复盘|吉林医保:新架构解决老问题

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 阿里云多年经验沉淀总结出的“应缓存尽缓存、应异步尽异步、大表要分库分表、并发平行散开”创新性最佳IT实践,支撑了医保信息化系统的改造。

20216月,21天完成云平台部署、测试,60天第一批三个试点城市同步上线,吉林省医疗保障信息化项目建设创造了中国速度,也给全国统一医保信息平台建设在地方上的推进提供了一个可参考的样本。

 

作为数字医疗保障体系的建设重点,医保信息化难题积弊20余年,终于在各方的努力下被逐步攻克。

 

在国家医保局的推动和指导下,全国各地方省市级医保部门也先后树立起了医疗保障信息平台建设目标。但各地方实际落实的差异性,也对项目建设的具体需求、上线落地、使用效果以及进一步发展等方面都提出不同要求。

 

理解整体医保信息化系统建设和吉林省医疗保障信息化项目推进思路,对洞察包括医保系统在内的大健康产业发展以及数字政府建设都具有十分重要的参考价值。

 

历史的难题

 

中国的医保信息化建设最早要追溯到上世纪末期,由全国开展的医疗保险制度的改革说起。1998年,我国正式确定了城镇职工基本医疗保险制度框架,此后全国逐步建立了新农合制度和城镇居民医疗保险,而后进一步整合为城乡居民医疗保险,实现了参保人民全覆盖。但当时各地医保政策及落实情况参差不齐,加之医保信息化建设缺乏统筹规划,最终导致全国约400个统筹区的自建系统彼此割裂,分散在人社、民政、卫健等不同部门,互不衔接、互不共享。

 

十三五期间,我国医疗保险覆盖超过13亿人,医保电子凭证全渠道用户量超过3亿,成为世界上最大的医疗保障服务体系,标准不统一、数据不互认共享、各统筹区封闭管理等历史问题愈发凸显。医疗保障系统如何扩容并实现统一标准、统一管理?打造全国统一医保信息平台势在必行。

 

2018531日,国家医疗保障局正式挂牌成立,从医保基金监管、医保标准化等方面,对医保信息化提出了新的要求。同年8月,国家医保局召开医保标准化研究专家座谈会,研究部署医保业务标准制定工作,正式启动医保信息化工作。20193月,《医疗保障信息平台建设工程初步设计方案》获批,由此平台前期准备工作基本结束,进入平台建设阶段。

 

20194月,国家医保信息平台招投标工作正式启动。202010月,国家医保信息平台主体建设完成,平台建设重点开始转向地方落地应用。截至20223月底,国家医保信息平台已在全国31个省份和新疆生产建设兵团上线。这标志着,历时211个月,全国统一的医保信息平台全面建成。

 

2018年国家医疗保障局成立后,阿里云全面参与国家医疗保障新一轮信息化建设整体规划,组建技术专家组驻扎国家医保局进行架构设计,先后承担了国家医保局信息平台、国家智慧医保实验室平台、国家医保局核心业务云平台资源扩容等项目的建设。

 

深入参与国家医保局项目建设的同时,阿里云进一步全面投入参与到全国各省市地方建设实践中,也正是在这个阶段,吉林省医疗保障信息平台由阿里云中标,阿里云与吉林医保局客户一起创造了中国速度

 

这背后离不开两个关键点:一是阿里云在国家医保局已经完成所有软件的适配,在地方能够快速验证,实现快速对接;二是阿里云是国家医保局项目规划及建设的关键技术力量,+双中台架构体系是由阿里云提出,不仅对这一整套系统的底层技术架构相当熟悉,能够快速排查问题、推进进程,而且在国家及其他省份经过长时间的积累,有一支专业的团队,能够支撑项目快速上线实施,提早避免问题,给出最佳实施路径。

 

新架构解决老问题

 

将互相割裂的400套统筹区医保信息化系统统一为一套版本,是阿里云首先要理解和解决的问题,也是阿里云后期在国家医保局推出整体双中台架构的根本原因。

 

一个现成的方案是,重塑这400套割裂的系统,再通过一套软件将这400套系统进行兼容,形成一套大型集成软件包。但是“4001”的方案并不具备适应业务发展的能力,假设再多出来第401、第402……整个软件包就会不断面临着因需求的出现而反复新增、修改等系统升级的工作,根本不具备稳定性。

 

