跳到主要内容
极客日志极客日志面向AI+效率的开发者社区
首页博客我的书AI学习GitHub 精选镜像AI 生图工具UI配色美学关于
搜索内容 / 工具 / 仓库 / 镜像...⌘K搜索
注册
博客列表
SQLSaaS

浙人医基于 KingbaseES 实现多院区异构多活容灾架构

浙江省人民医院利用金仓数据库完成 LIS 系统国产化改造,构建异构多院区多活数据底座。通过异构组网、多活容灾等技术,实现 RTO≤10min、RPO=0 标准,业务连续性达 99.99%。富阳院区实现全栈信创与云化部署,为医疗行业提供可复制样本。文章同时包含 KingbaseES 基础 SQL 操作详解。

岁月神偷发布于 2026/3/30更新于 2026/9/968 浏览
浙人医基于 KingbaseES 实现多院区异构多活容灾架构

KingbaseES 数据库:首个多院区异构多活容灾架构,浙人医创新实践

2024 年 10 月消息,浙江省人民医院(浙人医)作为省内卫健系统信创试点,依托金仓数据库搭建异构多院区多活数据底座,成为国内首个 LIS 国产化异构数据多院区多活改造案例。浙人医拥有多院区及托管分院,此前面临核心系统依赖国外数据库、多院区数据互通难等问题,遂选择 LIS 系统为信创突破口,联合电科金仓实现四大技术创新,达成 RTO≤10min、RPO=0 的 6 级灾容标准,业务连续性达 99.99%。目前 4 大院区数据双向同步,数据调用效率提升 60%,富阳院区还实现全栈信创与业务系统云化部署,为医疗信创提供可复制样本。

作为浙江省卫健系统信创'领头雁',浙江省人民医院从 LIS 系统切入,实现从单系统突破到全栈国产化的跨越式发展。依托金仓数据库搭建的异构多院区多活数据底座,该院实现 4 大院区数据互相双向同步,灾容恢复能力达到 6 级标准,业务连续性达到 99.99%,数据调用效率提升 60%。浙人医的实践不仅为浙江省卫健行业信创规划提供了可复制的实践样本,更为多院区集团化医院信创建设探索出了一条以点带面、循序渐进的道路。

架构图

一、破局起步:集团化医院的信创突破口选择

浙人医是浙江省规模最大、实力最强的综合性三甲医院,拥有朝晖、望江山、越城、富阳四大已运行院区,滨江、萧山两个在建院区及全面托管的八家分院,横跨杭州绍兴两地。庞大的体量与业务规模,使其成为省内卫健系统信创试点的核心选择。

医院的核心信息系统若长期依赖国外数据库与硬件设备,不仅面临'卡脖子'风险,更难以满足医疗数据隐私保护、业务连续运行的高要求。在政策要求和业务需求的双重推动下,浙人医信息化团队借助越城院区建设启动信创。

相较于单一院区医院的信创改造,浙人医作为多院区集团化医院,其信创建设面临着更为复杂的挑战:

  • 各院区、业务系统之间数据兼容互通难度高;
  • 信创改造期间各院区需要保持互联互通能力,业务连续性要求高;
  • 考虑到跨院区跨城市之间的异地协同需求,数据库还需支持异构同步双写并行、多院区互为灾备、多院区负载均衡等容灾能力。

在反复论证与风险评估后,浙人医最终选择 LIS 系统作为信创建设的首个攻坚目标,背后有三层考量:

  1. 业务重要性突出:LIS 是医疗核心系统之一,是连接检验科室与临床科室的数据桥梁,其效率高下患者体感明显;
  2. 数据规模适中可控:LIS 系统支撑全院日均 2 万余个标本的处理需求,业务体量适中,应用场景集中,影响范围可控;
  3. 可复制性强:LIS 业务覆盖面广,与院内其他业务系统和仪器设备均有对接,迁移经验可形成先易后难、逐步推广的良性循环。

二、金仓赋能:异构多活构建极致容灾

浙人医信息化与人工智能部副主任介绍,医院将产品成熟度、与原有 Oracle 数据库的兼容性、易上手、易运维等作为数据库选型重点,最终选定金仓数据库。

医疗行业业务逻辑异常复杂,厂商对于业务场景的理解深度尤为关键。金仓数据库在医疗场景适配经验丰富,已经服务 301 医院云 HIS 系统、陕西西京医院 PACS 系统、常德二院全栈国产化信创等项目,在医疗行业蝉联国产数据库销量榜首。此外金仓数据库作为一款多模、多场景数据库,同时满足多种数据库改造需求,可实现技术栈收敛。依托多语法原生兼容和 SQL、PLSQL 反向兼容服务,无需大量修改代码。凭借出色的产品力和本地化团队带来的优质服务,浙人医和电科金仓达成合作,开启了浙人医 LIS 系统信创攻坚。

