2024-07-12
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
📢 大家好，我是 【战神刘玉栋】，有10多年的研发经验，致力于前后端技术栈的知识沉淀和传播。 💗
🌻 近期刚转战 CSDN，会严格把控文章质量，绝不滥竽充数，欢迎多多交流。👍
In diesem Artikel werden die vom Unternehmen des Bloggers empfohlenen Maßnahmen zur Handhabung kritischer Werte und der Implementierungsplan für die Bereichskalibrierung vorgestellt.
Hauptsächlich basierend aufKafka + Flink + Elasticsearch-Implementierung. Da es sich um Sicherheitsprobleme handelt, geht es im Inhalt hauptsächlich um die Einführung der Lösung. Wenn Sie dies besprechen möchten, können Sie eine Nachricht hinterlassen.
Okay, fangen wir an.
Kritischer Wert bedeutet, dass das Erscheinen der Ergebnisse solcher Tests und Untersuchungen darauf hinweist, dass der Patient möglicherweise am Rande einer lebensbedrohlichen Erkrankung steht. Ärzte müssen die Test- und Untersuchungsinformationen rechtzeitig erhalten und dem Patienten schnell wirksame Interventionsmaßnahmen zur Verfügung stellen Behandlung, die das Leben des Patienten retten kann. Informationen über kritische Werte können Ärzten eine zeitnahe und wirksame Behandlung von Patienten ermöglichen, deren Leben am Rande der Gefahr steht, und so verhindern, dass Patienten durch Unfälle schwerwiegende Folgen erleiden und ihre beste Chance auf Rettung verlieren.
Durch die Formulierung und Implementierung des Berichtssystems für kritische Werte können die Initiative und das Verantwortungsbewusstsein des medizinischen und technischen Personals wirksam gestärkt, das theoretische Niveau des medizinischen und technischen Personals verbessert und das Servicebewusstsein des medizinischen und technischen Personals für die aktive Teilnahme an der klinischen Diagnose gestärkt werden und fördern eine effektive Kommunikation und Zusammenarbeit in den Abteilungen Klinik und Medizintechnik. Kritisches Wertemanagement ist ein wichtiger Bestandteil des Krankenhausmanagements. Die schnelle Identifizierung, Bestätigung, Freigabe, der rechtzeitige Erhalt kritischer Werte sowie die Überwachung und Analyse des Prozesses sind die Ziele und Richtungen des Systeminformationsmanagements.
Die meisten aktuellen Systeme zur Verwaltung kritischer Werte weisen die folgenden Probleme auf:
1. Verschiedene Prüfpunkte für kritische Werte werden anhand eines festen Referenzbereichs beurteilt. Die dynamische Anpassung der Ober- und Untergrenzen des Projektbereichs wird häufig nicht einfach und grob durchgeführt, was dazu führt, dass es an wissenschaftlichen Bereichsbeurteilungen und Kalibrierungsmethoden mangelt Häufige Meldungen über „falsche“ kritische Werte, die nicht der klinischen Realität entsprechen, haben große Auswirkungen auf die Arbeit des klinisch-medizinischen Personals;
2. Die Interventionsmaßnahmen des medizinischen Personals für den kritischen Wert bestehen lediglich darin, die Maßnahmen auszufüllen und an die medizintechnische Abteilung zurückzumelden. Es gibt keine Interaktion mit dem Krankheitsprozess und den Pflegeakten, und der Verarbeitungsprozess bildet kein Gedächtnis und Die Arbeit für die gleiche Situation erfordert häufig wiederholte Arbeit und Zeit und ist anfällig für Abweichungen.
3. Der kritische Wert umfasst eine Vielzahl von Links, und es gibt kein einheitliches Prozessmanagement, das anfällig für fehlende Links ist und keinen vollständigen geschlossenen Kreislauf bildet. Gleichzeitig fehlt es dem gesamten Prozess an Linküberwachung, Protokollverfolgung usw. und Ausnahmebehandlungspläne, und es fehlt auch eine krankenhausweite statistische Zusammenfassungsseite. Es kann keine Gesamtlösung zur Verbesserung der Krankenhauskritikalität bereitgestellt werden.
