嗨社区，
这篇文章公开介绍我的 iris-fhir-client 客户端应用。
iris-fhir-client 可以可以借助嵌入式 python 连接到任何开放的 FHIR 服务器 fhirpy 图书馆.
通过终端和使用 CSP Web 应用程序获取资源信息。
DeepSee 仪表板是一个 Web 应用程序，它会显示一组窗口小组件，每个小组件都以特定的度量值或者数据透视表的方式展示数据。
文档。
在创建一个或多个立方体后，你通常会创建并打包一组透视表和仪表盘，而用户通常会根据需要创建新的透视表和仪表盘。
本章简要地引导你了解创建透视表和仪表盘的过程。它包括以下几个步骤。
- 创建透视表
- 创建一个仪表盘
- 导出并打包这些项目
创建透视表
在本教程的前面，我们创建了一个使用Patients cube的透视表。现在让我们创建使用你的新立方体Tutorial的透视表。
一个主题区是一个子立方体，可以选择覆盖项目的名称。你定义一个主题区是为了使用户能够关注较小的数据集，出于安全原因或其他原因。本章讨论了以下主题。
简介
在本教程中，我们创建了两个主题区域，按邮政编码划分患者:
- Patient Set A: 居住在邮政编码为32006, 32007, or 36711区域的患者
- Patient Set B: 居住在邮政编码为34577 or 38928区域的患者
创建主题领域
要创建主题区域，请做以下工作。
增加level
到目前为止，我们所创建的每个维度都包含一个具有一个level的层级结构。在这一节中，我们将在HomeD维度的层级结构中添加一个level。
创建Cube
点击主页，Analytics - > 模型。
- 点击新建。系统会显示一个对话框。
- 在这个对话框中，指定以下内容。
.png)
- 定义类型。选择 Cube 。
- 多维体名称 - Tutorial
- 多维体的类名 - Tutorial.Cube
- 源类 - 点击浏览按钮，选择BI.Study.Patient，然后点击确定。
系统会创建cube类，你也可以在Studio中查看和修改。
- 点击中间区域的粗体顶行（标有Tutorial）。这将选择cube，这样你就可以在右边编辑它的细节。
- 在细节栏中，将None键入空替换字符串。点击保存，然后点击确定。系统会更新cube类。
- 左边的区域叫做类浏览器。
类浏览器提供了你的基类的类属性（除了关系属性）的有用视图，这使得基于这些属性创建DeepSee元素非常容易。然而，重要的是要知道，尽管这个视图提供了一个访问某些属性的方便方法，你也可以使用源表达式来访问任何数据。这些源表达式是在构建cube时进行评估的，因此不会影响你的运行时性能。
添加levels和度量
创建一个透视表
- 在模型内容窗格中展开DiagD维度。
- 将Diagnoses拖放到行中，或者双击诊断。
- 将Patient Count（病人计数）拖放到Measure（度量）中，或双击病人数。
- 将 Avg Age（平均年龄） 拖至Measure（度量），或双击 "平均年龄"。
- 单击保存。 系统显示一个对话框，你可以指定透视表的名称。 保存透视表并给它一个名字。当你这样做时，你是在保存检索数据的基础查询，以及以你选择的方式显示数据所需的信息。你不是在保存数据。
- 对于文件夹，键入Test
- 对于透视名称，键入Patients by Diagnosis (Patients Cube)。
- 点击确定。
注意：基表是Patients，这意味着所有的度量都是关于病人的数据总结。
度量和levels
InterSystems DeepSee的目的是使你能够将BI嵌入到你的应用程序中，这样你的用户就可以对他们的数据提出和回答复杂的问题。你的应用程序可以包括仪表盘，它包含图形部件。这些部件用来显示数据，由透视表和KPIs（关键绩效指标）驱动。对于一个透视表，用户可以显示一个列表，用其显示源值。
透视表、KPIs和列表是查询，在运行时执行。
数据透视表可以对运行时的输入作出反应，如用户的过滤器选择。在内部，它使用一个MDX（MultiDimensional eXpressions）查询，与DeepSee cube进行通信。一个cube由一个事实表和其索引组成。一个事实表由一组事实（行）组成，每个事实对应于一个基本记录。例如，这些事实可以代表病人或部门。DeepSee还生成了一组维度表(level tables)。所有的表都是动态维护的，根据你的配置和实现，DeepSee检测你的事务表的变化，并传播到事实表。当用户在分析器中创建透视表时，DeepSee会自动生成一个MDX查询。
KPI也可以对运行时的用户输入做出反应。在内部，它使用MDX查询（与DeepSee立方体）或SQL查询（与任何表）。在这两种情况下，你都可以手动创建查询，或从其他地方复制它。
比较不同的商业智能技术是非常有趣的。我很好奇它们在功能、开发工具、速度和可用性方面有什么不同。
在这个应用程序中，我选择了一个有欧洲各国水状况的数据集。这是一个开源的数据集，包含1991年到2017年的观测数据。
团队和我决定使用IRIS BI、Tableau、PowerBI和InterSystems Reports（由Logi Reports驱动）在这个BI数据集的基础上制作一个模型
对于前端，我们通过Embedded Python在PythonFlask中制作了一个网页界面。
顺便说一下，其结果可以在这个网页上看到：http://atscale.teccod.com:8080/
你可以看看demo stand (演示台)，因为从资源库部署一个容器可能需要多至20分钟的时间。大量的python包，后面会有更多的原因。
主页面
数据
事实上，数据似乎很小，期间只有17年 :)
因此，在现有的基础上，我想延续数据集，为此使用了一个神经网络。使用同样的嵌入式Python，使用了Tensorflow，这个包下载后占据了511MB，不要惊讶
