医疗 大数据(第二版)
医疗行业医疗大数据分析与应用方案
医疗行业医疗大数据分析与应用方案第1章医疗大数据概述 (2)1.1 医疗大数据的定义与特征 (2)1.2 医疗大数据的来源与类型 (3)1.2.1 数据来源 (3)1.2.2 数据类型 (3)1.3 医疗大数据的价值与应用前景 (3)第2章医疗大数据分析方法 (4)2.1 描述性分析 (4)2.2 摸索性分析 (4)2.3 预测性分析 (4)2.4 关联性分析 (5)第3章医疗大数据在疾病预测与防控中的应用 (5)3.1 疾病趋势预测 (5)3.1.1 数据来源与处理 (5)3.1.2 预测方法 (5)3.1.3 预测结果与应用 (6)3.2 疾病风险因素分析 (6)3.2.1 数据来源与处理 (6)3.2.2 分析方法 (6)3.2.3 应用实例 (6)3.3 疾病防控策略优化 (6)3.3.1 数据来源与处理 (6)3.3.2 优化方法 (6)3.3.3 应用实例 (6)第4章医疗大数据在临床决策支持中的应用 (7)4.1 病理诊断辅助 (7)4.2 治疗方案优化 (7)4.3 病程管理与康复评估 (8)第五章医疗大数据在药物研发中的应用 (8)5.1 药物靶点发觉 (8)5.2 药物筛选与评价 (8)5.3 药物安全性与有效性监测 (9)第6章医疗大数据在医疗质量管理中的应用 (9)6.1 医疗服务质量评价 (9)6.1.1 评价指标构建 (9)6.1.2 评价方法及模型 (9)6.2 医疗资源优化配置 (10)6.2.1 医疗资源现状分析 (10)6.2.2 资源配置模型 (10)6.3 医疗风险管理 (10)6.3.1 风险识别 (10)6.3.2 风险评估 (10)6.3.3 风险防范与控制 (11)第7章医疗大数据在医疗政策制定与评估中的应用 (11)7.1 医疗政策制定 (11)7.1.1 数据来源与处理 (11)7.1.2 政策制定方法 (11)7.2 医疗政策效果评估 (11)7.2.1 评估指标体系 (11)7.2.2 评估方法 (12)7.3 医疗政策调整与优化 (12)7.3.1 政策调整方法 (12)7.3.2 政策优化策略 (12)第8章医疗大数据在医疗健康产业中的应用 (12)8.1 医疗健康产品研发 (12)8.1.1 疾病预测与风险评估 (12)8.1.2 药物研发 (13)8.1.3 个性化医疗产品 (13)8.2 医疗健康服务创新 (13)8.2.1 智能诊断与辅助决策 (13)8.2.2 线上医疗咨询与服务 (13)8.2.3 健康管理服务 (13)8.3 医疗健康产业链优化 (13)8.3.1 医疗资源优化配置 (14)8.3.2 医疗保险管理 (14)8.3.3 医疗供应链优化 (14)第9章医疗大数据的安全与隐私保护 (14)9.1 数据安全风险与挑战 (14)9.2 数据隐私保护技术 (14)9.3 数据合规与伦理规范 (15)第10章医疗大数据产业的发展趋势与展望 (15)10.1 国际医疗大数据产业发展趋势 (15)10.2 我国医疗大数据产业发展现状与挑战 (16)10.2.1 现状 (16)10.2.2 挑战 (16)10.3 未来医疗大数据产业发展展望 (16)第1章医疗大数据概述1.1 医疗大数据的定义与特征医疗大数据是指在医疗领域，通过对海量医疗信息的采集、整合和分析，形成的一种大规模、多维度的数据集合。
医疗大数据内容
医疗大数据内容引言概述：医疗大数据是指通过收集、整理和分析大量的医疗信息，为医疗行业提供决策支持和改进医疗服务的一种手段。
医疗大数据内容涵盖了多个方面，包括病历数据、医学影像、基因组学数据等。
本文将从五个方面详细阐述医疗大数据的内容和应用。
一、病历数据1.1 个人基本信息：包括患者的姓名、性别、年龄、联系方式等，用于标识和识别患者身份。
