在处理实时流数据时,不仅需要按照时间做纵向聚合计算,还需要对最新的数据做横向比较和计算,如金融里对所有股票的最新报价求百分位、工业物联网中计算一批设备的温度均值等。DolphinDB database 提供了横截面聚合引擎,可以对流数据中所有分组的最新数据做聚合运算。
横截面引擎的主体分为两部分:横截面数据表和计算引擎。横截面数据是横截面引擎的内部表,保存了所有分组最新的截面数据。计算引擎是一组聚合计算表达式以及触发器,系统会按照指定的方式触发聚合运算,计算结果会输出到另外一个表中。
1. 基本用法
在DolphinDB database中,通过createCrossSectionalAggregator创建横截面聚合引擎。它返回一个横截面数据表,保存了所有分组最新的截面数据,往这个表写入数据意味着这些数据进入横截面聚合引擎进行计算。具体用法如下:
createCrossSectionalAggregator(name, [metrics], dummyTable, [outputTable], keyColumn, [triggeringPattern="perBatch"], [triggeringInterval=1000])
- name是一个字符串,表示横截面聚合引擎的名称,是横截面聚合引擎的唯一标识。它可以包含字母,数字和下划线,但必须以字母开头。
- metrics是元代码。它可以是系统内置或用户自定义的函数,如<[sum(qty), avg(price)]>,可以对聚合结果使用表达式,如<[avg(price1)-avg(price2)]>,也可以对计算列进行聚合运算,如<[std(price1-price2)]>。详情可参考元编程。
- dummyTable是表对象,它可以不包含数据,但它的结构必须与订阅的流数据表相同。
- outputTable是表对象,用于保存计算结果。输出表的列数为metrics数量+1,第一列为TIMESTAMP类型,用于存放发生计算的时间戳,,其他列的数据类型必须与metrics返回结果的数据类型一致。
- keyColumn是一个字符串,指定dummyTable的某列为横截面聚合引擎的key。keyColumn指定列中的每一个key对应表中的唯一一行。
- triggeringPattern是一个字符串,表示触发计算的方式。它可以是以下取值:
- "perRow": 每插入一行数据触发一次计算
- "perBatch": 每插入一次数据触发一次计算
- "interval": 按一定的时间间隔触发计算
- triggeringInterval是一个整数。只有当triggeringPattern的取值为interval时才生效,表示触发计算的时间间隔。默认值为1000毫秒。
2. 示例
下面通过一个例子说明横截面聚合引擎的应用。在金融交易中,往往需要实时了解所有股票最新的报价均值、最近一次成交量总和以及最近一次交易的交易量。DolphinDB的横截面聚合引擎结合流数据订阅功能可以方便地完成这些工作。
(1)创建实时交易表
股票的实时交易表trades,包含以下主要字段:
sym:股票代码
time:时间
price:成交价
qty:成交量
每当交易发生时,实时数据会写入trades表。创建trades表的脚本如下:
share streamTable(10:0,time
symprice
qty,[TIMESTAMP,SYMBOL,DOUBLE,INT]) as trades
(2)创建横截面聚合引擎
tradesCrossAggregator=createCrossSectionalAggregator("CrossSectionalDemo", <[avg(price), sum(qty), sum(price*qty)]>, trades, outputTable, sym,
perRow)
tradesCrossAggregator是横截面数据表,它按股票代码分组,每个股票有且仅有一行。当数据进入该表时,会计算每个股票的avg(price), sum(qty)和sum(price*qty)。每插入一条数据触发一次计算。
(3)横截面数据表订阅实时交易表
subscribeTable(,"trades","tradesCrossAggregator",-1,append!{tradesCrossAggregator},true)
通过流数据订阅功能,把实时数据写入横截面数据表。
(4)模拟数据产生
def writeData(n){
timev = 2000.10.08T01:01:01.001 + timestamp(1..n)
symv = take(A
B, n)
pricev = take(102.1 33.4 73.6 223,n)
qtyv = take(60 74 82 59, n)
insert into trades values(timev, symv, pricev,qtyv)
}
writeData(4);
查看实时交易表,共有4条数据。
select * from trades
time sym price qty
2000.10.08T01:01:01.002 A 102.1 60
2000.10.08T01:01:01.003 B 33.4 74
2000.10.08T01:01:01.004 A 73.6 82
2000.10.08T01:01:01.005 B 223 59
查看横截面数据表,里面保存了A、B两只股票最近的两笔交易记录。
select * from tradesCrossAggregator
time sym price qty
2000.10.08T01:01:01.004 A 73.6 82
2000.10.08T01:01:01.005 B 223 59
查看横截面引擎的输出表,由于横截面引擎采用了perRow每行触发计算的频率,所以每往横截面表写入一行数据,聚合引擎都会做一次计算,因此一共有4条记录。
select * from outputTable
time avgPrice sumqty Total
2019.07.08T10:04:41.731 102.1 60 6126
2019.07.08T10:04:41.732 67.75 134 8597.6
2019.07.08T10:04:41.732 53.5 156 8506.8
2019.07.08T10:04:41.732 148.3 141 19192.2
通过getAggregatorStat函数查看横截面引擎的状态。
getAggregatorStat().CrossSectionalAggregator