Der Zweck dieser patentierten Erfindung basiert auf Kafka+ Flink + Elasticsearch und andere Technologien realisieren im gesamten Prozessmanagement kritischer Werte eine Lösung zur wissenschaftlichen Kalibrierung des Bestimmungsbereichs kritischer Werte und empfehlen auf intelligente Weise Maßnahmen zur Behandlung kritischer Werte, um die aktuellen Probleme im Prozessmanagement kritischer Werte zu lösen, z Da ungenaue Beurteilungsstandards, ungenutzte Behandlungsdaten und unvollständige Mechanismen zur Optimierung des kritischen Werts im gesamten Krankenhaus genutzt werden, um den Prozess des kritischen Werts zu optimieren, die Effizienz der Verarbeitung kritischer Werte zu verbessern, eine vollständige Überwachung im geschlossenen Regelkreis zu bilden und letztendlich einen vollständigen kritischen Wert aufzubauen -Prozessmanagementsystem.
1. Erstellen Sie einen „falschen“ Plan zur Verarbeitung kritischer Werte, um zu häufige Erinnerungen zu verhindern und den angemessenen Bereich kritischer Werte kontinuierlich zu kalibrieren.
2. Speichern Sie die Maßnahmen, um mit täglichen kritischen Werten umzugehen, und bilden Sie ein Gedächtnis. Wenn der kritische Wert eintrifft, können Sie dem medizinischen Personal verschiedene Anweisungen geben und als Füllassistent fungieren.
3. Erstellen Sie auf der Grundlage des ereignisgesteuerten Mechanismus des Nachrichtenzentrums einen vollständigen Prozess zur Verarbeitung kritischer Werte, der alle Aspekte klinischer Geschäftsszenarien so weit wie möglich abdeckt. Das Rechenzentrum ist für die Speicherung vollständiger kritischer Wertinformationen verantwortlich und stellt einen geschlossenen Regelkreis bereit Anzeige- und Datenabfrageschnittstellen; Erfassung kritischer Werte jeder Abteilung. Closed-Loop-Daten generieren Richtungsindikatordaten, um die regelmäßige Verfolgung, Analyse und Bewertung kritischer Wertindikatoren zu erleichtern, jede Abteilung zu überwachen, um ihre eigene kritische Wertverarbeitung zu ermitteln und zu verbessern die Effizienz der Verarbeitung kritischer Werte im gesamten Krankenhaus verbessern;
Diese Lösung basiert auf Kafka + Flink + Elasticsearch Um eine Kalibrierung des kritischen Wertebereichs und empfohlene Maßnahmen zu erreichen, sind die spezifischen technischen Lösungen wie folgt.
1. Stellen Sie die Kafka-Umgebung bereit, führen Sie die zugehörige Konfiguration und Funktionsintegration durch, definieren Sie die Ereignisse „Senden kritischer Werte“ und „Feedback kritischer Werte“ und konfigurieren Sie das Nachrichteneingabeparameterformat und den XSD-Überprüfungstext Zwei Ereignisse werden als zwei Themen von Kafka verwendet. Unter anderem fungiert Kafka als Nachrichten-Middleware und ist für die Bereitstellung des Kooperationsmodus zwischen Produzenten und Verbrauchern verantwortlich.
2. Stellen Sie die Elasticsearch-Umgebung bereit und führen Sie die zugehörige Konfiguration und Funktionsintegration durch. Elasticsearch definiert mehrere Indexstrukturen, die zum Speichern kritischer Originaldaten, zugehöriger Daten, Betriebsergebnisse usw. verwendet werden Verwenden Sie Elasticsearch-Funktionen, um Statistiken durchzuführen.
3. Stellen Sie die Flink-Umgebung bereit und führen Sie die entsprechende Konfiguration und Funktionsintegration durch. Einerseits wird es zum Konsumieren der von Kafka übermittelten Themennachrichten verwendet Andererseits wird die Ausgabe über relevante APIs nach der Datenoperation in Elasticsearch gespeichert.
