基于NoSQL的新農(nóng)合高效云存儲(chǔ)方法

張國(guó)華，徐建軍，劉麗娟

(南京師范大學(xué)泰州學(xué)院，江蘇 泰州 225300)

基于NoSQL的新農(nóng)合高效云存儲(chǔ)方法

張國(guó)華，徐建軍，劉麗娟

(南京師范大學(xué)泰州學(xué)院，江蘇 泰州 225300)

國(guó)內(nèi)新型農(nóng)村合作醫(yī)療系統(tǒng)(以下簡(jiǎn)稱新農(nóng)合)大多采用了關(guān)系型數(shù)據(jù)庫(kù)作為數(shù)據(jù)存儲(chǔ)介質(zhì)，新農(nóng)合中的參合、門診、藥品等數(shù)據(jù)分布在各省廳、縣市乃至鎮(zhèn)村等醫(yī)療衛(wèi)生服務(wù)部門的服務(wù)器中。它們的業(yè)務(wù)數(shù)據(jù)量增長(zhǎng)速度極快，服務(wù)器節(jié)點(diǎn)也經(jīng)常變化，所以該方案一直無(wú)法突破數(shù)據(jù)量橫向拓展的瓶頸問(wèn)題。隨著數(shù)據(jù)量的快速增長(zhǎng)，該問(wèn)題對(duì)整個(gè)新農(nóng)合系統(tǒng)的影響也愈加突出。為此，提出了另一種大數(shù)據(jù)存儲(chǔ)解決方案，即采用非關(guān)系型數(shù)據(jù)庫(kù)MongoDB來(lái)存儲(chǔ)和擴(kuò)展新農(nóng)合中的大數(shù)據(jù)。為進(jìn)一步驗(yàn)證該方案在新農(nóng)合應(yīng)用中的有效性和可行性，進(jìn)行了非關(guān)系數(shù)據(jù)庫(kù)MongoDB與關(guān)系型數(shù)據(jù)庫(kù)兩個(gè)集群并發(fā)與讀寫能力的對(duì)比實(shí)驗(yàn)驗(yàn)證。理論分析和實(shí)驗(yàn)結(jié)果表明，非關(guān)系型數(shù)據(jù)庫(kù)MongoDB在處理海量數(shù)據(jù)方面展現(xiàn)出了更好的優(yōu)越性和適用性，能有效解決新農(nóng)合系統(tǒng)大數(shù)據(jù)的橫向拓展問(wèn)題，也能為其他類似信息系統(tǒng)提供理論支撐和技術(shù)參考。

新農(nóng)合;MongoDB;大數(shù)據(jù)；NoSQL

0 引 言

新型農(nóng)村合作醫(yī)療制度(以下簡(jiǎn)稱“新農(nóng)合”)是由政府引導(dǎo)與支持，農(nóng)民自愿參加，由農(nóng)民個(gè)人、集體和政府等共同籌資,以大病統(tǒng)籌醫(yī)療為主要目的農(nóng)民醫(yī)療互助制度。為確保落實(shí)這項(xiàng)制度，衛(wèi)生部出臺(tái)了新農(nóng)合信息系統(tǒng)的標(biāo)準(zhǔn)技術(shù)規(guī)范,即《新型農(nóng)村合作醫(yī)療信息系統(tǒng)基本規(guī)范(試行)》(衛(wèi)辦農(nóng)衛(wèi)發(fā)〔2005〕108號(hào))，規(guī)定了各省市的衛(wèi)生主管部門必須充分考慮未來(lái)發(fā)展規(guī)劃并結(jié)合當(dāng)?shù)貙?shí)際情況，合理選擇適合本地實(shí)情的技術(shù)方案、投資成本和階段性綜合性衛(wèi)生管理信息系統(tǒng)并充分有效地利用相關(guān)信息。

