Iris-python-template

包含各种Python代码的项目模版，可用于InterSystems IRIS 社区容器版Community Edition with container。

特性 :

• Notebooks 记事本
  • Embedded Python 内核
  • ObjectScript 内核
  • Vanilla Python 内核
• Embedded嵌入式 Python
  • Code example代码样例
  • Flask demo
• IRIS Python Native 原生APIs
  • Code example

关于 "智慧医院 "的真正内涵，有很多误解在流传。术语 "智慧Smart "已经成为 "自动化 "或 "数字设备 "的同义词。然而，事实是，增加技术、设备和传感器并不一定能使建筑或者医院变得'智慧'。而且，在某些情况下，数字创新被强加于医院，而没有真正考虑到其效果。

这种情况导致了一系列的复杂性和矛盾。例如，一方面，人们对医院采用数字技术的期望越来越高，但另一方面，人们越来越担心数字医疗解决方案正在创造更多离散的、孤岛的生态系统。同样，尽管医院面临着实现实时医疗系统的更大压力，但往往受制于其运营模式的孤岛性质或围绕各种医疗信息系统的互操作性问题。

这些相互冲突的压力表明，需要一种更协同、更集成、更综合、更全面的数字化转型方法--一种将系统整合在一起并从各个角度考虑影响的方法。

智慧医院数字孪生的出现，证明了这一技术为解决这些日益严峻的挑战提供了可行的手段。

在过去的几年里，数字孪生已经有了很大的发展，成为一项值得期待的技术。然而，尽管数字孪生被炒得沸沸扬扬，但对于数字孪生是什么（不是什么）以及它是否能实现其承诺，仍然存在相当大的困惑。像许多新技术一样，数字孪生正在 "幻觉破灭 "中挣扎并且在某些情况下被错误地描述。

在本文中，我们将通过回答这六个关键问题来正面解决这种困惑。

照顾好我们的客户并打造伟大的产品。这是我们InterSystems自从1978年成立以来的座右铭。40多年很快过去，这始终驱动着我们前进。过去是，未来也将一直是我们的基因。

作为一个12岁的书呆子，我最喜欢的书是斯蒂芬-皮尔写的《英雄失败之书》，这是一本关于人类不足之处的纪事。对我来说，这本书的亮点是佩德罗-卡罗莱纳的故事，一个努力开发葡语-英语短语手册的人。这是一项崇高的事业，但由于他缺乏说英语的能力，也没有一本葡英字典，因此受到阻碍。

然而，他确实拥有一本法英词典，一本葡法词典和一种真正能干的态度。他的劳动成果对葡萄牙度假者毫无益处，却让12岁的我笑得歇斯底里。我经常愉快地回忆起这个故事，但直到我开始工作时，我才开始把自己和卡洛琳娜先生进行比较。

我的工作是一名信息建模师。信息建模师的工作可以轻描淡写地概括为把现实变成可以存储在数据库中的东西。这是通过设计信息模型来完成的。在传统的软件设计中，有三种类型的信息模型。概念性、逻辑性和物理性。你从概念模型开始，它是对我们想要数字化的东西以及它们之间的关系的一个高级描述。然后你转到逻辑模型，描述这些对象如何在数据库中理想地创建。最后，你在物理模型中实现这一点，物理模型是由用户维护数据的数据库的实际实现。

"这是信息建模的传统智慧。但这种方法是否能实现目的有待商榷"。

这是信息建模的传统智慧。但这种方法是否能实现目的有待商榷。佩德罗的短语书的故事之所以有趣，是因为其方法明显不合适，而且客观上结果很差。这在语言学上相当于用叉子喝汤。但是，当主题比较模糊时，就很难推断方法是如何以及何时有缺陷的。

