Diese Seite wurde von der Cloud Translation API übersetzt.

FHIR-Ressourcenänderungen in BigQuery streamen

Auf dieser Seite wird erläutert, wie Sie einen FHIR-Speicher für den automatischen Export konfigurieren. FHIR-Ressourcen in BigQuery-Tabellen jedes Mal, wenn eine FHIR-Ressource erstellt, aktualisiert wird, gepatcht oder gelöscht wurde. Dieser Vorgang wird als BigQuery-Streaming bezeichnet.

Mit BigQuery-Streaming können Sie Folgendes tun:

Synchronisieren Sie die Daten in einem FHIR-Speicher mit einem BigQuery-Dataset in Echtzeit.
Komplexe Abfragen von FHIR-Daten ausführen, ohne sie nach BigQuery exportieren zu müssen jedes Mal, wenn Sie die Daten analysieren möchten.

Sie können BigQuery konfigurieren, um die Abfrageleistung zu verbessern und die Kosten zu senken Streaming in partitionierte Tabellen Für Weitere Informationen finden Sie unter FHIR-Ressourcen in partitionierte Tabellen streamen.

Hinweise

Gelesen FHIR-Ressourcen nach BigQuery exportieren um zu verstehen, wie der Export funktioniert.

Beschränkungen

Wenn Sie FHIR-Ressourcen aus Cloud Storage importieren, gilt Folgendes: werden die Änderungen nicht in BigQuery gestreamt.

BigQuery-Berechtigungen festlegen

Um das BigQuery-Streaming zu aktivieren, müssen Sie Dem Cloud Healthcare-Dienst-Agent zusätzliche Berechtigungen erteilen Dienstkonto. Weitere Informationen finden Sie unter BigQuery-Berechtigungen für FHIR-Speicher.

BigQuery-Streaming in einem FHIR-Speicher konfigurieren

Konfigurieren Sie den StreamConfigs, um das BigQuery-Streaming zu aktivieren -Objekt in Ihrem FHIR-Speicher. In StreamConfigs können Sie resourceTypes[] konfigurieren Array, um zu steuern, welche Arten von FHIR-Ressourcen BigQuery-Streaming gilt. Wenn Sie resourceTypes[] nicht angeben, wird BigQuery Streaming gilt für alle FHIR-Ressourcentypen.

Hier finden Sie Erläuterungen zu anderen in StreamConfigs verfügbaren Konfigurationen, z. B. BigQueryDestination Siehe FHIR-Ressourcen exportieren.

Die folgenden Beispiele zeigen, wie Sie BigQuery-Streaming auf einen vorhandenen FHIR-Speicher.

Console

Zum Konfigurieren des BigQuery-Streamings auf einem vorhandenen FHIR-Speicher mithilfe der Methode Führen Sie in der Google Cloud Console die folgenden Schritte aus:

Rufen Sie in der Google Cloud Console die Seite Datasets auf.

Zu Datasets
Wählen Sie das Dataset mit dem FHIR-Speicher aus, den Sie bearbeiten möchten.
Klicken Sie in der Liste Datenspeicher auf den FHIR-Speicher, den Sie bearbeiten möchten.
Führen Sie im Bereich BigQuery-Streaming die folgenden Schritte aus: Schritte:
1. Klicken Sie auf Neue Streamingkonfiguration hinzufügen.
2. Klicken Sie im Bereich Neue Streamingkonfiguration auf Durchsuchen, Wählen Sie das BigQuery-Dataset aus, in das geänderte FHIR-Ressourcen gestreamt werden sollen.
3. Wählen Sie im Drop-down-Menü Schematyp das Ausgabeschema für die BigQuery-Tabelle. Die folgenden Schemas sind verfügbar: <ph type="x-smartling-placeholder">
  - Analytics: Ein Schema, das auf dem Dokument SQL on FHIR basiert. Da BigQuery nur 10.000 Spalten pro Tabelle zulässt, werden keine Schemas für die Felder Parameters.parameter.resource, Bundle.entry.resource und Bundle.entry.response.outcome generiert.
  - Analytics Version 2: Ein Schema, das dem Analytics-Schema ähnelt, aber zusätzlich Folgendes unterstützt:
    - Erweiterungen mit mehreren Werten für dasselbe url
    - Enthaltene FHIR-Ressourcen
    Das Analytics V2-Schema verwendet in der Zieltabelle mehr Speicherplatz als das Analytics-Schema.
4. Wählen Sie unter Rekursive Strukturtiefe eine Tiefenstufe aus. Schieberegler, um die Tiefe für alle rekursiven Strukturen im Ausgabeschema festzulegen. Standardmäßig ist der rekursive Wert 2.
5. Wählen Sie aus der Liste FHIR-Ressourcentypen auswählen die Ressourcentypen aus. zu streamen.
Klicken Sie auf Fertig, um die Streamingkonfiguration zu speichern.

gcloud

Die gcloud CLI unterstützt diese Aktion nicht. Verwenden Sie stattdessen die Google Cloud Console, curl, PowerShell oder Ihre bevorzugte Sprache.