目前絕大部分新農(nóng)合系統(tǒng)采用分布式數(shù)據(jù)庫(kù)(DBMS)[1]，把數(shù)據(jù)分散在網(wǎng)絡(luò)的不同服務(wù)器上，而總體上屬于相同系統(tǒng)的數(shù)據(jù)子集，它是數(shù)據(jù)庫(kù)技術(shù)與網(wǎng)絡(luò)技術(shù)相結(jié)合的產(chǎn)物，提供了一種更高層次的大數(shù)據(jù)服務(wù)。而在新農(nóng)合系統(tǒng)中，參合、門診、藥品等數(shù)據(jù)分布在省廳、各縣市乃至各鎮(zhèn)村等醫(yī)療衛(wèi)生部門服務(wù)器上[2]，各業(yè)務(wù)部分的數(shù)據(jù)量增長(zhǎng)速度極快，且各醫(yī)療衛(wèi)生部門的服務(wù)器節(jié)點(diǎn)經(jīng)常變化，其基本采用關(guān)系型數(shù)據(jù)庫(kù)來(lái)構(gòu)建分布式系統(tǒng)，而該建立方案一直無(wú)法突破數(shù)據(jù)量的瓶頸[3]。隨著數(shù)據(jù)量的增加，系統(tǒng)的數(shù)據(jù)操作，并發(fā)訪問(wèn)，數(shù)據(jù)分析等已逐漸不能適應(yīng)用戶需求，研究和探討分布式環(huán)境下的新農(nóng)合海量數(shù)據(jù)存儲(chǔ)已經(jīng)十分急迫。

為解決上述問(wèn)題，文中進(jìn)行了非關(guān)系數(shù)據(jù)庫(kù)MongoDB與關(guān)系型數(shù)據(jù)庫(kù)兩個(gè)集群并發(fā)與讀寫能力的對(duì)比實(shí)驗(yàn)驗(yàn)證。結(jié)果表明，提出的方案有效可行。

1 系統(tǒng)結(jié)構(gòu)及組成

根據(jù)新農(nóng)合系統(tǒng)實(shí)際需求，在市級(jí)主管衛(wèi)生部門建立集中數(shù)據(jù)中心[4]，統(tǒng)籌管理全市新農(nóng)合業(yè)務(wù)，其主要涵蓋了四個(gè)主要的功能模塊：決策輔助子系統(tǒng)、業(yè)務(wù)管理子系統(tǒng)、數(shù)據(jù)交換平臺(tái)[5]、表示層網(wǎng)站。系統(tǒng)總體架構(gòu)如圖1所示。

圖1 系統(tǒng)總體架構(gòu)

數(shù)據(jù)中心的數(shù)據(jù)主要來(lái)自各級(jí)醫(yī)療衛(wèi)生部門，各級(jí)醫(yī)療衛(wèi)生服務(wù)部門(社區(qū)衛(wèi)生服務(wù)站)，保險(xiǎn)公司的結(jié)報(bào)中心以及各級(jí)衛(wèi)生主管部門。而絕大部分市級(jí)新農(nóng)合系統(tǒng)采用的是分布式的關(guān)系型數(shù)據(jù)庫(kù)系統(tǒng)，主要問(wèn)題是，隨著新農(nóng)合系統(tǒng)數(shù)據(jù)量的迅速增加，參保人數(shù)的普及，數(shù)據(jù)橫向擴(kuò)展需要增加服務(wù)器節(jié)點(diǎn)，這種架構(gòu)使原有的整體新農(nóng)合系統(tǒng)的升級(jí)變得非常困難和棘手，同時(shí)數(shù)據(jù)庫(kù)的并發(fā)請(qǐng)求非常高，通常能達(dá)到每秒幾萬(wàn)次，而該系統(tǒng)消耗的通信開(kāi)銷[6]主要由三部分組成：外存儲(chǔ)器讀寫代價(jià)(即I/O消耗代價(jià))；數(shù)據(jù)的處理代價(jià)(即CPU的消耗代價(jià))；通信傳輸代價(jià)(即網(wǎng)絡(luò)數(shù)據(jù)傳輸代價(jià))。在分布式系統(tǒng)中，因數(shù)據(jù)分布在網(wǎng)絡(luò)的若干服務(wù)器上，相對(duì)來(lái)說(shuō)，通信傳輸代價(jià)在整個(gè)處理代價(jià)中占比最高，是應(yīng)該考慮的主要方面。而通信消耗代價(jià)模型在網(wǎng)絡(luò)傳輸過(guò)程中有兩種影響：費(fèi)用與延遲。其中費(fèi)用占主體地位。所以按傳輸費(fèi)用衡量是指使通信中的整個(gè)傳輸開(kāi)銷最小，即傳輸?shù)臄?shù)據(jù)量最小。其模型為：