1.2 病史信息：包括患者过去的疾病史、手术史、药物治疗史等，用于分析患者的病情和治疗效果。
1.3 诊断信息：包括患者的疾病诊断、病情评估、治疗方案等，用于指导医生的治疗决策和评估疗效。
二、医学影像2.1 X射线片：包括胸部、骨骼等部位的X射线片，用于诊断骨折、肺炎等疾病。
2.2 CT扫描：通过多层次的X射线扫描，生成横断面图像，用于诊断肿瘤、脑卒中等疾病。
2.3 MRI扫描：利用磁共振原理生成高分辨率的图像，用于诊断脑部疾病、关节损伤等。
三、基因组学数据3.1 基因序列：包括患者的DNA序列，用于研究基因突变和遗传疾病。
3.2 基因表达：包括患者基因的表达水平，用于研究基因的功能和调控机制。
3.3 基因变异：包括患者基因的突变情况，用于研究疾病的发生机制和个体化治疗。
四、生理参数数据4.1 血压：包括患者的收缩压和舒张压，用于评估心血管健康状况。
4.2 心电图：记录心脏电活动的图形，用于诊断心律失常、心肌缺血等心脏疾病。
4.3 血糖：包括患者的空腹血糖和餐后血糖，用于评估糖尿病的控制情况。
五、临床试验数据5.1 药物试验：包括药物的疗效、副作用、药代动力学等数据，用于评估药物的安全性和有效性。
5.2 新治疗方法试验：包括手术技术、介入治疗等新治疗方法的效果评估数据。
5.3 疫苗试验：包括疫苗的免疫效果、保护期等数据，用于评估疫苗的有效性和安全性。
结论：医疗大数据内容涵盖了病历数据、医学影像、基因组学数据、生理参数数据和临床试验数据等多个方面。
这些数据的收集和分析可以为医疗行业提供决策支持，改进医疗服务，促进疾病的早期诊断和个体化治疗。
医疗大数据内容
医疗大数据内容医疗大数据是指在医疗领域中产生的大量数据，包括病历数据、医学影像数据、基因数据、生理参数数据等。
这些数据通过科学的分析和挖掘，可以为医疗机构、医生和患者提供有价值的信息和洞见，帮助医疗决策、疾病预防和治疗等方面取得更好的效果。
医疗大数据内容可以分为以下几个方面：1. 病历数据：病历数据是医疗大数据中最基础的一部分，包括患者的个人信息、病史、诊断结果、治疗方案等。
这些数据可以帮助医生更好地了解患者的病情和病史，为患者提供个性化的治疗方案。
2. 医学影像数据：医学影像数据是指通过医学影像设备（如X光、CT、MRI 等）获得的患者影像资料。
这些数据可以用于疾病的早期诊断、疾病的进展监测以及手术规划等方面。
通过对医学影像数据的分析，可以帮助医生更准确地判断疾病的类型和程度，提高诊断的准确性和效率。
3. 基因数据：基因数据是指患者的基因组信息，包括基因序列、基因变异等。
通过对基因数据的分析，可以帮助医生预测患者的疾病风险、选择合适的药物治疗方案，并进行个性化的疾病管理。
基因数据还可以用于研究疾病的发病机制和基因与环境的相互作用。
4. 生理参数数据：生理参数数据是指患者的生理指标，如血压、心率、血糖等。
这些数据可以通过传感器设备实时采集，并与其他医疗数据进行关联分析。
通过对生理参数数据的监测和分析，可以帮助医生及时发现患者的异常情况，提供个性化的健康管理建议。
医疗大数据的应用可以带来许多好处。
首先，医疗大数据可以帮助医生更好地了解患者的病情和病史，提供个性化的治疗方案，提高医疗效果和患者满意度。
其次，医疗大数据可以用于疾病的早期预防和筛查，帮助人们更早地发现潜在的健康问题，并采取相应的干预措施。
此外，医疗大数据还可以用于研究疾病的发病机制和药物的疗效评估，为新药的研发和临床实践提供支持。
然而，医疗大数据的应用也面临一些挑战和难题。
首先，医疗大数据的规模庞大，如何有效地存储、管理和分析这些数据是一个巨大的挑战。
医疗大数据内容
医疗大数据内容引言概述:医疗大数据是指利用现代信息技术手段对医疗领域的各种数据进行采集、存储、管理、分析和应用的过程。
医疗大数据的内容非常广泛，包括患者的电子病历、医疗影像、基因组学数据、生理参数监测数据等。
