مشاهده لایه
با مجموعه‌ها، منظم بمانید
ذخیره و طبقه‌بندی محتوا براساس اولویت‌های شما.
ماهیت شدید تو در تو منابع FHIR و طرح واره Parque-on-FHIR به پرس و جوهای پیچیده SQL نیاز دارد که می تواند کار با آنها را برای موارد استفاده تحلیلی دشوار کند.
یک رویکرد رایج برای پرداختن به این موضوع، مسطح کردن داده‌ها به مجموعه‌ای از نماها (مجازی یا تحقق‌یافته) است که سپس می‌توان با استفاده از دستورات SQL ساده‌تر پرس و جو کرد.
با استفاده از لوله‌های داده FHIR، چندین رویکرد برای ایجاد نمای‌های جدولی مسطح برای استفاده در برنامه‌های تحلیلی برای مطابقت با الزامات استقرار وجود دارد:
پرس و جوهای SQL برای تولید نماهای مجازی (خارج از خط لوله)
منابع FHIR ViewDefinition برای تولید نماهای تحقق یافته (داخل خط لوله) که می توانند در هر قالب جدولی (با پشتیبانی فعلی برای جداول پارکت و DB) خروجی شوند.
برای هر دوی این رویکردها، مجموعه ای از "نماهای از پیش تعریف شده" برای منابع مشترک FHIR ارائه شده است. اینها را می توان اصلاح یا گسترش داد.
به مستندات توسعه دهنده بروید
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشیهای سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبتشده Oracle و/یا شرکتهای وابسته به آن است.
تاریخ آخرین بهروزرسانی 2025-07-25 بهوقت ساعت هماهنگ جهانی.
[null,null,["تاریخ آخرین بهروزرسانی 2025-07-25 بهوقت ساعت هماهنگ جهانی."],[[["\u003cp\u003eFHIR data's nested structure necessitates complex SQL queries, making analytics challenging.\u003c/p\u003e\n"],["\u003cp\u003eFlattening FHIR data into views simplifies querying for analytics.\u003c/p\u003e\n"],["\u003cp\u003eFHIR Data Pipes offers two approaches for generating flat tabular views: SQL queries for virtual views and FHIR ViewDefinition resources for materialized views.\u003c/p\u003e\n"],["\u003cp\u003ePredefined views for common FHIR resources are available and customizable.\u003c/p\u003e\n"],["\u003cp\u003eExplore detailed information and implementation guidance in the developer documentation.\u003c/p\u003e\n"]]],["FHIR data's complexity necessitates flattening for analytics. This is achieved by creating tabular views, either virtual or materialized. Virtual views are created using SQL queries, while materialized views are generated via FHIR ViewDefinition resources, outputting in formats like Parquet or DB tables. FHIR Data Pipes supports both methods, providing predefined views for common FHIR resources that can be customized, to facilitate analytics applications. Further details are available in the developer documentation.\n"],null,["# View Layer\n\nThe heavily nested nature of FHIR resources and the Parque-on-FHIR schema\nrequires complex SQL queries that can make them difficult to work with for\nanalytics use cases.\n\nA common approach to address this is to flatten the data into a set of views\n(virtual or materialized) which can then be queried using simpler SQL\nstatements.\n\nUsing FHIR Data Pipes, there are multiple approaches for generating flat tabular\nviews for use in analytics applications to match the deployment requirements:\n\n1. SQL queries to generate virtual views (outside the pipeline)\n\n2. [FHIR ViewDefinition](https://build.fhir.org/ig/FHIR/sql-on-fhir-v2/StructureDefinition-ViewDefinition.html) resources to generate materialized views (within the pipeline)\n which can be outputted in any tabular format (with current support for Parquet\n and DB tables)\n\nFor both of these approaches, a set of \"predefined views\" for common FHIR\nresources are provided. These can be modified or extended.\n\nGo to [developer documentation](https://google.github.io/fhir-data-pipes/)"]]
