分类： 杂文

一、医疗PACS影像的现状和挑战

• 数据增长迅速，PACS调图卡顿成常态

不断增长的数据量加剧了PACS系统的调图压力，医生调图越来越卡顿，一次调图长达2~3分钟成为常态，严重影响了医生的工作效率。

• 存储架构复杂，运维工作繁重

二、PACS系统性能瓶颈分析

PACS系统涉及多个环节，包括PACS软件、医生端电脑、网络、存储设备，它们都对调图性能有重要影响。

• PACS软件

本文不关注PACS软件的核心功能，只从PACS软件调图性能角度分析。PACS软件的并发度对调图性能有很大影响。比如，用4个线程同时调取4个图像文件，其性能就是1线程方式的4倍！

有一些旧版本PACS软件是单线程模式，这时PACS软件就是系统的主要性能瓶颈。对于这种场景，升级PACS软件就成为必须要做的工作。

PACS数据库也是影响性能的重要因素，其记录条数可能高达几十亿条，使用SSD全闪存储和数据库访问优化是提升性能的重要途经。

• 医生端电脑

医生端电脑硬件配置对PACS调图性能也有一定影响。如果启用了AI辅助分析，则CPU/GPU的配置对性能就很关键。

由于每位患者的PACS影像数据量都比较大，无法全部存储在内存，因此PACS软件都会把下载的PACS文件先写入本地硬盘，再从本地硬盘读取，本地盘的读写性能往往会成为瓶颈。

医生端电脑使用SSD固态盘会显著提升性能。

• 网络宽带

从网络角度看，只要做到千兆到桌面，万兆到核心，网络就不会成为性能瓶颈。

PACS服务器到网络存储设备之间数据流量比较大，应使用万兆以太网，而不是千兆以太网，否则网络也会成为性能瓶颈。

• 存储设备

在大多数场景下，PACS系统的调图性能瓶颈主要在于存储设备，而不在于PACS软件。目前普遍30~50幅/秒的调图速度就是传统存储设备的正常性能。

使用SAN存储设备时，承担数据管理功能的文件系统运行在Windows 服务器上，该服务器往往会成为性能瓶颈，大幅增加该服务器的内存会改善性能。

三、传统集中式存储是否适用于PACS影像？

传统SAN/NAS存储的硬件架构采用“控制器+硬盘柜”的方式。中高端存储支持多个控制器，以保障高可用并提高性能。多控制器为紧耦合，通过PCIE总线或Infiniband网络互连，共享磁盘阵列，共享缓存。

可以看出，传统存储的NAS服务器、控制器和磁盘柜是串联结构。NAS服务器是单点性能瓶颈，当文件数量增多时CPU、内存和I/O吞吐能力成为瓶颈，性能必然下降。虽然可以通过增加磁盘柜扩展容量，但由于不同磁盘柜为串联结构，无法并发访问，以及NAS机头的瓶颈限制，性能随容量扩展而下降。

四、医疗PACS影像数据是否适合上云？

大型三级医院中HIS系统每年新增的数据量为 100G左右，PACS影像系统每年新增的数据量为80T左右，是HIS系统数据量的800倍！国家法规要求医疗电子病历保存30年以上，医疗影像数据保存15年以上。PACS影像数据占医院信息化数据总量的80%以上。

随着互联网医院以及云PACS胶片的推广应用，医院信息化部门也自然而然产生了这样的想法：能否将PACS影像数据也上公有云？一劳永逸地解决PACS影像数据的存储难题？以下将从业务性能需求、成本、业界实践角度探讨该问题。

• 网络带宽与延迟

PACS影像数据量很大，属于高带宽应用。在医院内部，网络带宽可得到充分保证，各个大楼都通过独立的万兆以太网链路接入医院信息中心；但当访问公有云存储时，医院到公有云的网络带宽只有千兆，而且全院的医生共享这一条网络链路。