name user status lastErrMsg numRows numMetrics metrics triggeringPattern triggeringInterval
CrossSectionalDemo guest OK 2 3 [ avg(price), su...perRow 1000
通过removeAggregator函数删除横截面引擎。
removeAggregator("CrossSectionalDemo")
3. 触发计算的几种方式
横截面引擎一共有三种触发计算的方式:perRow、perBatch和interval。上面的例子中采用的是每插入一行数据触发一次友链交易计算。下面介绍另外两种触发计算的方式。
- perBatch
perBatch参数表示每追加一批数据就触发一次写入,下例按perBatch模式启用横截面引擎,脚本一共生成12条记录,分三批写入,输出表中预期有3条记录。
share streamTable(10:0,time
symprice
qty,[TIMESTAMP,SYMBOL,DOUBLE,INT]) as trades
outputTable = table(1:0, time
avgPricesumqty
Total, [TIMESTAMP,DOUBLE,INT,DOUBLE])
tradesCrossAggregator=createCrossSectionalAggregator("CrossSectionalDemo", <[avg(price), sum(qty), sum(price*qty)]>, trades, outputTable, sym,
perBatch)
subscribeTable(,"trades","tradesCrossAggregator",-1,append!{tradesCrossAggregator},true)
def writeData(n){
timev = 2000.10.08T01:01:01.001 + timestamp(1..n)
symv = take(A
B, n)
pricev = take(102.1 33.4 73.6 223,n)
qtyv = take(60 74 82 59, n)
insert into trades values(timev, symv, pricev,qtyv)
}
//写入三批数据,预期会触发三次计算,输出三次聚合结果。
writeData(4);
writeData(4);
writeData(4);
查看横截面数据表。
select * from tradesCrossAggregator
time sym price qty
2000.10.08T01:01:01.002 A 73.6 82
2000.10.08T01:01:01.003 B 33.4 59
查看输出表。插入了三批数据,因此输出表中有3条记录。
select * from outputTable
time avgPrice sumqty Total
2019.07.08T10:14:54.446 148.3 141 19192.2
2019.07.08T10:14:54.446 148.3 141 19192.2
2019.07.08T10:14:54.446 148.3 141 19192.2
- interval
当触发计算的方式为interval时,需要指定triggeringInterval,表示每隔triggeringInterval毫秒触发一次计算。下面的例子中,分6次写入12条记录,每次间隔500毫秒。设置横截面引擎每1000毫秒触发一次计算,预期最终输出3条记录。
share streamTable(10:0,time
symprice
qty,[TIMESTAMP,SYMBOL,DOUBLE,INT]) as trades
outputTable = table(1:0, time
avgPricesumqty
Total, [TIMESTAMP,DOUBLE,INT,DOUBLE])
tradesCrossAggregator=createCrossSectionalAggregator("CrossSectionalDemo", <[avg(price), sum(qty), sum(price*qty)]>, trades, outputTable, sym,
interval,1000)
subscribeTable(,"trades","tradesCrossAggregator",-1,append!{tradesCrossAggregator},true)
def writeData(n){
timev = 2000.10.08T01:01:01.001 + timestamp(1..n)
symv = take(A
B, n)
pricev = take(102.1 33.4 73.6 223,n)
qtyv = take(60 74 82 59, n)
insert into trades values(timev, symv, pricev,qtyv)
}
a = now()
writeData(2);
sleep(500)
writeData(2);
sleep(500)
writeData(2);
sleep(500)
writeData(2);
sleep(500)
writeData(2);
sleep(500)
writeData(2);
sleep(500)
b = now()
select count(*) from outputTable
3
如果再次执行select count(*) from outputTable,会发现随着时间的推移,输出表的记录数会不断增长。这是因为在interval模式下,计算是按照现实时间定时触发,并不依赖于是否有新的数据进来。
4. 横截面数据表的独立使用
从上面的例子中可以看出,横截面表虽然是为聚合计算提供的一个中间数据表,但其实在很多场合还是能独立发挥作用的。比如我们需要定时刷新某只股票的最新交易价格,按照常规思路是从实时交易表中按代码筛选股票并拿出最后一条记录,而交易表的数据量是随着时间快速增长的,如果频繁做这样的查询,无论从系统的资源消耗还是从查询的效能来看都不是很好的做法。而横截面表永远只保存所有股票的最近一次交易数据,数据量是稳定的,对于这种定时轮询的场景非常合适。
如果要单独使用横截面表,需要在创建横截面引擎时,把metrics,outputTable这两个参数设置为空。
tradesCrossAggregator=createCrossSectionalAggregator("CrossSectionalDemo", , trades,, sym,
perRow)