物理存储位置（数据库）分开。理解这种分离以及命名空间和数据库之间的区别对于有效的数据管理、安全性，尤其是高性能数据共享至关重要。

在本文中，我将讨论这些基础组件，并提供利用全局映射跨不同逻辑环境共享本地数据结构（全局）的实用指南。

数据库：物理现实

数据库代表了数据存储在磁盘上的物理现实。首先，它是文件系统中名为 IRIS.dat 的文件（例如，<安装文件夹>\mgr\user\IRIS.DAT ）。该文件的最大容量为 32TB。它是所有实际数据和代码的容器。数据库由 IRIS 内核管理，它在物理文件级别处理缓存、日志和事务日志。

安装 InterSystems IRIS DBMS 时，会自动安装以下数据库：

有时，根据预先定义的资源 "列表（List）"限制 FHIR 搜索会更方便、更高效、更安全。

自 2025.1 版起，我们的 FHIR 服务器支持多个与列表相关的功能。

我将在此重点介绍这些功能，并提供一些示例。