曙光ParaStor助力北京大学大型队列数据研究！-中科曙光

近年来，随着信息化技术的不断推进，临床研究也增加了新的工具和手段，研究数据来源和利用方式更加多元化。

大型队列研究利用大规模队列人群的生物学样本和流行病学数据，可阐明疾病的发病机制和患病风险，提高疾病防控水平，是实现精准医疗的重要手段。

日前，由中科曙光为北京大学建设的分布式存储系统，存放大型队列数据，通过对海量医疗数据的管理和共享，形成的一种开放、友好且可持续发展的生物资源和数据信息综合平台，实现“从大数据获取到临床诊疗应用”的全过程研究。

挖掘队列数据价值，为新的医疗手段提供依据

在精准医学和大数据时代的今天，大型人群队列研究成为流行病学研究的主旋律之一，它采用计算机科学和统计学方法与特定专业领域相结合，发现数据背后的规律和知识，为疾病防治策略和措施的制定提供新的证据。

大型人群队列的特点不仅仅是大样本量，它的数据质量更高，涵盖内容更全，支持文档丰富，便于传递和共享，对数据标准化程度要求更高。大型人群队列研究因具有大样本量、多时间点等特点，使得其在病因学研究领域具有独特优势，同时也带来了数据管理与质量控制方面的难度。北京大学新建的大型队列研究数据库，除了实现数据统一存储与共享，更要高效支持医疗数据的分析、深度挖掘与应用。

高效稳定，智能运维，曙光ParaStor构建存储底座

曙光ParaStor拥有100Gb/s EDR Infiniband高速存储网络，高效解决平台对海量医疗数据大文件存储场景高聚合带宽、小文件存储场景高IOPS的存储需求。大数据平台产生的数据速度增长极快，曙光ParaStor具备EB级的扩展能力，性能与容量的线性增长，满足其对存储系统数据处理能力和扩展性的要求。

同时，ParaStor分布式存储系统通过多种技术手段，从物理底层到逻辑层全方位保证存储系统高可靠性和高可用性，为医疗数据的存储、管理、应用和共享保驾护航。

ParaStor可进行多维度的资源管理，多重故障预警机制，数十种亚健康状态自动探测与处理，更好地保障系统稳定运行。通过可视化的运维和多套集群统一管理，降低运维压力，减少运维成本。

在曙光ParaStor的支撑下，北大通过高效的队列数据研究，可有效揭示疾病的病因、评价预防效果、揭示疾病的自然史、掌握人口健康状况、引导实验设计，同时将知识转化为临床和人群早期诊断和干预策略，从而提高疾病的防治水平，降低社会卫生负担。

关联公众号

关联公众号

严正声明

联系我们

售后服务

曙光ParaStor助力北京大学大型队列数据研究 ！

曙光ParaStor助力北京大学大型队列数据研究！