跳转至
For the complete DHIS2 documentation index, see llms.txt.
实施 DHIS2

DHIS2作为数据仓库

本章将讨论 DHIS2 应用程序在 系统架构上下文。它将表明 DHIS2 可以服务于 数据仓库和操作系统的目的。

数据仓库和操作系统

数据仓库*通常被理解为用于以下目的的数据库： 分析。通常数据是从各种操作/ 交易系统。在数据加载到数据仓库之前 通常会经历清理异常的各个阶段 和冗余并进行改造以符合整体结构 综合数据库。然后数据可供使用 分析，也称为*数据挖掘*和*在线等术语 分析处理。数据仓库设计针对速度进行了优化 数据检索和分析。提高数据存储性能 从数据存储在其最深处的意义上来说，通常是冗余的 颗粒形式和聚合（总结）形式。

事务系统（或来自数据仓库的*操作系统* 透视图）是一个收集、存储和修改低层的系统 数据。该系统通常用于日常数据输入 和验证。该设计针对快速插入和更新进行了优化 表现。

维护数据仓库有几个好处，其中一些 存在：

  • *一致性：*它为所有相关数据提供通用的数据模型 并充当潜在大量数据的抽象 来源和供给系统，使其更容易执行 分析。

  • *可靠性：*它与数据的来源无关 源自，因此如果数据在操作中则不受影响 系统被清除或丢失。

  • *分析性能：*它专为实现最大性能而设计 数据检索和分析与操作系统相比 通常针对数据捕获进行优化。

然而，数据仓库也面临着重大挑战 方法：

  • *高成本：*从以下位置移动数据的成本很高： 将各种来源整合到一个公共数据仓库中，尤其是当 操作系统本质上并不相似。往往是长期的 现有系统（称为遗留系统）投入大量 数据转换过程的约束。

  • 数据有效性： 将数据移入数据仓库的过程 通常很复杂，因此通常不会定期、及时地执行 间隔。这将使数据用户留下过时的和 不相关的数据不适合规划和知情决策 制作。

由于上述挑战，它最近变得越来越多 流行将数据仓库和运营的功能合并 系统，要么成为执行这两项任务的单个系统，要么与 紧密集成的系统托管在一起。通过这种方法， 系统提供数据捕获和验证以及 数据分析和管理转换低级原子的过程 将数据转化为适合分析的聚合数据。这设定了高标准 对于系统及其设计，因为它必须提供适当的性能 对于这两个功能；然而，硬件和并行技术的进步 处理越来越使这种方法变得可行。

在这方面，DHIS2 应用程序旨在作为以下工具： 数据捕获、验证、分析和数据呈现。它 为所有提到的方面提供模块，包括数据输入 功能和广泛的分析工具，例如报告， 图表、地图、数据透视表和仪表板。

此外，DHIS2 是可互操作健康套件的一部分 信息系统涵盖了广泛的需求，并且 开源软件。 DHIS2 实施数据和标准 健康领域的元数据交换称为 SDMX-HD。有许多 也实施该标准的操作系统示例 可能可以将数据输入 DHIS2：

  • iHRIS：人力资源数据管理系统。示例 与国家数据仓库相关的数据 这个系统是“医生人数”、“护士人数”和“总人数” 员工数量”。这个数据比较起来很有趣 到区绩效。

  • OpenMRS：医院使用的医疗记录系统。这个系统 可以汇总住院疾病数据并将其导出到 国家数据仓库。

  • OpenELIS：实验室企业信息系统。该系统可以 生成并导出有关实验室测试数量和结果的数据。

DHIS2中的聚合策略

DHIS2 中的分析工具从*数据集市*表中读取汇总数据。 表中读取汇总数据。数据集市是为满足最常见的用户数据分析要求而优化的数据存储。 数据集市是为满足用户最常见的数据分析要求而优化的数据存储。DHIS2 数据集市包含 在*空间维度*（组织单位层级）、*时间维度*和*数据集市*中汇总的数据。 直接从数据集市检索数据 即使在高并发环境中，直接从数据集市检索数据也能提供良好的性能。 即使在高并发环境中，直接从数据集市检索数据也能提供良好的性能，因为大多数分析请求都可以 因为大多数分析请求只需针对数据集市进行一次简单的数据库查询即可满足。DHIS2 中的 DHIS2 的聚合引擎能够处理数以百万计的底层数据，并管理大多数国家的数据。 DHIS2 中的聚合引擎能够处理数以百万计的低级数据并管理大多数国家级数据库，可以说它提供了 可以说，它提供了对汇总数据的*近乎实时*的访问。

DHIS2 允许设置计划聚合任务，这些任务通常 将刷新并使用聚合数据填充数据集市 夜晚。您可以选择汇总过去 12 个月的数据 每晚，或过去 6 个月每晚的汇总数据以及 过去 6 至 12 个月每周六。计划任务可以是 在“数据管理”模块的“调度”下配置。这是 也可以在“数据集市”下执行任意数据集市任务 “报告”模块。

数据存储方式

在数据仓库中存储数据有两种主要方法： 即*归一化*和*维度*方法。 DHIS2 有点借用 来自前者，但主要来自后者。在维度方法中， 数据分为*维度*和*事实*。一般事实 参考交易数字数据，维度为参考 为数据提供上下文和含义的数据。严格的规则 这种方法使用户很容易理解数据仓库 结构并提供良好的性能，因为必须很少的表 结合起来产生有意义的分析，而另一方面， 可能会降低系统的灵活性并且更难改变。

在 DHIS2 中，事实对应于数据中的数据值对象 模型。数据值将数据捕获为数字、是/否或文本。这 赋予事实意义的强制维度*是*数据 元素、*组织单位层次结构*和*期间*维度。这些 尺寸被称为强制性尺寸，因为必须提供它们 所有存储的数据记录。 DHIS2 还有一个自定义维度模型 使得表示任何类型的维度成为可能。这个型号 必须在数据捕获之前定义。 DHIS2 还有一个灵活的模型 组和组集，可以添加自定义 数据采集后的维度为强制维度 地方。您可以在本章中阅读有关 DHIS2 中维数的更多信息 同名。