实际上，这也是容器部署时间长的原因--为神经网络下载了很多包，相当多的相关包，安装时间很长。不过会有一篇关于神经网络和Integrated ML（一体化机器学习）的单独文章，我很快会发表。
我们很高兴与你分享有趣的信息，以及告诉你为什么Python是好的，它被用在哪里。
其中使用最多的库是NumPy和Pandas。NumPy（Numerical Python）用来对大型数据集进行分类。它简化了数组上的数学运算及其矢量化。Pandas提供两种数据结构:系列Series（一个元素列表）和数据框架DataFrames（一个有多列的表格）。这个库将数据转换为数据框架，允许你删除和添加新的列，以及执行各种操作。
Python为数据分析项目提供了无数的工具，可以帮助完成任何任务。
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。
按照 Docker 容器中的 InterSystems 产品初见中的说明操作。 如果您熟悉容器，请跳转到标题为“下载 InterSystems IRIS Docker 映像”的部分。
以下终端输出说明了我用来加载 docker 映像的过程。 docker load 命令可能需要几分钟的时间才能运行；
$ pwd
/Users/myhome/Downloads/iris_2019.4
$ ls
InterSystems IRIS for Health (Container)_2019.4.0_Docker(Ubuntu)_12-31-2019.ISCkey irishealth-2019.4.0.379.0-docker.tar
$ docker load -i irishealth-2019.4.0.379.0-docker.tar
762d8e1a6054: Loading layer [==================================================>] 91.39MB/91.39MB
e45cfbc98a50: Loading layer [==================================================>] 15.87kB/15.87kB
d60e01b37e74: Loading layer [==================================================>] 12.29kB/12.29kB
b57c79f4a9f3: Loading layer [==================================================>] 3.072kB/3.072kB
b11f1f11664d: Loading layer [==================================================>] 73.73MB/73.73MB
22202f62822e: Loading layer [==================================================>] 2.656GB/2.656GB
50457c8fa41f: Loading layer [==================================================>] 14.5MB/14.5MB
bc4f7221d76a: Loading layer [==================================================>] 2.048kB/2.048kB
4db3eda3ff8f: Loading layer [==================================================>] 1.491MB/1.491MB
Loaded image: intersystems/irishealth:2019.4.0.379.0
$ docker images
REPOSITORY TAG IMAGE ID CREATED SIZE
intersystems/irishealth 2019.4.0.379.0 975a976ad1f4 3 weeks ago 2.83GB
为简单起见，将密钥文件复制将用于持久性存储的文件夹位置，并重命名为 iris.key；
$ mkdir -p /Users/myhome/iris/20194
$ cp 'InterSystems IRIS for Health (Container)_2019.4.0_Docker(Ubuntu)_12-31-2019.ISCkey' /Users/myhome/iris/20194/iris.key
$ cd /Users/myhome/iris/20194
$ ls
iris.key
使用为持久性存储创建的文件夹启动 IRIS；
$ docker run --name iris --init --detach --publish 52773:52773 --volume `pwd`:/external intersystems/irishealth:2019.4.0.379.0 --key /external/iris.key
$ docker ps -a
CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES
009e52c121f0 intersystems/irishealth:2019.4.0.379.0 "/iris-main --key /e…" About a minute ago Up About a minute (healthy) 0.0.0.0:52773->52773/tcp iris
很好！ 您现在可以连接到正在运行的容器上的系统管理门户。 我使用的登录名/密码是 SuperUser/SYS；您第一次登录时会被提示更改密码。