1. Stellen Sie eine Schnittstelle zum Erzeugen externer Nachrichten bereit
Entwickeln Sie eine Nachrichtencenter-Erstellerschnittstelle und öffnen Sie sie für externe Systeme. Diese Schnittstelle kann in den beiden Szenarien „Senden kritischer Werte“ und „Feedback kritischer Werte“ verwendet werden.
Die Hauptlogik besteht darin, die Rationalitätsüberprüfung, Analyse und Verarbeitung der Nachrichteneingabeparameter durchzuführen und dann die Nachricht durch Aufrufen der Kafka-API zu senden und den Produzenten-Singleton zu verwenden, um das Senden der Nachricht abzuschließen.
Das zu sendende Thema ist „Senden von kritischen Werten“ oder „Feedback von kritischen Werten“.
2. Verwenden Sie Flink, um Kafka zu konsumieren
Verwenden Sie die **Flink Source API von Flink, fügen Sie Kafka als Datenquelle hinzu und abonnieren Sie die beiden Themen „Senden von kritischen Werten“ und „Feedback von kritischen Werten“.
Fügen Sie für die abgerufenen Nachrichten einen Codeblock für die Verarbeitung des Nachrichtenverbrauchs hinzu.
3. Verwenden Sie Flink, um Stream-Daten zu verarbeiten
3.1. Prozess zum Senden kritischer Werte
Führen Sie eine entsprechende Verarbeitung für die von Kafka abgerufenen Themendaten „Critical Value Sending“ durch.
1) Verwenden Sie reguläre Ausdrücke, um den Kernattributinhalt des kritischen Werts in den Nachrichteneingabeparametern zu extrahieren, einschließlich, aber nicht beschränkt auf, die ID des kritischen Werts, die Berichts-ID, die Patienten-ID, die Besuchs-ID usw., um den Code und den Wert jedes Schlüsselattributs zu identifizieren. und fügen Sie es zu einer Map-Struktur zusammen;
2) Verwenden Sie die oben genannten Schlüsselinformationen, um geschäftsbezogene Berichtsinformationen mit kritischem Wert, Patienteninformationen, medizinische Beratungsinformationen und historische Informationen zu den oben genannten Inhalten aus Oracle zu extrahieren und Informationen zur Verteilung kritischer Werteintervalle, zur Verteilung kritischer Wertverarbeitungsmaße und andere Informationen zu extrahieren Stellen Sie diese Inhalte von Elasticsearch für die Hilfsanalyse zusammen.
3) Verwenden Sie die Flink Transform API, um die Kartendaten umfassend zu verarbeiten und relevante Ergebnisse zu erhalten.
4) Während des Prozesses der Übermittlung kritischer Werte lauten die relevanten Berechnungen hinsichtlich der Bereichskalibrierung und empfohlenen Maßnahmen wie folgt:
a. Erhalten Sie grundlegende Informationen über den kritischen Wert des Projekts und bestimmen Sie, ob der kritische Wert die Ober- und Untergrenze des aktuellen kritischen Werts erreicht;
b. Ermitteln Sie die Intervallverteilung des kritischen Werts des Projekts, bestimmen Sie die Intervallverteilung, zu der der kritische Wert gehört, führen Sie Aktualisierungen durch und stellen Sie die Ergebnisse zusammen.
c. Ermitteln Sie die Verteilung historischer Behandlungsmaßnahmen für den kritischen Wert des Projekts, ermitteln Sie sie durch Berechnung, ordnen Sie sie nach der Häufigkeit des Auftretens verschiedener Maßnahmen in verschiedenen Dimensionen und stellen Sie dann die Ergebnisse zusammen.
d. Erhalten Sie andere Elemente mit derselben Anomalie, als der kritische Wert des Projekts in der Geschichte auftrat, und berechnen Sie die Verknüpfungsbeziehung zwischen diesen Projekten und dem aktuellen kritischen Wertelement.
e. Ermitteln Sie den historischen Wert des Projekts, der dem kritischen Wert des Projekts entspricht, führen Sie eine Trendanalyse durch und stellen Sie die Ergebnisse zusammen.
f. Erhalten Sie weitere verwandte und erweiterte Informationen über den kritischen Wert des Projekts für die Hilfsanalyse und stellen Sie die Ergebnisse zusammen.
g. Speichern Sie die ursprünglichen kritischen Wertdaten in Elasticsearch, stellen Sie alle Berechnungsergebnisse in Schritt 3 zusammen und geben Sie den nächsten Schritt ein, um als Füllassistent zu fungieren.
