第十六章 导入SQL Code

本章介绍如何将SQL代码从文本文件导入Intersystems SQL。导入SQL代码时，IntersystemsIris®数据平台使用动态SQL准备并执行每行SQL。如果遇到无法解析的代码行，则SQL导入跳过该行代码并继续准备和执行后续行，直到它到达文件的末尾。所有SQL代码导入操作导入到当前名称空间。

SQL导入主要用于导入数据定义语言（DDL）命令（例如Create Table），并使用Insert，Update和Delete命令填充表。 SQL导入确实准备并执行SELECT查询，但不创建结果集。

SQL导入可用于导入Intersystems SQL代码。它也可以用于代码迁移，从其他供应商导入SQL代码（FDBMS，Informix，Interbase，MSSQLServer，MySQL，Oracle，Sybase）。来自其他供应商的代码被转换为Intersystems SQL代码并执行。 SQL导入无法将所有SQL命令导入Intersystems SQL。它导入与SQL标准的Intersystems Iris实现兼容的那些命令和条款。不兼容的功能通常被解析，但忽略了。

SQL导入可以成功准备一个SQL查询 - 在适当的情况下创建相应的缓存查询 - 但它不会执行查询。

第十五章 使用管理门户SQL接口（二）

过滤模式内容

Management Portal SQL界面的左侧允许查看模式(或匹配筛选器模式的多个模式)的内容

1. 通过单击SQL interface页面顶部的Switch选项，指定希望使用的名称空间。 这将显示可用名称空间的列表，可以从中进行选择。
2. 应用筛选器或从模式下拉列表中选择模式。

可以使用Filter字段通过输入搜索模式来筛选列表。 可以在一个模式或多个模式中筛选模式，或筛选表/视图/过程名(项)。 搜索模式由模式名、点(.)和项目名组成——每个名称由文字和通配符的某种组合组成。字面值不区分大小写。 通配符是:

• 星号(*)表示0个或多个任意类型的字符。
• 下划线(_)表示任意类型的单个字符。
• 撇号(')倒装前缀，意为“不”(除了)。
• 反斜杠(\)转义字符:\_表示字面上的下划线字符。

例如，S*返回所有以S S*开头的模式。 Person返回所有以S. *开头的模式中的所有Person项。 Person*返回所有模式中以Person开头的所有项。 可以使用逗号分隔的搜索模式列表来选择满足所列模式(或逻辑)中的任何一种的所有项。 例如,* .Person * *。 Employee*选择所有模式中的所有Person和Employee项。

若要应用筛选器搜索模式，请单击refresh按钮或按Tab键。

第十五章 使用管理门户SQL接口（一）

本章介绍如何在InterSystems IRIS®数据平台管理门户上执行SQL操作。 管理门户界面使用动态SQL，这意味着在运行时准备和执行查询。 Management Portal界面旨在帮助针对小型数据集开发和测试SQL代码。 它不打算用作在生产环境中执行SQL的接口。

管理门户还提供了各种配置SQL的选项。

有关使用管理门户的一般信息，请选择左上角的Help按钮。 通过使用左上角的Contact按钮，可以从管理门户向InterSystems Worldwide Response Center (WRC)报告有关InterSystems软件的问题。

管理门户SQL工具

InterSystems IRIS允许使用SQL工具从InterSystems IRIS管理门户检查和操作数据。 此操作的起点是Management Portal System Explorer选项。 从这里选择SQL选项。 这将显示SQL接口，它允许:

着手书写“数据应用方案分享”系列文章的初衷是，希望从终端用户的视角阐述我们所期待的数据应用方式及其可能为医疗领域带来的获益，为医学信息工作者提供参考。在这个系列中，笔者会以临床常见疾病和流程为例，用真实的数据录入、获取、展现和使用场景说明需求；尤其是如何细致、精准的构建数据源头，以确保现代医学信息技术“有数可用”、“数用必达”。其中肯定有思虑不周全或逻辑不严谨之处，望各位读者按需审阅，取其精华、弃其糟粕。此外，本系列更多在于探讨数据应用的“可能性”，而非“可行性”。文中部分图片尚处于设想模拟阶段，并非真实系统图片，请知悉。