CCOM(X)=C0+C1*X

其中，C0為傳輸數(shù)據(jù)過(guò)程中啟動(dòng)所需的費(fèi)用(啟動(dòng)一次)，簡(jiǎn)稱啟動(dòng)消耗代價(jià)；C1為網(wǎng)絡(luò)單位傳輸數(shù)據(jù)費(fèi)用，簡(jiǎn)稱單位傳輸代價(jià)；X為需傳輸?shù)臄?shù)據(jù)量。

因此，消耗的硬盤I/O服務(wù)器就無(wú)法承擔(dān)了，在龐大的新農(nóng)合系統(tǒng)中查詢數(shù)據(jù)，效率將極其低下。對(duì)于新農(nóng)合這種24小時(shí)進(jìn)行不間斷服務(wù)的系統(tǒng)來(lái)說(shuō)，對(duì)原有數(shù)據(jù)庫(kù)進(jìn)行升級(jí)和擴(kuò)展變得異常困難，如果采用停止服務(wù)來(lái)遷移數(shù)據(jù)，通過(guò)添加服務(wù)器的節(jié)點(diǎn)來(lái)擴(kuò)展是不可能完成的，因?yàn)椴∪巳朐撼鲈旱臄?shù)據(jù)結(jié)報(bào)都是要求即時(shí)完成的。

數(shù)據(jù)中心架構(gòu)如圖2所示。

圖2 數(shù)據(jù)中心架構(gòu)

傳統(tǒng)關(guān)系數(shù)據(jù)庫(kù)海量數(shù)據(jù)讀寫主要采用分而治之的方法，圖中的數(shù)據(jù)訪問(wèn)層設(shè)計(jì)了特定的數(shù)據(jù)訪問(wèn)組件，它的主要作用是SQL解析[7]與路由處理[8]。其能根據(jù)應(yīng)用的請(qǐng)求智能解析當(dāng)前訪問(wèn)的SQL，根據(jù)相應(yīng)函數(shù)規(guī)則來(lái)決定訪問(wèn)相應(yīng)業(yè)務(wù)數(shù)據(jù)庫(kù)的對(duì)應(yīng)數(shù)據(jù)并返回結(jié)果。

雖然很多科研人員在分布式關(guān)系數(shù)據(jù)庫(kù)操作方面做了大量工作，常見(jiàn)的優(yōu)化算法包括多元連接算法[8]、貪婪算法[9]、半連接算法[10]、遺傳模擬退火算法[11]等，系統(tǒng)整體性能有所優(yōu)化，而且在系統(tǒng)早期，數(shù)據(jù)總量不大時(shí)能順暢運(yùn)行。但隨著數(shù)據(jù)量不斷增多，數(shù)據(jù)處理時(shí)間會(huì)不斷增加，后續(xù)一定會(huì)出現(xiàn)機(jī)器硬件瓶頸問(wèn)題，一旦分布式數(shù)據(jù)庫(kù)服務(wù)器的節(jié)點(diǎn)需拓展，整個(gè)系統(tǒng)架構(gòu)都會(huì)發(fā)生變化，其原先的優(yōu)化算法必須重新設(shè)計(jì)，消耗的時(shí)間代價(jià)、資本代價(jià)都將無(wú)法承受。

