FHIR-Ressourcenänderungen in BigQuery streamen

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

Mit BigQuery-Streaming haben Sie folgende Möglichkeiten:

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

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

Hinweise

FHIR-Ressourcen nach BigQuery exportieren

Beschränkungen

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

BigQuery-Berechtigungen festlegen

Wenn Sie das BigQuery-Streaming aktivieren möchten, müssen Sie dem Dienstkonto Cloud Healthcare-Dienst-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 festzulegen, für welche Arten von FHIR-Ressourcen das BigQuery-Streaming gilt. Wenn Sie resourceTypes[] nicht angeben, gilt das BigQuery-Streaming für alle FHIR-Ressourcentypen.

Erklärungen zu anderen Konfigurationen, die in StreamConfigs verfügbar sind, z. B. BigQueryDestination, finden Sie unter FHIR-Ressourcen exportieren.

In den folgenden Beispielen wird gezeigt, wie Sie das BigQuery-Streaming für einen vorhandenen FHIR-Speicher aktivieren.

Console

So konfigurieren Sie BigQuery-Streaming in einem vorhandenen FHIR-Speicher über die Google Cloud Console:

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

   Zu Datasets

2. Wählen Sie das Dataset mit dem FHIR-Speicher aus, den Sie bearbeiten möchten.

3. Klicken Sie in der Liste Datenspeicher auf den FHIR-Speicher, den Sie bearbeiten möchten.

4. Führen Sie im Abschnitt BigQuery-Streaming die folgenden Schritte aus:

   1. Klicken Sie auf Neue Streamingkonfiguration hinzufügen.
   2. Klicken Sie im Bereich Neue Streaming-Konfiguration 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. Die folgenden Schemas sind verfügbar:
      • Analytics Ein Schema, das auf dem Dokument SQL on FHIR basiert. Da in BigQuery nur 10.000 Spalten pro Tabelle zulässig sind, werden keine Schemas für die Felder Parameters.parameter.resource, Bundle.entry.resource und Bundle.entry.response.outcome generiert.
      • Analytics V2 Ein Schema, das dem Analytics-Schema ähnelt, mit zusätzlicher Unterstützung für Folgendes:
        • Erweiterungen mit mehreren Werten für dieselbe url
        • Enthaltene FHIR-Ressourcen
        Das Analytics V2-Schema belegt in der Zieltabelle mehr Speicherplatz als das Analytics-Schema.
   4. Wählen Sie im Schieberegler Rekursive Strukturtiefe eine Tiefe 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.

5. 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 ist 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 das Sie Änderungen an der FHIR-Ressource 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 in BigQuery nur 10.000 Spalten pro Tabelle zulässig sind, 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, aber zusätzlich Folgendes unterstützt:
    • Erweiterungen mit mehreren Werten für dieselbe url
    • Enthaltene FHIR-Ressourcen

    ANALYTICS_V2 belegt mehr Platz in der Zieltabelle als ANALYTICS

    .
• WRITE_DISPOSITION: ein Wert für die Aufzählung WriteDisposition. Verwenden Sie einen der folgenden Werte:
  • WRITE_EMPTY: Daten nur exportieren, wenn die Ziel-BigQuery-Tabellen leer sind.
  • WRITE_TRUNCATE. Alle vorhandenen Daten in den BigQuery-Tabellen löschen, bevor die FHIR-Ressourcen geschrieben werden.
  • WRITE_APPEND: 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 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 mit dem Namen Patient und eine Ansicht mit dem Namen Patientview erstellt.
• Sie enthält nur die aktuelle Version der Ressource, nicht alle bisherigen Versionen.

FHIR-Ressourcen in partitionierte Tabellen streamen

Wenn Sie FHIR-Ressourcen in partitionierte BigQuery-Tabellen exportieren möchten, legen Sie das TimePartitioning-Enum im Feld lastUpdatedPartitionConfig in Ihrem FHIR-Speicher fest.

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

Empfehlungen zur Auswahl der Partitionsgranularität finden Sie unter Tages-, Stunden-, Monats- oder Jahrespartitionierung wählen.

Vorhandene, nicht partitionierte BigQuery-Tabellen können nicht in partitionierte Tabellen umgewandelt werden. Wenn Sie Änderungen an Patientenressourcen in eine nicht partitionierte Patients-Tabelle exportieren und später einen neuen FHIR-Speicher mit Tabellenpartitionierung erstellen, der 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 einer vorhandenen FHIR-Geschäftskonfiguration eine Partitionierung hinzufügen, können Sie weiterhin in vorhandene nicht partitionierte Tabellen exportieren. Die Partitionierung gilt jedoch nur für neue Tabellen.