究其根本,是传统IOE架构支撑下的医保信息化系统体系,已经远远无法满足当时如此海量的用户使用诉求了。例如,各地方参保人数持续增加,也因财政经济的不同而有所差异,从地市到省级,再到全国统筹,参保人数的容量从几百万到上亿,波动范围非常大。

 

医保系统不断升级的技术要求下,选择先进的分布式云计算架构成为必然。过去的IOE架构只能纵向扩展,而分布式云架构可以横向无限扩展,未来新的需求出现,也可以通过横向扩展补充进去。阿里云首席架构师魏文麟表示。而针对多系统的统一化运行和新需求扩容,阿里云底层的分布式计算能力就能解决。阿里云多年经验沉淀总结出的应缓存尽缓存、应异步尽异步、大表要分库分表、并发平行散开创新性最佳IT实践,支撑了医保信息化系统的改造。

 

与此同时,基于阿里云提供的底层能力,400套系统中95%的同类型需求进行了取舍、合并,通过配置库和计算公式引擎、万能政策树引擎,对接形成了自定义开源脚本,而另外5%无法兼容的需求则采用定制化开发,最终基于一套横向可扩展的分布式云架构,将400套系统需求实现归拢。

 

通过编制统一的业务编码、数据规范,形成全国自上而下医保信息数据交换的通用语言,无异于打造了医保标准化的新引擎,实现全国医保信息互通互联、数据互认,为后续诸多医保重大改革奠定基础。

 

用中台解锁复杂场景

 

医保信息互通互联后的下一步,是让这套全球最大的医疗保障服务体系中的海量数据能够发挥真正的价值。中台正是对症良药,而阿里云在这一领域也积累了很多成熟的经验。而且医疗政府行业,并不敏感于先进技术,更依托于成熟可落地的技术产品,这要求阿里云给出的逻辑、产品一定是经过千锤百炼、能够零风险上线。实际上,这是医疗保障领域的第一次中台实践。

 

在中台概念之前,共享业务中心其实更为常见,即把共享的业务服务和依赖的数据进行聚合,如共享财务中心。而医保信息平台中也需要构建类似的共享业务中心,在此需求基础之上,业务中台通过更高程度的能力抽象,解决掉了共享业务中心的低耦合性,既可以实现业务中心的服务调用,同时又可以避免烟囱式系统的重复、割裂的建设,从根本上解决原本系统扩展性低、稳定性差、无法支撑高并发等问题。如政策中心板块,要求政策高度一致,研发设计时就可以将政策统一的业务抽离出来,将政策相关数据汇聚,沉淀到业务中台,实现业务共享和稳定。

 

阿里云规划的业务中台总体设计思路是,将医保信息化系统中原有的14个应用系统服务能力进行提炼,抽取出60多个共用服务,最终形成15个业务中心,包括统一认证中心、政策中心、结算中心、引擎中心等等。

 

以联网结算为例,这是医保信息化系统中核心且涉及民生舆情的业务场景之一,作为一种大型交易应用系统,联网结算具有高并发、低延时、追溯审计等特点。患者在联网医院或零售药店进行结算缴费时,系统要即时向医保结算中心发起医保支付申请,通过支付模块进行计算,返回正确结果。患者只是看到了一张写明了费用和缴费明细的单子,但这个结果背后是一整套复杂、精准的运转:医保信息化系统不仅要达到毫秒级反馈,还要同时处理多个相似请求,并保持24小时不间断计算。

 

中台应用只是其中一部分,新一代信息化系统主要包括:一个云平台、两个中台、三类保障和四类应用。一个云平台,即承载分布式计算服务的IaaSPaaS;两个中台,即数据中台和业务中台,前者主要面向监管分析系统,负责全域数据存储、数据萃取、数据处理、面向场景算法迭代,后者主要面向核心交易系统,负责业务场景、交易处理、数据生成、用户触点;三类保障则涉及标准、安全、运维;四类应用则包括服务类、经办类、监管类、分析类等面向具体场景的应用。

 

从全局视角来看,这套医保信息化系统实现了业务全局共享、数据全局打通的核心命题,将原先分散在各部门、各区域自行采购和建设的不同系统,进行了统一管理和数据的互联互通,同时,通过在业务支撑层整合通用服务能力,为上层应用系统提供各类基础能力,从而最终保障了各类业务办理的有效、平稳运行。

 

医疗大数据的未来

 

也正因为阿里云在国家医保局的架构设计及产品适配验证,吉林省医保局的信息化建设项目与阿里云的合作水到渠成。

 

