金融量化交易场景下数据库如何改造？同花顺、弘源泰平真实案例分享

⬆️ 点击图片，与专业的解决方案架构师聊一聊

在金融量化交易场景中，每天都会产生大量的交易记录和交易信息需要存储，同时对数据也有较高要求的查询需求，整体需求概括起来就是历史数据的存储、实时数据的接收以及数据的监控和分析。对于这类有典型时序特征的数据，很多企业在业务初期选择了团队熟悉的 HBase、MySQL、MongoDB 等数据库。但是随着业务的快速发展，这些数据库已经无法满足大体量数据的写入、存储、分析监控等业务需求。

为了帮助一众金融企业寻找到合适的数据库解决方案，我们汇总了几个比较有代表性的企业客户案例，希望他们的相关实践经验应该能够给到行业从业者一些解决思路。

TDengine x 同花顺

“目前从大数据监控这个场景看，TDengine 在成本、性能和使用便利性方面都显示出非常大的优势，尤其是在节省成本方面给我们带来了很大惊喜。在预研和项目落地过程中，涛思数据的工程师也提供了专业、及时的帮助，后续我们也将在同花顺的更多场景中尝试应用 TDengine。”

业务背景

同花顺每天需要接收海量交易所行情数据，确保行情数据的数据准确。但由于该部分数据过于庞大，而且使用场景颇多，每天会产生很多的加工数据，整个系统除了对实时数据的读写性能及延时有较高要求外，还需要聚焦历史日级别数据做投资组合的各种分析，在整个分析过程中，涉及巨量的数据集，这对历史数据库的读写性能也提出了很高的要求。之前采用的 Postgres+LevelDB 数据存储方案，除了依赖多、稳定性较差外，性能方面也无法满足需求（点击下方案例链接获取具体业务痛点问题）。通过对 ClickHouse、InfluxDB、TDengine 等时序数据存储方案的调研，最终其选择了 TDengine。

架构图

改造后性能对比

金融量化交易场景下数据库如何改造？同花顺、弘源泰平真实案例分享相关推荐

TDengine与中泰证券正式签约，打造金融量化交易场景解决方案
中泰证券股份有限公司(原名齐鲁证券有限公司)成立于 2001 年 5 月,是全国大型综合类上市券商),在全国 28 个省市自治区设有 45 家分公司.284 家证券营业部,员工 9000 多人,控股中 ...
软硬件一体化超低时延加速方案落地金融，交易场景效果卓著
量化投资在国内落地发展已有10余年,始终保持的迅猛的发展态势,量化投资机构数量逐年快速增长,资金管理规模指数级增长,管理规模突破100亿的量化私募已超过20家,据中信证券研究部估算,截至2021年二季 ...
针对金融级交易场景的严苛技术要求，如何修炼这门“必修课”？
金融交易场景分布式数据库应用起飞随着数据库技术.微服务分布式架构等的不断发展成熟,目前,分布式数据库在交易场景的应用已经逐渐成为新趋势. 交易场景对分布式数据库要求有几个要点: 首先,ACID的支持 ...
十八、彻底掌握金融量化交易库Tushare
@Author : By Runsen @Date : 2020/6/16 作者介绍:Runsen目前大三下学期,专业化学工程与工艺,大学沉迷日语,Python, Java和一系列数据分析软件.导致翘 ...
先定产权还是先定价格,数据交易场景下的市场设计问题,合作博弈中“沙普利值”
目录先定产权还是先定价格数据交易场景下的市场设计问题价格是什么呢?
python同花顺交易_THSTrader - 量化交易。最新版通用版同花顺客户端的python API。(Python3)...
THSTrader - 量化交易.最新版通用版同花顺客户端的python API.(Python3) 419 稳定性测试中..... https://github.com/nladuo/THSTrad ...
dataguru北京线下沙龙-第二部《Oracle 索引优化思路--案例分享 -- 刘盛》
[视频:dataguru北京线下沙龙-第二部 <Oracle 索引优化思路--案例分享 -- 刘盛> /微笑]
高并发场景下数据库的常见问题及解决方案
一.分库分表 (1)为什么要分库分表随着系统访问量的增加,QPS越来越高,数据库磁盘容量不断增加,一般数据库服务器的QPS在800-1200的时候性能最佳,当超过2000的时候sql就会变得很慢并且 ...
十九、彻底掌握金融量化交易库Talib
@Author : By Runsen @Date : 2020/6/16 作者介绍:Runsen目前大三下学期,专业化学工程与工艺,大学沉迷日语,Python, Java和一系列数据分析软件.导致翘 ...

金融量化交易场景下数据库如何改造？同花顺、弘源泰平真实案例分享

金融量化交易场景下数据库如何改造？同花顺、弘源泰平真实案例分享相关推荐

最新文章

热门文章