第十四章 使用SQL Shell界面（三）

SQL元数据、查询计划和性能指标

显示元数据

SQL Shell支持M或Metadata命令以显示有关当前查询的元数据信息。

对于每个结果集项目，此命令列出以下元数据：列名称（SQL字段名称），键入（ODBC数据类型整数代码），PRE（精度或最大长度），比例（最大分数数字），NULL（BOOLEAN：1 = NULL允许，0 =不允许空值），标签（标题标签，请参阅列别名），表（SQL表名称），架构（架构名称），CTYPE（客户端数据类型，请参阅％SQL.statementColumn ClientType属性）。

SHOW STATEMENT

可以执行查询，然后发出show语句或显示st以显示准备好的SQL语句。默认情况下，必须执行查询。可以避免通过设置executemode =延迟执行查询，从而发出查询，然后发出show语句sql shell命令。

显示声明信息包含实现类(缓存查询名称),参数(一个以逗号分隔的实际参数值,如上面条款和WHERE子句文字值),和语句文本(文字文本的SQL命令,包括字母大小写和参数值)。

EXPLAIN and Show Plan

有两种方式显示SQL查询的查询计划; 如果需要，两者都可以显示备用的查询计划。

• EXPLAIN：前言用解释命令选择SELECT查询。例如：

第十四章 使用SQL Shell界面（二）

存储和调用SQL语句

通过数据回调

SQL Shell自动将在终端会话期间发出的每个成功的SQL语句存储在本地缓存中，并为其分配一个顺序号。这些数字用于在当前Terminal过程中重新调用以前的SQL语句。 SQL Shell仅将数字分配给成功的SQL语句。如果在准备SQL语句期间发生错误，则不会分配任何编号。这些数字分配不是特定于名称空间的。以下是可用的数字调用命令：

• ＃：可以使用＃列出所有先前缓存的SQL语句及其分配的编号。
• #n：可以通过在SQL Shell提示符下指定#n来调用并执行先前的SQL语句，其中n是SQL Shell分配给该语句的整数。
• ＃0：可以通过在SQL Shell提示符下指定＃0来调用并执行最近准备的SQL语句。 ＃0调用最近准备的SQL语句，而不必调用最近执行的SQL语句。因此，调用和执行SQL语句对＃0调用哪个SQL语句没有影响。

通过数字调用SQL语句不会为该语句分配新的数字。 SQL Shell在终端会话的持续时间内顺序分配数字；退出并重新进入SQL Shell或更改名称空间不会影响数字分配或先前分配的数字的有效性。

要删除所有号码分配，请使用#CLEAR并在显示的提示符下确认此操作。这将删除所有先前的号码分配，并从1重新开始号码分配。

通过名字回调

第十四章 使用SQL Shell界面（一）

执行SQL的其他方式

可以使用$SYSTEM.SQL.Execute() 方法从Terminal命令行执行一行SQL代码，而无需调用SQL Shell。以下示例显示如何在终端提示下使用此方法：

DHC-APP>SET result=$SYSTEM.SQL.Execute("SELECT TOP 5 name,dob,ssn FROM Sample.Person")
 
DHC-APP>DO result.%Display()
Name    DOB     SSN
yaoxin  54536   111-11-1117
xiaoli          111-11-1111
姚鑫    63189   111-11-1112
姚鑫    63189   111-11-1113
姚鑫    50066   111-11-1114
 
5 Rows(s) Affected

如果SQL语句包含错误，则Execute（）方法成功完成；否则，该方法无效。 ％Display（）方法返回错误信息，例如：

大家好，我想咨询下如何实现用HealthShare开发socket的接口，例如开发socket对外的BS，以及socket调用的BO

尊敬的HealthShare用户：

本帖是HealthShare HS2021-03提醒沟通流程的一部分，同样的信息也会以以下渠道分发：

• 邮件通知 HealthShare 用户
• 在 Product Alerts & Advisories 主页上通知
• 在 WRC Distribution Page InterSystems Documents主页上通知