本文将从不同的角度详细阐述医疗大数据的内容。
一、患者的电子病历1.1 包括患者的基本信息，如姓名、性别、年龄、联系方式等。
1.2 记录患者的病史，包括既往病史、家族病史、过敏史等。
1.3 记录患者的就诊记录，包括就诊时间、就诊科室、医生诊断、治疗方案等。
二、医疗影像2.1 包括X光片、CT扫描、MRI等医学影像数据。
2.2 影像数据可以用于诊断和治疗方案的制定。
2.3 影像数据可以通过人工智能算法进行自动分析，提高诊断的准确性和效率。
三、基因组学数据3.1 包括患者的基因组测序数据。
3.2 基因组学数据可以用于研究遗传病的发病机制。
3.3 基因组学数据可以用于个体化治疗的制定，提高治疗效果。
四、生理参数监测数据4.1 包括患者的血压、心率、血糖等生理参数监测数据。
4.2 生理参数监测数据可以用于评估患者的健康状况。
4.3 生理参数监测数据可以用于预测疾病的发生和发展。
五、临床试验数据5.1 包括新药研发过程中的临床试验数据。
5.2 临床试验数据可以用于评估新药的疗效和安全性。
5.3 临床试验数据可以用于制定新药的使用指南。
结论:医疗大数据的内容非常丰富，包括患者的电子病历、医疗影像、基因组学数据、生理参数监测数据以及临床试验数据等。
这些数据可以被广泛应用于医疗领域，如疾病的诊断和治疗、个体化医疗的实施、新药的研发等。
随着医疗大数据的不断积累和分析，相信将为医疗领域带来更多的突破和进步。
什么是医疗大数据医疗大数据的特征有哪些(一)2024
什么是医疗大数据医疗大数据的特征有哪些（一）引言概述：医疗大数据是指在医疗领域中产生的大量数据，包括患者病历、医疗记录、医学研究数据等。
随着医疗信息化的发展，医疗大数据的规模和重要性不断增长。
本文将从五个方面介绍医疗大数据的特征，以帮助读者更好地了解医疗大数据的概念和意义。
正文内容：一、多样性特征：1. 医疗大数据来源广泛，包括医院病历、电子健康记录、医学影像、生物基因等多个方面的数据。
2. 医疗大数据涉及的内容丰富，包括患者基本信息、疾病诊断、治疗方案、用药记录等多个方面的信息。
二、实时性特征：1. 医疗大数据具有较高的实时性，医院病历、检查报告等数据可以实时录入和更新。
2. 实时更新的医疗大数据可以提供及时的诊断、治疗和监测，有助于提高患者的医疗效果和健康状况。
三、大规模特征：1. 医疗大数据的规模庞大，包含大量的患者信息和医疗记录，可用于大样本的医学研究和分析。
2. 大规模的医疗数据能够揭示患者群体的共性和个体差异，为个性化医疗提供依据。
四、复杂性特征：1. 医疗大数据具有复杂的结构和关联性，包括患者之间的联系、医生的诊断流程等。
2. 复杂的医疗大数据需要采用合适的数据挖掘和分析方法，才能从中提取出有价值的信息和知识。
五、隐私性特征：1. 医疗大数据涉及患者的个人隐私，对数据的管理和保护要求较高。
2. 在利用医疗大数据进行研究和分析时，需要采取必要的隐私保护措施，确保患者的隐私不被泄露。
总结：医疗大数据具有多样性、实时性、大规模、复杂性和隐私性等特征。
了解这些特征有助于我们更好地理解医疗大数据的概念和应用，为医疗信息化和健康管理提供科学依据。
在下一篇文章中，我们将继续探讨医疗大数据的特征。
医疗大数据内容
医疗大数据内容引言概述：医疗大数据是指医疗领域中产生的大量数据，这些数据包括患者的病历、医疗影像、实验室检查结果等。
利用这些数据可以帮助医生更好地诊断疾病、制定治疗方案，提高医疗服务的质量和效率。
本文将从不同角度探讨医疗大数据的内容。
一、患者病历数据1.1 患者基本信息：包括患者的姓名、性别、年龄、联系方式等。
1.2 疾病诊断信息：记录患者的疾病诊断结果，如疾病名称、病情严重程度等。
1.3 就诊记录：记录患者的就诊时间、就诊科室、就诊医生等信息。
二、医疗影像数据2.1 医学影像：包括X光片、CT、MRI等医学影像，用于帮助医生诊断疾病。
2.2 影像报告：医生对医学影像进行解读和诊断，生成影像报告。
2.3 影像存档：将医学影像和报告存档，方便医生随时查阅。
三、实验室检查数据3.1 血液检查：包括血常规、生化指标等检查项目，用于评估患者的健康状况。
3.2 尿液检查：检查尿液中的蛋白质、糖等指标，帮助诊断肾脏疾病等。
3.3 病理检查：通过组织标本检查，确定疾病的病理类型和程度。
四、药物处方数据4.1 用药记录：记录患者的用药情况，包括药物名称、剂量、用药频率等。
4.2 药物不良反应：记录患者对药物的不良反应，帮助医生调整治疗方案。
4.3 药物相互作用：分析患者同时使用的药物是否存在相互作用，避免不良后果。
五、医疗服务数据5.1 就诊时间统计：统计医院各科室的就诊时间，合理安排医生的工作时间。
5.2 医疗费用统计：统计患者的医疗费用，帮助医院管理财务。
5.3 患者满意度调查：对患者进行满意度调查，了解医疗服务的质量，改进服务水平。
结论：医疗大数据内容丰富多样，包括患者病历数据、医疗影像数据、实验室检查数据、药物处方数据和医疗服务数据等。
通过对这些数据的分析和挖掘，可以为医生提供更准确的诊断和治疗建议，提高医疗服务的质量和效率。
在未来，医疗大数据将发挥越来越重要的作用，推动医疗行业的发展和进步。
医疗大数据内容
医疗大数据内容引言概述：随着信息技术的快速发展，医疗行业也逐渐进入了大数据时代。
医疗大数据是指通过收集、整理和分析医疗领域的各种数据，为医疗决策、疾病预防和医疗服务提供支持。
本文将从五个方面详细阐述医疗大数据的内容。
一、医疗大数据的来源1.1 医院数据：医院内部的电子病历、医疗影像、实验室检查等数据是医疗大数据的重要来源。
1.2 医保数据：医保系统中的住院、门诊、药品费用等数据，能够提供大量的医疗消费信息。
1.3 科研数据：科研机构进行临床试验、流行病学调查等研究产生的数据，对于医疗决策具有重要意义。
二、医疗大数据的内容2.1 个体医疗数据：包括个人的基本信息、病历记录、诊断结果等，能够为个体化医疗提供支持。
2.2 群体医疗数据：通过对大量患者的数据进行分析，可以发现疾病的流行趋势、风险因素等，为公共卫生工作提供依据。
2.3 医疗资源数据：包括医院、医生、药品等医疗资源的分布情况，可以帮助医疗机构进行资源配置和管理。
三、医疗大数据的应用3.1 疾病预测与预防：通过对大数据的分析，可以预测疾病的发生概率和风险，提前采取预防措施。
3.2 临床决策支持：医疗大数据可以为医生提供临床决策的参考，帮助医生制定更科学的治疗方案。
3.3 医疗质量评估：通过对医疗大数据的分析，可以评估医疗机构的服务质量，发现问题并进行改进。
四、医疗大数据的挑战4.1 数据隐私保护：医疗大数据涉及个人隐私，如何保护患者的隐私成为一个重要问题。
4.2 数据质量保证：医疗大数据的质量对于分析结果的准确性至关重要，如何保证数据的质量成为一个挑战。
4.3 数据融合与共享：医疗大数据来自不同的数据源，如何进行数据融合和共享，以提高数据的利用效率，也是一个难题。
五、医疗大数据的前景5.1 个性化医疗：通过对个体医疗数据的分析，可以为患者提供个性化的医疗服务，提高治疗效果。
5.2 精准医学：医疗大数据可以帮助医生更准确地诊断和治疗疾病，实现精准医学的目标。
健康医疗大数据分析报告
健康医疗大数据分析报告在当今数字化时代，健康医疗领域产生了海量的数据。
这些数据涵盖了从患者的基本信息、病历记录、诊断结果，到治疗方案、药物使用以及医疗费用等各个方面。
对这些健康医疗大数据进行深入分析，能够为医疗决策提供有力支持，改善医疗服务质量，提高医疗效率，甚至为医学研究带来新的突破。
首先，让我们来看看健康医疗大数据的来源。
医院的信息系统是其中一个重要的数据源，包括电子病历系统、医院管理系统、实验室信息系统等。
这些系统记录了患者在医院内的各种医疗活动和信息。
此外，医疗保险机构的数据库也包含了大量有关患者医疗费用、报销情况以及医疗服务利用的信息。
随着移动健康设备和应用的普及，如智能手环、健康监测 APP 等，个人健康数据的收集也变得更加便捷和丰富。
健康医疗大数据具有诸多特点。
其数据量巨大，且增长速度快。
同时，数据类型多样，包括结构化数据（如患者的基本信息、诊断代码等）、半结构化数据（如病历中的文本描述）和非结构化数据（如医学影像、音频记录等）。
数据的质量和准确性也是一个关键问题，因为医疗数据的错误可能会导致严重的后果。
而且，健康医疗数据涉及个人隐私，需要严格的安全保护和合规处理。
接下来，分析健康医疗大数据的价值和应用。
在临床决策支持方面，通过对大数据的分析，可以为医生提供更准确的诊断和治疗建议。
例如，根据患者的症状、病史和检查结果，结合大量相似病例的数据，预测可能的疾病，并推荐最有效的治疗方案。
在疾病监测和预防方面，大数据可以帮助发现疾病的流行趋势和潜在的风险因素，从而提前采取干预措施，降低疾病的发生率。
在医疗质量评估和改进方面，大数据能够对医疗机构的服务质量、医疗效率进行全面评估。
通过比较不同医院、科室甚至医生之间的治疗效果和费用，发现最佳实践和存在的问题，促进医疗质量的持续提升。
对于医学研究，大数据为大规模的临床试验和观察性研究提供了丰富的资源，有助于发现新的疾病关联、治疗靶点和药物副作用。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
部分项目介绍—大数据统一分析平台
业务人员 数 据 定 义 数 据 脚 本
报 表 定 义
DataConf DataScript ReportConf
Data TaskMnr ReportMR DBTool
DB
通用分析框架
D B
Hdfs 数据流 配置流
开放数据分析平台
数据库
Hadoop
部分项目介绍—大数据统一分析平台
一、医疗大数据的背景
二 、医疗大数据的特点
三 、大数据相关技术
四、 大数据项目展示 五、 医疗大数据的价值 六、 医疗大数据平台初步构想
医疗大数据的来源
医疗大数据的特点
大量性 大量性
多样性 多样性 大量性
时序性 大量性
多样性 隐私性 大量性
性 高速性 大量性
性 缺失性 大量性
价值性 大量性
高速性
冗余性 大量性
高速性
一、医疗大数据的背景
二 、医疗大数据的特点
三 、大数据相关技术
四、 大数据项目展示 五、 医疗大数据的价值 六、 医疗大数据平台初步构想
大数据相关技术
适合海量数据处理
灵活的可扩展性
成本的低廉性
故障容灾能力强
大数据相关技术—分布式存储分布式计算
大数据相关技术—Hadoop集群
医疗大数据的背景
计算 单机
集群
横向扩展 块级虚拟化
单机 块存储 存储 文件存储 设备间连接 网络 设备内连接
横向扩展 分布式文件系统
10GE FC IB 10GE SAS IB 分布式数据库 非关系型数据库
数据库
关系型数据库
医疗大数据的背景
时间 部门
2011 2012 2014 2014 2014 2015 2016 卫生部 卫生部 卫技委 卫技委 卫技委 国务院 国务院
一、医疗大数据的背景 二 、医疗大数据的特点 三 、大数据相关技术
四、 大数据项目展示
五、 医疗大数据的价值
六、 医疗大数据平台初步构想
医疗大数据的价值
临床决策支持 医疗管理 健康管理 医疗支付 医药研发
疾病早发现并干预；实现精准医疗；
实现医疗资源的合理配置；帮助医院运营管理；
根据用户个人数据为用户实施个性化的健康管理方案； 基于数据的健康管理降低重病的发生率，减少医疗开支；
政策
《基于电子病历的信息平台建设技术解决方案（1.0版）》 《健康中国2020战略研究报告》 《基于电子病历的医院信息平台技术规范》 《电子病历基本数据集》 《基于居民健康档案的区域卫生信息平台技术规范》 《促进大数据发展行动纲要》 《关于促进和规范健康医疗大数据应用发展的指导意见》
备注：近几年部分政策
上层具体 业务应用
基础医疗服务 个人健康管理
老龄社会
临床决策支持
个体化医疗
肿瘤基因组学
数据分析 数据挖掘
医疗大数据的背景
15000 Admin
Imaging
10000 EMR Email File 5000 Non Clin Img
0
2010 2011 2012 2013 2014 2015
数据量(PB)
数据来源： McKinsey Global Institute Analysis
医疗大数据的背景
大数据相关技术—Hadoop安全体系及监控
安全体系 监控体系
身份认证： Kerberos 身份管理：LDAP 授权访问：服务授 权、文件授权、数 据授权 数据加密
ClouderMan ger Ganglia Eagle …
大数据相关技术—数据收集
Flume ：常用于收集非关 Flume ：常用于收集非关 系型数据数据，如：各 系型数据数据，如：各 种操作访问服务日志、 种操作访问服务日志、 诊断病历、影像数据等 诊断病历、影像数据等
Mahout：提供了机器学习的算法，包括协同过滤、分类、聚类等， 它将很多机器学习算法转出mapreduce任务运行在分布式集群中， 提升机器学习的性能。
SolrClould或ElastiSearch：分布式搜索引擎，提供对各种类型数据的 分词和检索的功能，用户可以很方便的获得具体特定关键字的各种 结构化、非结构化数据。
医疗+大数据
目录
1 2 医疗大数据的背景 医疗大数据的特点 大数据相关技术 大数据项目展示 医疗大数据的价值
3
4 5
医疗大数据平台的初步构思
一、医疗大数据的背景
二 、医疗大数据的特点 三 、大数据相关技术
四、 大数据项目展示 五、 医疗大数据的价值 六、 医疗大数据平台初步构想
医疗大数据的背景
医疗大数据减少现有支付体系压力；
基于疾病用药等数据建立模型，把控研发过程； 减少人力物力时间的投入，从而减少开支；
一、医疗大数据的背景 二 、医疗大数据的特点 三 、大数据相关技术
四、 大数据项目展示
五、 医疗大数据的价值
六、 医疗大数据平台初步构想
医疗大数据平台初步构想
医疗大数据平台初步构想
一、医疗大数据的背景
二 、医疗大数据的特点 三 、大数据相关技术
四、 大数据项目展示
五、 医疗大数据的价值 六、 医疗大数据平台初步构想
部分项目介绍—云知道检索系统
基于分布式solrCloud集群的实时和离线海量日志检索平台
部分项目介绍—云知道检索系统
部分项目介绍—云知道检索系统
部分项目介绍—大数据集群的优化升级
三地集群，共有500+个服务器，每天执行6000+个的分析任务，集群中部 署了HDFS、MapReduce、Hbase、Spark、Zookeeper、Flume、Oozie等组件
部分项目介绍—大数据集群的优化升级
部分项目介绍—大数据集群的优化升级
部分项目介绍—大数据集群的优化升级
部分项目介绍—大数据集群度量系统
Spark或Storm： 处理实时性高的数据，该类 技术中间数据存储在内存中， 故运算速度快。
MapReduce、Hive或Pig： 处理实时性不是很高的数据，可 采用MapReduce、Hive、Pig批处 理的技术，该技术的中间数据是存 储在物理磁盘，故速度相对较慢。
大数据相关技术—数据推荐与语义分析
Sqoop：常用来在关系型 数据库和非关系型数据 库之间导入导出数据
大数据相关技术—数据存储
HDFS：分布式文件系统， 便于存储各种格式的数 据，具有很高的吞吐量 和备份容灾能力
Hbase：分布式的面向列 存储的数据库，具有较 强的实时性，底层依赖 HDFS文件系统
大数据相关技术—数据分析和挖掘