REST

Verwenden Sie zum Konfigurieren des BigQuery-Streamings in einem vorhandenen FHIR-Speicher die Methode projects.locations.datasets.fhirStores.patch .

In den folgenden Beispielen wird das Array resourceTypes[] nicht angegeben. Daher ist das BigQuery-Streaming für alle FHIR-Ressourcentypen aktiviert.

Ersetzen Sie diese Werte in den folgenden Anfragedaten:

PROJECT_ID ist die ID Ihres Google Cloud-Projekts
LOCATION ist der Standort des Datasets
DATASET_ID: das übergeordnete Dataset des FHIR-Speichers
FHIR_STORE_ID: die FHIR-Speicher-ID
BIGQUERY_DATASET_ID: der Name eines vorhandenen BigQuery-Datasets, in dem Sie FHIR-Ressourcenänderungen streamen
SCHEMA_TYPE: ein Wert für die Aufzählung SchemaType. Verwenden Sie einen der folgenden Werte: <ph type="x-smartling-placeholder">
- ANALYTICS Ein Schema, das auf dem Dokument SQL on FHIR basiert. Da BigQuery nur 10.000 Spalten pro Tabelle zulässt, werden keine Schemas für die Felder Parameters.parameter.resource, Bundle.entry.resource und Bundle.entry.response.outcome generiert.
- ANALYTICS_V2 Ein Schema, das ANALYTICS ähnelt, mit zusätzlicher Unterstützung für Folgendes:
  - Erweiterungen mit mehreren Werten für dasselbe url
  - Enthaltene FHIR-Ressourcen
  ANALYTICS_V2 verwendet in der Zieltabelle mehr Speicherplatz als ANALYTICS
  .
WRITE_DISPOSITION: ein Wert für die Aufzählung WriteDisposition. Verwenden Sie einen der folgenden Werte: <ph type="x-smartling-placeholder">
- WRITE_EMPTY Exportieren Sie nur Daten, wenn die BigQuery-Zieltabellen leer sind.
- WRITE_TRUNCATE Löschen Sie alle vorhandenen Daten in den BigQuery-Tabellen, bevor Sie die FHIR-Ressourcen schreiben.
- WRITE_APPEND Sie können Daten an die BigQuery-Zieltabellen anhängen.

JSON-Text der Anfrage:

{
  "streamConfigs": [
    {
      "bigqueryDestination": {
        "datasetUri": "bq://PROJECT_ID.BIGQUERY_DATASET_ID",
        "schemaConfig": {
          "schemaType": "SCHEMA_TYPE",
        },
        "writeDisposition": "WRITE_DISPOSITION"
      }
    }
  ]
}

Wenn Sie die Anfrage senden möchten, wählen Sie eine der folgenden Optionen aus:

curl

Hinweis: Der folgende Befehl setzt voraus, dass Sie sich mit Ihrem Nutzerkonto bei der gcloud CLI angemeldet haben. Dazu haben Sie gcloud init oder gcloud auth login ausgeführt oder die Cloud Shell genutzt, die Sie automatisch bei der gcloud CLI anmeldet. Um herauszufinden, welches Konto gerade aktiv ist, führen Sie gcloud auth list aus.

Speichern Sie den Anfragetext in einer Datei mit dem Namen request.json. Führen Sie folgenden Befehl im Terminal aus, um diese Datei im aktuellen Verzeichnis zu erstellen oder zu überschreiben:

cat > request.json << 'EOF'
{
  "streamConfigs": [
    {
      "bigqueryDestination": {
        "datasetUri": "bq://PROJECT_ID.BIGQUERY_DATASET_ID",
        "schemaConfig": {
          "schemaType": "SCHEMA_TYPE",
        },
        "writeDisposition": "WRITE_DISPOSITION"
      }
    }
  ]
}
EOF

Führen Sie dann folgenden Befehl aus, um Ihre REST-Anfrage zu senden:

curl -X PATCH \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://healthcare.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/datasets/DATASET_ID/fhirStores/FHIR_STORE_ID?updateMask=streamConfigs"

PowerShell

Hinweis: Der folgende Befehl setzt voraus, dass Sie sich mit Ihrem Nutzerkonto bei der gcloud CLI angemeldet haben. Dazu führen Sie gcloud init oder gcloud auth login aus. Um herauszufinden, welches Konto gerade aktiv ist, führen Sie gcloud auth list aus.