2021年3月23日 – 提醒：镜像Dejournaling的潜在数据完整性问

InterSystems 已经纠正了一个缺陷，该缺陷在极少数情况下会导致非主镜像成员的数据不一致问题。此缺陷影响到InterSystems产品的所有发布版本。

如果发生该缺陷，则会在镜像系统的正常运行中悄然发生。该缺陷的结果是，镜像成员未能删除数据库日志的子集，然后导致镜像成员之间的数据不一致。这对故障转移和异步成员都有影响。虽然这个缺陷遇到的可能性非常小，但InterSystems建议所有使用镜像的客户都要获得修正，并使用DataCheck验证镜像数据库的一致性。有关可能触发该缺陷的具体情况以及将遇到该缺陷的风险降至最低的步骤的更多详细信息，请联系全球响应中心（WRC）。

该缺陷的更正被确定为 SML2898、HYY2434 和 HYY2435，并将包含在所有未来的产品版本中，包括 Caché 和 Ensemble 2018.1.5 以及 InterSystems IRIS 和 InterSystems IRIS for Health 2019.1.2 和 2020.1.1。这些更正也可通过InterSystems全球响应中心（WRC）的Ad hoc分发版本获得。

如果您对这个提醒有任何疑问，请联系 Worldwide Response Center。

现已推出三套新的维护版本：

• Caché  2018.1.5, Ensemble 2018.1.5, and HSAP 2018.1.5
• InterSystems IRIS 2019.1.2, IRIS for Health 2019.1.2, and HealthShare Health Connect 2019.1.2
• InterSystems IRIS 2020.1.1, IRIS for Health 2020.1.1, and HealthShare Health Connect 2020.1.1

安装包和容器版本可从以下网站下载  WRC Software Distribution site。

这些都是维护版本，在广泛的领域内有许多更新。  有关这些版本中的修正信息，请参考该版本的文档，其中包括发行说明和升级检查表、发行变更列表，以及类参考资料和全套指南、参考资料、教程和文章。所有的文档都可以通过以下方式获得 docs.intersystems.com 。

在这些版本中也加入了新的平台支持。  特别是，Ubuntu 20.04 LTS的支持已经添加到所有版本中，IBM AIX 7.1和7.2对System p-64的支持已经添加到2019.1.2中（并且已经在2020.1中），而对Linux的ARM64支持已经添加到2020.1.1中。  详情请参见各版本的支持平台文档。

第十三章 使用动态SQL（七）

SQL元数据

动态SQL提供以下类型的元数据：

• 在“准备”之后，描述查询类型的元数据。
• 在“准备”之后，描述查询中选择项的元数据（“列”和“扩展列信息”）。
• 在准备之后，描述查询参数的元数据：参数，：var参数和常量。 （语句参数，形式参数和对象）
• 执行之后，描述查询结果集的元数据。在执行Prepare操作（％Prepare（），％PrepareClassQuery（）或％ExecDirect（））之后，可以使用％SQL.StatementMetadata属性值。
• 可以直接为最新的％Prepare（）返回％SQL.Statement元数据属性。
• 可以返回包含％SQL.StatementMetadata属性的oref的％SQL.Statement％Metadata属性。这使可以返回多个准备操作的元数据。

SELECT或CALL语句返回所有这些元数据。 INSERT，UPDATE或DELETE返回语句类型元数据和形式参数。

语句类型元数据

使用％SQL.Statement类进行Prepare之后，可以使用％SQL.StatementMetadata statementType属性来确定准备哪种类型的SQL语句，如以下示例所示。本示例使用％SQL.Statement％Metadata属性来保存和比较两个Prepare操作的元数据：

亲爱的社区开发者们，大家好！

我们很高兴地宣布，新一轮InterSystems开发者竞赛开启了！

🏆 InterSystems 编程大赛：开发者工具 🏆

请提交具有如下特性的应用程序——能够加速开发、贡献更多高质量代码、帮助用户测试、部署、支持或监控基于InterSystems IRIS的解决方案。

时间: 2021年3月29日- 4月25日

Total prize: $8,500 

前面介绍了通过mirroring或shadow，使用journal日志过滤器的方式，在不改动数据模型的情况下实现InterSystems IRIS/Caché上的CDC能力。
但如果你可以修改InterSystems IRIS/Caché上的数据模型，也可以考虑使用DSTIME特性实现变更数据捕获。