导航到 Web 应用程序。 System > Security Management > Web Applications
您将看到一个 Web 应用程序：/api/monitor，这是用于显示 IRIS 指标的服务。
您无需执行任何操作即可返回指标，它直接可用。
步骤 2. 预览指标
在以后的帖子中，我们将使用 Prometheus 或 SAM _抓取_此端点，以设置的间隔收集指标。 但现在，让我们看一下为此实例返回的指标的完整列表。 例如，在 Linux 和 OSX 上，一个简单的方法是使用 curl 命令发出一个 HTTP GET。 例如，在我的（几乎不活动的）容器上，列表的开头为：
$ curl localhost:52773/api/monitor/metrics
:
:
iris_cpu_usage 0
iris_csp_activity{id="127.0.0.1:52773"} 56
iris_csp_actual_connections{id="127.0.0.1:52773"} 8
iris_csp_gateway_latency{id="127.0.0.1:52773"} .588
iris_csp_in_use_connections{id="127.0.0.1:52773"} 1
iris_csp_private_connections{id="127.0.0.1:52773"} 0
iris_csp_sessions 1
iris_cache_efficiency 35.565
:
:
等等。 在生产系统上，该列表可能非常长。 我在帖子末尾转储了完整列表。
另一个实用方法是使用 Postman 应用程序，但还有其他方法。 假定您已安装适合您的平台的 Postman，则可以发出 HTTP GET 并查看返回的指标。
总结
暂时就这么多内容。 在下个帖子中，我将从收集 Prometheus 中的数据开始，并查看一个 Grafana 仪表板示例。
预览容器中的完整列表
生产系统将提供更多指标。 从一些标签中可以看出，例如 {id="IRISLOCALDATA"} ，有一些指标与数据库有关，或者按进程类型对应于 CPU {id="CSPDMN"}。
iris_cpu_pct{id="CSPDMN"} 0
iris_cpu_pct{id="CSPSRV"} 0
iris_cpu_pct{id="ECPWorker"} 0
iris_cpu_pct{id="GARCOL"} 0
iris_cpu_pct{id="JRNDMN"} 0
iris_cpu_pct{id="LICENSESRV"} 0
iris_cpu_pct{id="WDSLAVE"} 0
iris_cpu_pct{id="WRTDMN"} 0
iris_cpu_usage 0
iris_csp_activity{id="127.0.0.1:52773"} 57
iris_csp_actual_connections{id="127.0.0.1:52773"} 8
iris_csp_gateway_latency{id="127.0.0.1:52773"} .574
iris_csp_in_use_connections{id="127.0.0.1:52773"} 1
iris_csp_private_connections{id="127.0.0.1:52773"} 0
iris_csp_sessions 1
iris_cache_efficiency 35.850
iris_db_expansion_size_mb{id="ENSLIB"} 0
iris_db_expansion_size_mb{id="HSCUSTOM"} 0
iris_db_expansion_size_mb{id="HSLIB"} 0
iris_db_expansion_size_mb{id="HSSYS"} 0
iris_db_expansion_size_mb{id="IRISAUDIT"} 0
iris_db_expansion_size_mb{id="IRISLOCALDATA"} 0
iris_db_expansion_size_mb{id="IRISSYS"} 0
iris_db_expansion_size_mb{id="IRISTEMP"} 0
iris_db_free_space{id="ENSLIB"} .055
iris_db_free_space{id="HSCUSTOM"} 2.3
iris_db_free_space{id="HSLIB"} 113
iris_db_free_space{id="HSSYS"} 9.2
iris_db_free_space{id="IRISAUDIT"} .094
iris_db_free_space{id="IRISLOCALDATA"} .34
iris_db_free_space{id="IRISSYS"} 6.2
iris_db_free_space{id="IRISTEMP"} 20
iris_db_latency{id="ENSLIB"} 0.030
iris_db_latency{id="HSCUSTOM"} 0.146
iris_db_latency{id="HSLIB"} 0.027
iris_db_latency{id="HSSYS"} 0.018
iris_db_latency{id="IRISAUDIT"} 0.017
iris_db_latency{id="IRISSYS"} 0.020
iris_db_latency{id="IRISTEMP"} 0.021
iris_db_max_size_mb{id="ENSLIB"} 0
iris_db_max_size_mb{id="HSCUSTOM"} 0
iris_db_max_size_mb{id="HSLIB"} 0