3.2. Prozess der Verarbeitung kritischer Werte
Führen Sie eine entsprechende Verarbeitung für die von Kafka abgerufenen Themendaten „Critical Value Processing“ durch.
1) Verwenden Sie reguläre Ausdrücke, um den Attributinhalt der Verarbeitung kritischer Werte in Nachrichteneingabeparametern zu extrahieren, einschließlich, aber nicht beschränkt auf, ID kritischer Werte, Verarbeitungsmethode, Verarbeitungsmaßnahmen, Prozessor usw., identifizieren Sie den Code und Wert jedes Schlüsselattributs und Füge es zu einer Map-Struktur zusammen.
2) Senden Sie den kritischen Wert und extrahieren Sie mithilfe der oben genannten Schlüsselinformationen verwandte Informationen aus Oracle und Elasticsearch für die Hilfsanalyse
3) Verwenden Sie die Flink Transform API, um die Kartendaten umfassend zu verarbeiten und relevante Ergebnisse zu erhalten.
4) Während des Verarbeitungsprozesses des kritischen Werts lauten die relevanten Berechnungen hinsichtlich der Bereichskalibrierung und der empfohlenen Maßnahmen wie folgt:
a. Wenn der Arzt normale Interventionsmaßnahmen für den kritischen Wert vorsieht, bedeutet dies, dass sich die Glaubwürdigkeit des Auslösebereichs des kritischen Werts erhöht hat. Aktualisieren Sie zunächst die Häufigkeitsaufzeichnungsinformationen des kritischen Werts Gruppenwert und Sie können ihn zu diesem Zeitpunkt aktualisieren Die Anzahl der Vorkommen des Intervalls wird erhöht. Wenn der kritische Wert das ursprüngliche Vorkommen überschreitet, werden die Intervalldaten für den kritischen Wert genauer. Für das Intervall mit kritischem Wert werden neue Intervalldaten hinzugefügt, der Bereich wird erweitert und die Anzahl wird erhöht Die Zeiten werden aufgezeichnet; schließlich werden die Behandlungsmaßnahmen des Arztes und der kritische Wertwert verknüpft und im Maßnahmenspeicherindex gespeichert. Der Indexdatensatz umfasst unter anderem Folgendes: Die in verschiedenen Projekten verwendeten Behandlungsmaßnahmen umfassen, zu welchem Intervall sie gehören , was die historischen Auslösewerte umfassen, und die zugehörigen aktuellen und historischen Berichte, Arztbesuche, kritischen Werte und andere Informationen des Patienten.
b. Wenn der Arzt eine abnormale Verarbeitung für den kritischen Wert vornimmt, z. B. durch Klicken auf die Schaltfläche „Feedback-Frage“, bedeutet dies, dass die Glaubwürdigkeit des Auslösebereichs für den kritischen Wert verringert wird. Fügen Sie zunächst die Schlüsselinformationen des kritischen Werts in den Feedback-Fragenindex ein ; dann werden auch relevante abnormale Daten in den Intervallindex eingefügt, und es werden auch Feedback-Fragen zu diesen Fragen bereitgestellt die entsprechende statistische Analyseseite, und die endgültige Entscheidung wird manuell getroffen, um festzustellen, ob der Umfang geändert wurde;
4. Verwenden Sie Flink zur Ausgabe an Elasticsearch
Fügen Sie mithilfe der Flink Elasticsearch-API ElasticsearchSink als Ergebnisausgabe hinzu und speichern Sie die im vorherigen Schritt berechneten Ergebnisse entsprechend unterschiedlichen Dimensionen in verschiedenen Indexstrukturen von ES.
Einschließlich, aber nicht weniger als die folgenden Indizes: Originaldatenindex des kritischen Werts, Index der erweiterten Daten des kritischen Werts, Häufigkeitsverteilungsindex des kritischen Wertintervalls, Verteilungsindex der kritischen Wertverarbeitungsmaße usw.
