通过SQL和Python访问基于矢量的函数来提高编程速度和生产力。分布式查询处理和运用RLE压缩来处理资本市场中的大数据分析。
华盛顿州联邦路，2014年10月27日�CMcObject®宣布eXtremeDB®金融版本6.0已正式发布，这也是面向资本市场数据库系统技术的重要升级。此次改进包括使用广泛应用的SQL和Python语言来访问eXtremeDB金融版最强大的功能，用陈述性的SQL语言以及快速原型法的Python语言进行开发释放生产力。6.0版本运用其崭新的功能：分布式查询处理和专业的市场数据压缩，解决了金融系统面临的大数据挑战，提高了处理实时和历史数据（当天的数据增长超过一兆）的效率。McObject合伙创始人兼CEO讲到：“在STAC-M3测试以及其他测试中，eXtremeDB金融版已经展示了它处理市场数据时超低延迟的特性。6.0版本在此特性的技术上做了改进，一些特性提高性能，另外一些增加收益，还有一些新的特性两者兼顾。资本市场的很多大公司已经运用eXtremeDB 金融版6.0版本改进的技术。McObject期望随着此次升级进入全面发行，能帮助更多的公司解决金融计算遇到的最困难的挑战。
Graves 展示了eXtremeDB金融版6.0具体的改进，如下所示：
运用SQL, Python实现的基于矢量的统计功能
eXtremeDB一个显著地特征就是它的基于矢量的统计函数库。这个统计函数库被传递到CPU缓存中从而缩短分析市场数据时的延迟。6.0版本引进了从内在的SQL运用其基于矢量的函数的功能运用其基于矢量的函数的功能，而SQL是企业计算机技术中几乎普遍使用的数据库语言。这也大大增加了开发者人群，他们现有的技术能快速采纳McObject的数据库系统。
用C/C++, Python, Java 和 C# (.NET)语言编写的应用都可以通过命令行界面使用SQL,它自己本身也可以。它在创建与数据库系统交互代码方面有着高水平的生产力，这样使得在一些时间作为关键竞争因素的领域的开发工作更快速。McObject video 展示了从内在的SQL运用基于矢量函数的实际例子。
eXtremeDB金融版6.0也支持Python。Python是用于快速算法（特别是原型法）的一种高级语言，支持资本市场。使用Python，再加上eXtremeDB动态的数据定义语言DDL，开发者能够迅速实施他们的想法，通过测试代码的变化，数据库表和索引进行快速优化。
分布式的查询处理
运用分布式的查询处理，eXtremeDB金融版本把整个数据库划分，通过多个服务器，CPU 或者CPU核进行分布式查询处理。在一些情况下，利用多台主机并行执行数据库操作，数据库的性能就会大大提高。
市场数据压缩
此次升级增加了强大的压缩算法功能，用来减小存储的市场数据的体积从而降低存储成本并加快处理速度。这个行程长度编码（RLE）压缩可以运用在柱状数据（即定义为eXtremeDB金融版的‘列'数据库类型，通常用于交易，报价，以及其他市场数据）在McObject 的测试中，激活这个功能之后，芝加哥期权交易市场波动指数（VIX）的笔数据体积降到了其预压缩体积的四分之一，数据库的读取速度也增加了21%。eXtremeDB 金融版6.0也增加了压缩非柱状结构数据的功能。
基于矢量的统计函数库的改进
eXtremeDB 金融版6.0用多种方法改进其基于矢量的函数库，包括：
• 许多新的功能，包括一整族的哈喜聚合功能，这个功能可以
• 提高无序序列（即不按照时间戳和固定的时间间隔筛选）。
• 从一个输入字符串创建一个序列，如下面示例：创建一个名为“竞标”的序列：“插入报价值('{1.0, 1.1, 1.2, 1.1}')”
• 通过一个新的SQL SELECT语句关键字，把柱状数据（即时间序列数据如市场数据传统关系型数据库基于行的格式。