DSTIME特性

DSTIME特性是InterSystems IRIS/Caché的嵌入式实时BI工具DeepSee用于跟踪数据变更的。
InterSystems IRIS和2011版之后的Caché，都支持DSTIME特性。它会自动记录数据库中SQL表记录或持久化对象的变更，并将变更记录写入持久化的多维数组^OBJ.DSTIME中。

DSTIME特性是针对于SQL表/持久化类的，因此需要为每个需要记录变化的表/持久化类开启。
当开启了DSTIME的表/持久化类，有记录插入、更新、删除时，InterSystems IRIS/Caché引擎会自动在^OBJ.DSTIME中记录这些操作。其格式为：
^OBJ.DSTIME(类名,DSTIME,对象ID) = 执行的操作代码

DSTIME:
当SQL表/持久化类的参数DSINTERVAL未被设置时，DSTIME=0；
当SQL表/持久化类的参数DSINTERVAL被设置时，DSTIME=1840/12/31午夜12点到记录发生时的秒数。

执行的操作代码：

一些熟悉SQL的用户希望用SQL表的方式获取InterSystems IRIS/Caché的变更数据。知道了Global和SQL表的对应关系，就可以知道是哪一张SQL表数据变化了，甚至通过SQL查询获取变更的数据。
下面介绍如何实现这种方式，和注意事项。

获取Global和SQL表的对应关系

通常InterSystems IRIS/Caché的持久化的对象模型（类）和SQL表之间有一一对应的关系；而持久化的对象模型和Global之间也有一一对应关系。建立Global和SQL表的对应关系，通常可以使用以下的SQL查询特定SQL schema下所有表对应的Global：

SELECT CC.SqlQualifiedNameQ SQLTable, CS.parent Class, CS.DataLocation 
FROM %Dictionary.CompiledStorage CS, %Dictionary.CompiledClass CC
WHERE CS.parent = CC.ID 
AND CC.SqlSchemaName= <schemaname>

其中<schemaname>是SQL的Schema名称; 返回字段SQLTable是SQL表名、Class是对象类名、DataLocation是保存数据的Global名称。

多种建模方式Global和SQL表的对应关系的影响

Caché Shadow

上次介绍了使用InterSystems IRIS/Caché的Reporting类型的异步镜像成员获取数据变更。但早期的Caché并不支持镜像，例如Caché 2008，它只支持Shadow。

在这些早期版本上是否也可以实利用Journal实现类似CDC的功能呢？答案是肯定的，就是利用Shadow服务器的Dejournaling filter routine (Dejournaling过滤器routine)。

Dejournaling filter routine

InterSystems Caché的 Dejournaling过滤器routine是一个用户自定义的routine，用于在Shadow服务器上过滤Journal记录。当配置了Dejournaling 过滤器后，Shadow服务器在redo journal前会自动调用Dejournaling过滤器routine。该routine传入参数以下：

1. pid：记录进程ID；
2. dir：源数据库目录；
3. glo：Global节点（包括下标）；
4. type： 操作类型，为S (Set)、K (Kill)、s (BITSET)、k (ZKILL)；
5. addr：Journal记录在Journal文件中的偏移量；
6. time：记录的时间戳。

第十三章 使用动态SQL（六）

用％ObjectSelectMode = 1 Swizzling字段名称属性

下面的示例使用％ObjectSelectMode = 1进行准备，当使用字段名称属性返回值时，其类型类别为可Swizzle类型的字段（持久性类，序列类或流类）将自动发生Swizzle。转换字段值的结果是相应的对象参考（oref）。使用％Get（）或％GetData（）方法访问字段时，InterSystems IRIS不会执行此筛选操作。在此示例中，rset.Home处于Swizzle状态，而引用同一字段的rset.％GetData（2）处于not swizzled状态：

