数据库

VeighNa Trader目前支持以下八种数据库：

SQL类数据库简介

SQLite（默认）

SQLite是一个轻量的嵌入式数据库，无需安装和配置数据服务程序，是VeighNa的默认数据库。适合入门新手用户，其特点如下：

• 存储在一个单一的跨平台的磁盘文件上；
• 不需要在系统中配置、安装和管理；
• 不需要一个单独的服务器进程。

SQLite配置字段

SQLite在VeighNa Trader中配置时，需填写以下字段信息：

SQLite配置示例如下所示：

MySQL

MySQL是目前主流的开源关系型数据库，其特点如下：

• 文档材料丰富，社区及用户活跃；
• 支持多种操作系统，多种开发语言；
• 可替换其他高性能NewSQL数据库兼容实现（如TiDB）。

MySQL配置字段

MySQL在VeighNa Trader中配置时，需要填写以下字段信息：

MySQL配置示例如下所示：

PostgreSQL

PostgreSQL是特性更为丰富的开源关系型数据库，只推荐熟手使用。相比于MySQL，其特点如下：

• 采用多进程结构；
• 支持通过扩展插件来新增功能。

PostgreSQL配置字段

PostgreSQL在VeighNa Trader中配置时，需要填写以下字段信息：

PostgreSQL配置示例如下所示：

请注意，VeighNa不会主动为关系型数据库创建数据库，所以请确保所填写的database.database字段对应的数据库已经创建好了。若未创建数据库，请手动连接数据库并运行该命令：

    create database <填写的database.database>;

非SQL类数据库简介

MongoDB

MongoDB是一个基于分布式文件储存（bson格式）的非关系型数据库，其特点如下：

• 面向文档存储，操作比较简单；
• 支持丰富的存储类型和数据操作；
• 内置的热数据内存缓存实现更快的读写速度。

MongoDB配置字段

MongoDB在VeighNa Trader中配置时，需要填写以下字段信息：

MongoDB的带认证配置示例如下所示：

InfluxDB

InfluxDB是专门针对时间序列数据存储设计的非关系型数据库，其特点如下：

• 列式数据存储提供极高的读写效率；
• 采用独立服务进程的模式运行，也能支持多进程的并发访问需求。

在安装时需要选择2.0版本的InfluxDB。

请注意，运行influxd.exe的cmd需要保持运行，如果关闭则会导致InfluxDB退出，或者也可以使用一些辅助工具将其注册为后台运行的Windows服务。

InfluxDB配置字段

InfluxDB在VeighNa Trader中配置时，需要填写以下字段信息：

InfluxDB配置示例如下所示：

DolphinDB

DolphinDB是浙江智臾科技有限公司研发的一款高性能分布式时序数据库，特别适用于对速度要求极高的低延时或实时性任务，其特点如下：

• 列式分析型（OLAP）数据库，采用混合引擎（基于内存和硬盘），充分利用缓存来加速；
• 原生分区表存储，合理的分区方案可以让CPU多线程并行加载每个分区内的数据；
• 支持高效的数据压缩，显著减小硬盘存储空间的同时，还能大幅降低IO通讯的开销。

尽管DolphinDB是商业软件，但是也提供了免费的社区版，在安装时需要选择2.0 Beta版本。

请注意：

• 运行dolphindb.exe的cmd需要保持运行，如果关闭则会导致DolphinDB退出，或者也可以使用一些辅助工具将其注册为后台运行的Windows服务；
• 因为DolphinDB目前不支持Python3.10，所以VeighNa Studio 3.0.0没有提供DolphinDB支持。

DolphinDB配置字段

需要填写以下字段：

DolphinDB配置示例如下所示：

Arctic

Arctic是由英国量化对冲基金Man AHL基于MongoDB开发的高性能金融时序数据库，其特点如下：

• 支持直接存储pandas的DataFrame和numpy的ndaaray对象；
• 允许对数据进行版本化管理（类似于数据库中的git），便于因子挖掘过程中的数据迭代管理；
• 基于分块化存储和LZ4压缩，在网络和磁盘IO方面节省大量资源，实现超高性能的数据查询。

