監測資料庫

⑴ android 資料庫怎麼監聽數據變化

在android中經常會用到改變資料庫內容後再去使用資料庫更新的內容，很多人會重新去query一遍，但是這樣的問題就是程序會特別占內存，而且有可能會摟關cursor而導致程序內存未釋放等等。其實android內部提供了一種ContentObserver的東西來監聽資料庫內容的變化。
ContentObserver的構造函數需要一個參數Hanlder，因為ContentObserver內部使用了一個實現Runnable介面的內部類NotificationRunnable，來實現資料庫內容的變化。需要使用hanlder去post消息。注冊ContentObserver的方法是：getContentResolver().registerContentObserver(uri, notifyForDescendents, observer).
上面3個參數為：uri----Uri類型，是需要監聽的資料庫的uri.
notifyForDescendents---boolean true的話就會監聽所有與此uri相關的uri。false的話則是直接特殊的uri才會監聽。一般都設置為true.
observer-----ContentObserver 就是需要的contentobserver.
初始化一個ContentObserver對象，重載onChange(boolean ),在這個方法里去操作資料庫的使用，針對變化後的使用。

⑵ 2022年國內主流醫葯資料庫有哪些

目前主要使用的醫葯資料庫分為兩大類，一個是免費醫葯資料庫，一個是商業綜合類的醫葯資料庫。醫葯資料庫的本質是讓用戶能在短時間內在一個網站把想要的信息通過檢索一覽無余，因此，全面性、准確性、及時性是該類資料庫的主要指標。

先說免費醫葯資料庫，大大小小的比較多，但真正用戶量大，達到一定使用頻率的，我們在此推薦三個最全面的：

①：DrugBank資料庫，它是加拿大阿爾伯塔大學（University of Alberta）研究人員將詳細的葯物數據和全面的葯物目標信息結合起來,建立的真實可靠的生物信息學和化學信息學資料庫。DrugBank包含50萬種葯物信息，其中包括2653種經批準的小分子葯物、1417種經批準的生物技術(蛋白質/肽)葯物、131種營養品和6451種實驗葯物。

②：pharnexcloud，他目前是開放程度高的中文界面醫葯資料庫，包含了全球葯品研發管線、審評審批進度、全球臨床試驗、中國臨床試驗、葯品招投標、集采、一致性評價等大量整合信息。

③：ClinicalTrials，它是一個基於網路的資源，為患者、他們的家庭成員、醫療保健專業人員、研究人員和公眾提供了方便地訪問關於各種疾病和病症的公共和私人支持的臨床研究的信息。該網站由 美國國立衛生研究院的國家醫學圖書館(NLM) 維護（NIH），美國國家醫學圖書館提供的資源，探索所有 50 個州和 221 個國家/地區的 422,494 項研究。註：所有資料及相關研究僅供參考，未取得相關政府機構評定。

免費資料庫涉及數據層面的關聯性相對單一、數據深度存在一定局限性，畢竟這類資料庫沒有像商業資料庫那樣花上足夠多的人力成本及時間成本去清洗、整理、維護數據。

商業類醫葯資料庫往往是高價值資料庫的代表。商業類醫葯資料庫特點是功能強大不僅能對學術類信息加以融合處理，還能分析葯品全生命周期數據，競品葯品銷售詳細情況、競品企業招投標、投融資、集中采購信息等；除此之外還能實時跟蹤產品管線最新信息，做到實時調整戰略方向，防止做無用功浪費企業資源。現在商業類資料庫可以說是醫葯企業必備的資料庫。筆者就國內葯企主要使用的商業醫葯資料庫（同時對比兩個國外資料庫）給大家一一列舉。