使用公有云存储之后，网络延迟会加大。医院内部访问数据中心存储设备的延迟为1~3ms，访问公有云存储的延迟为10~100ms。

使用公有云存储之后，医院和公有云存储之间的网络带宽和延迟会成为性能瓶颈，严重制约PACS系统的性能。

因此，从医院业务系统的性能需求角度看，将在线/近线PACS影像数据（热数据）上公有云是缺乏可行性的。但将离线PACS影像数据（冷数据）备份到公有云存储，则另当别论，可以探讨。

• 成本        

对于医院的HIS等业务，数据量小，产生的网络流量也小，因此上公有云后网络流量费用带来的成本可以忽略，但对于PACS影像业务，却需要慎重评估流量费用。PACS影像一次访问需要读取500MB的数据量，一次检查产生的数据，会被影像科初审、复审、门诊、人工智能训练等多次读取，一般是写入一次，读取6~7次。众所周知，经营网络流量是云厂商利润的主要来源之一。PACS影像上公有云，医院不仅要支付网络带宽租赁费，还要支付数据访问的流量费。

云厂商能够通过分时复用的机制提高计算服务器的设备利用率，从而有效降低云主机的成本。但对于云存储，却并没有类似的机制能够有效降低后端存储设备的成本。用户需要为存储在云端的数据每年都支付费用，从长期来看，用户支付的总成本“可能”会高于本地存储方式。

• 业界实践

医疗影像数据是否“上云”，需要根据医院自身需求和规划来定，也不能一概而论。

对于二级医院或社区医院，将PACS影像数据上云，或者上区域影像中心，能够解决中小医院有设备拍片但没有能力诊断的问题。这些场景业务量不大，通过云端共享，获得更多医疗领域内的专家、学者和上级医院的支持，让患者就近诊疗、提升医疗体系服务能力。 对于业务量较大的三级医院，将在线/近线PACS影像数据（热数据）上云在技术和成本层面缺乏可行性。至于将离线PACS影像数据（冷数据）备份到云端的方案，则需要全面核算长期存储的成本，与蓝光存储等可选方案比较后决策。

五、超融合是否适合做PACS影像存储？

超融合中也包括分布式存储，它和其它分布式文件/对象存储有什么区别？它能够做为PACS影像存储吗？很多用户都有这个疑问，以下将回答这个问题。

• 超融合架构

首先从定义来看：超融合基础架构（hyper-converged infrastructure，简称HCI）是一个基于软件定义的 IT 基础架构。HCI运行在标准X86服务器之上，功能组件包含：虚拟化计算（hypervisor），分布式存储（SDS：软件定义存储）和虚拟网络。

• 超融合中文件存储的实现方式

超融合平台实现的是分布式块存储，主要功能是给虚拟机提供云硬盘，作为操作系统安装盘或数据盘。当HCI平台创建很多个虚拟机时，就需要创建很多个云硬盘。每个云硬盘的存储空间分布在多个X86服务器的所有硬盘上，因此单个云硬盘具有高于传统RAID阵列的性能。

• 超融合中文件存储的局限

首先，虽然超融合的底层块存储空间是分布式的，但承担数据管理功能的NAS网关是单点性能瓶颈。这种架构适用于管理少量数据，比如数据量不超过10TB，文件数量在百万级的场景，但这种架构无法管理更大规模的PACS海量文件，其性能和可靠性也存在风险。

其次，从产品的定位看，超融合要兼顾计算和存储，每个节点中配置的CPU和内存比较高，但磁盘数量比较少；而海量数据存储需要更多的硬盘数量，但对CPU和内存要求比较低，因此将超融合用于海量数据存储也是不经济的。

六、分布式存储是否适用于PACS影像？

• 分布式软件定义存储的架构

分布式软件定义存储（SDS: Software Defined Storage）的底层硬件架构，和超融合相同，都采用“标准的x86服务器硬件+存储软件”的架构，将标准X86服务器通过高速以太网互连，通过分布式存储软件将服务器组织成统一的大规模存储资源池。