        如果您正打算学习FHIR、或者正在基于FHIR开发，最佳的学习和开发环境需要一个完备的FHIR 服务器，帮助您理解FHIR标准和调试FHIR应用。使用InterSystems IRIS医疗行业版可以快速配置出FHIR服务器和FHIR资源仓库。这篇文章介绍如何在5分钟内在InterSystems IRIS医疗行业版上配置FHIR服务器和FHIR资源仓库；同时对初学者介绍FHIR测试数据生成与加载的方法，和基本的FHIR REST API操作。

软件准备

1. InterSystems IRIS医疗行业版

您可以使用已有的2020.1及以上的InterSystems IRIS医疗行业版。如果您还没有，那么就在社区里下载一个最新的、免费的社区版吧。

2. 测试用的FHIR数据

如果您正在做FHIR开发，应该有很多FHIR测试数据。如果您正在学习FHIR，那么Synthea是一个不错的FHIR测试数据生成器选项。

3. REST测试工具

您或许已经有趁手的REST测试工具了。如果还没有，POSTMAN是个不错的选择。我的例子里用到的就是POSTMAN。

FHIR服务器配置

1. 安装InterSystems IRIS医疗行业版或社区版

如果您还没有安装过InterSystems IRIS医疗行业版或社区版，社区里有很多很好的介绍文章。

2. 配置FHIR服务器

第十三章 使用动态SQL（四）

返回完整结果集

使用％Execute（）或％ExecDirect（）执行语句将返回一个实现％SQL.StatementResult接口的对象。该对象可以是单一值，结果集或从CALL语句返回的上下文对象。

％Display（）方法

可以通过调用％SQL.StatementResult类的％Display（）实例方法来显示整个结果集（结果对象的内容），如以下示例所示：

  DO rset.%Display()

请注意，％Display（）方法不会返回％Status值。

显示查询结果集时，％Display（）通过显示行数来结束：“受影响的5行”。 （这是％Display（）遍历结果集之后的％ROWCOUNT值。）请注意，％Display（）不会在此行计数语句之后发出行返回。

％Display（）有两个可选参数：

• 分隔符：在数据列和数据标题之间插入的字符串。它出现在结果集列之间，紧靠标题或数据值之前。默认为无定界符。如果省略，请在“列对齐”标志之前指定一个占位符逗号。
• 列对齐：整数标志，指定如何计算数据列和数据标题之间的空格。可用的选项有：
  • 0：结果集标题/数据列将根据标准定界符（选项卡）对齐。这是默认值。
  • 1：结果集标题/数据列将根据列标题和标准定界符（标签）的长度对齐。
  • 2：结果集标题/数据列将根据列数据属性的精度/长度和标准定界符（选项卡）进行对齐。

目前，机器学习的使用过程仍然有些困难，需要消耗大量的数据科学家服务。 AutoML 技术的诞生便是为了帮助组织降低这种复杂性和对专业 ML 人员的依赖。

AutoML 允许用户指向一个数据集，选择感兴趣的主题（特征）并设置影响主题的变量（标签）。 接着，用户告知模型名称，然后基于机器学习创建预测或数据分类模型。

这不需要了解认知算法，因为 AutoML 会在内部执行市面上的主要算法，并指出预测或分类数据的最佳算法。

用户现在可以从经过训练的模型中指向新数据，轻松进行预测和分类。

新的 InterSystems IRIS Advanced Analytics 除了与非常著名的 H2O 或 DataRobot（作为附加选项）搭配使用之外，还具有 AutoML 引擎 IntegratedML。

AutoML 运算通过 SQL 命令执行，详见：https://docs.intersystems.com/irislatest/csp/docbook/Doc.View.cls?KEY=GIML

关键字：IRIS，IntegratedML，Flask，FastAPI，TensorFlow Serving，HAProxy，Docker，Covid-19

目的：

过去几个月里，我们提到了一些深度学习和机器学习的快速演示，包括一个简单的 Covid-19 X 射线图像分类器和一个用于可能的 ICU 入院的 Covid-19 实验室结果分类器。  我们还介绍了 ICU 分类器的 IntegratedML 演示实现。  虽然“数据科学”远足仍在继续，但从“数据工程”的角度来看，或许也是尝试一些 AI 服务部署的好时机 - 我们能否将目前所接触到的一切都封装成一套服务 API？  我们可以利用哪些常用的工具、组件和基础架构，以最简单的方式实现这样的服务堆栈？

