數(shù)據類型多樣、數(shù)據量大、異構是中醫(yī)藥數(shù)據的典型特征。目前，對中醫(yī)藥數(shù)據信息的存儲和管理，主要依賴于關系數(shù)據庫（RDBMS）。然而，面對海量異構的中醫(yī)藥數(shù)據如何實現(xiàn)高并發(fā)讀寫、高可擴展性以及異源數(shù)據間的互操作等一系列問題，RDBMS由于其自身的局限遇到了困境，難以滿足中醫(yī)藥大數(shù)據高效存儲和訪問的迫切需求。因此，亟需研究新的數(shù)據管理模型來解決中醫(yī)藥數(shù)據的管理問題，而非關系型數(shù)據庫(NoSQL)的出現(xiàn)有效地彌補了RDBMS的不足。

　　不同于RDBMS，NoSQL是一種分布式、非關系型數(shù)據庫系統(tǒng)，不僅能夠實現(xiàn)各類型數(shù)據的高并發(fā)讀寫，而且支持鍵值(Key-Value)、圖、列族、文檔等常見數(shù)據類型。NoSQL可以高效管理海量數(shù)據，并且具有較好的可擴展性和靈活性。MongoDB屬于NoSQL的范疇，在NoSQL領域占有舉足輕重的地位。本文以MongoDB為代表，研究基于NoSQL的中醫(yī)藥大數(shù)據存儲方法。采用全國各省中醫(yī)院在線公開的大量藥方數(shù)據庫資源，通過研究存儲系統(tǒng)的體系結構和關鍵技術，與傳統(tǒng)關系型數(shù)據庫在相同的大數(shù)據條件下進行實驗對比，驗證了本文提出的方法在存儲和訪問海量中醫(yī)藥數(shù)據時具有更高的性能。

　　MongoDB介紹

　　MongoDB是一個模式靈活、開源、高性能、可擴展的文檔型數(shù)據庫。主要特性包括：存儲模式自由,面向集合存儲；支持動態(tài)查詢和完全索引，查詢表達式豐富；自動分片機制，支持動態(tài)添加機器；支持數(shù)據復制和自動故障恢復。MongoDB的以上特性為海量、異構、多元的中醫(yī)藥大數(shù)據的存儲和訪問提供了支持。

　　中醫(yī)藥數(shù)據管理系統(tǒng)設計

　　中醫(yī)藥數(shù)據管理系統(tǒng)的設計需考慮以下因素：負載均衡性、數(shù)據冗余性和水平擴展性。因此，主要進行以下三方面設計。

　　2.1MongoDB分布式集群設計由于單機節(jié)點無法滿足大數(shù)據高效存儲和訪問的要求，因此需要建立分布式集群環(huán)境來解決。一個MongoDB集群通常由三個部分組成。

　　2.1.1分片節(jié)點(Shard)分片節(jié)點用于存儲實際的數(shù)據塊，一個分片節(jié)點可以由多個服務器組成副本集合，每個服務器存儲的數(shù)據相同，實現(xiàn)數(shù)據冗余和系統(tǒng)擴展。

　　2.1.2路由服務(RouteServer)主要功能是處理終端請求和返回執(zhí)行結果，即MongoDB把不同的請求分發(fā)給不同的Shard，最后把所有相關分片結果整合后返回。

　　2.1.3配置服務器(ConfigServer)主要負責存儲集群上元數(shù)據信息。

　　本文設計的MongoDB分布式集群架構如圖1所示。

　　其中，圖1中的Mongos屬于控制服務器，提供路由服務。其根據ConfigServers存儲的每個塊數(shù)據記錄確定Client的不同請求要路由到哪個分片服務器，把結果融合后返回給Client終端。對于分片節(jié)點Shard來講，兩臺以上的mongod服務器為一組，即一個分片，一組里mongod數(shù)據相同，每個分片上存放的是一定范圍的數(shù)據，當一個分片的數(shù)據量過多時，為保持負載平衡，會遷移到另外的分片，這樣的分片機制提高了系統(tǒng)的訪問能力和擴展能力。

　　2.2分片設計所謂數(shù)據分片是指把數(shù)據分散地存儲于多個分片服務器上，減小單個服務器的負擔，進而使系統(tǒng)性能得到提高。本文設計的存儲系統(tǒng)選擇基于ID特征的分片策略。比如對記錄ID進行取模運算，結果為n，則該記錄被分配到編號為n的分片服務器（數(shù)據分區(qū)）上。數(shù)據分片流程如圖2所示。

　　根據圖2流程，以數(shù)據文件作為分片對象，基本分片原理是把整個數(shù)據文件根據所獲取的分片大小進行分片計算。因此，分片流程的第一步就是獲取需要分片的數(shù)據源文件，并計算數(shù)據源文件的總大小?；赾hunksize的值，如果當前數(shù)據源文件總大小大于chunksize，則重復執(zhí)行與chunksize取模的運算，得到相應的分片號。分片的大小等于分片的長度，一直到當前總大小減去chunksize大小小于chunksize時，把最后剩余的未分片部分分配給下一個分片服務器。

