DolphinDB的内存数据表可以是非分区的,也可以是分区的。除了组合分区以外的所有分区方式都适用于内存数据表。使用分区内存表进行运算能充分发挥多核CPU并行计算的优势。
本教程主要介绍以下内容:
使用table
函数可以创建非分区内存表。table
函数的用法非常灵活:
这里的X, X1, X2可以是向量、矩阵或元组,其中每个向量、矩阵和元组中每个元素的长度必须相同。
例1. 如果X是向量,那么每个向量对应表中一列。
id=`XOM`GS`AAPL
x=102.1 33.4 73.6
table(id, x)
id x
---- -----
XOM 102.1
GS 33.4
AAPL 73.6
table(`XOM`GS`AAPL as id, 102.1 33.4 73.6 as x)
id x
---- -----
XOM 102.1
GS 33.4
AAPL 73.6
例2. 如果X是矩阵,table
函数将矩阵转换为表。
m1=1..6$3:2
table(m1)
C0 C1
-- --
1 4
2 5
3 6
m2=7..12$3:2
table(m1,m2)
C0 C1 C2 C3
-- -- -- --
1 4 7 10
2 5 8 11
3 6 9 12
例3. 如果X是元组,那么元组中的每个元素对应表中的一列。
x=(["a","b","c"],[4,5,6])
table(x)
C0 C1
-- --
a 4
b 5
c 6
例4. table
函数的输入是向量、矩阵和元组。
x=1..6
y=11..22$6:2
z=(101..106, 201..206)
table(x,y,z)
x C1 C2 C3 C4
- -- -- --- ---
1 11 17 101 201
2 12 18 102 202
3 13 19 103 203
4 14 20 104 204
5 15 21 105 205
6 16 22 106 206
我们可以通过指定表的容量和初始大小、列名以及每列的数据类型来创建内存表。如果表中实际的记录行数超出的capacity,它会自动扩展。如果要创建一个空的表,可以把size设置为0,如果size>0,创建表时会使用默认值填充。例如:
table(200:0, `name`id`value, [STRING,INT,DOUBLE])
name id value
---- -- -----
table(200:10, `name`id`value, [STRING,INT,DOUBLE])
name id value
---- -- -----
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
通过createPartitionedTable
函数可以创建分区内存表。在创建分区内存表之前,需要创建内存的分区数据库,其路径为空字符串。
n=10000
t=table(rand(1..10,n) as id,rand(10.0,n) as val)
db=database("",VALUE,1..10)
pt=db.createPartitionedTable(t,`pt,`id).append!(t)
typestr(pt)
SEGMENTED IN-MEMORY TABLE
对于内存分区表,不能直接访问,需要使用SQL语句访问。
select * from pt
通过以下脚本,生成一个模拟数据集,用于后续例子。
n=30000000
workDir = "C:/DolphinDB/Data"
if(!exists(workDir)) mkdir(workDir)
trades=table(rand(`IBM`MSFT`GM`C`FB`GOOG`V`F`XOM`AMZN`TSLA`PG`S,n) as sym, 2000.01.01+rand(365,n) as date, 10.0+rand(2.0,n) as price1, 100.0+rand(20.0,n) as price2, 1000.0+rand(200.0,n) as price3, 10000.0+rand(2000.0,n) as price4, 10000.0+rand(3000.0,n) as price5, 10000.0+rand(4000.0,n) as price6, rand(10,n) as qty1, rand(100,n) as qty2, rand(1000,n) as qty3, rand(10000,n) as qty4, rand(10000,n) as qty5, rand(10000,n) as qty6)
trades.saveText(workDir + "/trades.txt");
使用loadText
函数将文本文件数据导入到未分区内存表:
trades=loadText(workDir + "/trades.txt")
ploadText
函数将文本文件导入为顺序分区的内存表这是最简单的将数据导入到内存分区表的方法,但缺乏其它导入方法的某些优点及灵活性。例如,需要导入的文本文件必须小于可用内存;无法使用函数sortBy!