Intersystems IRIS 是开发、运行和消耗数据科学服务的绝佳平台。 IRIS 可以使用适配器从任何类型、格式、协议和时间提取数据。 这些数据集可以通过 BPL、DTL 和 Object Script 准备，并存储为 SQL 或 NoSQL 数据。 最后，它可以被 IRIS 内部的开放 ML 算法所消耗，并在 IRIS 仪表板中可视化。 了解详情：https://docs.intersystems.com/irislatest/csp/docbook/Doc.View.cls?KEY=PAGE_data_science。

使用 IRIS 和 Python 创建聊天机器人

本文将展示如何把 InterSystems IRIS 数据库与 Python 集成，以服务于自然语言处理 (NLP) 的机器学习模型。

为什么选择 Python？

随着在世界范围内的广泛采用和使用，Python 拥有了出色的社区，以及许多加速器 | 库用于部署任何类型的应用。 如果您感兴趣，请访问 https://www.python.org/about/apps/

Iris Globals

我接触到 ^globals 后很快就熟悉了，它们可以用作快速获取现成数据模型中数据的方法。 因此，首先，我将使用 ^globals 存储训练数据和对话以记录聊天机器人的行为。

自然语言处理

自然语言处理或 NLP 是 AI 的一个主题，它创造了机器从我们的语言阅读、理解含义的能力。 显然，这并不简单，但是我将展示如何在这个广阔而美丽的领域中迈出您的第一步。

演示 - 来试试吧

我在这里部署了 Chatbot 应用作为演示： http://iris-python-suite.eastus.cloudapp.azure.com:8080

工作原理

机器学习

首先要知道与普通软件开发相比，机器学习具有不同的范式。 很难理解的要点是机器学习模型的开发周期。

浅显解释预警

一个标准的应用开发周期大概是这样：

开发代码 -> 测试（使用开发数据）-> 部署（真实用户数据）

亲爱的社区开发者们，大家好！

欢迎了解InterSystems编程大赛的最新投票规则！

详情如下：

第十三章 使用动态SQL（三）

执行SQL语句

有两种使用％SQL.Statement类执行SQL语句的方法：

• ％Execute（），它执行以前使用％Prepare（）或％PrepareClassQuery（）准备的SQL语句。
• ％ExecDirect（），它同时准备和执行一条SQL语句。

也可以通过使用$SYSTEM.SQL.Execute（）方法执行SQL语句而无需创建对象实例。此方法既准备又执行SQL语句。它创建一个缓存的查询。下面的终端示例显示Execute（）方法：

USER>SET topnum=5
USER>SET rset=$SYSTEM.SQL.Execute("SELECT TOP :topnum Name,Age FROM Sample.Person")
USER>DO rset.%Display()

%Execute()

准备查询后，可以通过调用％SQL.Statement类的％Execute（）实例方法来执行查询。对于非SELECT语句，％Execute（）调用所需的操作（例如执行INSERT）。对于SELECT查询，％Execute（）生成一个结果集，用于后续遍历和数据检索。例如：

  SET rset = tStatement.%Execute()

继上一部分，现在要利用 IntegratedML VALIDATION MODEL 语句提供信息以监视您的 ML 模型。 您可以在此处观看实际运作。

此处所示代码衍生自 InterSystems IntegragedML 模板或 IRIS 文档提供的示例，我主要是把代码混合了起来。 这是一个简单的示例，目的是为进一步讨论和未来工作提供一个起点。

注：此处提供的代码仅作说明之用。 如果您想尝试，我开发了一个 Open Exchange 技术示例应用 (iris-integratedml-monitor-example)，并将其提交到 InterSystems IRIS AI Contest。 读完这篇文章后您可以去看看，如果喜欢，就请投我一票吧！ :)

