基于MapReduce家庭医生工作推送引擎设计与实现.pdfVIP

复旦大学工程开题报告

学号领域：软件工程

方向企业指导赵

题目基于MapReduce的家庭医生工作推送引擎设计

选题的意义和应用价值：

茸城区在2008年建成了区域卫生平台，了区内所有医疗机构的业务数

据，并在2013年建成家庭医生工作平台。在家庭医生工作平台使用的过程中，由于家庭医生

数量少，签约居民数量大，需要服务的签约居民得不到及时服务的问题时有发生，主要

是家庭医生无法通过系统及时获悉签约居民健康状况，无法有针对性的服务。希

望通过分析汇聚到区域卫生中的居民诊断、医嘱、检验、检查等诊疗数据，将签约

居民的疾病、住院、手术等情况及时推送给家庭医生，驱动家庭医生开展工作，由于区平台

每日需完成与医疗机构的数据交换，以及与市平台的数据交换，数据分析的时间非常有限，

基于系统目前的运算模型无法及时完成面向家庭医生工作的每日增量数据的分析工作。

MapReduce是一种面向大数据的分布式运算模型，能将复杂的运算任务，拆分成若干个

任务，由不同服务器进行协同运算，这种运算模型提高了大数据的运算效率，解决了原系统

架构处理的大数据效率问题。利用MapReduce将居民诊断、医嘱、检验、检查等诊疗数据按

业务表拆分交给不同映射函数进行预处理，通过预处理筛选数据项、标注服务类型等，通过

化简函数将运算结果按签约居民进行合并，形成居民健康信息索引，在此基础之上将索引与

家庭医生关联，最终生成家庭医生需开展哪些服务的工作列表，驱动家庭医生工作。辅以

Hbase分布式数据库对数据，将原单机Oracle数据中数据迁移到由多台服务器组成

的Hbase集群中，解决了原数据库不支持分布和分布式运算的不足。茸城区基于

MapReduce开发的家庭医生工作推送引擎，帮助家庭医生及时掌握签约居民的健康状况，并

及时开展针对性的服务，提高了家庭医生的工作绩效，也提高了签约居民的服务质量。

具体研究内容和实施方案:

本文首先讨论目前茸城区的家庭医生管理系统的现状以及其对家庭医生工作支撑

的不足，明确了基于MapReduce开发家庭医生工作推送引擎的必要性。在此基础上，讨论家庭

医生工作推送引擎的主要功能，包括签约居民全健康信息查询、家庭医生工作任务自动推送

等。分析居民诊疗数据预处理、生成家庭医生工作任务等流程。然后分析基于分布式的

系统架构，对居民诊疗数据管理子系统、工作任务提示子系统等子系统进行详细设计，其中

重点讨论将签约居民诊断、医嘱、检验、检查等诊疗数据，从oracle数据库迁移到hbase集群数据

库中，利用MapReduce将数据按业务表拆分进行分布式运算，通过映射函数对诊疗数据进行

筛选数据项、标注服务类型等预处理工作，通过化简函数对签约居民数据进行合并，形成居民健

康信息索引，在此基础上将健康信息索引与家庭医生进行关联，最终生成家庭医生需开展哪

些服务的工作列表。家庭医生根据工作列表开展工作，不仅提高了家庭医生工作绩效，而且

提高了签约居民的服务质量。然后对比当前系统与业内其他系统的各自特点。最后对系统的

技术架构先进性、安全稳定性以及投资效益等进行简要分析。

工作的具体进展计划:

1、2014年9月--10月，前期准备工作，选题；

2、2014年10月15日前，提交开题报告；

3、2014年11月—2014年2月，完成初稿

4、2015年2月21日前，提交

导师意见:

导师签字: