...

Formål

Dette dokument beskriver arkitekturen for Behandlignsrelationsservicen (BRS).
Der beskrives

...

, herunder beslutningsflowet (algoritmer) i BRS, for de forskellige evidenskilder (konkrete registre).

...

Arkitekturoverblik

Behandlingsrelationsservicen (BRS) udstillet på NSP er en service til kontrol af behandlingsrelationer. BRS tilbyder at løfte opgaven med at klassificere behandlingsrelationer imellem sundhedsfaglige personer og patienter, således at nationale serviceudbydere i sundhedsvæsenet lettere kan overholde lovkrav til kontrol af sundhedsfaglige personers adkomst til data og funktionalitet.

Servicen modtager en forespørgsel på en behandler (identificeret som person+sted), samt en patient (identificeret ved CPR), og skal afgøre hvilke kategorier af relationer der er mellem behandleren og patienten.

<iframe 

<iframe src="https://archi.nspop.dk/NSP/570928ca/views/id-39ae766a-05e8-4933-bc54-9aea0ff8451e.html" name="test" height="1020810" width="1000800">You need a Frames Capable browser to view this content.</iframe>   

* Hver kasse i ovenstående diagram har en kort forklaring, som kommer frem i et nyt browservindue, når der klikkes på kassen.

Da der ikke findes et decideret Da der ikke findes et decideret "behandlingsrelationsregister", er det nødvendigt at udlede viden om faktiske behandlingsrelationer ved opslag i nationale registre over handlinger, registreringer og relationer indenfor sundhedsvæsenet.

Endvidere er der ofte en tidsmæssig forsinkelse i opsamling af de nødvendige informationer, og det er derfor nødvendigt at give adgang til funktionalitet og data på basis af ukomplette informationer, og efterfølgende foretage en opfølgende kontrol af den faktiske relation på et senere tidspunkt.
Opslag og opfølgninger varetages af BRS - er der ikke være en acceptabel behandlingsrelation, kan det afføde en opfølgning. Kalderen angiver et sæt af kategorier der skal afføde en opfølgning og det er muligt at vælge opfølgning for alle relationer.

Hvis en serviceudbyder giver adgang til en bruger under forudsætning af at brugerens adkomst senere kan bekræftes, men det ikke sker, udsteder BRS en alarm, som serviceudbyderen kan agere på (en manuel opfølgning). 

Logisk arkitektur

Systemet er opdelt i to dele "frontend" og "backend":

1. SDM4 stamdata importeres. Der er i dag 4 registre som importeres og danner evidens-grundlag for visse behandlingsrelationer (henvisningshotellet/Refhost, Landspatientregisteret/LPR, ydelsesregisteret og sikrede registeret).
2. Disse replikeres løbende fra den centrale database til cNSP'ens og dNSP'ernes databaser.
3. Service providers (fx FMK og Sundhed.dk) kalder BRS for at registrere en adgang til data. Der angives hvilken person fra hvilken organisation, der har tilgået (eller skal til at tilgå) hvilken patient. Samtidig angives om, og i givet fald hvornår i fremtiden der ønskes opfølgning.
4. BRS servicen checker først om der kan etableres tilstrækkelig evidens for en behandlingsrelation ud fra eksisterende evidens kilder.
5. Hvis ikke, så skrives opslaget til Kafka.
6. FollowupServlet kaldes løbende, og henter et batch fra Kafka.
7. Bestillingerne behandles ud fra stamdata, eller lægges tilbage i køen hvis de først skal behandles senere.
8. Notifikationer til service providers replikeres til databaserne på NSP'erne.
9. Service provider (fx FMK) kalder notifikations-servicen for at hente de genererede notifikationer. Ud fra disse kan den data-ansvarlige for service providerne (fx FMK eller Sundhed.dk) følge op på, om opslagene alligevel var berettigede, fx stikprøvevis.
10. Efter en fastsat periode slettes notifikationerne, uagtet om de er hentet af service providerne eller ej.

Logisk arkitektur

Webservices

På NSP-miljøerne udstilles følgende webservices:

...

Batchjobs i Backoffice

Backoffice indeholder to batchjobs der begge afvikles periodisk.

...

På NSP-miljøerne udstilles følgende webservices:

Behandlingsrelationservice (BRS):
Servicen modtager en forespørgsel på en behandler (identificeret som person+sted), samt en patient (identificeret ved CPR), og skal afgøre hvilke kategorier af relationer der er mellem behandleren og patienten.
Der angives ligeledes et succeskriterie i form af et sæt af kategorier, der antages at være acceptable behandlingsrelationer. Skulle der ikke være en acceptabel behandlingsrelation, kan det afføde en opfølgning. For at understøtte dette, kan kalderen angive et sæt af kategorier der skal afføde en opfølgning. Dette kan også være sat til alle relationer.

Notifikationsservice:
Servicen vil returnere alle notifikationer, som er adresseret til kalderen. Notifikationer er fortløbende nummererede, og kalderen kan angive et offset, der sikrer at kun de nyeste notifikationer returneres. Servicen sletter alarmer efter et centralt konfigurerbart tidsinterval. Hvis man ikke angiver offset kan man risikere at modtage de samme alarmer flere gange.
De ovennævnte services udstilles via Den Gode Webservice (DGWS 1.0.1), og kan kun kaldes af systemer der bruger et System-IDKort udstedt til forhåndsgodkendte CVR numre. IDKort skal være udstedt af SOSI-STS.

Batchjobs i Backoffice

Backoffice indeholder to batchjobs der begge afvikles periodisk.

Relationsopfølgning:
De gemte opfølgninger kontrolleres op imod valideringsbiblioteket for at undersøge om der er opstået relationer der giver anledning til at slette en opfølgning. Hvis en opfølgning ikke har opnået den krævede relationskategori inden dens udløb oprettes en alarm i notifikationsdatabasen.

Jobbet afvikles ved at kalde FollowupServlet (se driftsvejledning for detaljer).

Oprydning:
Alarm-notifikationer replikeres til frontend i NSP-miljøerne, hvor de kan hentes med notifikationsservicen. Dette sletter dog ikke notifikationerne, så for at undgå at der blot bliver flere og flere, er der på et oprydningsjob, som løbende sletter notifikationer, som er blevet tilpas gamle.
Sletningen replikeres, så data også slettes fra de øvrige miljøer.

Jobbet afvikles med et fast interval, som kan konfigureres vha. en cron expression.

Fælles valideringsbibliotek

Valideringsbiblioteker har adgang til data fra en række databaser, deriblandt landspatientregisteret og sygesikringsregisteret, for at kunne udlede om en behandlingsrelation er til stede. Valideringsbiblioteket tilgås af behandlingsrelationservicen i dNSP/cNSP-miljøerne samt relationsopfølgningsjobbet i Backoffice miljøet.
Valideringsbiblioteket er implementeret som en fælles kodebase, der deles af front- og backend modulerne.

Flowchart

Nedenfor er der et flowchart, for det overordnede flow i systemet.

Image Added

Software Blueprint

Nedenstående blueprint viser lagdelingen i BRS. For yderlige detaljer henvises der til de enkelte services.

BRS-Frontend

Frontend'en indeholder behandlingsrelationsservicen og notifikationsservicen, som er de webservices, der kaldes udefra, fra eksempelvis FMK.
Frontend'en er installeret i dNSP-miljøerne (decentral National Service Platform), samt til i cNSP-miljøet (central National Service Platform).

Frontend Blueprint

Nedenstående blueprints viser lagdelingen for henholdsvis behandlingsrelationsservicen og notifikationsservicen

Behandlingsrelation

Notifikation

BRS-Backend

Backend'en indeholder en servlet, som ved afvikling henter at batch af beskeder fra Kafka. Hver kafka-besked indeholder netop én bestilt opfølgning. Det tjekkes, om der er opnået evidens for de behandlingsrelationer, der er sat til opfølgning, og der oprettes alarm-notifikationer i de tilfælde, hvor evidens ikke blev opnået indenfor tidsfristen. Desuden afvikles et andet batchjob, der løbende sletter gamle notifikationer.
Backend'en er installeret i NSP's Backoffice-miljø (tidligere benævnt DoDi).
I Backoffice opsamles data fra følgende kilderegistre:

• Landspatientregistret (LPR)
• Sygesikringsregistret (SSR)
• Henvisningshotellet (Refhost)
• Sikrede (AssignedDoctor)

Data indsættes i de samme MySQL databaser, som BRS anvender, men det foretages i praksis af separate stamdata-importere.
Disse data, samt de notifikationer, der er oprettet af opføgningsjobbet, replikeres løbende til NSP-miljøerne, så data er tilgængelige for frontend'en. Denne replikering foretages i praksis som MySQL-databasereplikering.

Backend Blueprint

Nedenstående blueprints viser lagdelingen for replikering og opfølgning

Replikering og Opfølgning

Jobbet afvikles ved at kalde FollowupServlet (se driftsvejledning for detaljer).

...

Jobbet afvikles med et fast interval, som kan konfigureres vha. en cron expression.

Fælles valideringsbibliotek

Valideringsbiblioteker har adgang til data fra en række databaser, deriblandt landspatientregisteret og sygesikringsregisteret, for at kunne udlede om en behandlingsrelation er til stede. Valideringsbiblioteket tilgås af behandlingsrelationservicen i dNSP/cNSP-miljøerne samt relationsopfølgningsjobbet i Backoffice miljøet.
Valideringsbiblioteket er implementeret som en fælles kodebase, der deles af front- og backend modulerne.

Flowchart

Nedenfor er der et flowchart, for det overordnede flow i systemet.

Image Removed

Software Blueprint

Nedenstående blueprint viser lagdelingen i BRS. For yderlige detaljer henvises der til de enkelte services.

BRS-Frontend

Frontend'en indeholder behandlingsrelationsservicen og notifikationsservicen, som er de webservices, der kaldes udefra, fra eksempelvis FMK.
Frontend'en er installeret i dNSP-miljøerne (decentral National Service Platform), samt til i cNSP-miljøet (central National Service Platform).

Frontend Blueprint

Nedenstående blueprints viser lagdelingen for henholdsvis behandlingsrelationsservicen og notifikationsservicen

Behandlingsrelation

Notifikation

BRS-Backend

Backend'en indeholder en servlet, som ved afvikling henter at batch af beskeder fra Kafka. Hver kafka-besked indeholder netop én bestilt opfølgning. Det tjekkes, om der er opnået evidens for de behandlingsrelationer, der er sat til opfølgning, og der oprettes alarm-notifikationer i de tilfælde, hvor evidens ikke blev opnået indenfor tidsfristen. Desuden afvikles et andet batchjob, der løbende sletter gamle notifikationer.
Backend'en er installeret i NSP's Backoffice-miljø (tidligere benævnt DoDi).
I Backoffice opsamles data fra følgende kilderegistre:

• Landspatientregistret (LPR)
• Sygesikringsregistret (SSR)
• Henvisningshotellet (Refhost)
• Sikrede (AssignedDoctor)

Data indsættes i de samme MySQL databaser, som BRS anvender, men det foretages i praksis af separate stamdata-importere.
Disse data, samt de notifikationer, der er oprettet af opføgningsjobbet, replikeres løbende til NSP-miljøerne, så data er tilgængelige for frontend'en. Denne replikering foretages i praksis som MySQL-databasereplikering.

Backend Blueprint

Nedenstående blueprints viser lagdelingen for replikering og opfølgning

Replikering og Opfølgning

...

<iframe src="https://archi.nspop.dk/NSP/570928ca/views/id-14616003-c1ad-40ab-822a-146eb00293a1.html" name="test" height="500510" width="600">You need a Frames Capable browser to view this content.</iframe>   

...

Tabellerne på de to typer databaser er beskrevet i det følgende. Det skal bemærkes at followup-databasen skal udgå, da BSR er lagt om til at overføre opfølgningsbestiliinger via Kafka. Når indholdet af BRS2_TreatmentRelationFollowup-tabellen er migreret til Kafka, kan afsnit 5.1 nedenfor slettes. Der henvises til driftsvejledningen for yderlygere detaljer om denne migrering.

Datamodel for Datamodel for opfølgningsdatabaserne (followup)

...

Opfølgningstabellen indeholder behandlingsrelationer, som er sat til opfølgning, og er blevet overført til backend'en. Data ligger i denne tabel så længe der ikke er opnået evidens for relationen, og tidsfristen ikke er overskredet.

Tidspunktet i nextCheck benyttes af opfølgningsjobbet til at vurdere om en opfølgning skal behandles på kørselstidspunktet. Den unikke nøgle svarer til den unikke nøgle på notifikationstabellen. 

NB: Jf. BRS Driftsvejledning: I release 2.1.0 er BRS ændret, så Kafka anvendes til at vedligeholde køen af bestilte opfølgninger. Anvendelsen af Kafka erstatter den tidligere followup-database. I den forbindelse behandles de bestillinger der allerede ligger i followup-databasen, således at de sættes i kø i Kafka.