Speichern Sie den Anfragetext in einer Datei mit dem Namen request.json. Führen Sie folgenden Befehl im Terminal aus, um diese Datei im aktuellen Verzeichnis zu erstellen oder zu überschreiben:

@'
{
  "streamConfigs": [
    {
      "bigqueryDestination": {
        "datasetUri": "bq://PROJECT_ID.BIGQUERY_DATASET_ID",
        "schemaConfig": {
          "schemaType": "SCHEMA_TYPE",
        },
        "writeDisposition": "WRITE_DISPOSITION"
      }
    }
  ]
}
'@  | Out-File -FilePath request.json -Encoding utf8

Führen Sie dann folgenden Befehl aus, um Ihre REST-Anfrage zu senden:

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method PATCH `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://healthcare.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/datasets/DATASET_ID/fhirStores/FHIR_STORE_ID?updateMask=streamConfigs" | Select-Object -Expand Content

APIs Explorer

Kopieren Sie den Anfragetext und öffnen Sie die Referenzseite für Methoden. Der API Explorer wird rechts auf der Seite geöffnet. Sie können mit diesem Tool interagieren, um Anfragen zu senden. Fügen Sie den Anfragetext in dieses Tool ein, füllen Sie alle Pflichtfelder aus und klicken Sie auf Ausführen.

Sie sollten eine JSON-Antwort ähnlich wie diese erhalten:

Wenn Sie in der Ressource FhirStore Felder konfiguriert haben, werden diese auch in der Antwort angezeigt.

Antwort

{
  "name": "projects/PROJECT_ID/locations/LOCATION/datasets/DATASET_ID/fhirStores/FHIR_STORE_ID",
  "version": "FHIR_STORE_VERSION",
  "streamConfigs": [
    {
      "bigqueryDestination": {
        "datasetUri": "bq://PROJECT_ID.BIGQUERY_DATASET_ID",
        "schemaConfig": {
          "schemaType": "SCHEMA_TYPE",
        },
        "writeDisposition": "WRITE_DISPOSITION"
      }
    }
  ]
}

Wenn Sie FHIR-Ressourcenänderungen in BigQuery streamen, wird standardmäßig ein view wird für jede gestreamte Ressource erstellt. Die Ansicht hat folgende Attribute:

Sie hat denselben Namen wie die Ressource und die Tabelle der Ressource im BigQuery-Dataset Wenn Sie z. B. einen Patienten streamen, Ressource ist eine Tabelle namens Patient mit einer Ansicht namens Patientview erstellt.
Es enthält nur die aktuelle Version der Ressource und nicht alle bisherigen versions.

FHIR-Ressourcen in partitionierte Tabellen streamen

Zum Exportieren von FHIR-Ressourcen in nach BigQuery partitionierte Tabellen legen Sie TimePartitioning Aufzählung in der lastUpdatedPartitionConfig in Ihrem FHIR-Speicher ein.

Partitionierte Tabellen funktionieren wie BigQuery nach Zeiteinheit partitionierte Tabellen. Partitionierten Tabellen wurde die Spalte lastUpdated hinzugefügt. Diese ist ein Duplikat. der Spalte meta.lastUpdated, die aus dem Feld meta.lastUpdated in eine FHIR-Ressource. BigQuery verwendet die lastUpdated , um Tabellen nach Stunde, Tag, Monat oder Jahr zu partitionieren.

Weitere Informationen finden Sie unter Tägliche, stündliche, monatliche oder jährliche Partitionierung auswählen finden Sie Empfehlungen zur Auswahl eines Detaillierungsgrads für die Partition.

Vorhandene, nicht partitionierte BigQuery-Tabellen können nicht in partitionierte Tabellen erstellen. Wenn Sie Patientenressourcen exportieren Änderungen an einer nicht partitionierten Patients-Tabelle und einen neuen FHIR-Speicher mit Tabellenpartitionierung erstellen, die in denselben Beim BigQuery-Dataset werden weiterhin Daten von der Cloud Healthcare API exportiert. in die nicht partitionierte Tabelle Patients. Wenn Sie eine partitionierte Tabelle nutzen möchten, Löschen Sie die vorhandene Tabelle Patients oder verwenden Sie ein anderes BigQuery-Dataset.