葯融雲企業版Pharnexcloud

數據全面性：★★★★★

運營企業：葯融雲數字科技

上線時間：2020年

資料庫數量：218個

產品組成：葯物研發庫群、上市葯品庫群、葯品銷售庫群、市場信息庫群、一致性評價庫群、原料葯庫群、醫療器械庫群、生產檢驗庫群、合理用葯庫群、醫葯文獻等十個版塊構成。

數據來源：各國葯品監管機構、試驗研究、學術會議報告、文獻期刊、異構資源、企業公告各國衛生機構、醫學新聞雜志、網路資訊、專利、協會學會等。

數據特色：數據採集近80個主流國家，監控全球10萬+醫葯數據信息源，數據放大模型演算法涉及人口學、經濟學、發病率、醫療資源分布等各類特徵參數。

增值服務：①專人對接需求，團隊解決問題。②沙龍、巡講、峰會、項目交易、需求對接等活動支持，能加入他們葯融圈生態鏈。

優點：全面覆蓋醫葯領域全產業鏈各環節，數據總量大、數據來源、專業報告、數據演算法、結果展示都做得非常好。

缺點：相比較於全球頂尖的cortellis、informa等，pharnexcloud的數據展示結果關聯性還有明顯的進步空間。

pharnexcloud醫葯資料庫後來居上，進步很快，近年來逐步成為國內醫葯企業選擇較多的醫葯資料庫，因其產品功能的全面和數據全面性得到越來越多的認可，希望能保持這個進步速度。

葯智

綜合性推薦指數：★★★★☆

運營企業：重慶康洲數據

上線時間：2009年

產品組成：由研發、一致性、生產、上市、市場、用葯、葯化、中葯材、器械等九個版塊組成。

數據來源：地區機構、資訊、企業公告報道、醫療會議、公司年度報告、醫療衛生機構、醫學雜志、專利、商標、技術實施文件、學術會議、技術報告、科技期刊等。

資料庫數量：172個

檢索方式、功能點、底層數據架構、界面展示：與insight、Pharnexcloud資料庫大體一致。

優點：葯物綜合報告、審評、臨床數據都做得相當不錯。而且僅此一家推出了化妝品、食品資料庫。

缺點：葯品銷售數據起步階段暫不夠成熟，全球數據相對量少。（葯品銷售數據對於葯品的立項調研、競品銷售分析、銷售戰略目標制定都是重中之重）。創新葯物收錄數量有待提高。

醫葯魔方

綜合推薦指數：★★★★☆

運營企業：北京華彬立成

上線時間：2013年

資料庫數量：49個

產品組成：資本透視、全球新葯、全球臨床、基礎數據、市場洞察這五個版塊構成。

數據來源：實驗室研究、內部會議、專業報道、專利、商標、技術實施文件、學術會議、技術報告、科技期刊、文獻、教科書、地區機構、資訊、新聞資訊、公司年度報告等。

產品亮點：資本透視和創新葯物版塊做得非常不錯，在該領域都屬於行業佼佼者。

收費：單價在國內偏高

優點：投融資版塊、可視化疾病圖譜和靶點整合、審評、臨床等數據做充分關聯、新上線的NextMed板塊有一定領先性、其投融資版塊做得很好。

缺點：總體數據數量偏少，葯物研發也只解讀了3萬多個葯物，比較同類產品丟失部分功能版塊，全球數據不夠豐富。銷售數據模塊雖然有，但十分封閉，無任何宣傳，對其具體情況業內不了解。

醫葯魔方作為創新葯物和醫葯投融資資料庫目前國內用戶沉積多的資料庫之一，但其產品功能過於封閉，已成自己的圍牆。

葯渡

綜合推薦指數：★★★☆

運營企業：葯渡經緯信息科技

上線時間：2013年

資料庫數量：132個

產品組成：由全球葯物、全球器械、投資生態、臨床研究、專利文獻、政策法規、世界葯問、數據定製八個版塊構成。

數據來源：實驗室研究、內部會議、專業報道、專利、商標、技術實施文件、學術會議、技術報告、科技期刊、在線資料庫、在線辭典、電子書庫、地區機構、資訊、企業公告報道、醫療會議等。