分布式存储有效解决了传统集中式存储的可扩展性问题，规模可扩展至上百上千个节点，容量扩展到上百PB甚至EB级。

• 纠删码与多副本

• 适合做PACS影像存储吗？

碧海分布式存储系统不仅支持块/文件/对象存储功能，性能上显著优于传统集中式SAN和NAS存储，也高于其它知名高端集群存储，性能达到国际领先水平。

碧海分布式存储通过万兆以太网接入数据中心，现有网络架构无需调整。碧海分布式存储所有功能都采用冗余设计，避免单点故障，保证高可用。具有独有的智能自适应修复技术，在磁盘发生故障进行数据修复时可以保障业务性能不受影响。

• 碧海分布式存储是如何实现高性能的呢？

1. 分布式元数据管理

碧海分布式存储使用基于分布式架构管理文件元数据，所有的文件数据和元数据管理都是分布式的，均衡分布在所有的x86服务器上，因此不存在单点性能瓶颈，性能更好，可扩展性和可靠性更高；可管理文件数量达到百亿级以上（对于PACS影像数据，100TB对应的文件数量约为2亿。目前国内大型三甲医院的历史PACS影像数据一般在500TB左右，文件数约为10亿）。

2. 针对PACS海量小文件的定制优化

碧海分布式存储针对PACS小文件进行了深度定制优化，减少了小文件元数据规模，对于PACS影像等小文件场景，文件数可压缩到1/100；将小文件的读写合并后写盘，大幅提高了小文件读写性能。

3. 高效SSD缓存设计

传统的SAN/NAS的SSD缓存方式在块设备底层实现，无法获得文件层的信息，比如哪些内容是目录，哪些是文件元数据inode等，只有当数据被反复多次访问时才会保持在SSD中，因此SSD缓存的命中率比较低。

碧海分布式存储系统在系统架构设计中融入了SSD缓存设计，将目录数据、文件元数据、热点数据全部保持在SSD中，大幅提高了SSD缓存的命中率，从而能够在节省成本的前提下大幅提高读写性能。

4. 对象和文件互通访问，性能无衰减

碧海分布式存储的底层使用统一方式管理数据，文件和对象无需转换网关就能够互通访问，对象的读写性能和文件一样优异，突破了对象存储性能低的局限。

5. 自适应数据修复

具有创新的智能自适应修复技术，能够根据业务负载情况自动调整数据修复速率，能够保障业务性能不受影响，而且能尽快修复故障磁盘的数据，保障数据安全性。

• 实践案例

上海市胸科医院是国内最大的胸外科三甲医院，所有的检查诊断都需要拍片，PACS系统的数据量的调阅性能要求高于很多综合性大型三甲医院，每年新增PACS数据量压缩后达到80TB，历史PACS数据总量超过500TB。

由于检查数量增多，调图性能问题日益突出，影像科复核医生在阅片时会发生卡顿。

为了解决PACS调图性能问题，院方不断研究探索新的技术解决方案。在2019年经过长达1年的测试评估之后引入碧海分布式存储，PACS软件也做了相应优化提升并发数，新的方案获得显著提升效果：调图速度达到300幅/秒，1000幅的CT图像可在4秒内调阅完毕。影像科复核医生每天审核的报告数提升了50%。

2021年4月，权威第三方测评机构在医院影像科现场对PACS影像调图性能进行了评测，结果如下：

新的PACS影像存储方案具有如下优势：

• 大幅提高了PACS调图性能，超越国际高端SAN存储；
• 实现了一套存储数据全部在线，历史影像数据也可以实时调阅，显著提升了医生工作效率和患者体验；
• 新的存储架构也有力支撑了新业务的拓展，包括AI辅助阅片和云胶片等。新业务上线后，放射科医生调图的性能未受影响。 

关于案例的更具体的内容，可参考 CHIMA大讲堂第57期： 赋能PACS影像存储建设研讨会。 https://djt.chima.org.cn/lecture/3082660

时光走的悄无声息但却留下了难以磨灭的痕迹四季更替、周而复始2021最后的一天里我从不感慨时间的流逝，因为我知道，在未来的时光里，被时间带走的，只会多，不会少。日子总是在一点一点变好的，就算经历过很丧的时光，未来的日子，也会加倍变得美好的，愿你历经山河，觉得人间值得。

2021年最后一天，早上好！