Wenn Sie eine Partitionierung zu einer vorhandenen FHIR-Speicherkonfiguration hinzufügen, können Sie in vorhandene nicht partitionierte Tabellen exportieren. Die Partitionierung wird jedoch nur wirksam, für neue Tabellen.

In den folgenden Beispielen wird gezeigt, wie Sie BigQuery-Streaming in einem vorhandenen FHIR-Speicher.

Console

Die Google Cloud Console und die gcloud CLI unterstützen diese Aktion nicht. Verwenden Sie stattdessen curl, PowerShell oder Ihre bevorzugte Sprache.

gcloud

Die Google Cloud Console und die gcloud CLI unterstützen diese Aktion nicht. Verwenden Sie stattdessen curl, PowerShell oder Ihre bevorzugte Sprache.

REST

So konfigurieren Sie das Streaming von BigQuery in partitionierte Tabellen auf einem vorhandenen FHIR-Speicher vorhanden sind, verwenden Sie projects.locations.datasets.fhirStores.patch .

Ersetzen Sie diese Werte in den folgenden Anfragedaten:

PROJECT_ID ist die ID Ihres Google Cloud-Projekts
LOCATION ist der Standort des Datasets
DATASET_ID: das übergeordnete Dataset des FHIR-Speichers
FHIR_STORE_ID: die FHIR-Speicher-ID
BIGQUERY_DATASET_ID: der Name eines vorhandenen BigQuery-Datasets, in dem Sie FHIR-Ressourcenänderungen streamen
SCHEMA_TYPE: ein Wert für die Aufzählung SchemaType. Verwenden Sie einen der folgenden Werte: <ph type="x-smartling-placeholder">
- ANALYTICS Ein Schema, das auf dem Dokument SQL on FHIR basiert. Da BigQuery nur 10.000 Spalten pro Tabelle zulässt, werden keine Schemas für die Felder Parameters.parameter.resource, Bundle.entry.resource und Bundle.entry.response.outcome generiert.
- ANALYTICS_V2 Ein Schema, das ANALYTICS ähnelt, mit zusätzlicher Unterstützung für Folgendes:
  - Erweiterungen mit mehreren Werten für dasselbe url
  - Enthaltene FHIR-Ressourcen
  ANALYTICS_V2 verwendet in der Zieltabelle mehr Speicherplatz als ANALYTICS
  .
TIME_PARTITION_TYPE: der Detaillierungsgrad, mit dem exportierte FHIR-Ressourcen partitioniert werden sollen. Verwenden Sie einen der folgenden Werte: <ph type="x-smartling-placeholder">
- HOUR: Daten nach Stunde partitionieren
- DAY: Daten nach Tag partitionieren
- MONTH: Daten nach Monat partitionieren
- YEAR: Daten nach Jahr partitionieren
WRITE_DISPOSITION: ein Wert für die Aufzählung WriteDisposition. Verwenden Sie einen der folgenden Werte: <ph type="x-smartling-placeholder">
- WRITE_EMPTY Exportieren Sie nur Daten, wenn die BigQuery-Zieltabellen leer sind.
- WRITE_TRUNCATE Löschen Sie alle vorhandenen Daten in den BigQuery-Tabellen, bevor Sie die FHIR-Ressourcen schreiben.
- WRITE_APPEND Sie können Daten an die BigQuery-Zieltabellen anhängen.

JSON-Text der Anfrage:

{
  "streamConfigs": [
    {
      "bigqueryDestination": {
        "datasetUri": "bq://PROJECT_ID.BIGQUERY_DATASET_ID",
        "schemaConfig": {
          "schemaType": "SCHEMA_TYPE",
          "lastUpdatedPartitionConfig": {
            "type": "TIME_PARTITION_TYPE"
          }
        },
        "writeDisposition": "WRITE_DISPOSITION"
      }
    }
  ]
}

Wenn Sie die Anfrage senden möchten, wählen Sie eine der folgenden Optionen aus:

curl

Speichern Sie den Anfragetext in einer Datei mit dem Namen request.json. Führen Sie folgenden Befehl im Terminal aus, um diese Datei im aktuellen Verzeichnis zu erstellen oder zu überschreiben:

cat > request.json << 'EOF'
{
  "streamConfigs": [
    {
      "bigqueryDestination": {
        "datasetUri": "bq://PROJECT_ID.BIGQUERY_DATASET_ID",
        "schemaConfig": {
          "schemaType": "SCHEMA_TYPE",
          "lastUpdatedPartitionConfig": {
            "type": "TIME_PARTITION_TYPE"
          }
        },
        "writeDisposition": "WRITE_DISPOSITION"
      }
    }
  ]
}
EOF