為解決這些分布式關(guān)系數(shù)據(jù)庫(kù)系統(tǒng)存在的問(wèn)題，采用優(yōu)化的NoSQL數(shù)據(jù)庫(kù)MongoDB來(lái)存儲(chǔ)和擴(kuò)展數(shù)據(jù)節(jié)點(diǎn)，達(dá)到對(duì)原有新農(nóng)合系統(tǒng)數(shù)據(jù)擴(kuò)展和性能提升的目標(biāo)。

2 NoSQL分布存儲(chǔ)與MongoDB

NoSQL[12]，非關(guān)系型數(shù)據(jù)庫(kù)，與傳統(tǒng)的RDMS(關(guān)系型數(shù)據(jù)庫(kù))采用了完全不同的數(shù)據(jù)存取方式。隨著互聯(lián)網(wǎng)WEB2.0、3.0系統(tǒng)的不斷興起，傳統(tǒng)的關(guān)系數(shù)據(jù)庫(kù)作為這些系統(tǒng)的數(shù)據(jù)存儲(chǔ)與管理平臺(tái)已經(jīng)顯得力不從心，特別應(yīng)對(duì)超大規(guī)模和高并發(fā)的SNS類型的WEB2.0、3.0系統(tǒng)更顯得疲憊不堪，暴露出很多無(wú)法克服的問(wèn)題。NoSQL就是為了解決這些問(wèn)題而產(chǎn)生的，它很好地解決大規(guī)模數(shù)據(jù)集合與多重?cái)?shù)據(jù)種類帶來(lái)的挑戰(zhàn)，尤其是解決了大數(shù)據(jù)應(yīng)用難題。而對(duì)于新農(nóng)合系統(tǒng)涉及的患者的CT,X光片等半結(jié)構(gòu)化的圖像數(shù)據(jù)以及手術(shù)過(guò)程的視頻數(shù)據(jù)，更適合在NoSQL數(shù)據(jù)庫(kù)中進(jìn)行存儲(chǔ)，并對(duì)這些數(shù)據(jù)進(jìn)行挖掘，也更容易實(shí)現(xiàn)圖1中的決策輔助子系統(tǒng)。

NoSQL類型的數(shù)據(jù)庫(kù)管理系統(tǒng)也很多，其中MongoDB是一種杰出的代表，它是由C++語(yǔ)言編寫的，而且是基于分布式文件存儲(chǔ)的開(kāi)源的數(shù)據(jù)庫(kù)系統(tǒng)。在負(fù)載很高的情況下，能夠很便捷地管理更多的節(jié)點(diǎn)，并能保證服務(wù)器性能。MongoDB很好地為WEB應(yīng)用提供了可擴(kuò)展的高性能的數(shù)據(jù)存儲(chǔ)解決方案。能對(duì)新農(nóng)合系統(tǒng)的數(shù)據(jù)庫(kù)便捷地實(shí)現(xiàn)橫向擴(kuò)展，突破服務(wù)器硬件的瓶頸。在2013年8月20日，隨著MongoDB 2.4.6第一個(gè)穩(wěn)定版的發(fā)布，技術(shù)日臻成熟，并且近些年在全球范圍內(nèi)已經(jīng)有很多知名企業(yè)(例如Google、Facebook、百度、華為等機(jī)構(gòu))均已開(kāi)始使用MongoDB數(shù)據(jù)庫(kù)。

MongoDB中存在一種集群技術(shù)，即分片技術(shù),可以滿足MongoDB數(shù)據(jù)量大量增長(zhǎng)的需求。MongoDB的分片[13]，是將collection的數(shù)據(jù)進(jìn)行分割，然后將不同的部分分別存儲(chǔ)到不同的機(jī)器上。當(dāng)collection所占空間過(guò)大時(shí)，需要增加一臺(tái)新的機(jī)器，分片會(huì)自動(dòng)將collection[14]的數(shù)據(jù)分發(fā)到新的機(jī)器上，主要有以下三個(gè)組件：

