三甲医院大数据平台基础架构？

目前很多医院在建设基础架构时，正在逐步云化过渡，有些在建自己的私有云，有一些会将一些业务放在公有云，都在做相应的积极探索，当然有利有弊。在医院基础架构云化的大背景下，我们在建设时应该要以池的概念去综合考虑计算、存储以及业务的问题。现在很多医院都是区分内外网，并且系统都做了不同程度的容灾，还有很多系统正在上线开发，需要大量的测试环境，还有很多对外交互的业务需要在DMZ区，如医保、支付宝、银联支付等。所以从业务层面来划分，可以分为内网云、外网云、对外交互云、测试云、容灾云。而针对不同云的特点要求，可以选取不同级别、不同性能、不同容量的设备和技术体系进行支撑，重要的、稳定性要求高的、时延要求小的用高性能高可靠的架构体系，非结构化、数据量大，访问频率底的，可以考虑分布式存储或对象存储，以此类推。另外计算和存储能力，在云化下，针对性的进行池化分析，计算池是否满足计算要求，是否有GPU计算需求等，都要结合业务去具体分析，容量池亦是如此，在此不再赘述

非常同意应用需求和特点决定基础架构这个观点。就戴尔科技落地的案例而言，有医院将 PACS 业务和 Hadoop 大数据分析业务都放到同一套 8 节点的分布式集群存储 Isilon 上运行，也有大型三甲医院将基因测序、影像 AI 、数字病理等多个生命科学大数据应用放到同一个数据湖中运行。这两个案例的共同点是计算和存储分类，服务器提供算力，专业的存储设备保存数据和保护数据。这样做的好处有：

1. 架构扩展性好，可以根据算力和存储的不同需求，按需扩展对应的资源；
2. 数据安全性好，专业的存储设备可以提供数据分层、备份、容灾、归档等多种数据保护功能；
3. 消除数据孤岛，实现多模态数据高效利用。医院有多个大数据应用时，如果每个应用都单独建设一套基础架构平台，不仅会形成新的数据孤岛，造成资源浪费，还会因为数据在各个平台间进行迁移 / 流动造成数据利用率降低。