目录

第一部分：

• IRIS IntegratedML 和 ML 系统
• 新旧常态之间

第二部分：

• 监视 ML 性能
• 简单用例
• 未来工作

监视 ML 性能

要监视 ML 模型，至少需要两个功能：

1. 性能指标提供程序 2) 监视和通知服务

幸运的是，IRIS 为我们提供了这两个必要的功能。

获取 ML 模型性能指标

如上一部分所示，IntegratedML 提供了 VALIDATE MODEL 语句来计算以下性能参数：

几个月前，我在 MIT Technology Review 读到一篇很有意思的文章，作者解释了新冠疫情如何给全球 IT 团队带来关乎机器学习 (ML) 系统的难题。

这篇文章引起我对 ML 模型部署后如何处理性能问题的思考。

我在一个 Open Exchange 技术示例应用 (iris-integratedml-monitor-example) 中模拟了一个简单的性能问题场景，并提交到 InterSystems IRIS AI Contest。 读完这篇文章后您可以去看看，如果喜欢，就请投我一票吧！ :)

目录

第一部分：

• IRIS IntegratedML 和 ML 系统
• 新旧常态之间

第二部分：

• 监视 ML 性能
• 简单用例
• 未来工作

IRIS IntegratedML 和 ML 系统

讨论 COVID-19 以及它对全球 ML 系统的影响之前，我们先来简单谈谈 InterSystems IRIS IntegratedML。

通过将特征选择之类的任务及其与标准 SQL 数据操作语言的集成自动化，IntegratedML 可以协助开发和部署 ML 解决方案。

例如，对医疗预约的数据进行适当的操作和分析后，可以使用以下 SQL 语句设置 ML 模型，预测患者的履约/失约情况：

对于有海量数据运算场景的机器学习项目来说，IRIS 是一个很好的选择，原因包括：

1. 与 MongoDB 一样，支持使用分片扩展数据存储库。
2. 支持创建分析型多维数据集，与分片关联可提高性能。
3. 支持使用各种数据适配器选项按计划或实时收集数据。
4. 允许使用 Python 或 ObjectScript 中的逻辑自动化整个重复数据删除过程。
5. 允许使用可视流 (BPL) 和数据转换器 (DTL) 协调并自动化到存储库的数据流。
6. 通过 docker (IaC) 和 Cloud Manager 脚本提供高级自动扩展支持。
7. 支持通过 ZPM 在配置中加载 ObjectScript 库。
8. 与 Python 和 R 的互操作性支持实时执行机器学习。
9. 允许使用 AutoML 引擎、IntegratedML 对所指向的数据集执行最佳算法。
10. 允许创建执行后分析，例如 AutoML 预测和分类、Python 和 R 认知处理的输出、BI 数据透视表，并且都带有自己的视图或第三方视图。
11. 允许使用 JReport 创建高级视图和报告。
12. 可以通过 API 管理实现最大限度的重用和获利能力。 

Covid-19 肺部 X 射线分类和 CT 检测演示 关键字：COVID-19，医学影像，深度学习，PACS Viewer 和 HealthShare。

目的

在这场史无前例的新冠疫情笼罩之下， 我们竭尽所能为客户提供支援，同时利用先进的 AI 技术观察着不同的疫情战线。 

去年，我简单提及了一个深度学习演示环境。 在这个漫长的复活节周末，我们就来看一看现实世界的图像，在 Covid-19 肺部 X 射线数据集上测试运行一些深度学习模型以进行快速分类，并见证这类用于 X 射线甚至 CT 的工具如何通过 docker 等方式快速部署到云端，实现及时的“AI 分诊”并协助放射科医生。     

这只是一个 10 分钟的快速笔记，希望通过简单的方法帮助各位上手实践。   

去年，AWS推出了基于ARM架构的AWS Graviton处理器第一代Amazon EC2 A1实例。在2019年AWS re:Invent 大会上，亚马逊宣布了第二代AWS Graviton2处理器和相关的Amazon EC2 M6g实例。相比前一代基于Intel Xeon的M5实例，Amazon EC2 M6g实例的性价比提升幅度高达40%。