優點：其葯物研發信息與國內審評、臨床等多個庫均有不錯的關聯，層級結構、標簽及界面都做得相當不錯。對生物葯、化學葯等細微標簽做了單獨優化。

缺點：目前沒有葯品銷售數據，臨床、上市葯品分析等數據採集方面比較弱，總體數據量在業內偏弱。

葯渡作為國內老牌醫葯資料庫之一以全球研發數據為核心，重點發展咨詢業務。缺少銷售數據其核心版塊數據，導致其數據業務只是一直低價在為其咨詢業務做支撐。

米內

綜合推薦指數：★★★★☆

運營企業：廣州標點醫葯信息

上線時間：2010年

資料庫數量：72個

產品組成：葯品銷售（多層格局，醫院、零售）、審評進度、上市葯品、臨床試驗、中標數據、全球新葯研發、全球專利、項目進度這個七個版塊構成

產品特色：國內葯品銷售數據領頭企業，其醫院銷售數據以「三大終端六大市場」為基礎，分層抽樣多等級醫院放大至全國。城市公立醫院、縣級公立醫院、實體葯店、網上葯店、城市社區衛生中心、鄉鎮衛生院等各類維度齊備。

優點：南方所背景，醫院銷售數據演算法和研發數據都做得非常不錯。六大格局在國內首屈一指。近期上線了獨家的電商類數據，雖然業界還在爭議電商數據可信度，但畢竟先走出了這一步。

缺點：全面性比較弱，銷售數據以外的全球數據、研發數據、審批數據相對重視程度很低，版本一直沒有大的進展。

米內醫葯資料庫南方所背景其醫院銷售版塊覆蓋面最廣之一，但其它版塊相對薄弱。

丁香園Insight

綜合推薦指數：★★★☆

運營企業：杭州觀瀾網路

上線時間：2013年Insight（2006年總部）

產品組成：臨床試驗、申報進度、葯品庫、上市產品、制葯企業、招投標、一致性評價、醫葯新聞、生物製品、全球數據等十個版塊構成。

數據來源：內部會議、專業報道、專利、商標、在線資料庫、在線詞典、電子書庫、異構資源共享平台、知識庫、地區機構、資訊、企業公告報道、醫療會議、新聞資訊等。

產品特色：其界面小功能開發豐富特別是小圖標的應用在國內UI設計上是好的，區別於同類產品。

檢索方式、功能點、底層數據架構、界面展示：與葯智資料庫大體一致。

優點：搜索體驗、UI界面小功能、時間軸、注冊數據、國內葯物審評、上市批文這些國內數據中做得非常不錯。

缺點：市場和銷售相關數據涉及較少，全球研發數據處於剛起步階段(全球葯物研發數據對於葯企來說十分重要可謂是醫葯行業的風向標，在全球葯物格局、葯物立項調研、企業發展戰略方向制定方面的重要性不言而喻)

Insight作為老牌醫葯資料庫的典型代表，背靠丁香園集團的大樹，目前國內用戶沉積多的資料庫之一，但因其葯物研發數據版塊、葯品市場與銷售數據起步晚，影響了其總體優勢。

上海醫工院PDB

綜合推薦指數：★★★

運營企業：上海數圖健康醫葯科技

上線時間：2011年

資料庫數量：31個

產品組成：分為葯物綜合和新葯研發監測兩個資料庫；葯物綜合資料庫包含了國內市場、細分市場、全球市場、國內工業生產、企業經濟運行五個版塊；新葯研發監測資料庫包含了全球研發、中國研發、一致性評價、企業競爭，品種篩選分析五個版塊。

數據來源：專利、商標、技術實施文件、學術會議、技術報告、科技期刊、文獻、教科書、地區機構、資訊、新聞資訊、公司年度報告、pjb等。

優點：工信部背景知名度高國產醫葯資料庫鼻祖，審評、臨床等數據有不錯的關聯展示；新上線的RPDB零售板塊有明顯的優勢提升；RAS醫葯處方分析系統具備一定獨家性。

缺點：數據全面性相對不高，部分工業類數據更新較慢，UI設計過於傳統。PDB作為全國老牌醫葯資料庫之一，全球葯物研發數據採集處於起步階段，也許是底層架構設計問題單開了一個CPM（新葯研發監測資料庫）導致其部分關聯性較差。