2021526日,阿里云成功中标吉林医保局信息化建设项目,21天完成云平台部署、测试,短短60天就实现了吉林医保项目的实施上线。在整体推进过程中,阿里云在项目中赋能加深核心的技术设计思想,同时,凭借在产品使用搭配方面的丰富经验,提供了包括IaaS层、PaaS层、DaaS层、云管理、云安全等成熟产品,从而保障了平台高效上线运行。

 

对于吉林医保而言,作为全国7个医保电子凭证首发省份之一和国家首批医保信息化建设试点省份,能够如此之快推动医保信息化建设项目,除了来自上级单位的推动和指导,选择与国家医保局相同的标准解决方案和技术产品路线之外,还离不开人和

 

在前期沟通时,吉林医保希望在最短时间内将云平台做起来,相关领导对医保信息化的认知很深刻,有很多新想法,要求也比较高,希望尽量让所有的数字资产得到充分利用。魏文麟回忆道。

 

良好的沟通和认可下,吉林医保在阿里云驻场作业时,也积极配合,双方碰撞出来很多火花。而阿里云也对这个省级医保信息化项目特别重视,魏文麟介绍称,在时间紧迫的吉林医保项目中,面对当地中标的其他业务系统,如何快速接入阿里云的新建医保信息平台,阿里云对每一个出现的问题都会第一时间解决,并在历史数据上云阶段全面驻场支持,从而加快了工作进度。

 

天时、地利、人和,整个吉林医保信息化系统的搭建和上线运行时间点卡位,超出了预期。

 

2021621日,吉林医保首批并网实现了辽源市、长白山市、白城市3个统筹区、近6亿历史数据上云,是全国首个试点同时上线3个地市的省份,也是东北首个上线新医保平台的省份。此次吉林省医疗保障信息平台覆盖全省近2500万人,成为未来吉林全省医保业务运行的基础。同年72日,吉林省医保信息平台一期试点区域成功上云,其中包括42家医保经办机构、2381家医疗定点机构,上线首日平台就完成了超26万笔交易请求。

 

随着全国各地市逐步落地应用,全国统一医保信息平台建设完成,医保系统实现融合互通,同时医保数据归集治理迈上新台阶。

 

当前的医保信息化工作是在除旧疾,满足人们日常的各类医疗支付需求,但医保大数据是一座宝库,由于海量历史数据的沉淀,医保大数据分析的基础已经具备,未来医保信息化系统将为医保筹资、待遇保障、支付制度、药品耗材招标采购、基金监管等领域的精细化政策制定提供数据推演和决策支撑。未来,医保数据将进一步全面带动我国大健康产业的发展,在医疗健康服务、医药数据服务、商业保险服务、信用金融服务等方面发挥重要价值,在未来可以连接G端、B端、C端,线上线下全产业链条,为地方产业发展和跨行业业务融合提供重要的数据支撑。

 

业务中台已经实现了业务组件的高度运行,实现业务的自由组合可配置。未来医保大数据价值将被充分挖掘,真正实现医保双中台驱动模式。目前,部分省市已经在开展相关探索,对医保数据做全维度分析,进行大数据治理和挖掘项目的延伸。

 

(本文作者杨亚茹为钛媒体资深编辑)