iris_db_max_size_mb{id="HSSYS"} 0
iris_db_max_size_mb{id="IRISAUDIT"} 0
iris_db_max_size_mb{id="IRISLOCALDATA"} 0
iris_db_max_size_mb{id="IRISSYS"} 0
iris_db_max_size_mb{id="IRISTEMP"} 0
iris_db_size_mb{id="HSLIB",dir="/usr/irissys/mgr/hslib/"} 1321
iris_db_size_mb{id="HSSYS",dir="/usr/irissys/mgr/hssys/"} 21
iris_db_size_mb{id="ENSLIB",dir="/usr/irissys/mgr/enslib/"} 209
iris_db_size_mb{id="IRISSYS",dir="/usr/irissys/mgr/"} 113
iris_db_size_mb{id="HSCUSTOM",dir="/usr/irissys/mgr/HSCUSTOM/"} 11
iris_db_size_mb{id="IRISTEMP",dir="/usr/irissys/mgr/iristemp/"} 21
iris_db_size_mb{id="IRISAUDIT",dir="/usr/irissys/mgr/irisaudit/"} 1
iris_db_size_mb{id="IRISLOCALDATA",dir="/usr/irissys/mgr/irislocaldata/"} 1
iris_directory_space{id="HSLIB",dir="/usr/irissys/mgr/hslib/"} 53818
iris_directory_space{id="HSSYS",dir="/usr/irissys/mgr/hssys/"} 53818
iris_directory_space{id="ENSLIB",dir="/usr/irissys/mgr/enslib/"} 53818
iris_directory_space{id="IRISSYS",dir="/usr/irissys/mgr/"} 53818
iris_directory_space{id="HSCUSTOM",dir="/usr/irissys/mgr/HSCUSTOM/"} 53818
iris_directory_space{id="IRISTEMP",dir="/usr/irissys/mgr/iristemp/"} 53818
iris_directory_space{id="IRISAUDIT",dir="/usr/irissys/mgr/irisaudit/"} 53818
iris_disk_percent_full{id="HSLIB",dir="/usr/irissys/mgr/hslib/"} 10.03
iris_disk_percent_full{id="HSSYS",dir="/usr/irissys/mgr/hssys/"} 10.03
iris_disk_percent_full{id="ENSLIB",dir="/usr/irissys/mgr/enslib/"} 10.03
iris_disk_percent_full{id="IRISSYS",dir="/usr/irissys/mgr/"} 10.03
iris_disk_percent_full{id="HSCUSTOM",dir="/usr/irissys/mgr/HSCUSTOM/"} 10.03
iris_disk_percent_full{id="IRISTEMP",dir="/usr/irissys/mgr/iristemp/"} 10.03
iris_disk_percent_full{id="IRISAUDIT",dir="/usr/irissys/mgr/irisaudit/"} 10.03
iris_ecp_conn 0
iris_ecp_conn_max 2
iris_ecp_connections 0
iris_ecp_latency 0
iris_ecps_conn 0
iris_ecps_conn_max 1
iris_glo_a_seize_per_sec 0
iris_glo_n_seize_per_sec 0
iris_glo_ref_per_sec 7
iris_glo_ref_rem_per_sec 0
iris_glo_seize_per_sec 0
iris_glo_update_per_sec 2
iris_glo_update_rem_per_sec 0
iris_journal_size 2496
iris_journal_space 50751.18
iris_jrn_block_per_sec 0
iris_jrn_entry_per_sec 0
iris_jrn_free_space{id="WIJ",dir="default"} 50751.18
iris_jrn_free_space{id="primary",dir="/usr/irissys/mgr/journal/"} 50751.18
iris_jrn_free_space{id="secondary",dir="/usr/irissys/mgr/journal/"} 50751.18
iris_jrn_size{id="WIJ"} 100
iris_jrn_size{id="primary"} 2
iris_jrn_size{id="secondary"} 0
iris_license_available 31
iris_license_consumed 1
iris_license_percent_used 3
iris_log_reads_per_sec 5