Tidspunktet i nextCheck benyttes af opfølgningsjobbet til at vurdere om en opfølgning skal behandles på kørselstidspunktet.

Datamodel for

...

register- og notifikationsdatabasen (register_notifications)

Notifikationstabel (brs2_notification

Behandlingsrelationsservicen benytter data udstillet af Stamdatamodulet. Det drejer sig om tabellen AssignedDoctor der dækker registret "Sikrede". Dokumentationen af denne tabel forefindes i dokumentationen for Stamdata.

Datamodel for register- og notifikationsdatabasen (register_notifications)

Notifikationstabel (brs2_notification)

Notifikationstabellen i Backoffice-miljøet indeholder alarm-notifikationer for behandlingsrelationer, som der ikke kunne findes evidens for indenfor tidsfristen.

...

Det eksterne referenceid svarer til den id der blev modtaget i den oprindelige opsamlingsforespørgsel. CVR-nummeret bestemmer hvem der har adgang til notifikationen. Den unikke nøgle svarer til den unikke nøgle på opsamlingsforespørgselstabellen på NSP.

Valideringsregler for behandlingsrelationer

I  de følgende afsnit gennemgås algoritmerne/valideringsreglerne for de enkelte kildedataregistre.

Landspatientregister (LPR)

Flowdiagram over LPR evidenstjek.

Som det fremgår af diagrammet, så har vi indsat nogle nøgler C? og D?, Se desuden https://www.nspop.dk/display/public/web/BRS+-+Driftsvejledning, så vi kan lave en kobling til evidenslogninger. De steder, hvor der udføres en indsamling af data, starter nøglen med D og de steder, hvor der udføres et tjek på data, starter nøglen med C.

Datamodel for LPR:

...

Navn

...

Type

...

Beskrivelse

...

pk

...

bigint, auto_increment

...

Primære nøgle

...

patientCpr

...

varchar(80)

...

SHA-1 hash

...

admittedStart

...

datetime

...

admittedEnd

...

datetime

...

lprReference

...

varchar(40)

...

Fra inputdata – audit

...

relationType

...

varchar(40)

...

Se kommentarer

...

organisationIdentifier

...

varchar(7)

...

ydernummer eller SKS-kode

...

Whitelist config (BRS) indeholder de CVR som er whitelisted til brug på test/prod for BRS servicen

Objektet indeholder informationen:
---------------------------------------
service_key
-- BRS behandlingsrelationsservice:
+ dk.nsi.auth.query.type.cvr.list - BRS
+ dk.nsi.auth.create.type.cvr.list - BRS
+ dk.nsi.auth.brs.cvr.list - NO_TYPE
-- Min Log:
+ dk.nsi.minlog.registration (registration service)
+ minlogws (opslags service)

service_type
-- NO_TYPE
-- BRS
-- CPRSUBSCRIPTION
cvr -- CVR nummer
comment -- Her anføres NSP Jira nummer som relaterer den enkelte whitelisting

Datamodel for data hentet fra Stamdata

Behandlingsrelationsservicen benytter data udstillet af Stamdatamodulet. Det drejer sig om tabellen AssignedDoctor der dækker registret "Sikrede". Dokumentationen af denne tabel forefindes i dokumentationen for Stamdata.

Valideringsregler for behandlingsrelationer

I  de følgende afsnit gennemgås algoritmerne/valideringsreglerne for de enkelte kildedataregistre.

Landspatientregister (LPR)

Flowdiagram over LPR evidenstjek.

Som det fremgår af diagrammet, så har vi indsat nogle nøgler C? og D?, Se desuden https://www.nspop.dk/display/public/web/BRS+-+Driftsvejledning, så vi kan lave en kobling til evidenslogninger. De steder, hvor der udføres en indsamling af data, starter nøglen med D og de steder, hvor der udføres et tjek på data, starter nøglen med C.

Datamodel for LPR:

Relationstypen kan antage værdierne "REFERRING_UNIT", "TREATMENT_UNIT" eller "DISCHARGED_TO_OWN_DOCTOR" svarende til om der er tale om en henvisende afdeling, en behandlingsafdeling eller om patienten er udskrevet til egen læge. Hvis patienten er udskrevet til egen læge skal feltet organisationIdentifier indeholde et ydernummer, ellers skal det indeholde et sks.

