关于数据库:量化交易场景下日增-144-万条数据使用-MySQL-和-TDengine-分别如何建模

在“量化投资剖析”场景中，零碎须要从数据接口、网络上等各个中央获取证券的信息，其中往往以“实时的价格变动信息”为次要数据，而后再对这些数据进行实时的剖析与存储，供盘中和盘后应用。某企业遇到的问题如下：“咱们要对 500 个证券种类进行监控，在收盘时，每 5 秒会更新一次价格数据。这样算下来的话，每个证券种类一天就会产生 2880 条记录，如果是 500 个的话，就会有 144 万条数据。而这，还仅仅是一天中产生的数据。如果应用 MySQL 数据库，咱们该如何设计数据库和表，来承载这样的数据量呢？”
援用
从上述场景及问题登程，咱们邀请到 TDengine 解决方案架构师进行回复，并产出本篇文章。

144 万条的数据量对于关系型数据库来说，的确是个有肯定规模的日增量。但从场景上看，上述问题场景还算不上「量化剖析投资」的外围，只能称之为数据抓取的场景。其中抓取对象为「证券」，规模 N = 500，抓取工夫距离 T = 5s。咱们能够假如每次抓取的数据有：

{scrawlTime: '2023-01-01 00:00:00'stock_code: 12345,price: 12.00,volumn: 134,bid_price_1: 12.01,bid_pridce_2: 12.02}

如果要与常见的场景进行类比，能够应用 IT 服务器的运维监控比照。数据如下：

{timestamp: '2023-01-01 00:00:00'ip: '172.16.8.1',cpu_usage: 0.81,memory_usage: 0.23}

通过上述比照咱们能够看到，两种场景很类似。因而，从概念上讲，上述问题场景下的监控数据能够演绎为 metric —— 测量值，并且是随工夫变动的。这是很典型的时序数据，问题场景就是一种经典的时序数据存储场景。

如果企业要用 MySQL 的话，其实外围要思考的问题应该是：

如何保障可能及时写入：500 rows/5s = 100 rows/s（但这个根本不是问题）。
如何保障可能疾速查出？从 IT 运维看，常见的查问包含：
- 查问单个证券：
  - 基于工夫范畴查问：ts in [startTs, endTs)
  - 基于监控值的过滤：WHERE bid_price_1 >= 10.00;
  - 最新值查问：ORDER BY ts DESC LIMIT 1
- 查问多个证券：在单个证券雷同的状况下，只须要更快地返回，能在 1 个查问里返回更好。
- 基于工夫的计算：
  - 滑动窗口：如 5 日均线图
  - 状态窗口：依据成交量分段统计
  - 。。。

基于以上的查问场景，咱们能够抉择两大路线：

N 个证券，每 K 个证券，放在 1 个 table 中
- K = 1 时，相当于 1 个证券 1 个 table
- K = N 时，相当于用 1 个 table 寄存所有数据

假如你应用 InnoDB 引擎（innodb_百度百科），不管怎么选，为了性能你都会建索引。而 InnoDB 的索引应用 B-Tree 构造，这个数据结构在 Rows > 2000w（经验值）时，数据写入会因为索引的保护成本上升而降落，查问性能也一样。只是 K = 1 的时候，这个问题才没那么显著：

2000w / 2880/day = 6944 days = 19 years

也就是说 1 个证券 1 个 table 的时候，寄存 19 个天然年数据时，才会显著感知到。

当然，咱们对这个问题有另外一种解决办法：依照工夫（个别以天为单位）在进行分表（或分库）：

N 个证券，每 K 个证券，每 D 天放在 1 个 table

当 K = 1 时
- D = 1，相当于 1 个证券 1 天 1 个 table。1 年下来有 N/K x 365 = 182,500 个 table。
- D = 30，相当于 1 个证券 30 天 1 个 table。1 年下来有 6083 个 table。
- D = INF，相当于 1 个证券 1 个 table。
K = N 时，相当于用 1 个 table 寄存所有数据
- D = 1，相当于所有证券 1 天 1 个 table。1 年下来 365 个 table。
- D = 30，相当于 30 天 1 个 table。1 年下来 12 个 table。
- D = INF，相当于 1 个 table。

这种形式在肯定水平上也能无效防止问题，然而分库分表还会引来查问侧革新的工作量，依然无奈彻底解决问题。然而如果咱们换用专用的时序数据库，就能更好地解决这个问题。

TDengine 作为国内 Top 的开源时序数据库，产品定位为「分布式时序数据库」，产品性能专门针对时序数据场景设计和优化，曾经被宽泛使用于金融、车联网、工业互联网等时序数据场景中。曾经落地的「量化投资剖析」场景计划有《TDengine 在同花顺组合治理业务中的优化实际》、《TDengine 在弘源泰平量化投资中的实际》等。

回到下面基于 MySQL 的建模思路，TDengine 的设计外面，也是 1 个证券 1 个 table 的理念，通过超级表（stable）的语法糖，疾速并行查问多个证券的数据；同时针对常见的业务查问场景做了定向的性能优化，从而保障在「海量」数据的状况下，性能仍旧体现坚挺；而且还设置了很多乏味的个性，助力时序解决更加简略。

TDengine 反对规范 SQL 语法，比老一代的时序数据库，具备更好的上手体验。

动静与静态数据拆散在 TDengine 当中，超级表（stable）构造引入了标签（tag）的概念，这样一来，咱们能够把证券的维度信息放在标签当中，缩小数据存储空间，晋升查问性能。同时，在建模上采纳 1 个证券 1 张表的形式，以此保障高性能读写。

通过超级表语法糖，TDengine 实现了并行查问的能力，大大减少 SQL 的复杂度：

以上便是两种数据库对于上述问题场景的具体解决思路，你感觉如果是你会抉择哪一种呢？能够在评论区进行留言，一起探讨。

总而言之，不论是传统的关系型数据库，还是 NoSQL 数据库，如果咱们没有针对性地去对应时序数据特点，在性能晋升上极为无限，只能依附集群技术，投入更多的计算资源和存储资源来解决，零碎的经营保护老本也会因而急剧回升。如果你也面临着海量时序数据处理难题，无妨能够加一下小 T vx：tdengine1，进入 TDengine 用户交换群，和大家一起来探讨解决门路。

基于 MySQL 的建模

基于 TDengine 建模

规范 SQL 语法