Führen Sie dann folgenden Befehl aus, um Ihre REST-Anfrage zu senden:

curl -X PATCH \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://healthcare.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/datasets/DATASET_ID/fhirStores/FHIR_STORE_ID?updateMask=streamConfigs"

PowerShell

Speichern Sie den Anfragetext in einer Datei mit dem Namen request.json. Führen Sie folgenden Befehl im Terminal aus, um diese Datei im aktuellen Verzeichnis zu erstellen oder zu überschreiben:

@'
{
  "streamConfigs": [
    {
      "bigqueryDestination": {
        "datasetUri": "bq://PROJECT_ID.BIGQUERY_DATASET_ID",
        "schemaConfig": {
          "schemaType": "SCHEMA_TYPE",
          "lastUpdatedPartitionConfig": {
            "type": "TIME_PARTITION_TYPE"
          }
        },
        "writeDisposition": "WRITE_DISPOSITION"
      }
    }
  ]
}
'@  | Out-File -FilePath request.json -Encoding utf8

Führen Sie dann folgenden Befehl aus, um Ihre REST-Anfrage zu senden:

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method PATCH `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://healthcare.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/datasets/DATASET_ID/fhirStores/FHIR_STORE_ID?updateMask=streamConfigs" | Select-Object -Expand Content

APIs Explorer

Sie sollten eine JSON-Antwort ähnlich wie diese erhalten:

Antwort

{
  "name": "projects/PROJECT_ID/locations/LOCATION/datasets/DATASET_ID/fhirStores/FHIR_STORE_ID",
  "version": "FHIR_STORE_VERSION",
  "streamConfigs": [
    {
      "bigqueryDestination": {
        "datasetUri": "bq://PROJECT_ID.BIGQUERY_DATASET_ID",
        "schemaConfig": {
          "schemaType": "SCHEMA_TYPE",
          "lastUpdatedPartitionConfig": {
            "type": "TIME_PARTITION_TYPE"
          }
        },
        "writeDisposition": "WRITE_DISPOSITION"
      }
    }
  ]
}

Partitionierte Tabelle abfragen

Um die Abfragekosten beim Abfragen von partitionierten Tabellen zu reduzieren, verwenden Sie die Methode WHERE um nach Zeiteinheiten zu filtern.

Angenommen, Sie legen den Parameter PartitionType enum in DAY auf. Um eine Patients-Tabelle nach Patientenressourcen abzufragen, die sich an einem bestimmten Datum, führen Sie die folgende Abfrage aus:

SELECT * FROM `PROJECT_ID.BIGQUERY_DATASET.Patients`
  WHERE DATE(lastUpdated) = 'YYYY-MM-DD'

Von Analytics zu Analytics V2 migrieren

Sie können kein vorhandenes BigQuery-Dataset aus Analytics migrieren Schema zum Analytics V2-Schema mit einer beliebigen Methode, einschließlich der folgenden:

Schematyp der Tabelle ändern in BigQuery.
Schematyp in einer vorhandenen FHIR-Streamingkonfiguration ändern

Das liegt daran, dass die BigQuery-Tabellenspalten FHIR-Erweiterungen im Analytics-Schema ist der Modus auf NULLABLE festgelegt, während für die im Schema im Analytics V2-Schema auf REPEATED gesetzt sind. BigQuery lässt nicht zu, dass der Modus einer Spalte von NULLABLE in REPEATED geändert wird. Daher sind die beiden Schematypen nicht kompatibel.

So migrieren Sie den Schematyp der exportierten FHIR-Ressourcen von Analytics zu Analytics V2, Sie müssen die FHIR-Ressourcen in eine neue BigQuery-Datei exportieren Dataset mit einer neuen Streamingkonfiguration mit dem aktualisierten Schematyp. Aufgabe Gehen Sie daher so vor:

Erstellen Sie ein neues BigQuery-Dataset.
Berechtigungen für das BigQuery-Dataset festlegen
Neue Streamingkonfiguration zum FHIR-Speicher hinzufügen mit dem Schematyp Analytics V2.
Backfill für vorhandene Daten durch Exportieren der vorhandenen FHIR-Daten mit den folgenden Einstellungen. Siehe FHIR-Ressourcen exportieren finden Sie eine Anleitung zum Konfigurieren dieser Einstellungen mit der Google Cloud Console, der Google Cloud CLI oder der REST API. Die folgenden Einstellungen gelten für die REST API:
- Festlegen WriteDisposition an WRITE_APPEND um die Daten an die Zieltabelle anzufügen.
- Festlegen SchemaType an ANALYTICS_V2.