请注意，因为Arctic目前不支持Python3.10，所以VeighNa Studio 3.0.0没有提供Arctic支持。

Artic配置字段

Arctic配置示例如下所示：

Level DB

LevelDB是由Google推出的高性能Key/Value数据库，其特点如下：

• 定位为通用型数据存储方案；
• 基于LSM算法实现进程内存储引擎；
• 支持数十亿级别的海量数据。

请注意，因为LevelDB目前不支持Python3.10，所以VeighNa Studio 3.0.0没有提供LevelDB支持。

LevelDB配置字段

LevelDB配置示例如下所示：

数据库配置（以MySQL为例）

本文档以MySQL为例，介绍数据库的配置过程。

首先在MySQL官网下载Windows版本安装包【MySQL Installer for Windows】，如下图所示：

下载完成后得到msi格式的安装包，双击打开后选择【Full】模式安装MySQL，一路点击【Next】按钮即可完成安装。

安装过程中将会自动从网站下载相关组件，先点击【Execute】按钮来补全，再点击【Next】按钮。

安装过程中将会要求输入3次密码，这里为了方便演示，我们将密码设置为1001，请在自己安装的过程中使用更加复杂安全的密码。
安装完毕后会自动打开MySQL的图形管理工具MySQL WorkBench，点击菜单栏【Database】->【Connect to Database】，如下图所示：

在弹出的对话框中，直接选择默认数据库Local Instance MySQL，然后点击【OK】按钮连接MySQL数据库服务器。

在自动打开的数据库管理界面中，点击下图中菜单栏红色方框的按钮，来创建新的数据库。在【Name】中输入“vnpy”，然后点击下方的【Apply】按钮确认。

在之后弹出的数据库脚本执行确认对话框中，同样点击【Apply】即可，这样就完成了在MySQL WorkBench的所有操作。

随后启动VeighNa Trader，点击菜单栏的【配置】，设置数据库相关字段：

• name要改成mysql（请注意大小写）；
• database改成vnpy；
• host为本地IP，即localhost或者127.0.0.1；
• port为MySQL的默认端口3306；
• user用户名为root
• password密码则是之前设置的1001。

        database.name: mysql
        database.database: vnpy
        database.host: localhost
        database.port: 3306
        database.user: root
        database.password: 1001

填写完毕后如下图所示：

保存完成配置修改后，重启VeighNa Trader来启用新的数据库配置。重启后，在打开VeighNa Trader的过程中若无报错提示，则说明MySQL数据库配置成功。

脚本使用

脚本使用前，请先按照上文配置好使用的数据库, 使用时调用相应的函数接口。

脚本加载

在脚本中加载所需的包和数据结构

from datetime import datetime
from typing import List
from vnpy.trader.constant import Exchange, Interval
from vnpy.trader.database import get_database
from vnpy.trader.object import BarData, TickData

# 获取数据库实例
database = get_database()

配置所需合约的具体参数数据

# 合约代码，888为米筐的连续合约，仅用于示范，具体合约代码请根据需求自行更改
symbol = "cu888"

# 交易所，目标合约的交易所
exchange = Exchange.SHFE

# 历史数据开始时间，精确到日
start = datetime(2019, 1, 1)

# 历史数据结束时间，精确到日
end = datetime(2021, 1, 20)

# 数据的时间粒度，这里示例采用日级别
interval = Interval.DAILY

数据库的读取操作

如数据库指定时间段没有数据，返回空列表

# 读取数据库中k线数据
bar1 = database.load_bar_data(
    symbol=symbol,
    exchange=exchange,
    interval=interval,
    start=start,
    end=end
)

# 读取数据库中tick数据
tick1 = database.load_tick_data(
    symbol=symbol,
    exchange=exchange,
    start=start,
    end=end
)

数据库的写入操作

请注意，示例中的bar_data和tick_data均未在示例中展现获取和转换方法。如需以脚本方式写入，请自行参考源码或其他途径，转换成示例中的数据结构。

# 需要存入的k线数据，请自行获取并转换成所需的形式
bar_data: List[BarData] = None

database.save_bar_data(bar_data)

# 需要存入的k线数据，请自行获取并转换成所需的形式
tick_data: List[TickData] = None

# 将tick数据存入数据库
database.save_tick_data(tick_data)

数据库删除操作

无法恢复，请谨慎操作

# 删除数据库中k线数据
database.delete_bar_data(
    symbol=symbol,
    exchange=exchange,
    interval=interval
)

# 删除数据库中tick数据
database.delete_tick_data(
    symbol=symbol,
    exchange=exchange
)