3.1. Prozess zum Senden kritischer Werte
Nach der Datenverarbeitung durch den Kerndienst kann die Back-End-Schnittstelle des einheitlichen Benutzerportals aufgerufen werden, und dann kann WebSocket verwendet werden, um den Front-End- und Back-End-Nachrichten-Push abzuschließen, oder der Kerndienst kann WebSocket direkt integrieren Seien Sie für die Interaktion mit dem Portal-Frontend verantwortlich und zeigen Sie schließlich den kritischen Wert auf dem Benutzerportal-Frontend an, um die Popup-Oberfläche zu dominieren.
Im Popup-Fenster, das den Bildschirm dominiert, können Ärzte nicht nur grundlegende Informationen zu kritischen Werten, Berichtsinformationen und Patienteninformationen sehen, sondern auch Interventionsmaßnahmen zur Übermittlung eintragen oder auf die Schaltfläche „Feedback-Frage“ klicken.
Im dominierenden Popup-Fenster werden folgende Informationen zum Füllassistenten angezeigt:
a. Die Häufigkeit des Auftretens verschiedener Behandlungsmaßnahmen für den kritischen Wert des Projekts kann der Arzt schnell wiederverwenden;
b. Die Häufigkeit kritischer Werte in verschiedenen Auslöseintervallen des Projekts wird als Referenz für Ärzte verwendet, um den kritischen Wert zu bestätigen.
c. Vergleichendes Analysediagramm der historischen Trends des Projekts sowie der Häufigkeit des Auftretens derselben abnormalen Projektinformationen, wenn das Projekt einen kritischen Wert hat und wenn andere kritische Werte auftreten;
d. Andere historische Referenzinformationen, wie z. B. medizinische Behandlungshistorie, Berichtshistorie, kritische Wertehistorie usw.;
3.2. Prozess der Verarbeitung kritischer Werte
Wenn der Arzt das Popup-Fenster für kritische Werte bearbeitet, das den Bildschirm dominiert, ruft er die Back-End-Schnittstelle des einheitlichen Portals auf, löst Kafkas Themendaten „Verarbeitung kritischer Werte“ aus und gibt den Link zur Verarbeitung kritischer Werte des Kerndienstes ein.
Ärzte haben zwei Bearbeitungsmodi: Sie können die Interventionsmaßnahmen ausfüllen und absenden oder auf die Schaltfläche „Feedback-Frage“ klicken. Beide Methoden können den Bearbeitungsprozess beenden.
6.1. Richten Sie den Timing-Dienst ein, verwenden Sie die Aggregationsfunktion, um eine sekundäre Verarbeitung der ES-Daten durchzuführen, und die Verarbeitungsergebnisse werden weiterhin im neuen Indexbereich gespeichert.
6.2. Entwickeln Sie eine Front-End-BI-Schnittstelle, um die kritischen Wertindexdaten vor und nach der Verarbeitung anzuzeigen und Analysetipps zu geben.
1) Bereitstellung von Analyse- und Beurteilungsergebnissen für den Referenzbereich, sodass eine manuelle endgültige Bestätigung möglich ist, ob der Kalibrierungsbereich geändert wurde.
2) Bereitstellung empfohlener Analysen für Behandlungsmaßnahmen. Es werden verschiedene Statistiken und Richtlinien entsprechend der Anzahl der Verwendungen, Verarbeitungspfaden, entsprechenden Wertebereichen sowie historischen Projekttrends, Verbindung mit anderen gleichzeitigen Projekten und historischen Diagnoseinformationen bereitgestellt usw. ,analysieren.
