为了解决并发性能,从基础架构的层面,我们推荐使用分布式系统,但是我们同时也发现有些应用厂商在读写的时候只支持“单流”,所以也需要应用厂商在做文件读写的时候支持并发的读写。
收起这是典型的大流量、高并发场景,类似双11洪峰,根据互联网及金融行业的应对经验,大致有以下三个解决思路:
1、技术架构层面。在数据读写方面,可以横向采取分区、分表策略,例如按照物理地点、医院类别、数据量大小等进行拆分,扩充物理节点数,增加数据库和磁盘IO。在核心节点带宽方面,可以纵向增加1-2级物理网络和系统节点,分散网络流量。此方法对系统架构改动量较大,实施风险较高,优化周期中等。
2、技术产品层面。倚靠提升网络设备、磁盘读写、服务器性能等物理方式,以及使用分布式数据库、存储等新产品来解决当前性能瓶颈。此方案投资成本较高、实施风险较高,优化周期较长。
3、管理措施层面。通过分时段、分片区等管理方式,降低数据传输及读写并发洪峰。此方案无投资成本和实施技术风险、但存在舆论风险并未从根本解决系统瓶颈。
建议以上方法可以多措并举,优先从管理措施层面有效引导前端数据分时分段传输,消解当前燃眉之急。同时研究方案1,2的可行性并抓紧优化。
收起需要从两个方面解决这种大并发的问题
1.PACS 应用做优化,最好实现读写分离和集群化,这样当并发量突然激增时,前端应用不会成为瓶颈,且能够弹性扩展满足高并发性能需求;
这个是如何解决高并发,提高带宽的问题,特别是在院内图像信息的传输往往对带宽要求很高,这就要求在医院内部网络架构的设计中考虑数据吞吐量的问题,例如,在交换机层面楼层汇聚交换机采用万兆光交,园内所有链路统一光纤,诊室终端接入以及影像部门接入至少稳定在千兆传输速率,特别传输集中的部门,影像部门需要特殊照顾,采取扩大带宽的设备和链路。
收起网络带宽,只能解决数据通讯问题,没有从生产环境上解决问题,我在某医院设计时,采取了策略
数据分层存储,近期的数据可以存储在速率较高的SAS 磁盘上,超过3 个月的数据存储在NLSAS 磁
盘上,以提升整体数据存取效率。