多院区集团化医院信创改造过程在面临传统医疗机构固有难题的同时,还需满足不同院区之间的数据同步和协同,对于双向双写和灾备能力提出极高的要求。医院信息系统灾难恢复能力 6 级标准要求医疗机构做到数据零错误丢失(RPO=0),从故障发生到系统完全恢复时间(RTO)小于 10 分钟,传统的灾备架构很难实现这样的需求。

浙人医在开启 LIS 系统信创时拥有越城、朝晖、望江山三个院区,此前 LIS 系统业务均由越城院区主系统承载,系统压力大,院区间如遇网络中断需要手动拉起灾备系统,RTO 不可控。在 LIS 系统的国产数据库迁移过程中,浙人医联合合作伙伴制定技术方案,实现了如下四大技术创新:

  1. 异构组网:信创完成后,金仓数据库成为新的业务承载主力,原非信创数据库依旧保持活跃,双轨同步运行;
  2. 多活容灾:引入多活容灾架构,多院区互为灾备,支持多院区间的负载均衡和多活容灾,横向拆分多院区压力,故障发生时无需手动拉起灾备系统,帮助医院实现 RTO≤10min、RPO=0 的容灾目标;
  3. 多写同步:基于业务存量数据校验技术和增量数据校验技术,各数据中心通过 KFS 工具实现环状数据同步,进一步提升容灾能力; (注:院区布局参考:望江山院区(待建卫星站)、滨江/萧山院区(待建卫星站)、朝晖院区(中心站,机房 Oracle)、越城院区(中心站,机房 KES)、富阳院区(中心站,机房 KES),院区间通过 KFS 实现数据同步)
  • 卫星方案:小型院区重要工作位置布置轻量化卫星站,通过小型化节点保留核心功能,减少网络依赖,提升应急能力。
  • 架构图

    在数据迁移阶段,浙人医采用了电科金仓双轨并行、分阶段推进方案保障平滑切换:迁移至金仓数据库之后,原有非信创系统作为备用数据库保持活跃,遇有突发情况可随时切换回原系统。系统上线前浙人医还围绕故障应急进行了多轮演练,模拟 Oracle 主库故障切换到国产库、国产数据库集群故障自动转移、国产数据库单边故障、Oracle 单边故障、院区网络中断国产数据库与 Oracle 各自独立运行、关闭部分服务器模拟硬件故障等多种场景,确保系统切换万无一失。

    在电科金仓的支持下,2023 年 10 月,浙人医完成 LIS 系统国产化适配;2024 年 4 月同步完成双活 + 应急方案系统改造并完成程序更新,在越城院区国产数据库实际环境测试应用,5 月正式在越城院区上线。目前浙人医 LIS 系统已经在越城、朝晖、望江山、富阳院区实现互相双向同步,成为国内首个 LIS 国产化异构数据多院区多活改造案例。

    三、以点带面:全栈信创的浙江样本

    LIS 系统在多院区的成功落地,为浙人医信创建设的全面推进奠定了基础,其信创版图持续扩张。走进今年新启用的浙人医富阳院区,这个全省首个医疗全栈信创样板间集中展现国产生态的成熟度:

    • 服务器操作系统涵盖麒麟、统信、龙蜥、欧拉等;
    • 桌面操作系统以中科方德、统信为主;
    • 金仓数据库作为国产生态的重要一环,为富阳院区核心业务系统提供数据底座支撑。

    浙人医的信创实践并非单点作战,而是深度契合浙江省健康云建设规划。在富阳院区的建设中,浙人医和浙江省健康云有限公司达成深度合作,富阳院区信息机房在本地建设,作为健康云的计算节点和容灾中心之一;医院按需从健康云购买服务。依托富阳院区的原生云生态,院区 HIS、EMR、LIS、PACS 等业务系统均已实现云化部署。

    富阳院区试运行以来,系统每小时访问量达 40 多万次,数据库 IOPS(每秒读写操作数)达到 1 万以上。与原系统相比,数据调用时间平均缩短了 0.8 秒,效率提升了 60%。业务高峰时,系统响应延迟时间≤0.3 秒,为患者和医护人员提供了更高效、更快速的服务体验。

    四、KingbaseES 数据库增删改查操作详解

    1. 新增数据(INSERT)

    KingbaseES 中使用 INSERT 语句向表中添加新数据,基本语法为:

    INSERT INTO 表名 (字段 1, 字段 2,...) VALUES(值 1, 值 2,...);
    

    示例:向用户表(user_info)插入一条新记录

    INSERT INTO user_info(id, username, age) VALUES(1,'张三',25);
    

    可同时插入多条记录,只需在 VALUES 后添加多组值,用逗号分隔。

    2. 查询数据(SELECT)

