基于大数据的中医养生保健平台构建研究*

高 翔 黄文康 商志浩 王文婷 杨 珊

(广西中医药大学公共卫生与管理学院 南宁530200) (广西中医药大学针灸推拿学院 南宁530200) (广西中医药大学公共卫生与管理学院 南宁530200)

1 引言

随着我国经济快速发展，人民生活质量得到全面提高，但同时出现环境污染、食品安全、工作节奏加快等问题，养生保健成为备受关注的热门话题[1]。中医养生是中国传统的养生保健手段，历史悠久，成效显著，具有西方医学无法取代的独特优势。随着互联网的迅猛发展，网络上出现大量的无结构化和半结构化信息与数据，传统的存储方式已无法满足数据分析和处理需求，从海量数据中获取有价值信息成为组织和个人在相关领域取得成果的关键。虽然利用大数据技术可处理海量数据信息，但是由于技术尚不成熟，面临着隐私保护、相关性预知等方面的挑战，是亟需研究的问题[2]。移动设备作为信息化技术革命的产物，其普及给人们生活带来极大便利。本研究拟采用移动手机设备终端应用作为应用平台。在服务器端，通过Hadoop技术对网络海量数据进行提取、清洗和利用，根据关键词获取中医养生保健网络数据，根据用户行为习惯自动进行匹配。

2 大数据概念及其关键技术

2.1 概念

大数据即规模庞大的数据群集，在业界大数据仍然没有被广泛接受的准确定义，即定义不唯一。网络中目前已逐渐形成规模庞大的数据群集，且类型多种多样、结构复杂冗余。大数据技术拥有强大决策力、洞察力，还可以处理海量级数据以及多样化信息资源，如何处理并高效利用大数据是计算机科学技术与其他行业结合的研究重点。

2.2 关键技术

2.2.1 Hadoop 由Apache软件基金会开发的开源分布式系统基础架构。有两个核心组件：Hadoop分布式文件系统(Hadoop Distribute File System, HDFS)为海量数据提供存储; MapReduce为海量数据提供计算。Hadoop运作服务器集群，依托开发者编写的程序对庞大数据进行分布式模式的管理，适用于大数据存储与分析应用，适用几万台服务器在集群模式运作，支持 PB和TB级存储容量。Hadoop最明显的优势是可储存和处理数据量庞大且类型冗余复杂的数据，而传统数据库无法完成。

2.2.2 HDFS 为Hadoop关键组成之一，能够实现大数据强大的存储能力。其提供强大的数据存储功能，很好地解决传统存储数据规模庞大、类型复杂的问题。HDFS是建立于几万台机器上的数据存储系统，具有广阔的使用场景。采用主从式(Master/Slave)架构，一般一个HDFS集群由一个NameNode和一定数目的DataNode组成。NameNode是HDFS集群主节点，其功能是管理数据块的映射、HDFS名字空间以及处理Client请求；DataNode是 HDFS集群从节点，其功能是对文件系统数据进行存储，处理数据块的读写操作。两个组成部分配合完成分布式文件存储。

2.2.3 MapReduce 一个软件框架，开发者可在框架上简单编写代码程序，代码程序能运作于由几千台业务机器构成的服务器的大规模集群上，再依托一种可行且拥有容错能力的方法并行处理TB级别的大量数据群集。采用Master/Slave架构，1个Master，若干Slave。Master运行JobTracker负责作业调度，定期使用“心跳”向JobTracker报告任务进度，同时接受新任务，Slave运行TaskTracker负责具体作业处理。具体架构，见图1。

图1 MapReduce架构

3 基于大数据的中医养生保健应用系统设计

3.1 设计思路

3.1.1 总体框架(图2)

图2 基于大数据的中医养生保健应用系统架构

3.1.2 功能结构 基于大数据的中医养生保健应用构建在安卓平台上，方便用户随时随地使用。其主要功能是提供用户个性化的中医养生保健方案、中医膳食谱、结合线下养生馆的养生保健法等。功能结构，见图3。

