Diese Seite wurde von der Cloud Translation API übersetzt.

FHIR-Ressourcenänderungen in BigQuery streamen

Auf dieser Seite wird erläutert, wie Sie einen FHIR-Speicher so konfigurieren, dass FHIR-Ressourcen jedes Mal automatisch in BigQuery-Tabellen exportiert werden, wenn eine FHIR-Ressource erstellt, aktualisiert, gepatcht oder gelöscht wird. Dieser Vorgang wird als BigQuery-Streaming bezeichnet.

Mit BigQuery-Streaming können Sie Folgendes tun:

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

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

Hinweise

Informationen zur Funktionsweise des Exports finden Sie unter FHIR-Ressourcen nach BigQuery exportieren.

Beschränkungen

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

BigQuery-Berechtigungen festlegen

Zum Aktivieren des BigQuery-Streamings müssen Sie dem Dienstkonto Cloud Healthcare Service Agent zusätzliche Berechtigungen erteilen. Weitere Informationen finden Sie unter BigQuery-Berechtigungen für FHIR-Speicher.

BigQuery-Streaming in einem FHIR-Speicher konfigurieren

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

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

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

Console

Führen Sie die folgenden Schritte aus, um BigQuery-Streaming in einem vorhandenen FHIR-Speicher mithilfe der Google Cloud Console zu konfigurieren:

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 Abschnitt BigQuery-Streaming die folgenden Schritte aus:
1. Klicken Sie auf Neue Streamingkonfiguration hinzufügen.
2. Klicken Sie im Abschnitt Neue Streamingkonfiguration auf Durchsuchen, um das BigQuery-Dataset auszuwählen, in das geänderte FHIR-Ressourcen gestreamt werden sollen.
3. Wählen Sie im Drop-down-Menü Schematyp das Ausgabeschema für die BigQuery-Tabelle aus. Folgende Schemas sind verfügbar:
  - 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 mit dem Schieberegler Rekursive Strukturtiefe eine Tiefenebene aus, um die Tiefe für alle rekursiven Strukturen im Ausgabeschema festzulegen. Standardmäßig ist der rekursive Wert 2.
5. Wählen Sie in der Liste FHIR-Ressourcentypen auswählen die zu streamenden Ressourcentypen aus.
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 die Methode projects.locations.datasets.fhirStores.patch, um BigQuery-Streaming in einem vorhandenen FHIR-Speicher zu konfigurieren.

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

Bevor Sie die Anfragedaten verwenden, ersetzen Sie die folgenden Werte:

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:
- 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 und zusätzlich Folgendes unterstützt:
  - 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:
- WRITE_EMPTY. Exportieren Sie nur dann 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. Hängen Sie Daten an die BigQuery-Zieltabellen an.

JSON-Text anfordern:

{
  "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 für jede gestreamte Ressource eine Ansicht erstellt. Die Ansicht hat folgende Attribute:

Sie hat denselben Namen wie die Ressource und die Tabelle der Ressource im BigQuery-Dataset. Wenn Sie beispielsweise eine Patientenressource streamen, wird eine Tabelle namens Patient mit einer Ansicht namens Patientview erstellt.
Sie enthält nur die aktuelle Version der Ressource und nicht alle bisherigen Versionen.

FHIR-Ressourcen in partitionierte Tabellen streamen

Zum Exportieren von FHIR-Ressourcen in nach BigQuery partitionierte Tabellen legen Sie die Aufzählung TimePartitioning im Feld lastUpdatedPartitionConfig Ihres FHIR-Speichers fest.

Die partitionierten Tabellen funktionieren wie nach Zeiteinheit partitionierte Tabellen von BigQuery. Partitionierte Tabellen enthalten eine hinzugefügte Spalte mit dem Namen lastUpdated. Diese ist ein Duplikat der Spalte meta.lastUpdated, die aus dem Feld meta.lastUpdated in einer FHIR-Ressource generiert wird. BigQuery verwendet die Spalte lastUpdated, um Tabellen nach Stunde, Tag, Monat oder Jahr zu partitionieren.