Wichtig: Die Partitionierung wird auf vorhandene nicht partitionierte Tabellen angewendet, wenn WriteDisposition auf WRITE_TRUNCATE festgelegt ist, da die Zieltabellen bei jedem Export gelöscht und neu erstellt werden.

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

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 das Sie Änderungen an der FHIR-Ressource 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 in BigQuery nur 10.000 Spalten pro Tabelle zulässig sind, 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, aber zusätzlich Folgendes unterstützt:
    • Erweiterungen mit mehreren Werten für dieselbe url
    • Enthaltene FHIR-Ressourcen

    ANALYTICS_V2 belegt mehr Platz in der Zieltabelle als ANALYTICS

    .
• TIME_PARTITION_TYPE: die Detailebene, auf der 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: Daten nur exportieren, wenn die Ziel-BigQuery-Tabellen leer sind.
  • WRITE_TRUNCATE. Alle vorhandenen Daten in den BigQuery-Tabellen löschen, bevor die FHIR-Ressourcen geschrieben werden.
  • WRITE_APPEND: 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

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",
          "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

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",
          "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

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:

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 bei Abfragen von partitionierten Tabellen zu reduzieren, verwenden Sie die Klausel WHERE, um nach Zeiteinheiten zu filtern.

Angenommen, Sie legen das Enum PartitionType auf DAY fest. Wenn Sie eine Patients-Tabelle nach Patientenressourcen abfragen möchten, die sich an einem bestimmten Datum geändert haben, 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 ein vorhandenes BigQuery-Dataset nicht mit einer der folgenden Methoden vom Analytics-Schema in das Analytics V2-Schema migrieren:

• Ändern des Schematyps der Tabelle in BigQuery
• Ändern des Schematyps in einer vorhandenen FHIR-Streamingkonfiguration

Das liegt daran, dass der Modus der BigQuery-Tabellenspalten für FHIR-Erweiterungen im Analytics-Schema auf NULLABLE festgelegt ist, während er im Analytics V2-Schema auf REPEATED festgelegt ist. In BigQuery kann der Modus einer Spalte nicht von NULLABLE zu 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 mit einer neuen Streamingkonfiguration mit dem aktualisierten Schematyp in ein neues BigQuery-Dataset exportieren. Gehen Sie dazu so vor:

1. Erstellen Sie ein neues BigQuery-Dataset.

2. Berechtigungen für das BigQuery-Dataset festlegen

3. Fügen Sie dem FHIR-Speicher eine neue Streamingkonfiguration hinzu, bei der der Schematyp auf Analytics V2 festgelegt ist.

4. Füllen Sie vorhandene Daten auf, indem Sie die vorhandenen FHIR-Daten mit den folgenden Einstellungen exportieren. Eine Anleitung zum Konfigurieren dieser Einstellungen über die Google Cloud Console, die Google Cloud CLI oder die 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.
   • Legen Sie SchemaType auf ANALYTICS_V2 fest.

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-Ressourcendatenansicht.

Hinweis: Das ursprüngliche BigQuery-Dataset, das das Analytics-Schema verwendet, ist davon nicht betroffen und erhält weiterhin Updates vom FHIR-Speicher. Wenn Sie das ursprüngliche BigQuery-Dataset nicht mehr benötigen, löschen Sie zuerst die ursprüngliche Streamingkonfiguration mit dem Analytics-Schema und dann das ursprüngliche BigQuery-Dataset.

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 Verlängerung verursacht. Verwenden Sie den Schematyp ANALYTICS_V2, um diesen Fehler zu beheben. Wenn Sie ANALYTICS_V2 bereits verwenden, kann es zu einem Konflikt zwischen zwei Erweiterungen oder zwischen einer Erweiterung und einem anderen Feld kommen.

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 es zu Konflikten kommen.

Um zu verhindern, dass dieser Fehler noch einmal auftritt, verwenden Sie keine Erweiterungen, deren Feldnamen mit den zu befüllenden Ressourcenfeldern übereinstimmen.

Fehlende Erstellung der FHIR-Ressourcendatenansicht

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:

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

   In BigQuery werden eine Tabelle und eine Ansicht für die Patient-Ressource erstellt.

2. 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”.

3. 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, commitTimestamp 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.