大数据治理平台分为四大部分。第一部分ETL：分负责抽取、标化全省公卫系统216个数据库，部分三甲医院12个his系统，非结构化半结构化数据和部分其他系统数据，采用kettle工具进行大部分结构化数据得抽取，特殊数据库采用java脚本程序单独采取，使用mysql作为结构化数据和半结构化数据中间件第二部分效验和数据治理：该部分主要负责对所有来源的数据进行清洗和加密，根据数据来源提供的规则进行数据清洗，增量数据的效验工作，逻辑为从mysql种的数据读取并根据输出协议加密后进入kafka生产端。第三部分整合数据：从kafka和redis消费数据进入greenplum和hive，非结构化进入weedfs系统和es集群。第四部分业务层： greenplum 为居民健康档案系统提供数据来源，部分bi的展示数据。Hive中的数据主要是做数据分析，为智能阅片提供训练数据和少部分计算。使用MR+redis进行离线作业做BI展示，搜索模块使用es做实时查询，主要是对非结构化和半结构化搜索。