本文摘自《云栖战略参考》2022第五期,订阅数字化转型双月刊《云栖战略参考》请扫码(或填写下方链接),工作人员会在审核后为您寄出

https://survey.aliyun.com/apps/zhiliao/xsTiZ4YaM

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
存储 缓存 分布式计算
案例酷|吉林医保:新架构解决老问题
案例酷|吉林医保:新架构解决老问题
344 0
|
29天前
|
Kubernetes Cloud Native Docker
云原生之旅:从容器到微服务的架构演变
【8月更文挑战第29天】在数字化时代的浪潮下,云原生技术以其灵活性、可扩展性和弹性管理成为企业数字化转型的关键。本文将通过浅显易懂的语言和生动的比喻,带领读者了解云原生的基本概念,探索容器化技术的奥秘,并深入微服务架构的世界。我们将一起见证代码如何转化为现实中的服务,实现快速迭代和高效部署。无论你是初学者还是有经验的开发者,这篇文章都会为你打开一扇通往云原生世界的大门。
|
4天前
|
JSON 监控 安全
探索微服务架构中的API网关模式
【9月更文挑战第22天】在微服务架构的海洋中,API网关如同一位智慧的守门人,不仅管理着服务的进出,还维护着整个系统的秩序。本文将带你一探究竟,看看这位守门人是如何工作的,以及它为何成为现代云原生应用不可或缺的一部分。从流量控制到安全防护,再到服务聚合,我们将一起解锁API网关的秘密。
|
2天前
|
安全 应用服务中间件 API
微服务分布式系统架构之zookeeper与dubbo-2
微服务分布式系统架构之zookeeper与dubbo-2
|
2天前
|
负载均衡 Java 应用服务中间件
微服务分布式系统架构之zookeeper与dubbor-1
微服务分布式系统架构之zookeeper与dubbor-1
|
14天前
|
运维 Cloud Native Devops
云原生架构的崛起与实践云原生架构是一种通过容器化、微服务和DevOps等技术手段,帮助应用系统实现敏捷部署、弹性扩展和高效运维的技术理念。本文将探讨云原生的概念、核心技术以及其在企业中的应用实践,揭示云原生如何成为现代软件开发和运营的主流方式。##
云原生架构是现代IT领域的一场革命,它依托于容器化、微服务和DevOps等核心技术,旨在解决传统架构在应对复杂业务需求时的不足。通过采用云原生方法,企业可以实现敏捷部署、弹性扩展和高效运维,从而大幅提升开发效率和系统可靠性。本文详细阐述了云原生的核心概念、主要技术和实际应用案例,并探讨了企业在实施云原生过程中的挑战与解决方案。无论是正在转型的传统企业,还是寻求创新的互联网企业,云原生都提供了一条实现高效能、高灵活性和高可靠性的技术路径。 ##
23 3
|
18天前
|
监控 负载均衡 应用服务中间件
探索微服务架构下的API网关设计与实践
在数字化浪潮中,微服务架构以其灵活性和可扩展性成为企业IT架构的宠儿。本文将深入浅出地介绍微服务架构下API网关的关键作用,探讨其设计原则与实践要点,旨在帮助读者更好地理解和应用API网关,优化微服务间的通信效率和安全性,实现服务的高可用性和伸缩性。
37 3
|
22天前
|
存储 Java Maven
从零到微服务专家:用Micronaut框架轻松构建未来架构
【9月更文挑战第5天】在现代软件开发中,微服务架构因提升应用的可伸缩性和灵活性而广受欢迎。Micronaut 是一个轻量级的 Java 框架,适合构建微服务。本文介绍如何从零开始使用 Micronaut 搭建微服务架构,包括设置开发环境、创建 Maven 项目并添加 Micronaut 依赖,编写主类启动应用,以及添加控制器处理 HTTP 请求。通过示例代码展示如何实现简单的 “Hello, World!” 功能,并介绍如何通过添加更多依赖来扩展应用功能,如数据访问、验证和安全性等。Micronaut 的强大和灵活性使你能够快速构建复杂的微服务系统。
53 5
|
1天前
|
Kubernetes Go Docker
掌握微服务架构:从Go到容器化的旅程
摘要,通常简短概述文章内容,要求精炼。在本文中,我们将打破常规,采用一种故事化叙述的摘要,旨在激发读者的好奇心和探究欲: “从宁静的海滨小城出发,我们踏上了一场技术探险之旅,探索微服务架构的奥秘。我们将学习如何用Go编写微服务,以及如何通过Docker和Kubernetes将它们打包进小巧的容器中。在这场旅程中,我们将遇到挑战、收获知识,最终实现应用的快速部署与可扩展性。”
|
2天前
|
Cloud Native Java 对象存储
揭秘微服务架构之争:Spring Cloud与Netflix OSS巅峰对决,谁将称霸弹性云原生时代?
近年来,微服务架构成为企业应用的主流设计模式。本文对比了两大热门框架Spring Cloud和Netflix OSS,探讨其在构建弹性微服务方面的表现。Spring Cloud依托Spring Boot,提供全面的微服务解决方案,包括服务注册、配置管理和负载均衡等。Netflix OSS则由一系列可独立或组合使用的组件构成,如Eureka、Hystrix等。两者相比,Spring Cloud更易集成且功能完善,而Netflix OSS则需自行整合组件,但灵活性更高。实际上,两者也可结合使用以发挥各自优势。通过对两者的对比分析,希望为企业在微服务架构选型上提供参考。
9 0

热门文章

最新文章