    SELECT 语句用于从表中查询数据,基本语法为:

    SELECT 字段 1, 字段 2,... FROM 表名 WHERE 条件;
    

    示例 1:查询用户表中所有记录

    SELECT * FROM user_info;
    

    示例 2:查询年龄大于 20 的用户姓名

    SELECT username FROM user_info WHERE age > 20;
    

    可通过 ORDER BY 进行排序,使用 LIMIT 限制返回条数。

    3. 更新数据(UPDATE)

    UPDATE 语句用于修改表中已有数据,基本语法为:

    UPDATE 表名 SET 字段 1=新值 1, 字段 2=新值 2 WHERE 条件;
    

    示例:将 id 为 1 的用户年龄更新为 26

    UPDATE user_info SET age=26 WHERE id=1;
    

    注意必须添加 WHERE 条件,否则会更新表中所有记录。

    4. 删除数据(DELETE)

    DELETE 语句用于删除表中的记录,基本语法为:

    DELETE FROM 表名 WHERE 条件;
    

    示例:删除 id 为 1 的用户记录

    DELETE FROM user_info WHERE id=1;
    

    同样需要注意 WHERE 条件,若省略将删除表中所有数据。

    以上四个操作构成了 KingbaseES 数据库的基本数据操作,通过合理组合使用这些语句,可以实现对数据库的完整管理。在实际应用中,需注意 SQL 语句的规范性和安全性,尤其是涉及删除和更新操作时要谨慎处理条件判断。

    目录

    1. KingbaseES 数据库:首个多院区异构多活容灾架构,浙人医创新实践
    2. 一、破局起步:集团化医院的信创突破口选择
    3. 二、金仓赋能:异构多活构建极致容灾
    4. 三、以点带面:全栈信创的浙江样本
    5. 四、KingbaseES 数据库增删改查操作详解
    6. 1. 新增数据(INSERT)
    7. 2. 查询数据(SELECT)
    8. 3. 更新数据(UPDATE)
    9. 4. 删除数据(DELETE)

    更多推荐文章

    查看全部
    • 使用阿里开源 CoPaw 在魔搭创空间部署个人 AI 助理
    • 灵感画廊 AI 绘画工具安装与使用指南
    • PyGoogleNews 指南:使用 Python 获取 Google 新闻数据
    • 前端核心面试题详解:闭包、事件循环、Vue 原理等
    • Android 开发向纯血鸿蒙应用开发的迁移与准备指南
    • 一天一个开源项目(第43篇):Star-Office-UI - 像素风格的 AI 办公室看板,让 AI 助手的工作状态可视化
    • 金仓数据库 KingbaseES 多模融合架构与全替代实践
    • AI 视频生成技术迈入实用阶段:解析央视短片背后的技术路径
    • A2UI 技术原理:AI Agent 如何安全生成富交互 UI
    • 医疗 AI 败血症预测算法全流程实现与代码解析
    • Java RESTful 接口开发:Spring Boot 实战指南
    • Ubuntu 部署 OpenClaw 完整教程
    • Spring Boot 消息队列集成与异步通信实战
    • SpringBoot 强制使用 Jedis 替代默认 Lettuce 客户端的配置方案
    • 谷歌与OpenAI合作利用搜索增强大模型知识时效性
    • DeepSeek 使用指南:提示词技巧与本地知识库搭建
    • Raphael AI:全球首个无限制免费 AI 图片生成器
    • Mac mini 打造家庭数据中心:集成 OpenClaw 与私有云导航服务
    • libwebkit2gtk-4.1-0 安装指南:Linux 桌面 WebView 开发配置
    • RISC-V 智能家居中控开发实战:硬件、固件与通信全链路

    相关免费在线工具

    • SQL 美化和格式化

      在线格式化和美化您的 SQL 查询(它支持各种 SQL 方言)。 在线工具,SQL 美化和格式化在线工具,online

    • SQL转CSV/JSON/XML

      解析 INSERT 等受限 SQL,导出为 CSV、JSON、XML、YAML、HTML 表格(见页内语法说明)。 在线工具,SQL转CSV/JSON/XML在线工具,online

    • CSV 工具包

      CSV 与 JSON/XML/HTML/TSV/SQL 等互转,单页多 Tab。 在线工具,CSV 工具包在线工具,online

    • Base64 字符串编码/解码

      将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具,Base64 字符串编码/解码在线工具,online

    • Base64 文件转换器

      将字符串、文件或图像转换为其 Base64 表示形式。 在线工具,Base64 文件转换器在线工具,online

    • Markdown转HTML

      将 Markdown(GFM)转为 HTML 片段,浏览器内 marked 解析;与 HTML转Markdown 互为补充。 在线工具,Markdown转HTML在线工具,online