Die Ansichten in BigQuery, die einigen oder allen FHIR-Ressourcen entsprechen im ursprünglichen BigQuery-Dataset in Ihrem neuen Dataset. Informationen zur Fehlerbehebung finden Sie unter Fehlende Erstellung der FHIR-Ressourcenansicht.

Fehlerbehebung beim FHIR-Streaming

Wenn Fehler beim Senden von Ressourcenänderungen an BigQuery auftreten, werden diese in Cloud Logging protokolliert. Weitere Informationen finden Sie unter Fehlerlogs in Cloud Logging ansehen.

Spalte kann nicht von NULLABLE in REPEATED konvertiert werden

Dieser Fehler wird durch eine wiederholte Erweiterung verursacht. Um diesen Fehler zu beheben, ANALYTICS_V2 verwenden Schematyp. Wenn Sie ANALYTICS_V2 bereits verwenden, gibt es möglicherweise eine Konflikt zwischen zwei Erweiterungen oder Konflikt zwischen einer und einer anderen Erweiterung ein.

Spaltennamen werden aus dem Text nach dem letzten / Zeichen generiert in Erweiterungs-URLs. Wenn eine Erweiterungs-URL mit einem Wert wie endet /resource_field name, kann ein Konflikt auftreten.

Damit dieser Fehler nicht noch einmal auftritt, sollten Sie Erweiterungen nicht verwenden, wenn ihr Feld sind mit den Ressourcenfeldern identisch, die Sie füllen.

Erstellung der FHIR-Ressourcenansicht fehlt

Wenn Sie einen Bulk-Export von einer FHIR-Ressource an BigQuery ausführen, bevor diese FHIR-Ressource gestreamt wird, erstellt BigQuery keine Ansichten für die FHIR-Ressource.

In der folgenden Situation werden beispielsweise keine Ansichten für Ressourcen vom Typ „Encounter” angezeigt:

Sie konfigurieren das BigQuery-Streaming in einem FHIR-Speicher und verwenden dann die REST API, um eine Patientenressource zu erstellen.

BigQuery erstellt eine Tabelle und eine Ansicht für die Patientenressource.
Sie führen einen Bulk-Export aus Encounter-Ressourcen in dasselbe BigQuery-Dataset wie im vorherigen Schritt aus.

BigQuery erstellt eine Tabelle für die Ressourcen des Typs „Encounter”.
Sie verwenden die REST API, um eine Ressource vom Typ „Encounter” zu erstellen.

Nach diesem Schritt werden BigQuery-Ansichten nicht mehr für die Encounter-Ressource erstellt.

Verwenden Sie folgende Abfrage zum Erstellen einer Ansicht, um dieses Problem zu beheben:

SELECT
    * EXCEPT (_resource_row_id)
FROM (
  SELECT
    ROW_NUMBER() OVER(PARTITION BY id ORDER BY meta.lastUpdated DESC) as _resource_row_id,
    *
    FROM `PROJECT_ID.BIGQUERY_DATASET_ID.RESOURCE_TABLE` AS p
) AS p
WHERE
  p._resource_row_id=1
  AND
  NOT EXISTS (
  SELECT
    *
  FROM
    UNNEST(p.meta.tag)
  WHERE
    code = 'DELETE');

Dabei gilt:

PROJECT_ID ist die ID Ihres Google Cloud-Projekts
BIGQUERY_DATASET_ID ist die ID des BigQuery-Datasets, in das Sie eine FHIR-Ressource per Bulk exportiert haben
RESOURCE_TABLE ist der Name der Tabelle, die der FHIR-Ressource entspricht, für die Sie Ansichten erstellen möchten

Nachdem Sie die Ansicht erstellt haben, können Sie weiter Änderungen an die FHIR-Ressource streamen. Die Ansicht wird entsprechend aktualisiert.

Nächste Schritte

Eine Anleitung zu einem Anwendungsfall für das Streaming von FHIR-Ressourcenänderungen finden Sie unter FHIR-Ressourcen mit BigQuery streamen und synchronisieren