VNPY3.0以后的版本为什么不用数据库设计架构？

admin

项目地址： https://gitee.com/vnpypro/vnpy
网址：https://www.vnpy.cn
快速入门： https://q.vnpy.cn/comm/thread-13-1-1.html

其他参考文章
《快速入门教程》
https://www.vnpy.cn/comm/thread-13-1-1.html
《新版策略自动生成回测文件功能代码解析》
https://www.vnpy.cn/comm/thread-22-1-1.html
《VNPY3.0以后的版本为什么不用数据库设计架构？》
https://www.vnpy.cn/comm/thread-21-1-1.html
《VNPY3.0行情数据调用的5种方式 》
https://www.vnpy.cn/comm/thread-24-1-1.html
《VNPY新手常见问题说明》
https://www.vnpy.cn/comm/thread-3-1-1.html

VNPY官网
https://www.vnpy.cn
VNTA 证券和期货方案
http://www.vnta.cn
《用户福利》
https://www.vnpy.cn/kaihu/






在新版VNPY3.0中，已经彻底放弃对数据库的支持。

不少用户肯定会问，没有数据库支持，还是一个专业的量化软件吗？数据该如何存储？

国内证券和期货软件，比如恒生，大智慧，同花顺，文华财经，金字塔均不需要用户安装数据库

原因很简单，就是数据库太慢了。


有多慢呢？在我的单机环境下测试结果：


读取性能：csv文件比关系型数据库读取速度快2个数量.

数据占用空间： csv文件只有关系型数据库的 1/5~1/25。



NOSQL内存数据库也只是相对比关系型数据库快一点而已，并没有本质区别。


即便是时序数据库，性能也远远低于csv或hdf5文件格式。

是不是很颠覆三观呢？


不得不提到某些鼓吹使用数据库的量化平台，鼓吹使用数据库成为“割韭菜”的利器，促进了培训课程销售， 而这些培训结构讲师本身并不是依靠量化本身盈利。


用户目的是为了学习搭建自己的量化平台，而培训结构是为了推销课程，这种结果导向不一致，会让用户付出更多的学习成本，反而取得更差的效果。



参考技术测试文章一：

这是pandas读取csv和postgre，快10倍，这个测试因为是python，差距减小。

（如果要客观的测试，就应该采用C++读取csv和读数据库进行比较，而不做任何冗余的转换流程，这样既可以更精确的反映csv相对于数据库的性能，据我们的测试结果比该参考技术测试文章的15~20倍的性能差距还要显著增加）

《Pandas加载CSV的速度比SQL快 - IT屋-程序员软件开发技术分享社区 》

Pandas加载CSV的速度比SQL快 - IT屋-程序员软件开发技术分享社区​
www.it1352.com/2023780.html

参考技术测试文章二：

结论：这个测试csv比mysql快20倍，因为涉及spark转换时间，所以只差20倍，如果忽视spanrk转换，应该接近我说的2个数量级，csv比mysql性能优势还要增加。

（如果要客观的测试，就应该采用C++读取csv和读数据库进行比较，而不做任何冗余的转换流程，这样既可以更精确的反映csv相对于数据库的性能，据我们的测试结果比该参考技术测试文章的15~20倍的性能差距还要显著增加）

与csv文件相比，将mysql表转换为spark数据集的速度非常慢 - IT屋-程序员软件开发技术分享社区​
www.it1352.com/959692.html






下面就来解释一下原因。

数据库需同时具备增、删、改、查 功能，而我们对量化回测数据的要求是尽可能快的读取数据

如同所示，这是csv文件格式和数据库的特点对比。

采用csv或hdf5文件格式存储，不仅更小的硬盘空间占用，还降低了读写数据IOPS的占用，
而且提高了读取性能（大约比SQL SERVER快 2个数量级，内存数据库差距会稍小，但代价是更大的内存占用），也降低了因为磁盘故障导致数据错误的可能。



量化回测时，数据是时间序列，需要连续读取行情数据。


而数据库通常属于无序的文件组织方法并不是连续存放数据的，为了便于插入数据，数据库通常中间还有无数据的填充空间。

这个性能降低在单机环境下测试比直接采用csv格式文件存储慢接近100倍。




为了方便检索数据，通常分为关系型数据库和非关系型数据库，一种是用索引的形式，一种是用HASH表的形式，这2种形式数据都不是按顺序存放的，数据和数据之间都由填充空间。

即便是时序数据库，性能也远远低于csv和hdf5文件的性能，使用也更复杂。

对量化交易回测来说，对行情数据的存储根本不需要 删、改、查功能。

拿期货行情数据为例，通常我需要将实时行情存储，如果我开启一个策略，需要计算M10 周期最近100个周期的KDJ指标，那么我只要需要最近的100X10X60X2个TICK数据即可，我只需要按时间顺序读取最近的12万个TICK。
如果是从数据库读取的话，需要通过select语句或存储过程等方式 获得记录集，并逐条取出，这个过程是非常耗时的
这个过程是非常耗时的，并且每条记录之间，按默认设置，数据库为了便于插入数据，往往在记录之间留有空白的存储空间，往往按默认设置，80%的空间是无用的，也就是说，本来你只需要1M的空间你，实际占了5M的硬盘空间。事实上，你可能并没有插入数据的请求。因为行情数据存储都是顺序的，按时间顺序写入之后，通常不需要再插入新的行情数据。

对“查”来说，也并不是逐条取得，通常是取一个时间段的数据，并不是数据库方式的 “查”数据的方式。
而且由于数据库的IO较慢。有人说，可以用内存数据库啊，事实上内存数据库会占用大量的内存空间，而且他的快也只是和关系型数据库比，远远慢于CSV和hdf5格式。



用文件存储是一个更好的选择，事实上很多知名的股票软件公司都采用文件存储行情数据的。
比如文件存储怎么做呢?
例如按一个规则制定：
比如rb2110的2021年6月5日的TICK行情数据，就存储在
..\data\20211005\TICK\rb2110.csv 目录的文件下
该文件将顺序存储当天的TICK数据。
当我需要读取最近3天数据的时候，就按先后分别读取
..\data\20211005\TICK\rb2110.csv
..\data\20211006\TICK\rb2110.csv
..\data\20211007\TICK\rb2110.csv
这3个文件即可， 每个文件逐行读取。
如果需要进一步节省硬盘存储空间，我可以将data文件夹设置为 压缩属性。
在没有设置压缩属性的情况下，采用文件方式存储数据大约占用硬盘空间是采用SQL Server默认设置的20%硬盘空间。
在设置了data文件夹的压缩属性的情况下，采用文件方式存储数据大约占用硬盘空间是采用SQL Server默认设置的4%硬盘空间。








VNPY官网

https://www.vnpy.cn

garhou

支持，希望平台越做越好