科睿唯安cortellis

綜合推薦指數：★★★★☆

產品組成：Cortellis 資料庫包含Cortellis競爭情報、Cortellis早期葯物發現、CMC、仿製葯、原料葯、系統生物學Metacore等等多個模塊，主要由競爭信息、疾病簡報、監管信息、新聞、葯物發現信息這幾個版塊構成；

數據來源：各大葯品監管機構、新聞雜志、網路資訊、文獻期刊、學術報告、專利商標、公司年報等。

檢索方式、功能點、底層數據架構：這三個維度和informa資料庫基本一致，只是樣式展示風格不一樣。

優點:在展示結果關聯性、專業報告、數據維度方面都做得非常好。

缺點: 缺少系統化葯品銷售數據，對中國企業管線監控出現不少滯後和少量錯誤，缺少中國葯監局等數據分析。

cortellis醫葯資料庫目前在世界醫葯領域知名醫葯資料庫之一，因在國內因為其水土不服相比之下使用人群比例不是那麼多。

英富曼Informa

綜合推薦指數：★★★☆

產品組成：Biomedtracker、Pharmaprojects、Sitetrove、Trialtrave、Datamonitor Healthcare、In Vivo、Medtech Insight、Pink Sheet、Scrip多個版塊組成。

數據來源：各國葯品監管機構、醫療衛生機構、新聞雜志、網路資訊、文獻期刊、學術報告、專利商標、公司年報、搜索引擎、學術會議等。

檢索方式、功能點、底層數據架構：這三個維度和cortellis資料庫基本一致，只是樣式展示風格不一樣，更符合國人使用習慣。

優點：可以綜合計算葯物批准通過率，數據更新歷史記錄，在新聞數據追溯、展示結果關聯性、數據維度方面都做得很好。

缺點：沒有銷售數據、沒有仿製葯信息、缺少中國葯監局數據解讀，中國企業管線跟蹤滯後；

Informa醫葯資料庫當前世界主流醫葯資料庫之一，其Pharmaprojects版塊Pharnexcloud的』全球葯物研發版塊』被客戶比較得多，因為價格和缺少國內審批等數據因此佔有率偏低，目前在國內主要客戶人群為高校為主。

一共寫了目前國內主要使用9個主流資料庫的測評，2個國外醫葯資料庫。每個資料庫都各有特色，可以根據自身情況供您選擇。

⑶ 如何監測和優化OLAP資料庫

微軟SQLServer分析服務(SSAS)提供了一個用來創建和管理數據挖掘應用和在線分析處理系統的強大引擎，為了取得最佳的OLAP性能，你應該仔細的監測和優化OLAP資料庫和潛在的關系數據源，本文介紹了監測SSAS和優化OLAP性能的工具。

SQLServer Profiler

你可以使用SQL ServerProfiler基於選擇好的事件來捕獲SSAS實例的活動，SQL Server
Profiler以跟蹤的方式來捕獲活動並且包含了一套滿足最常見的跟蹤捕獲場景的預定義的模板，可以將跟蹤到的信息保存到一個文件或者是一個允許你實時
監測數據的SSAS的資料庫中，也可以實時的或者是一步一步的在同一個或者是另一個SSAS實例上重放跟蹤，通過對跟蹤進行重放，能夠輕易地找到運行慢的
多維表達式，或者是MDXes，比較不同環境下的性能基準進行測試和調試，你也能夠使用SQL Server
Profiler對安全進行審核，比如說，可以設置用來審核失敗的鏈接嘗試或者是一個用戶試圖訪問一個未經授權的對象時許可失敗的跟蹤文件，關於如何創建
和運行跟蹤的詳細內容，請看為重放(分析服務)創建分析跟蹤和分析服務跟蹤事件。