Landspatientregister (LPR3)

LPR3 er begyndt at benytte SORES servicen til at mappe fra Shak koder til Sor identifkation.

LPR3 evindenstjek foretages udfra følgende algoritme:

Som det fremgår af diagrammet, så har vi indsat nogle nøgler C? og D?, Se desuden https://www.nspop.dk/display/public/web/BRS+-+Driftsvejledning, så vi kan lave en kobling til evidenslogninger. De steder, hvor der udføres en indsamling af data, starter nøglen med D og de steder, hvor der udføres et tjek på data, starter nøglen med C.

Betegnelserne SHAK(sundhedsprofessionel) og SOR(sundhedsprof) skal forståes som to af de parametre BRS'en er blevet kaldt med. I BRS Avenderguide betegnes SHAK og SOR som OrganisationIdentifier. Sundhedsprofessionel betegnes HealthProfessionalCpr.

De væsentligste ændringer fra forrige version af LPR3 i BRS er:

• Mapning fra Shak til Sor foregår nu vha. Sores servicen, hvor den før blev indsamlet fra databasen.
• Sor koderne for alle underafdelinger til de afdelinger (Sor koder) der blev fundet ved mapning fra Shak til Sor hentes vha. Sores Servicen.
• Både Sor koder fra afdeling og underafdelinger bruges i evidenstjek.
• Sor kode det sygehus en afdeling hører til bruges.
• Hvis der ikke opnåes god nok klassifikation efter tjek af LP3 data (Se nedenfor) og Sor koder for afdeling og underafdelinger, så tjekkes Sor koder for sygehuse.
• LPR3 data bruges til at hente sygehus koder fra Sores servicen. 
• Der tjekkes på sygehus koder fra afdeling og LPR3 data.

Data fra LPR3 findes i en tabel med dette skema:

Relationstypen kan antage følgende værdier:

• FORLOEBSELEMENT
• KONTAKT
• PROCEDURE
• INITIEL_HENVISNING
• HENVISNING
• RESULTATINDBERETNING
• OPHOLDSADRESSE

Sygesikringsregister (

Landspatientregister (LPR3)

LPR3 er begyndt at benytte SORES servicen til at mappe fra Shak koder til Sor identifkation.

LPR3 evindenstjek foretages udfra følgende algoritme:

Som det fremgår af diagrammet, så har vi indsat nogle nøgler C? og D?, Se desuden https://www.nspop.dk/display/public/web/BRS+-+Driftsvejledning, så vi kan lave en kobling til evidenslogninger. De steder, hvor der udføres en indsamling af data, starter nøglen med D og de steder, hvor der udføres et tjek på data, starter nøglen med C.

De væsentligste ændringer fra forrige version af LPR3 i BRS er:

• Mapning fra Shak til Sor foregår nu vha. Sores servicen, hvor den før blev indsamlet fra databasen.
• Sor koderne for alle underafdelinger til de afdelinger (Sor koder) der blev fundet ved mapning fra Shak til Sor hentes vha. Sores Servicen.
• Både Sor koder fra afdeling og underafdelinger bruges i evidenstjek.
• Sor kode det sygehus en afdeling hører til bruges.
• Hvis der ikke opnåes god nok klassifikation efter tjek af LP3 data (Se nedenfor) og Sor koder for afdeling og underafdelinger, så tjekkes Sor koder for sygehuse.
• LPR3 data bruges til at hente sygehus koder fra Sores servicen. (I skrivende stund er der problemer med denne funktion, så sygehuskoden kan ikke hentes.)
• Der tjekkes på sygehus koder fra afdeling og LPR3 data.

Data fra LPR3 findes i en tabel med dette skema:

...

Navn

...

Type

...

Beskrivelse

...

pk

...

bigint, auto_increment

...

Primære nøgle

...

patientCpr

...

varchar(80)

...

SHA-1 hash

...

admittedStart

...

datetime

...

admittedEnd

...

datetime

...

lprReference

...

varchar(256)

...

Fra inputdata – audit

...

relationType

...

varchar(40)

...

Se kommentarer

...

sorKode

...

bigint(20)

...

SOR-kode

Relationstypen kan antage følgende værdier:

• FORLOEBSELEMENT
• KONTAKT
• PROCEDURE
• INITIEL_HENVISNING
• HENVISNING
• RESULTATINDBERETNING
• OPHOLDSADRESSE

Sygesikringsregister (SSR)

SSR evindenstjek foretages udfra følgende algoritme:

...