iris_obj_a_seize_per_sec 0
iris_obj_del_per_sec 0
iris_obj_hit_per_sec 2
iris_obj_load_per_sec 0
iris_obj_miss_per_sec 0
iris_obj_new_per_sec 0
iris_obj_seize_per_sec 0
iris_page_space_per_cent_used 0
iris_phys_mem_per_cent_used 95
iris_phys_reads_per_sec 0
iris_phys_writes_per_sec 0
iris_process_count 29
iris_rtn_a_seize_per_sec 0
iris_rtn_call_local_per_sec 10
iris_rtn_call_miss_per_sec 0
iris_rtn_call_remote_per_sec 0
iris_rtn_load_per_sec 0
iris_rtn_load_rem_per_sec 0
iris_rtn_seize_per_sec 0
iris_sam_get_db_sensors_seconds .000838
iris_sam_get_jrn_sensors_seconds .001024
iris_system_alerts 0
iris_system_alerts_new 0
iris_system_state 0
iris_trans_open_count 0
iris_trans_open_secs 0
iris_trans_open_secs_max 0
iris_wd_buffer_redirty 0
iris_wd_buffer_write 0
iris_wd_cycle_time 0
iris_wd_proc_in_global 0
iris_wd_size_write 0
iris_wd_sleep 10002
iris_wd_temp_queue 42
iris_wd_temp_write 0
iris_wdwij_time 0
iris_wd_write_time 0
iris_wij_writes_per_sec 0
2020 年席卷全球的新冠疫情使每个人都在关注与 COVID-19 有关的新闻和数字。
为什么不趁这个机会去创造一些简单直观的东西，来帮助关注全球的疫苗接种数量呢？
为了应对这一挑战，我使用了 Our World in Data 提供的数据，他们的使命是提供解决全球最大问题所需的研究和数据。
他们在 Github 上有一个专门的 COVID-19 数据仓库，我采用了疫苗接种数据来完善我的跟踪器。
如果你不了解他们，去调查一下吧，这值得你花上一些时间。 Github 仓库
应用程序 iris-vaccine-tracker 有三个不同页面。
- 主仪表板
- 数据表，其中包含仪表板中呈现的数据的详细信息。
- 热图
仪表板
主仪表板提供全球疫苗接种情况的快速概览。
第一个小组件提供以下信息：
- 用于接种人群的疫苗数量
- 提供疫苗接种信息的国家/地区数量
- 迄今已接种的疫苗总数。
第二个小组件提供了一个疫苗接种时间线视图，其中包括疫苗接种数量最多的前 10 个国家/地区。
第三个小组件提供了排名靠前的国家/地区的条形图，显示迄今为止的疫苗接种总数。
最后一个小组件展示疫苗的分布情况，哪些疫苗正在被使用以及所占的百分比。
数据表
数据表显示主仪表板汇总数据的详细信息。
热图
热图是一种不同的视图，它使用我们已经在主仪表板和数据表中使用的信息，但现在使用 Country 持久化表提供的详细信息。 amCharts 库使用 ISO Code Alpha2、Country Name 和 Value 创建这个令人惊叹的图表。
演示
http://iris-vaccine-tracker.eastus.cloudapp.azure.com:52773/csp/irisapp/index.html
如果您喜欢本应用程序，并认为我值得您投票，请为 iris-vaccine-tracker 投一票！
大家好， 现在是九局下半，但在我们的技术世界大赛还留了几手
大家好！
我想跟大家分享一个个人项目，该项目始于工作中的一个简单需求：“能否知道我们使用了多少个Caché许可证？”
在阅读社区的其他文章时，我发现了一篇David Loveluck写的非常棒的文章：APM——使用Caché History Monitor。
我根据David的这篇文章，开始使用Caché History Monitor并显示所有这些信息。
在面临“选择哪种很酷的技术”这个问题时，我决定使用简单而强大的CSP，这样我的客户可以认识到Caché不仅仅是MUMPS/终端。
在创建了页面以显示许可、数据库增长和CSP会话的历史记录后，我决定为System Dashboard和进程页面创建一个新设计。
我的Caché实例运行得良好。
但是，如果使用IRIS呢？
我们不必等待SAM发布才开始规划和试用该API来监控IRIS实例。在以后的文章中，我将更深入地探讨可用的指标及其意义，并提供一些交互式仪表板的示例。首先，我将介绍一下相关背景和一些问题及答案。
IRIS（和Caché）一直在收集自身及其运行平台的数十个指标。收集这些指标来监控Caché和IRIS的方法向来有很多。我发现，很少有安装软件使用IRIS和Caché的内置解决方案。譬如，History Monitor作为性能和系统使用指标的历史数据库，已经推出很长时间了，但它没有简便方法可实时显示这些指标和仪表系统。
IRIS平台解决方案（以及整个业界）正在从仅在一些本地实例上运行的单体式应用程序过渡到“随处”部署的分布式解决方案。在许多用例中，原有的IRIS监控方案并不适用于这些新的模式。InterSystems没有做重复工作，而是将目光投向当前流行的、经过验证的监控和告警开源解决方案。