Shard(數(shù)據(jù)分片):用于存儲(chǔ)實(shí)際數(shù)據(jù)塊，實(shí)際架構(gòu)環(huán)境中一個(gè)shard server角色可由若干臺(tái)機(jī)器共同組成一個(gè)relica set承擔(dān)，可以防止服務(wù)器單點(diǎn)故障；

Config Server(分布式配置服務(wù)器):mongod實(shí)例，存儲(chǔ)了所有的ClusterMetadata；

Query Routers[15](前端路由):客戶端接入，能讓整個(gè)集群像單一數(shù)據(jù)庫(kù)那樣操作，前端應(yīng)用的使用非常透明。

3 建立的兩種實(shí)驗(yàn)集群

實(shí)驗(yàn)利用4所不同地點(diǎn)的服務(wù)器，分別為A,B(將涉及數(shù)據(jù)遷徙),C,D。服務(wù)器的操作系統(tǒng)均為Windows7，CPU主頻為2.7 GHz,內(nèi)存為8 GB。

3.1方案一：關(guān)系數(shù)據(jù)庫(kù)實(shí)驗(yàn)集群

數(shù)據(jù)庫(kù)管理系統(tǒng)均為SQL Server 2010版本，A服務(wù)器為基層農(nóng)民參保信息采集點(diǎn)數(shù)據(jù)庫(kù)，其存儲(chǔ)了農(nóng)民參保采集信息表，數(shù)據(jù)量為1 GB;B服務(wù)器為某醫(yī)院HIS數(shù)據(jù)庫(kù)[14]，其存儲(chǔ)了農(nóng)民門診住院記錄，數(shù)據(jù)量為30 GB;C服務(wù)器為衛(wèi)生行政主管部門數(shù)據(jù)庫(kù)，其存儲(chǔ)了新農(nóng)合數(shù)據(jù)統(tǒng)計(jì)信息表，數(shù)據(jù)量為20 GB;D服務(wù)器為負(fù)責(zé)新農(nóng)合報(bào)銷的保險(xiǎn)公司結(jié)算中心數(shù)據(jù)庫(kù)，其存儲(chǔ)了新農(nóng)合報(bào)銷記錄表，數(shù)據(jù)量為15 GB。其分布式架構(gòu)見(jiàn)圖3。其中B服務(wù)器數(shù)據(jù)量增長(zhǎng)迅猛，后續(xù)將涉及數(shù)據(jù)遷移及拆分。

圖3 分布式關(guān)系數(shù)據(jù)庫(kù)架構(gòu)

3.2方案二：基于文件系統(tǒng)實(shí)驗(yàn)集群

MongoDB(該方案的軟件版本為MongoDB 3.0)是將數(shù)據(jù)存儲(chǔ)在文件里，文件結(jié)構(gòu)及數(shù)據(jù)分布與方案一保持一致，對(duì)于數(shù)據(jù)的管理具備獨(dú)有的優(yōu)勢(shì)，在MongoDB附帶一個(gè)文件系統(tǒng)GridFS，能透明地實(shí)現(xiàn)數(shù)據(jù)的分割遷移。實(shí)驗(yàn)采用了4臺(tái)服務(wù)器，5個(gè)MongoDB服務(wù)器進(jìn)程用來(lái)模擬分布式數(shù)據(jù)庫(kù)系統(tǒng)，及數(shù)據(jù)庫(kù)的橫向分片功能，架構(gòu)如圖4所示。

圖4 分布式MongoDB架構(gòu)

4 實(shí) 驗(yàn)

以下實(shí)驗(yàn)都是通過(guò)客戶端，對(duì)服務(wù)器B的操作，因?qū)嶒?yàn)均在學(xué)校機(jī)房完成，故忽略了通信代價(jià),僅對(duì)比CPU占用代價(jià)。測(cè)試程序每次測(cè)試100萬(wàn)條記錄，如并發(fā)10測(cè)試，每并發(fā)操作10萬(wàn)條記錄；并發(fā)20測(cè)試，每并發(fā)5萬(wàn)條記錄，依次類推(為簡(jiǎn)化問(wèn)題，并發(fā)數(shù)采用100以內(nèi)并且可以被100萬(wàn)整除的整數(shù))。