这是一个我开发的名为NiPaRobotica Pharmacy的小应用。 从附件可以看到一个界面，能够接收药房配药请求，并将订单上的行项目转换为发送给机器人的配药对话 。我在3家医院的药房部署了这个接口，其中两家药房有6个机器人被安排来将药物从分配槽配送到药剂师的窗口，每天能服务1200个病人。这些机器人能够将病人平均等待时间从2小时减少一半到1小时.接下来我把这个接口部署到专门为慢病病人建的6个配送点，例如如结核病、艾滋病毒、糖尿病、癫痫、高血压和哮喘等等。这个项目的目标是“把药物带给病人”。 这些点有六个6 ATM形式的药房配药设备 (Pharmacy Dispense Units ，PDU)，可以让病人直接与呼叫中心的药剂师沟通。在每个PDU 背后是一个存放上千种药物的大型的机器人。我的应用可以发送指令给机器人，机器人将药物分配到传送带上，送到一个打印机下面。这个打印机已经收到药房标签的内容，包括病人姓名、剂量说明和其他信息等。然后打印机把标签放下并贴在药品包装上。这包药再往前走一点就有一块海绵压住标签，使其更牢固地贴在包装上。然后，传送带将物品传送到PDU中的一个盒子里，一旦所有药物都被分发出去，病人就能打开PDU上的一个盖子，取出他的药品。这个项目最重要的意义是让病人少跑腿，不需要请假，还要长途跋涉到他们平时看病的医院，再取药回家。

SAM - 设置和添加非 IRIS 目标指标的技巧和提示

SAM（系统警报和监视）以“功能齐全”的 docker-compose 容器集的形式提供，只要启动就可以开始以默认的仪表板监视 IRIS 实例。 使用初始配置就可以很好地了解 SAM 功能并开始对 IRIS 系统进行基本监视。 但是，当开始监视多个系统并收集大量指标数据时，需要更改一些默认设置。 为了从 SAM 获取更多价值，您还会想要添加来自其他数据源（目标）的指标。 以下技巧将帮助您在生产环境中部署 SAM，从多个目标收集指标并将这些指标组合到您自己的仪表板和图表中。 此外，您还将看到一些可能有助于探索 SAM 容器和应用程序的命令。

注意：我应该指出，其中一些技巧和提示可能不是最佳做法；这更像是一个日志，记录了我第一次如何配置 SAM 来监视相同系统上的多个服务器和非 IRIS 目标的基准。 如果您有建议，请在评论中指教 ;) 所以，记住本帖可能会随着时间的推移而有所变化，让我们开始吧；

在下面的技巧中，有重启 docker 以及启动和停止 SAM 的操作。 请通读这些技巧，确定哪些适合您，然后按照下面的相同顺序执行。

这些API虽然在IRIS 2020.1中已经实现了，但没有被放在官方文档里。

这都是直接从Class Reference中提取的，我只是收集了它来创建第一个概述。

ObjectScript的本地API遵循其他语言平台上使用的API。它从一个静态API开始，允许用户使用Iris Connection连接到IRIS命名空间，无论是本地还是远程。连接接口允许用户实例化IRIS本地API类（%Net.DB.Iris）。然后，该实例可用于访问IRIS全局数组，管理事务，调用例程或类中实现的函数和方法，以及实例化远程迭代器。

以下步骤展示如何显示 /api/monitor 服务提供的指标列表示例。

在上个帖子中，我概述了以 Prometheus 格式显示 IRIS 指标的服务。 该贴介绍了如何在容器中设置和运行 IRIS 预览版 2019.4，然后列出了指标。

本帖假定您已安装 Docker。 如果未安装，现在就为您的平台安装吧 :)

步骤 1. 下载并运行 docker 形式的 IRIS 预览版

按照预览发行版的下载说明下载预览版许可证密钥和 IRIS Docker 映像。 例如，我选择了 InterSystems IRIS for Health 2019.4。

供应商或内部团队要求说明如何为 VMware vSphere 上运行的大型生产数据库进行 CPU 容量规划。

总的来说，在调整大型生产数据库的 CPU 规模时，有几个简单的最佳做法可以遵循：

• 为每个物理 CPU 核心规划一个 vCPU。
• 考虑 NUMA 并按理想情况调整虚拟机规模，以使 CPU 和内存对于 NUMA 节点是本地的。
• 合理调整虚拟机规模。 仅在需要时才添加 vCPU。

通常，这会引出几个常见问题：

• 由于使用超线程技术，VMware 创建的虚拟机的 CPU 数量可以是物理 CPU 数量的两倍。 那不就是双倍容量吗？ 创建的虚拟机不应该有尽可能多的 CPU 吗？
• 什么是 NUMA 节点？ 我应该在意 NUMA 吗？
• 虚拟机应该合理调整规模，但我如何知道什么时候合理？

我以下面的示例回答这些问题。 但也要记住，最佳做法并不是一成不变的。 有时需要做出妥协。 例如，大型生产数据库虚拟机很可能不适合 NUMA 节点，但我们会看到，其实是没问题的。 最佳做法是指必须针对应用程序和环境进行评估和验证的准则。