由于醫療數據的一些特有的性質，給健康云上的大數據分析帶來了特殊的挑戰。

1、 醫療數據是持續、大量增長的大數據。根據估算，中國一個中等城市（一千萬人口）50年所積累的醫療數據量就會達到10PB級。并且，隨著時間的推移和業務系統的不斷升級換代，醫療數據模式的一致性也無法保證。因此，每天都會有大量的數據持續不斷的導入區域醫療數據中心，并且每當有數據模式的更改，相關的歷史數據也需要做相應的調整。所以，區域醫療數據中心并不是簡單的傳統數據倉庫概念。相比之下，它的模式更靈活、寫入和更新的操作更多，而對數據存儲的水平可擴展性的要求也更高。

2、 醫療數據是關系復雜的多維數據。由于醫療數據是多種數據源數據的匯總，數據之間的關系非常復雜。比如：一個簡單的實驗室檢驗檢測值，必須同時記錄這個值對應的編碼系統和編碼、單位、檢測時間、檢驗項目、標本編碼，以及相關聯的患者主索引號、就診機構、申請科室、申請醫師標識號、報告醫師標識號、審核醫師標識號、正常值參考等等。一條檢測記錄就可以把患者、醫生、醫療機構多個實體在不同層次上關聯起來。而不同的醫療信息服務更需要從不同的視角來觀察這些數據，如下圖所示。比如：以患者為中心的服務需要把一個患者的全周期數據按照時間軸排列，并分析診斷、用藥和患者生命體征、檢驗檢測值之間的關聯；以醫生為中心的服務又需要把與一個醫生相關的患者數據挑揀出來，并進行分類；以科室為中心的服務可能需要即從科室所屬醫生的角度，又要從在該科室就診患者的角度進行分析；針對社區的服務可能需要統計整個社區居民某項指標（比如血壓、血糖）的達標率。總之，醫療數據的多維度多粒度為各種信息服務的多角度多層次分析提供了可能，但同時也為大數據分析帶來了挑戰。因為我們不可能為每一種信息服務存儲一份特定的優化模式的數據，況且我們也無法枚舉出所有可能的信息服務需求。這就需要醫療數據的存儲模型能夠適應靈活多變的多維統計分析需求。

3、 醫療數據是具有語義的數據。大家可能聽說過語義網（Semantic Web），它是為讓數據能跨應用進行共享和重用所設計的框架體系。我們可以把語義網簡單地理解為：一個讓機器（machines）讀懂的維基百科（Wikipedia），主要包括了各種條目的定義以及各個條目之間的關系。如果數據也采用這些條目和關系組織內容，那么機器就可以自動理解數據的語義，并推理出各種知識。所以建立語義網的關鍵就是如何制作一本百科全書（有個專有名詞叫Ontology）。由于醫學是一門非常嚴謹的科學，其在全球的標準化水平很高，對疾病名稱、藥物成分、臨床特征、儀器設備等都有嚴格的定義以及關聯描述。所以，語義網在醫學領域得到了廣泛應用。進而，醫療數據也越來越多的采用基于語義網的臨床文檔框架（CDA）格式的XML文檔來保存。這些XML文檔通過Ontology的解釋，就變成了一個無比巨大的概念+事實+關系的網絡。雖然機器能夠讀懂這個網絡，并能夠在上面進行邏輯推理，從而發現知識，但是其計算代價也是相當高的。當前的醫療系統通常會把復雜的臨床文檔解析成簡單的屬性值，并存入自定義的關系表中。這樣做雖然會有大量的語義及關系的丟失，但卻能夠滿足日常業務系統對數據處理性能的要求。但是對于未來的區域醫療信息系統來說，為了能夠提供豐富全面的信息服務，我們必須盡可能的保留臨床文檔中的語義信息。這樣，醫療數據分析的過程中就不可避免的需要對大量XML文檔進行解析、對各種關系進行推理。這樣的數據分析處理過程比我們之前提到的互聯網數據處理要復雜得多。

通過上述的分析可見，簡單地將現有的大數據分析技術套用在健康云服務上是行不通的。我們需要充分考慮健康云服務的特點和充分利用現有技術框架的靈活性，已達到最好的大數據分析性能。初步解決方案：

1. 基于Hadoop生態系統構建健康云數據中心，用以解決數據存儲水平擴展的挑戰。利用MapReduce并行處理批量事務的能力，從多個數據源（主要是醫療機構的各個業務系統）抽取數據、轉換格式、并導入基于HBase的數據存儲模型。

2. 在數據存儲模型的設計上，借鑒已有的數據倉庫中多維數據模型的設計思想，比如：星型模式和數據立方體的概念。在考慮應用需求的基礎上，利用HBase中行鍵、列鍵、列族設計的靈活性，將多維醫療數據有效地組織在一起。而在索引技術上，結合RDBMS領域的成熟技術，用以進一步提高HBase的查詢性能。對于數據模式的更新，HBase特有的多版本共存的特性正好成了解決問題的關鍵。

3. 為了保留醫療數據中大量的語義關系，采用結構化數據+XML文檔混合存儲的方式。在數據導入的同時，提取XML文檔中特定的元數據，（比如：患者主索引、就診科室、主治醫師等），并將XML文檔根據不同粒度打散成大小不一的子文檔。根據不同粒度的查詢條件，系統將自動選擇相應的子文檔進行進一步信息的解析，從而避免為提取少量信息而不得不解析大量XML文檔的問題。

4. 數據模型的接口將采用Hive提供的類SQL查詢的方式。這樣更有利于數據分析人員設計分析算法。同時，系統中將嵌入多種數據挖掘算法供數據分析師使用。

綜上所述，為解決健康云上的大數據分析問題，必須同時利用RDBMS和NoSQL的優勢，并且采用結構化和非結構化數據混合存儲的形式，相互彌補缺陷，已達到最靈活和最高效的設計。而這套基于健康云的大數據分析平臺，也將有希望擴展到其他類似行業，比如：電信、能源、物聯網和公共事業等。