4.1寫入性能對(duì)比及CPU占用消耗

為增強(qiáng)可比性，方案一和方案二均在相同字段寫入，寫入次數(shù)對(duì)比情況見(jiàn)圖5。

圖5 寫入次數(shù)及CPU占用對(duì)比

4.2讀入性能對(duì)比及CPU占用消耗

同樣是方案一和方案二，均對(duì)相同字段進(jìn)行數(shù)據(jù)讀取，讀取次數(shù)對(duì)比情況見(jiàn)圖6。

圖6 讀入次數(shù)及CPU占用對(duì)比圖

4.3實(shí)驗(yàn)結(jié)果與分析

通過(guò)以上對(duì)傳統(tǒng)關(guān)系型分布式數(shù)據(jù)庫(kù)與分布式MongoDB數(shù)據(jù)庫(kù)的實(shí)驗(yàn)對(duì)比，得出MongoDB無(wú)論是在查詢性能，還是數(shù)據(jù)寫入性能上均有一定優(yōu)勢(shì)，但在寫入時(shí)MongoDB占用CPU更高，而讀入時(shí)MongoDB占用CPU相對(duì)較少，而新農(nóng)合系統(tǒng)的讀入數(shù)據(jù)使用頻次更高，所有方案二仍然可取，而且方案二給出了一種針對(duì)信息系統(tǒng)數(shù)據(jù)橫向擴(kuò)展上相對(duì)便捷的處理方案，具備很強(qiáng)的實(shí)用價(jià)值。

5 結(jié)束語(yǔ)

為有效解決新農(nóng)合系統(tǒng)大數(shù)據(jù)的橫向拓展問(wèn)題，在傳統(tǒng)關(guān)系型分布式信息系統(tǒng)架構(gòu)的基礎(chǔ)上，提出了基于NoSQL的海量數(shù)據(jù)存儲(chǔ)解決方案。理論分析及實(shí)驗(yàn)結(jié)果表明，非關(guān)系型分布式信息系統(tǒng)在并發(fā)效率與讀寫效率上與傳統(tǒng)關(guān)系型分布式數(shù)據(jù)庫(kù)相比有顯著提升，能有效提高新農(nóng)合系統(tǒng)相關(guān)業(yè)務(wù)部門的工作效率和效能，但也存在數(shù)據(jù)弱一致性、占用空間較大、管理界面友好性差、事務(wù)控制需通過(guò)開(kāi)發(fā)者的業(yè)務(wù)邏輯代碼才能完成等缺點(diǎn)，因此采用NoSQL型數(shù)據(jù)庫(kù)作為存儲(chǔ)介質(zhì)，開(kāi)發(fā)難度會(huì)有所增加。為此，將繼續(xù)關(guān)注和研究NoSQL相關(guān)新技術(shù)，并進(jìn)一步解決NoSQL存在的缺陷。

[1] 馬騁宇.新型農(nóng)村合作醫(yī)療基金購(gòu)買商業(yè)大病保險(xiǎn)的博弈模型研究[J].中國(guó)衛(wèi)生經(jīng)濟(jì),2014,33(4):43-45.

[2] 代志明.“三明醫(yī)改”模式可以復(fù)制嗎?—兼與鐘東波先生商榷[J].鄭州輕工業(yè)學(xué)院學(xué)報(bào)：社會(huì)科學(xué)報(bào)，2015，16(2)：35-38．

[3] 陳 曉,何曉寧,趙新東.兵團(tuán)第四師醫(yī)療保障制度改革現(xiàn)狀及思考[J].兵團(tuán)黨校學(xué)報(bào)，2015(5)：17-21．

[4] 張 宇,張延松,陳 紅,等.向量計(jì)算Array OLAP查詢處理技術(shù)[J].計(jì)算機(jī)工程與應(yīng)用,2015,51(18)：24-31．

[5] 胡詩(shī)駿,姚佩陽(yáng),孫 昱,等.DLS和NGA結(jié)合的平臺(tái)資源調(diào)度方法[J].空軍工程大學(xué)學(xué)報(bào):自然科學(xué)版,2015,16(3):82-86.