1) Definieren Sie Indikatoren für die Bewertung kritischer Werte: Die medizinische Abteilung sollte Indikatoren für die Bewertung kritischer Werte definieren, z. B.: Verarbeitungsrate %, durchschnittliche Verarbeitungszeit h, rechtzeitige Verarbeitungsrate/24-Stunden-Verarbeitungsrate %, 6-Stunden-Follow-up-Rate des Patienten % , Gesamtzahl der Verarbeitung kritischer Werte usw. ;
2) Statistiken zu kritischen Werten: Die medizinische Abteilung muss die Implementierung des Systems zur Verwaltung kritischer Werte in jeder Abteilung regelmäßig überwachen, inspizieren, verfolgen und analysieren und die Aktualität der Berichterstattung und Handhabung kritischer Werte regelmäßig bewerten. In der kritischen Wertkomponente des medizinischen Portals werden die kritischen Wertdaten jeder Abteilung aggregiert und angezeigt. Rankings und detaillierte Daten verschiedener Indikatoren werden entsprechend den beiden Dimensionen Abteilung und Arzt angezeigt. Außerdem wird der Export von Berichten zur Datenanzeige unterstützt einen Blick darauf werfen und regelmäßig Unterschiede im gesamten Krankenhaus vergleichen, Indikatoren zu bestimmten Zeitpunkten vergleichen und einen Verbesserungsplan für die kritische Phase des Krankenhauses formulieren;
3) Feedback zu kritischen Werten: Die medizinische Abteilung muss kritische Werteelemente und kritische Werte entsprechend den tatsächlichen klinischen Bedingungen aktualisieren und anpassen, das Management kritischer Werte der Abteilung in die medizinische Qualitätsbewertung der Abteilung integrieren und eine Komponente zur Rückmeldung kritischer Werte für das medizinische Personal entwickeln Portal und sammeln, analysieren und bearbeiten Sie dieses Feedback einheitlich.
Prozess: LIS – Rechenzentrum – Produzent – Kafka-Quelle – Flink – Verarbeitung – Elasticsearch
1. Wenn Medizintechniker eine kritische Situation feststellen, muss der Inspektor (Inspektor) zunächst bestätigen, ob die Inspektionsinstrumente, -ausrüstung und der Inspektionsprozess normal sind, prüfen, ob die Proben korrekt sind, ob die Bedienung korrekt ist und ob die Instrumentenübertragung falsch ist . Nach Bestätigung der klinischen Untersuchung und Inspektion. Wenn in allen Aspekten des (Untersuchungs-)Prozesses keine Auffälligkeiten vorliegen, führen Sie eine erneute Untersuchung durch (die Bildgebungsabteilung kann nur dann entscheiden, ob eine erneute Untersuchung erforderlich ist, wenn die Ergebnisse vorliegen). Sind die beiden Wiederholungsprüfungen gleich, können die Prüfungsergebnisse ausgestellt werden.
2. Nachdem das Inspektionssystem (Inspektionssystem) den kritischen Wert gesendet hat, initiiert es über die Krankenhausintegrationsplattform einen Anruf an die Schnittstelle zum Senden kritischer Werte des Rechenzentrums. Zuerst wird der kritische Wert und dann die Schnittstelle des Nachrichtencenter-Erzeugers gespeichert in diesem Plan wird aufgerufen, „Kritischen Wert „Thema“ an Kafka zu senden;
3. Der Kerndienst dieser Lösung verwendet Flink, um den kritischen Wert von Kafka zum Senden von Themen zu abonnieren, und verwendet die Flink-Transformations-API, um die empfangenen Daten zu verarbeiten, um die erforderlichen Daten zu bilden, und verwendet dann die Flink-Elasticsearch-API, um ElasticsearchSink hinzuzufügen, um die Ergebnisse auszugeben zum Elasticsearch-bezogenen Index;
4. Nach der Datenverarbeitung durch den Kerndienst kann die Back-End-Schnittstelle des einheitlichen Benutzerportals aufgerufen werden, und dann kann WebSocket verwendet werden, um den Front-End- und Back-End-Nachrichten-Push abzuschließen, oder der Kerndienst kann direkt integriert werden WebSocket ist für die Interaktion mit dem Portal-Frontend verantwortlich. Schließlich wird die Popup-Schnittstelle für den kritischen Wert im Frontend des Benutzerportals angezeigt.
