# DolphinDB 完整技术文档与实战指南 **版本** : 2.0.0 (优化版) **文档数量** : 1490 个技术文档 + 3 份官方白皮书 **DolphinDB版本** : 3.00.4 **更新时间** : 2026-01-22 **文档来源** : * * * ## 📚 核心资源概览 ### 🎯 官方白皮书（深度最佳实践）提供生产级架构设计和完整工作流程指南： 1. **[数据库白皮书]()** (1073行) * DolphinDB 核心架构与分布式设计 * TSDB vs OLAP 存储引擎详解 * 分区策略、高可用、备份恢复 * SQL优化与库内计算 * **适用场景** : 系统架构设计、性能优化、生产部署 2. **[流数据白皮书]()** (2279行) * 流计算框架与发布订阅机制 * 7大流计算引擎详解 * 流批一体架构与历史回放 * 金融与物联网场景应用 * **适用场景** : 实时计算、CEP、流式ETL 3. **[中高频回测白皮书]()** (2205行) * 完整回测系统架构 * 数据回放与模拟撮合引擎 * DolphinScript/Python/C++ 策略开发 * 量化策略实战案例 * **适用场景** : 量化回测、算法交易、策略研发 ### 📖 在线技术文档（1490篇）按功能领域分类的完整API参考和操作指南：分类 | 文档数量 | 说明 ---|---|--- 函数参考/其他函数 | 1171 | 系统函数、网络函数等其他 | 97 | 其他技术文档函数参考/统计函数 | 61 | 相关性、协方差、标准差等统计指标函数参考/数学函数 | 42 | 基础数学运算、三角函数、对数等函数参考/SQL函数 | 41 | 查询、关联、聚合等SQL操作函数参考/时间序列函数 | 26 | 日期时间处理、时序窗口计算流数据处理 | 22 | 流表、订阅、流计算引擎数据库核心 | 13 | 存储引擎、分区、事务、高可用部署与配置 | 9 | 集群部署、参数配置函数参考/字符串函数 | 5 | 字符串操作、正则表达式 API与连接器 | 1 | Python、Java、C++ API 运维管理 | 1 | 监控、备份、权限管理教程与示例 | 1 | 快速入门、场景案例 **完整文档索引** : 详见 [CATALOG.md]() * * * ## 🚀 常见问题快速导航 ### 新手入门 * **如何快速上手DolphinDB？ ** → [关于 DolphinDB]() * **如何部署集群？ ** → [分布式架构]() * **如何选择存储引擎？ ** → 查阅 [数据库白皮书]() 第3-4章 ### 数据库设计 * **如何选择分区策略？ ** → [数据分区]() \+ [数据库白皮书]() * **TSDB vs OLAP 如何选择？ ** → [TSDB存储引擎]() 和 [OLAP存储引擎]() * **如何优化查询性能？ ** → [数据库白皮书]() 第5章 ### 流计算开发 * **如何实现实时计算？ ** → [流数据白皮书]() * **流计算引擎有哪些？ ** → [流数据白皮书]() 第3章 * **如何实现流批一体？ ** → [流数据白皮书]() 第4章 ### 量化回测 * **如何搭建回测系统？ ** → [回测白皮书]() * **如何实现模拟撮合？ ** → [回测白皮书]() 第3章 * **如何进行中高频回测？ ** → [回测白皮书]() 第4-7章 ### 高级功能 * **如何实现高可用？ ** → [高可用]() * **如何进行数据备份？ ** → [数据库白皮书]() 第6章 * **如何管理权限？ ** → [数据库白皮书]() 第6.4节 * * * ## 📝 常用代码示例 ### 1\. 创建TSDB存储引擎的分区表 // 组合分区: VALUE(日期) + HASH(股票代码) db_date = database("", VALUE, 2024.01.01..2024.12.31) db_sym = database("", HASH, [SYMBOL, 10]) db = database("dfs://stock_data", COMPO, [db_date, db_sym]) // TSDB引擎，支持排序列和去重 schemaTable = table( 1:0, `trade_time`symbol`price`volume, [TIMESTAMP, SYMBOL, DOUBLE, LONG] ) pt = db.createPartitionedTable( table=schemaTable, tableName="stock_tick", partitionColumns=`trade_date`symbol, sortColumns=`symbol`trade_time, // 排序键 keepDuplicates=LAST, // 去重策略 engine="TSDB" ) ### 2\. 创建OLAP存储引擎的分区表 // OLAP引擎适合追加式写入和批量分析 db = database("dfs://stock_analysis", VALUE, 2024.01M..2024.12M) schemaTable = table( 1:0, `trade_date`symbol`open`high`low`close`volume, [DATE, SYMBOL, DOUBLE, DOUBLE, DOUBLE, DOUBLE, LONG] ) pt = db.createPartitionedTable( table=schemaTable, tableName="daily_kline", partitionColumns=`trade_date, engine="OLAP" ) ### 3\. 流计算 - 实时K线合成 // 1. 创建流表 share streamTable(1:0, `time`sym`price`vol, [TIMESTAMP, SYMBOL, DOUBLE, INT]) as tickStream share streamTable(1:0, `time`sym`open`high`low`close`volume, [TIMESTAMP, SYMBOL, DOUBLE, DOUBLE, DOUBLE, DOUBLE, LONG]) as klineStream // 2. 创建时序聚合引擎 tsEngine = createTimeSeriesEngine( name="kline_1min", windowSize=60000, // 1分钟窗口 step=60000, metrics=<[first(price), max(price), min(price), last(price), sum(vol)]>, dummyTable=tickStream, outputTable=klineStream, timeColumn=`time, keyColumn=`sym ) // 3. 订阅流表 subscribeTable(tableName="tickStream", actionName="kline", handler=append!{tsEngine}) // 4. 插入数据测试 insert into tickStream values(2024.01.01T09:30:00.000, `600000, 10.5, 1000) ### 4\. 中高频回测完整流程 // 1. 清理环境 try{ unsubscribeTable(tableName="replayStream", actionName="backtest") }catch(ex){} try{ dropStreamEngine("backtestEngine") }catch(ex){} // 2. 创建回放流表 share streamTable(1:0, `time`sym`price`vol, [TIMESTAMP, SYMBOL, DOUBLE, INT]) as replayStream // 3. 创建回测引擎（需要加载回测插件） loadPlugin("/path/to/backtest_plugin.so") backtestEngine = createBacktestEngine( name="my_strategy", initialCapital=10000000, commission=0.0003 ) // 4. 订阅回放数据 subscribeTable(tableName="replayStream", actionName="backtest", handler=backtestEngine) // 5. 数据回放 histData = loadTable("dfs://stock_data", "stock_tick") ds = replayDS(sqlObj=

海豚数据库

包含技能