　　每個已分片的數(shù)據用來作為一個記錄的值和關鍵字，并且在每個記錄里面添加分片號、數(shù)據文件名、數(shù)據文件大小、分片大小等鍵值對。

　　2.3負載均衡和冗余設計本文設計的存儲系統(tǒng)采用副本集的方式來實現(xiàn)數(shù)據冗余。即在一個分片節(jié)點中包含兩個以上存儲相同數(shù)據的mongod服務器，在寫數(shù)據文件時，把該數(shù)據分片寫入到多個mongod上，保持備份mongod之間的更新。那么即使其中某一臺mongod服務器出現(xiàn)故障，也可以立即啟用分片中的其他副本提供數(shù)據，避免數(shù)據丟失，保障存儲系統(tǒng)的正常工作，增強系統(tǒng)的安全性、可靠性、穩(wěn)定性。

　　3實驗結果與分析

　　3.1實驗環(huán)境搭建由于基于NoSQL的中醫(yī)藥大數(shù)據存儲系統(tǒng)依賴于一定的大數(shù)據平臺。選擇1臺計算機做為主機，另外8臺計算機作為從機，搭建實際的集群節(jié)點。逐步配置大數(shù)據平臺，具體步驟在此不做贅述。

　　3.2數(shù)據來源采用數(shù)據源來自全國各省中醫(yī)院在線公開的大量藥方數(shù)據庫資源，數(shù)據總大小達280GB。該數(shù)據源記錄了自2006年起至今的多所中醫(yī)院公開的藥方數(shù)據。例如：復方藿香洗劑治療手足癬(克白醋500克，黃精、明礬各10克，生大黃2克，藿香25)，熏洗法治足癬感染(黃柏、黃芩、白鮮皮、百部、防風各15克，萆薢20克，枯礬12克，廣丹3克)等。

　　采用的藥方對象具有數(shù)據量大、關系復雜、數(shù)據異構等特點，RDBMS針對這類數(shù)據通常很難達到預期效果。因此通過基于NoSQL的大數(shù)據存儲技術進行管理，對大量公開的藥方進行收集、整理，探究其內在規(guī)律，以期把實驗結果提供給臨床進行檢驗。

　　3.3MongoDB數(shù)據存儲系統(tǒng)與傳統(tǒng)RDBMS性能對比

　　3.3.1存儲性能對比分別對基于MongoDB數(shù)據存儲系統(tǒng)與RDBMS各進行1，20，100，500，1000次文件存儲，其中每個文件所占空間大小為40KB。MongoDB與RDBMS在數(shù)據存儲性能方面的比較如圖3所示。

　　由圖3可以看出，處理的文件數(shù)量越多，兩種方式所需的處理時間越長，另一方面，數(shù)據量超過某一“閾值”時，RDBMS所需時間急劇增加，而MongoDB的時間增長率一直比較平穩(wěn)，甚至趨近于線性增加。由此可以看出，數(shù)據量越大MongoDB數(shù)據存儲系統(tǒng)的性能優(yōu)勢越明顯，更適用于大數(shù)據的存儲。

　　3.3.2查詢性能對比分別對基于MongoDB數(shù)據存儲系統(tǒng)和RDBMS各進行數(shù)據量為500，1000，3000，6000，10000查詢操作，MongoDB與RDBMS數(shù)據查詢性能的對比如圖4所示。

　　由圖4不難看出，基于MongoDB數(shù)據存儲系統(tǒng)的查詢過程耗時非常少，幾乎可以忽略不計，在數(shù)據量大幅增多的情況下，其耗時增幅沒有明顯變化。而RDBMS查詢耗時較大，隨著數(shù)據量的增加，其耗時增幅會有明顯增加。

　　因此，與RDBMS相比，基于NoSQL的數(shù)據存儲系統(tǒng)具有更好的數(shù)據讀寫性能、擴展性和靈活性。

　　4結論

　　本文首先研究了MongoDB的特性和關鍵技術，設計了基于MongoDB的中醫(yī)藥大數(shù)據存儲系統(tǒng)架構，包括集群設計、數(shù)據分片設計、負載均衡和冗余設計等關鍵方面，具有較強的可擴展性、負載均衡性和可靠性。實驗結果表明，基于NoSQL的中醫(yī)藥大數(shù)據存儲方法從系統(tǒng)架構層面進行的設計與改進，使得對海量非結構化、半結構化中醫(yī)藥數(shù)據的讀寫效率大幅提高。

　　不斷擴大中醫(yī)藥數(shù)據量和集群規(guī)模，從更廣的層面檢驗系統(tǒng)性能并完善系統(tǒng)，以加強數(shù)據檢索能力，進一步提高中醫(yī)藥數(shù)據存儲和訪問性能是下一步的研究方向。