伴随着医疗信息技术的发展以及医疗数据的快速增长,传统的医疗信息系统已经无法适应新的行业需求,尤其是随着数据的爆炸式增长,对于海量数据的价值挖掘,是传统的技术不能够实现的。将大数据技术以及其先进的计算理念应用到医疗行业,不仅能够辅助医生做有效的决策,而且还能够实现各大医疗机构的数据进行无缝结合、海量数据弹性存储、有效的管理以及高效率的分析利用,从而提高应用可拓展性。本课题设计了大数据环境下慢病管理信息系统,充分的将大数据处理技术应用到医疗行业,设计了面向行业的专业化健康大数据架构。从而解决了传统医疗信息不能够有效存储、不能适用于大规模的医疗应用、不能够互相共享医疗数据、不能够协助医生做有效决策等问题。在本课题中,首先详细研究了大数据相关技术、提出了以Spark为分布式计算框架、HDFS为存储系统、HBase、Hive为在线、离线数据库以及数据仓库、Echarts为页面展示技术,构建可用于计算海量数据的高效慢病管理信息系统。搭建了面向专业的医疗健康大数据平台,使用Hibench进行基准测试,使得平台具有高可用性以及高容错性能。其次,将数据从Oracle中使用Sqoop导入到Spark平台,采用批量增量计算降低计算时间并且保证离线数据计算结果的正确性。接着,使用Kafka、Spark Streaming进行实时数据计算。