Empfehlungen zum Festlegen des Detaillierungsgrads für die Partition finden Sie unter Tägliche, stündliche, monatliche oder jährliche Partitionierung auswählen.

Vorhandene nicht partitionierte BigQuery-Tabellen können nicht in partitionierte Tabellen konvertiert werden. Wenn Sie Änderungen an Patientenressourcen in eine nicht partitionierte Patients-Tabelle exportieren und später einen neuen FHIR-Speicher mit Tabellenpartitionierung erstellen, die in dasselbe BigQuery-Dataset exportiert, exportiert die Cloud Healthcare API weiterhin Daten in die nicht partitionierte Patients-Tabelle. Wenn Sie eine partitionierte Tabelle verwenden möchten, löschen Sie die vorhandene Patients-Tabelle oder verwenden Sie ein anderes BigQuery-Dataset.

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

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

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

Verwenden Sie die Methode projects.locations.datasets.fhirStores.patch, um BigQuery-Streaming in partitionierte Tabellen in einem vorhandenen FHIR-Speicher zu konfigurieren.

Bevor Sie die Anfragedaten verwenden, ersetzen Sie die folgenden Werte:

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:
- 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 und zusätzlich Folgendes unterstützt:
  - 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:
- 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:
- WRITE_EMPTY. Exportieren Sie nur dann 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. Hängen Sie Daten an die BigQuery-Zieltabellen an.

JSON-Text anfordern:

{
  "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 in etwa folgende JSON-Antwort 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

Sie können die Abfragekosten beim Abfragen von partitionierten Tabellen reduzieren, indem Sie die Klausel WHERE verwenden, um nach Zeiteinheiten zu filtern.

Angenommen, Sie legen die Aufzählung PartitionType auf DAY fest. Führen Sie die folgende Abfrage aus, um eine Patients-Tabelle nach Patientenressourcen abzufragen, die sich an einem bestimmten Datum geändert haben:

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

Von Analytics zu Analytics V2 migrieren

Es ist nicht möglich, ein vorhandenes BigQuery-Dataset mit einer der folgenden Methoden vom Schema Analytics zum Schema Analytics V2 zu migrieren:

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

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

Wenn Sie den Schematyp der exportierten FHIR-Ressourcen von Analytics nach Analytics V2 migrieren möchten, müssen Sie die FHIR-Ressourcen mithilfe einer neuen Streamingkonfiguration mit dem aktualisierten Schematyp in ein neues BigQuery-Dataset exportieren. Führen Sie dazu die folgenden Schritte aus:

Erstellen Sie ein neues BigQuery-Dataset.
Berechtigungen für das BigQuery-Dataset festlegen
Fügen Sie dem FHIR-Speicher eine neue Streamingkonfiguration hinzu, wobei der Schematyp auf Analytics V2 festgelegt ist.
Backfill für vorhandene Daten durch Exportieren der vorhandenen FHIR-Daten mit den folgenden Einstellungen. Eine Anleitung zum Konfigurieren dieser Einstellungen mit der Google Cloud Console, der Google Cloud CLI oder der REST API finden Sie unter FHIR-Ressourcen exportieren. Die folgenden Einstellungen gelten für die REST API:
- Legen Sie WriteDisposition auf WRITE_APPEND fest, um die Daten an die Zieltabelle anzuhängen.
- Setzen Sie SchemaType auf ANALYTICS_V2.

Die Ansichten in BigQuery, die einigen oder allen FHIR-Ressourcen im ursprünglichen BigQuery-Dataset entsprechen, fehlen möglicherweise 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. Verwenden Sie den Schematyp ANALYTICS_V2, um diesen Fehler zu beheben. Wenn Sie ANALYTICS_V2 bereits verwenden, besteht möglicherweise ein Konflikt zwischen zwei Erweiterungen oder ein Konflikt zwischen einer Erweiterung und einem anderen Feld.

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

Damit dieser Fehler nicht noch einmal auftritt, verwenden Sie keine Erweiterungen, deren Feldnamen mit den Ressourcenfeldern übereinstimmen, die Sie ausfüllen.

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');

Ersetzen Sie Folgendes:

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.