进行有意义的排序,等等。
trades = ploadText(workDir + "/trades.txt");
loadTextEx
函数将文本文件导入为指定分区方式的表这种方法适合下列情况:
使用这种方法时,database
函数的directory参数以及loadTextEx
函数的tableName参数需使用空字符串("")。
db = database("", VALUE, `IBM`MSFT`GM`C`FB`GOOG`V`F`XOM`AMZN`TSLA`PG`S)
trades = db.loadTextEx("", `sym, workDir + "/trades.txt");
trades.sortBy!(`qty1);
trades.sortBy!(`date`qty1, false true);
trades.sortBy!(<qty1 * price1>, false);
请注意,对内存分区表使用函数sortBy!
时,是在每个分区内部进行排序,并不是对全表进行排序。
我们分别对未分区内存表、顺序分区内存表以及本节中的VALUE分区内存表,进行相同的分组聚合运算。SQL语句如下:
timer(10) select std(qty1) from trades group by sym;
这里的 "timer(10)" 指的是此语句被连续执行10次的总耗时。
结果如下表所致。可以看到,当分组列和分区列相同时,分组计算性能最优。
数据表 | 产生时所用函数 | 计算耗时 |
---|---|---|
未分区内存表 | loadText |
3.69 秒 |
顺序分区内存表 | ploadText |
2.51 秒 |
以sym值分区的内存表 | loadTextEx |
0.17 秒 |
loadTable
函数导入磁盘分区表的全部或部分分区这种方法适合下列情况:
使用loadTextEx
在磁盘上建立一个分区表:(亦可使用createPartitionedTable
和append!
函数)
db = database(workDir+"/tradeDB", RANGE, ["A","G","M","S","ZZZZ"])
db.loadTextEx(`trades, `sym, workDir + "/trades.txt");
若只需要加载两个分区(["A","G")与["M","S"))到内存时:
db = database(workDir+"/tradeDB")
trades=loadTable(db, `trades, ["A", "M"], 1);
请注意,这里需要将函数loadTable
的可选参数memoryMode设为1,否则将只会加载表的元数据。
loadTableBySQL
函数导入磁盘分区表指定的行/列这是最灵活的产生内存分区表的方法,可以使用SQL语句选择磁盘分区表中指定的行/列以载入内存分区表。需与函数loadTable
结合使用。
db = database(workDir+"/tradeDB")
trades=loadTable(db, `trades);
sample=loadTableBySQL(<select * from trades where date between 2000.03.01 : 2000.05.01>);
sample=loadTableBySQL(<select sym, date, price1, qty1 from trades where date between 2000.03.01 : 2000.05.01>);
dates = 2000.01.16 2000.02.14 2000.08.01
st = sql(<select sym, date, price1, qty1>, trades, expr(<date>, in, dates))
sample = loadTableBySQL(st);
colNames =`sym`date`qty2`price2
st= sql(sqlCol(colNames), trades)
sample = loadTableBySQL(st);
以2.2.3中的分区内存表trades为例,介绍内存表的用法。
trades = ploadText(workDir + "/trades.txt");
可以通过以下方法往内存表中插入数据:
//往指定列插入数据,其他列为空
insert into trades(sym,date) values(`S,2000.12.31)
//往所有列插入数据
insert into trades values(`S`IBM,[2000.12.31,2000.12.30],[10.0,20.0],[10.0,20.0],[10.0,20.0],[10.0,20.0],[10.0,20.0],[10.0,20.0],[10,20],[10,20],[10,20],[10,20],[10,20],[10,20])
append!
函数如果使用append!