系統監視器

監控本地和遠程SSAS實例和操作系統以及所運行的計算機性能的一個最常使用的工具是系統監視器，這是一個Windows性能的實用組件，提供了近
乎實時的僅被用來實時監控的性能信息，並且是被看作用來測量性能和識別硬體瓶頸的最好的工具之一，但是，你不能使用系統監視器來鑒定性能問題的原因，比如
說，系統監視器也許顯示高的CPU使用率，但是不會標識出原因;你可以從一個位置使用系統監視器來監控多個計算機，對於每一個需要監控的系統來講可以減少
資源佔用，並且給了你一種直接比較不同計算機的性能統計的方法。

擴展事件和分析服務動態管理視圖

擴展事件(XEvents)是一個對系統資源佔用非常少的一個高伸縮性和輕量級性能監視系統的事件基礎架構，使用XEvents，可以捕獲針對所有

SSAS事件給到指定的用戶，XEvents基礎架構已經被直接集成到了SQLServer並且可以使用T-SQL簡單的進行管理，更多的信息請看SQL
Server擴展事件。

分析服務動態管理視圖(DMVs)是用來提供大量的關於分析服務實例狀態和伺服器健康信息的查詢結構，使用這些信息能夠診斷和調優分析服務實例或者是資料庫性能，所有的DMVs都內置於$System中，關於使用DMVs監控分析服務的更多信息，請查看MSDN資源。

以上是用來監測SSAS和OLAP性能的工具，下面是優化OLAP應該考慮的地方。

使用索引

索引可以提高影響多維在線分析處理(MOLAP)分區處理速度和關系在線分析處理(ROLAP)分區查詢速度的基礎資料庫的查詢性能，大部分分析服
務資料庫是只讀的因此可以從索引中受益，一般的經驗法則是創建覆蓋所有分析服務執行的查詢，另外，為了實現最佳的性能，你應該創建的所有索引應該使用
100%的填充因子。

在基礎資料庫中成本消耗會關繫到使用的索引，比如，更新數據的查詢(INSERT,
UPDATE或者DELETE)也一定會修改索引，因此，大量的索引會降低這些DML操作(INSERT,UPDATE or
DELETE)的性能，但是，這個不會影響到一個只讀系統，另外，索引會佔用時間和磁碟空間，最好的做法是使用SQL Server
Profiler和資料庫引擎優化向導或者和索引相關的DMVs和動態管理函數DMFS定期的分析查詢和索引的使用，這樣能幫助你發現需要創建的索引以及
刪除掉的索引。

選擇適當的聚合

查詢性能在很大程度上依賴於適當的聚合，但是沒有必要在每一個維度的級別上添加聚合，當使用聚合設計向導(Aggregation Design
Wizard)或者是Usage-Based優化向導時，你應該從較低的值開始嘗試不同的性能增益值，最初，當你提高了性能增益值時會注意到主要的查詢速
度的提高，盡管性能增益值提高了，也常常會有收益遞減，每一次性能的提升使得磁碟空間的增長逐步升級，你也能夠使用搜索日誌來存儲用戶查詢以備為將來分析
使用，使用Usage-Based優化向導對查詢日誌數據優化聚合，你也能使用聚合設計向導創建適當的聚合，對於一個擁有較少或者是沒有查詢日誌數據的新
的系統來講聚合設計向導是非常有用的，而當一個系統成熟時Usage-Based優化向導會產生較好的結果。

使用主動緩存

為了在查詢OLAP資料庫時達到較快的效果，你必須使用MOLAP存儲，但是，如果你使用了MOLAP，因為它是周期性的處理數據的，所以數據會有
一些延遲，為了獲得最新的數據，你也必須使用ROLAP存儲，但是ROLAP的存儲性能要比MOLAP在查詢響應方面明顯的慢，那就是主動緩存配置選項很
有用的地方了，因為它允許分析服務可以從MOLAP和ROLAP兩邊檢索，因此為使用了ROLAP的最新數據的MOLAP提供了效能，可以在MSDN資源
中發現更過的關於主動緩存的信息。

⑷ 年底如何清理監測資料庫

右鍵瀏覽器圖標，屬性，就有個刪除的了