图3 系统功能结构

3.1.3 开发环境 采用Window+Eclipse+Android+Mysql+Hadoop[3]开发环境。Android是一种基于Linux自由且开发源代码的操作系统，主要应用于移动设备上，具有易用性、便捷式操作等优势。结合开发工具Eclipse在Window上集成，Eclipse开发工具的插件功能非常强大，可根据自身需求扩展ADT插件，满足开发者开发需求。在数据存储方面，采用Mysql组织和管理传统数据存储；Hadoop为大数据存储工具，对复杂且庞大的数据集进行存储。

3.2 数据层架构

3.2.1 数据采集 一是网络检索引擎技术。网络是巨大的资源库，主要通过搜索引擎技术如Apache Lucene工具等检索大量的网络信息，根据中医养生保健的疗法、症状等划分需求制定规则，从而筛选出具有统计分类的中医养生保健相关信息作为数据储备。二是平台资源分享。互联网上有大量中医、养生保健等平台，可以通过平台信息资源对接方式采集相关中医养生保健信息以及较为完善的病历。三是网络爬虫。通过编写一个简单程序实现数据采集，其语言可以是Pyhton、C++、Java、PHP等，捕抓网页上的信息、数据、图片、文件等，根据中医养生保健相关的匹配词进行数据采集并归纳分类，统计数据。四是数据分析。使用数据仓库对数据进行清洗、装载、查询、展现等，决策选出业务逻辑中所需数据，实现“数据产生数据”的模式。

3.2.2 数据存储 采集的数据可分为非结构化、半结构化和结构化数据。对于结构化数据，结合中医养生保健信息高频出现、高效值的数据，优先考虑传统数据库存储方式并优先处理；对于非结构化、半结构化以及部分结构化数据，采用大数据模式，即分布式存储，将大量数据云集在服务器集群中并进行挖掘处理，做出中医养生保健决策。

3.2.3 数据算法 主要目的是对大数据进行挖掘，从而提高数据提炼的性能。海量数据较难处理，往往要达到需求量大、速度快、精确度高等要求，而传统的数据处理技术无法满足其处理需求。本研究采用Apache Mahout[4-5]技术，其提供一些可扩展机器学习的经典算法，可以实现文档聚类、做出推荐和组织内容。Mahout推荐算法分为两类：基于单机内存算法，基于Hadoop的分步式算法[6]。针对大数据采用基于Hadoop的分步式算法。该算法是将之前单机执行的算法变成MapReduce模式。MapReduce分布式并行计算的结构是将大数据均切分为小数据模块，再结合Hadoop集群的处理机进行并行处理，使其快捷地完成大数据挖掘、分析过程。Mahout协同过滤推荐实现的组件，见图4。

图4 Mahout协同过滤推荐实现的组件

3.3 服务层

3.3.1 面向用户 一是用户精准词元匹配中医养生保健服务。用户根据自身体征表现以及特点，通过选词或自定义词元将信息输入中医养生保健平台中，平台服务基于大数据筛选高效值，提供用户精准的养生保健方案，在用户实施方案期间对其追踪以反馈效果。二是中医养生保健膳食和推拿手法推荐。用户通过应用平台可查看中医养生保健膳食和手法推荐，膳食信息均由大数据通过一年四季、节

/气等因素结合综合分析而得；推拿手法是根据用户已标识的自身体征匹配数据高效值来提供服务。

3.3.2 面向大数据平台 如线下养生馆，中医养生保健平台通过严格的权限管理，设置对指定场所或公司开放相关接口权限，为第3方提供接口服务，服务内容包括分类词元信息匹配、养生保健方案生成、计划安全性认证服务等，构建线下-线上联动模式。

4 结语

本文对基于大数据的中医养生保健平台构建进行简要论述，主要包括系统模型、数据处理方式、主要功能等。在大众养生保健的热潮中资源获取和数据有效性是用户最主要的需求。而大数据处理、有效利用显得十分重要，是值得研究的方向，如何更好地利用数据产生更大价值需深入思考。