函数往表中插入数据,新数据必须是以表的形式表示。例如:
tmp=table(`S`IBM as col1,[2000.12.31,2000.12.30] as col2,[10.0,20.0] as col3,[10.0,20.0] as col4,[10.0,20.0] as col5,[10.0,20.0] as col6,[10.0,20.0] as col7,[10.0,20.0] as col8,[10,20] as col9,[10,20] as col10,[10,20] as col11,[10,20] as col12,[10,20] as col13,[10,20] as col14)
trades.append!(tmp)
tableInsert
函数tableInsert
函数会返回插入的行数。
对于分区表,如果使用tableInsert
函数往表中插入数据,新数据必须是以表的形式表示。
tmp=table(`S`IBM as col1,[2000.12.31,2000.12.30] as col2,[10.0,20.0] as col3,[10.0,20.0] as col4,[10.0,20.0] as col5,[10.0,20.0] as col6,[10.0,20.0] as col7,[10.0,20.0] as col8,[10,20] as col9,[10,20] as col10,[10,20] as col11,[10,20] as col12,[10,20] as col13,[10,20] as col14)
trades.tableInsert(tmp)
2
对于未分区表,如果使用tableInsert
函数往表中插入数据,新数据可以用元组的形式表示。
a=(`S`IBM,[2000.12.31,2000.12.30],[10.0,20.0],[10.0,20.0],[10.0,20.0],[10.0,20.0],[10.0,20.0],[10.0,20.0],[10,20],[10,20],[10,20],[10,20],[10,20],[10,20])
trades.tableInsert(a)
可以通过以下三种方法为内存表增加列:
update trades set logPrice1=log(price1), newQty1=double(qty1);
update!
函数trades.update!(`logPrice1`newQty1, <[log(price1), double(qty1)]>);
trades[`logPrice1`newQty1] = <[log(price1), double(qty1)]>;
可以通过以下三种方法为内存表更新列:
update trades set qty1=qty1+10;
update trades set qty1=qty1+10 where sym=`IBM;
update!
函数trades.update!(`qty1, <qty1+10>);
trades.update!(`qty1, <qty1+10>, <sym=`IBM>);
trades[`qty1] = <qty1+10>;
trades[`qty1, <sym=`IBM>] = <qty1+10>;
可以通过以下三种方法为内存表删除行:
delete from trades where qty3<20;
erase!
函数trades.erase!(< qty3<30 >);
通过drop!
函数删除列:
trades.drop!("qty1");
通过rename!
函数重命名列:
trades.rename!("qty2", "qty2New");
通过schema
函数查看表的结构:
schema(trades)
partitionSchema->[XOM,V,TSLA,S,PG,MSFT,IBM,GOOG,GM,FB,...]
partitionSites->
partitionColumnIndex->0
chunkPath->
colDefs->
name typeString typeInt comment
------ ---------- ------- -------
sym SYMBOL 17
date DATE 6
price1 DOUBLE 16
price2 DOUBLE 16
price3 DOUBLE 16
price4 DOUBLE 16
price5 DOUBLE 16
price6 DOUBLE 16
qty1 INT 4
qty2 INT 4
qty3 INT 4
qty4 INT 4
qty5 INT 4
qty6 INT 4
partitionType->1
partitionColumnName->sym
可以通过以下两种方法删除内存表:
undef
函数undef(`trades)
trades=NULL
undef
函数会将命名空间删除,而把变量赋值为NULL仍然保留命名空间。
通过replaceColumn!
函数可以修改列的数据类型。目前只有未分区的内存表才支持修改列的数据类型,分区内存表不支持该功能。以未分区的内存表trades为例,将price1的数据类型修改为FLOAT(目前是DOUBLE):
NewPrice1=float(exec price1 from trades)
replaceColumn!(trades,`price1,NewPrice1)
schema(trades)
partitionColumnIndex->-1
chunkPath->
colDefs->
name typeString typeInt comment
------ ---------- ------- -------
sym SYMBOL 17
date DATE 6
price1 `FLOAT` 15
price2 DOUBLE 16
price3 DOUBLE 16
price4 DOUBLE 16
price5 DOUBLE 16
price6 DOUBLE 16
qty1 INT 4
qty2 INT 4
qty3 INT 4
qty4 INT 4
qty5 INT 4
qty6 INT 4
通过reorderColumns!
函数可以修改列的顺序。目前只有未分区的内存表才支持修改列的数据类型,分区内存表不支持该功能。以未分区的内存表trades为例,将列的顺序调整为sym,date,price6,price5,...,price1,qty6,qty5,...,qty1。
reorderColumns!(trades,`sym`date`price6`price5`price4`price3`price2`price1`qty6`qty5`qty4`qty3`qty2`qty1)
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。