深信服EDS存储全新“黑科技”，让PACS阅片“预判

近日，由国家卫生健康委医院管理研究所主办、《中国数字医学》杂志社承办的2021中华医院信息网络大会（2021CHINC）在杭州召开，来自全国各地的医疗信息化管理者、专家学者齐聚一堂，深信服应邀出席，带来了涵盖安全、云计算、IT基础设施建设等多方面的医疗信息化解决方案，其中深信服EDS分布式存储对医疗PACS系统呈现的性能优势引发关注。

随着医疗行业信息化建设程度的加深，以医疗影像文件为代表的非结构化数据量逐年攀升，这对医院PACS系统的数据容量以及性能提出了极大挑战，底层的数据存储愈发受到业内关注，PACS需要过硬的存储能力为其提供支持。

数据重压之下PACS性能问题凸显

PACS影像文件的读取速度直接影响医生的阅片效率，首要影响因素便是庞大的数据量。以单个500KB的影像文件大小来计算，50TB便已经超过了一个亿的文件量，在没有算法优化的情况下，动辄上亿级别文件量会直接造成文件读取延迟。

病人一次检查会产生多张影像，放射科医生阅片时，阅片终端需要加载这些影像，医生播放或拉拽病人影像进行阅览时，阅片终端会按照拍摄顺序一张一张地依次读取影像。如果从存储读取某张影像时延过高，医生会有卡顿的感觉，会影响阅片体验，严重时会极度影响工作效率。患者的等待时间变长，而在业务高峰期，上百位门诊医生、临床医生同时阅片时，性能问题会更加严重。

智能缓存预取功能帮助PACS“预判读取走位”

PACS影像数据的特点是图片数量多，文件小、写入带宽要求高、数据冷却快，为了满足这些特性下性能需求，深信服分布式存储EDS提供了PhxKV元数据极速引擎、小文件合并、NVMe SSD优化、RDMA低时延网络、数据生命周期管理等一系列的软硬协同优化技术，为PACS系统性能提供保障。

在数据访问速度方面，数据预取也是一种有效的提速方式。所谓的数据预取技术，就是系统根据用户具有历史性和相对集中性的访问规律，对未来将要访问的资源做出预测。在PACS影像系统中，医生在某段时间只访问某个病人的影像，同一批影像往往存放在同一个目录下，创建时间又比较接近。基于对这一特性的洞察，深信服EDS推出全新的智能缓存预取技术，内置一个预测模块，预测模块监控目录，根据客户端在目录上产生的读取文件操作来生成预读序列，预读线程根据预读序列将影像文件读取加载到内存。

为了实现更精准的预读，EDS还针对不同场景推出基于目录和时间两种不同的预读机制。

基于目录预加载：大部分场景下，一个目录仅存放一个病人的某次检测结果，若单次检测产生的文件数量不多，则将整个目录的文件都加载到内存。不过在某些场景下，由于PACS应用设计不合理，一个目录存放了多个病人的检测结果，文件数量可能达到几十万个，无法采用基于目录的预加载机制，就需要基于时间预加载。

基于时间预加载：某个病人的检测结果，其影像创建时间是比较临近，通过创建时间将目录内的文件进行分组（比如以5秒为间隔，按照创建时间为文件分组），当某个组中的文件在短时间内被读取超过3个，则将整个组中的文件加载到内存。通过这两种不同的预读机制打造更为顺畅的阅片体验。

如今，医疗影像数据量愈发庞大，影像科室和临床科室的调阅影像、影像处理、三维重建等应用对数据相应的速度要求进一步提高，PACS医学影像系统的性能问题也会凸显，深信服EDS存储将基于性能进一步研发探索，为PACS提供更为强大的数据存储支持。