Benytter SORES servicen til at mappe fra sorkoder til ydernumre og Shak koder.

Se bl.a. SORES - Guide til anvendere

Henvisninger (SOR)

Henvisninger (SOR) evindenstjek foretages udfra følgende algoritme:

Sikrede (AssignedDoctor)

Sikrede evindenstjek foretages udfra følgende algoritme:

Kafka beskedformat

Der anvendes Kafka til overførsel af opfølgningsbestillinger fra frontend til backend. Beskederne indeholder følgende attributter:

...

Navn

...

Type

...

Beskrivelse

...

followup

...

FollowupType

...

Selve bestillingen. For flere detaljer om indholdet henvises til servicens wsdl-filer.

...

nextCheck

...

Datetime

...

Hvornår bestillingen næste gang skal forsøges udført.

...

lastProcessingTime

...

DateTime

...

Hvornår beskeden sidst har været behandlet. Bemærk at 'behandlet' blot betyder at BRS har haft fat i beskeden, men at nextCheck godt kan ligge i fremtiden, hvorfor beskeden blot lægges tilbage i køen.

Attributten bruges til at tjekke, om det er de samme beskeder der behandles flere gange efter hinanden.

Behandling af opfølgningsbestillinger foregår ved at frontend'en lægger beskeder i kø i Kafka, og backend'en tager dem af og behandler dem. Det er muligt at udsætte behandling til senere ved brug af nextCheck-tidsstemplet. Hvis backend'en forsøger at behandle en bestilling, der først skal behandles i fremtiden, lægges bestillingen blot tilbage i køen.

Teknologiarkitektur

Der henvises til NSP-dokumentationen for information vedrørende den overordnede arkitektur og omkringliggende komponenter.
Komponenter og services beskrevet her følger de overordnede retningslinier og krav udstukket af NSP-operatøren, herunder:

• Alle services skal bruge MySQL databaser til persistering af data.
• Alle services skal kunne eksekveres på JBoss. Aktuelt anvendes Wildfly 8.2.
• Al tilgang til services udefra skal foregå ved brug af den gode webservice (DGWS) (STS-signerede IDkort, niveau 3).

Ændringslog

...

Version

...

Dato

...

Ændring

...

Ansvarlig

...

0.1

...

2011-06-15

...

Initielt dokument

...

Trifork

...

0.2

...

2011-07-27

...

Ændringer jf. databaseskema indeholdende generelle notifikationer

...

Trifork

...

0.3

...

2011-08-10

...

Opsplitning af dokumentation jf. BRS og GOS opsplitning

...

Trifork

...

0.4

...

2011-10-05

...

Tilføjelse af information om eksternt "Sikrede" register fra Stamdata

...

Trifork

...

0.5

...

2013-10-21

...

Opdateret SVN link

...

Trifork

...

0.6

...

2017-03-10

...

Tilpasset til BRS2

...

Trifork

...

0.7

...

2017-03-14

...

Rettet betegnelser på NSP-miljøer

...

Trifork

...

Benytter SORES servicen til at mappe fra sorkoder til ydernumre og Shak koder.

Se bl.a. SORES - Guide til anvendere

Henvisninger (SOR)

Henvisninger (SOR) evindenstjek foretages udfra følgende algoritme:

Sikrede (AssignedDoctor)

Sikrede evindenstjek foretages udfra følgende algoritme:

Kafka beskedformat

Der anvendes Kafka til overførsel af opfølgningsbestillinger fra frontend til backend. Beskederne indeholder følgende attributter:

Behandling af opfølgningsbestillinger foregår ved at frontend'en lægger beskeder i kø i Kafka, og backend'en tager dem af og behandler dem. Det er muligt at udsætte behandling til senere ved brug af nextCheck-tidsstemplet. Hvis backend'en forsøger at behandle en bestilling, der først skal behandles i fremtiden, lægges bestillingen blot tilbage i køen.

Teknologiarkitektur

Komponenter og services beskrevet her følger de overordnede retningslinier og krav udstukket af NSP-operatøren, herunder:

• Alle services skal bruge MySQL databaser til persistering af data.
• Alle services skal kunne eksekveres på JBoss. Aktuelt anvendes Wildfly 8.2.
• Al tilgang til services udefra skal foregå ved brug af den gode webservice (DGWS) (STS-signerede IDkort, niveau 3).

...