依托TBDS构建湖仓一体底座，中国医学科学院肿瘤医院实现千亿级数据平台国产化演进

应对CDH架构老化与数据合规的双重挑战

中国医学科学院肿瘤医院在建设国家肿瘤信息数据共享平台（全国抗肿瘤药物临床应用监测网）的过程中，积累了海量的诊疗信息。截至目前，平台数据总存储量超 2000T，数据总行数超 1200亿，覆盖 3200万 肿瘤患者全病例信息，纳入医院数超 2200家（数据来源：全国抗肿瘤药物临床应用监测网）。

随着数据规模的激增与应用场景的深化，原有底层数据架构面临三大核心业务瓶颈：

• 技术栈迭代停滞面临淘汰风险： 原有 CDH 体系版本老旧，社区更新停滞，无法支撑当前医疗行业向“湖仓一体”及“Data+AI 融合”演进的技术需求。
• 医疗数据安全与合规要求升级： 现有系统架构在应对日益严格的医疗数据安全、隐私保护政策时，面临严峻的合规性整改压力。
• 底层IT基础设施存在外部依赖： 在国家关键技术自主可控的战略要求下，原有的底层算力、存储与数据库亟需进行国产化替代与技术底座重构。

部署分层解耦的国产湖仓一体全场景架构

为打破底层技术受限的局面，医院采用腾讯大数据处理套件（TBDS）作为核心数据基座，构建了具备全栈分层解耦能力的湖仓一体全场景数据平台：

• 泛 Hadoop 生态兼容与平滑迁移： 架构兼容广泛的 Hadoop 生态系统组件，使历史构建在旧版 Hadoop 上的大数据平台业务能够实现无缝平迁。采用全开放的数据存储格式（Parquet / ORC / Iceberg），支持多驱动接入与二次开发 API，消除厂商绑定风险。
• 全域统一管控与弹性算力调度： 采用 Kubernetes 云原生资源调度与 Hadoop YARN 体系结合，支持跨集群统一调度资源及秒级启停。实现权限集中管理与统一元数据服务，降低系统管控复杂度，保障全链路可观测。
• 全栈国产适配与高等级安全防护： 底层软硬件实现全栈国产适配，消除外部技术依赖。TBDS 提供严格的数据安全分类管理策略与完整 5A 安全体系，全面支持 Kerberos 认证与国密安全算法。

达成千亿级数据高效处理与IT资源利用率跃升

基于新一代国产大数据底座的部署，中国医学科学院肿瘤医院在系统稳定性、处理效率及运维成本控制上实现了量化突破：

• 系统稳定性与并发规模大幅提升： 平台可用性标准达到 99.999%，单集群支持 万级 节点规模。通过联邦 HDFS 技术突破单一存储规模限制，实现对 千亿级 肿瘤数据的全生命周期高效处理与管理。
• 计算效能增长与运维成本压降： 基于对开源组件的深度优化，平台综合性能提升 30%+，整体IT资源利用率提升 50%+，同时日常运营与管控成本降低 30%+（数据来源：腾讯云TBDS核心能力指标）。
• 数据服务效率加速科研转化： 湖仓一体架构大幅缩短了跨域多模态医疗数据的清洗、治理与分析链路耗时。临床试验患者的入组筛选效率显著提升，有效加速了创新药研发与科研成果的临床转化。

支撑医疗科研全链路价值释放的底层逻辑

中国医学科学院肿瘤医院选择腾讯云 TBDS，其核心逻辑在于在保证业务连续性的前提下，以极低的代码改造成本完成了复杂遗留系统（CDH）的国产化平替。该架构不仅解决了历史技术债，更通过统一的治理标准与互信机制，打破了跨区域、多模态医疗数据的协作壁垒。这为国家级肿瘤临床研究提供了高可用、高可信的数据支撑体系，为后续开展恶性肿瘤精准诊疗技术创新及 AI 大模型应用奠定了算力与数据基础。