面向健康大数据快速读写的存储系统设计

杨东日，陈 跃，刘姝祎

(1.工业和信息化部软件与集成电路促进中心，北京 100013；2.西安交通大学 电信学院，陕西 西安 710000)

0 引 言

健康大数据来源多种多样，涵盖了人的全生命周期，既包括个人健康，又涉及医药服务、疾病防控、健康保障和食品安全、养生保健等多方面数据的汇聚和聚合[1,2]，主要包括7个方面的来源，来源的定义请参见文献[3]。

与其它的行业数据相比，健康大数据具有特殊性，一方面与人类的健康相关，另一方面更加复杂多样，需要研究更多的未知事件[4]。具体来说，健康大数据具有以下特点：一是数据规模大，据统计，人类基因测序一次产生的数据量可高达100 G-600 G左右，单一公卫系统中一年的数据规模约为10 T；二是数据结构复杂多样；三是数据增长速度快，随着科技的不断发展，医疗信息被数字化，产生在线、实时数据；四是数据价值高，有利于扩大医疗资源供给、降低医疗成本、提升医疗服务运行效率，关系到国家乃至全球疾病防控、新药研发和顽疾攻克的能力[5,6]。健康大数据除了包含了大数据5个V的特点之外，还有多态性、时效性、不完整性、冗余性、隐私性等特点[7,8]。

1 健康大数据存储面临的问题

大数据与健康、医疗的结合给健康行为和医疗模式带来了巨大的变革，是重要的战略资源。随着信息技术不断发展，医疗信息越来越多被数字化，海量的健康医疗数据存储面临严峻考验[7,8]，主要包括以下两个方面：一是健康医疗数据存储类型复杂，大文件的数据存储效率较高，而分散的小文件存储效率则比较低[9]；……