Widok warstwy
Zadbaj o dobrą organizację dzięki kolekcji
Zapisuj i kategoryzuj treści zgodnie ze swoimi preferencjami.
Ze względu na to, że zasoby FHIR są silnie zagnieżdżone, a schemat Parque-on-FHIR wymaga złożonych zapytań SQL, mogą one być trudne do wykorzystania w przypadku zastosowań analitycznych.
Typowym sposobem na rozwiązanie tego problemu jest spłaszczanie danych w zbiorze widoków (wirtualnych lub zmaterializowanych), które można następnie przeszukiwać za pomocą prostszych instrukcji SQL.
Korzystając z kanałów danych FHIR, możesz stosować różne metody generowania płaskich widoków tablicowych na potrzeby aplikacji analitycznych, aby dostosować je do wymagań wdrożenia:
zapytania SQL służące do generowania widoków wirtualnych (poza potokiem);
zasoby FHIR ViewDefinition do generowania widoków zmaterializowanych (w ramach potoku), które mogą być wyświetlane w dowolnym formacie tabelarycznym (obecnie obsługiwane są formaty Parquet i DB).
W przypadku obu tych podejść udostępniono zestaw „wstępnie zdefiniowanych widoków” dla typowych zasobów FHIR. Można je modyfikować i rozszerzać.
Otwórz dokumentację dla deweloperów
O ile nie stwierdzono inaczej, treść tej strony jest objęta licencją Creative Commons – uznanie autorstwa 4.0, a fragmenty kodu są dostępne na licencji Apache 2.0. Szczegółowe informacje na ten temat zawierają zasady dotyczące witryny Google Developers. Java jest zastrzeżonym znakiem towarowym firmy Oracle i jej podmiotów stowarzyszonych.
Ostatnia aktualizacja: 2025-07-25 UTC.
[null,null,["Ostatnia aktualizacja: 2025-07-25 UTC."],[[["\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/)"]]