5. An diesem Punkt ist der Sendevorgang beendet.
Prozess: Portal – Rechenzentrum – Produzent – Kafka-Quelle – Flink – Verarbeitung – Elasticsearch
1. Wenn ein Arztbenutzer während der täglichen Nutzung des Portalsystems eine Benachrichtigung über einen kritischen Wert erhält, wird diese in Form eines Popup-Fensters angezeigt, das den Bildschirm dominiert.
2. Der Arzt trifft eine Beurteilung auf der Grundlage der Informationen zum kritischen Wert des Patienten sowie der Berichtsinformationen, Informationen zur ärztlichen Beratung usw. Wenn bestätigt wird, dass diese die Kategorie des kritischen Werts erfüllen, trägt er oder sie die entsprechenden Interventionsmaßnahmen ein Auslösen der kritischen Wertverarbeitungslogik des Rechenzentrums;
3. Das Rechenzentrum aktualisiert zunächst die Informationen zu kritischen Werten, initiiert dann über die Krankenhausintegrationsplattform einen Anruf an die Sendeschnittstelle für kritische Werte des Inspektionssystems (Inspektion) und ruft dann die Schnittstelle zum Erzeuger des Nachrichtenzentrums in dieser Lösung auf, um die „ Kritische Wertverarbeitung“-Thema für Kafka;
4. Der Kerndienst dieser Lösung verwendet Flink, um Kafkas kritisches Wertverarbeitungsthema zu abonnieren, und verwendet die Flink-Transform-API, um die empfangenen Daten zu verarbeiten, um die erforderlichen Daten zu bilden, und verwendet dann die Flink-Elasticsearch-API, um ElasticsearchSink zur Ausgabe hinzuzufügen Ergebnisse im relevanten Index von Elasticsearch;
5. Wenn der Arzt in Schritt 2 feststellt, dass es sich bei dem kritischen Wert um einen Fehlalarm handelt, klicken Sie auf die Schaltfläche „Feedback-Frage“, um das Fehlerproblem zur späteren Analyse an die Schnittstelle „Medical Management Module“ zu melden.
1. Basierend auf der Kombination von Kafka + Flink nutzt es die Big-Data-Streaming-Engine-Technologie, um eine äußerst zuverlässige, effiziente Echtzeit- und hochskalierbare Datenverarbeitung für Sende- und Verarbeitungsszenarien mit kritischem Wert zu erreichen und schließlich einen kritischen Wert zu erzielen Bereichskalibrierung und Zweck der empfohlenen Maßnahmen;
2. Verwenden Sie Elasticsearch, um diversifizierte Indexberechnungsergebnisse zu speichern, und verwenden Sie dann die Aggregationsfunktion von ES, um eine sekundäre Analyse und Verarbeitung der Ergebnisse durchzuführen. Die Skalierbarkeit und Wiederverwendbarkeit der Gesamtlösung wurde erheblich verbessert.
3. Wenden Sie den ereignisgesteuerten Mechanismus des Nachrichtencenters auf Szenarien mit kritischem Wert an, richten Sie Nachrichtenereignisse für Schlüsselknoten des Prozesses mit geschlossenem Regelkreis für kritische Werte ein und geben Sie Abonnementdienste für Ereignisse durch dynamisches Abonnement an. Der Prozess ist klar und steckbar. Richten Sie einen vollständigen Prozess zur Verarbeitung kritischer Werte mit dem Nachrichtenzentrum als Drehscheibe ein, der alle Aspekte des tatsächlichen Geschäftsszenarios so weit wie möglich abdeckt und die Geschäftsabdeckung und Personalbeteiligung verbessert.
Das Obige stellt den Plan „Empfohlene Maßnahmen zur Handhabung kritischer Werte und Bereichskalibrierung basierend auf Kafka + Flink + ES“ des Unternehmens des Bloggers vor.
💗 后续会逐步分享企业实际开发中的实战经验，有需要交流的可以联系博主。
Er widmet sich seit mehr als 30 Jahren der Technologieforschung und beherrscht verschiedene Sprachen wie Java, Linux, Javascript, PHP, CSS usw. Er hat viele Beiträge im Open-Source-Bereich geleistet Entwicklerdokumentationsstation, um einige Themen in der Technologieentwicklung als zukünftige Referenz zu teilen