[6] 吳明禮,任天鴻,李也白.基于OpenStack的私有云平臺(tái)資源管理技術(shù)的應(yīng)用與研究[J].工業(yè)技術(shù)創(chuàng)新,2015,2(3)：334-341.

[7] 李彥廣.基于Spark+MLlib分布式學(xué)習(xí)算法的研究[J].商洛學(xué)院學(xué)報(bào),2015,29(2)：16-19.

[8] 孫忠芳,譚 智,付海龍.基于MongoDB集群的高性能瓦片服務(wù)器[J].中國(guó)科技信息,2015(8)：107-109.

[9] 申德榮,于 戈,王習(xí)特,等.支持大數(shù)據(jù)管理的NoSQL系統(tǒng)研究綜述[J].軟件學(xué)報(bào),2013,24(8):1786-1803.

[10] 陳崇成,林劍峰,吳小竹,等.基于NoSQL的海量空間數(shù)據(jù)云存儲(chǔ)與服務(wù)方法[J].地球信息科學(xué)學(xué)報(bào),2013,15(2):166-174.

[11] 趙鵬軍，劉三陽(yáng)．求解復(fù)雜函數(shù)優(yōu)化問(wèn)題的混合蛙跳算法[J]．計(jì)算機(jī)應(yīng)用研究，2009，26(7)：2435-2437．

[12] Gilbert S，Lynch N．Brewer’s conjecture and the feasibility of consistent，available，partition-tolerant web services[J]．ACM SIGACT News，2002，33(2):51-59．

[13] Baca R，Kratky M． TJDewey-on the efficient path labeling scheme holistic approach[M]//Database systems for advanced applications.Berlin:Springer-Verlag,2009:6-20．

[14] Vogels W． Eventually consistent[J]． Communications of ACM，2009，52(1)：14-19．

[15] Elmasri R,Navathe S.Fundamentals of database systems[M].Beijing:Posts and Telecom Press,2009.

AnEfficientCloudStorageMethodwithNoSQLforNewRuralCooperativeMedicalCare

ZHANG Guo-hua，XU Jian-jun，LIU Li-juan

(Nanjing Normal University Taizhou College,Taizhou 225300，China)

The New Rural Cooperative Medical System (NRCMS) in China mostly uses the relational database as the data storage medium,and the data of participation,clinic, drug in NRCMS is distributed in medical and health services department server in all ministries,counties and towns and villages.Their business data volume is extremely fast in growth rate,and server nodes are often changed,so the program has been unable to break through the bottleneck of the horizontal expansion of the data volume.With the rapid increase in the amount of data,the impact of NRCMS is also more prominent.Therefore another solution is proposed with use of non relational database MongoDB for storing and expanding the big data.In order to further verify its effectiveness and feasibility in the new rural cooperative medical system,comparative experiments for verifications of the relationship between the two clusters of non relational database MongoDB and relational database is conducted.Theoretical analysis and experimental results show that the MongoDB in the treatment of massive data indicates better superiority and applicability in solving the expansion of horizontal big data medical system and has provided theoretical support and technical reference for other similar information systems.

NRCMS;MongoDB;big data;NoSQL

TP311

A

1673-629X(2017)10-0197-04

2016-07-25

2016-11-08 < class="emphasis_bold">網(wǎng)絡(luò)出版時(shí)間

時(shí)間：2017-07-11

教育部Google2014年產(chǎn)學(xué)合作專業(yè)綜合改革項(xiàng)目(PO640068);江蘇省高校自然科學(xué)研究面上項(xiàng)目(15KJB170006)

張國(guó)華(1981-)，男，碩士，講師，研究方向?yàn)榉植际綌?shù)據(jù)庫(kù)。

http://kns.cnki.net/kcms/detail/61.1450.TP.20170711.1454.024.html

10.3969/j.issn.1673-629X.2017.10.042