DolphinDB提供了功能强大的内存计算引擎，内置时间序列函数，分布式计算以及流数据处理引擎，在众多场景下均可高效的计算K线。本教程将介绍DolphinDB如何通过批量处理和流式处理计算K线。
- 历史数据批量计算K线
其中可以指定K线窗口的起始时间；一天中可以存在多个交易时段，包括隔夜时段；K线窗口可重叠；使用交易量作为划分K线窗口的维度。需要读取的数据量特别大并且需要将结果写入数据库时，可使用DolphinDB内置的Map-Reduce函数并行计算。
- 流式计算K线
使用API实时接收市场数据，并使用DolphinDB内置的流数据时序计算引擎(TimeSeriesAggregator)进行实时计算得到K线数据。
1. 历史数据K线计算
使用历史数据计算K线，可使用DolphinDB的内置函数bar，dailyAlignedBar，或wj。
1.1 不指定K线窗口的起始时刻，根据数据自动生成K线结果
bar(X,Y)返回X减去X除以Y的余数，一般用于将数据分组。
date = 09:32m 09:33m 09:45m 09:49m 09:56m 09:56m; bar(date, 5);
返回以下结果：
[09:30m,09:30m,09:45m,09:45m,09:55m,09:55m]
例子1：使用以下数据模拟美国股票市场：
n = 1000000 date = take(2019.11.07 2019.11.08, n) time = (09:30:00.000 + rand(int(6.5*60*60*1000), n)).sort!() timestamp = concatDateTime(date, time) price = 100+cumsum(rand(0.02, n)-0.01) volume = rand(1000, n) symbol = rand(`AAPL`FB`AMZN`MSFT, n) trade = table(symbol, date, time, timestamp, price, volume).sortBy!(`symbol`timestamp) undef(`date`time`timestamp`price`volume`symbol)
计算5分钟K线：
barMinutes = 5 OHLC = select first(price) as open, max(price) as high, min(price) as low, last(price) as close, sum(volume) as volume from trade group by symbol, date, bar(time, barMinutes*60*1000) as barStart
请注意，以上数据中，time列的精度为毫秒。若time列精度不是毫秒，则应当将 barMinutes*60*1000 中的数字做相应调整。
1.2 需要指定K线窗口的起始时刻
需要指定K线窗口的起始时刻，可使用dailyAlignedBar函数。该函数可处理每日多个交易时段，亦可处理隔夜时段。
请注意，使用dailyAlignedBar函数时，时间列必须含有日期信息，包括 DATETIME, TIMESTAMP 或 NANOTIMESTAMP 这三种类型的数据。指定每个交易时段窗口起始时刻的参数 timeOffset 必须使用相应的去除日期信息之后的 SECOND，TIME 或 NANOTIME 类型的数据。
例子2（每日一个交易时段）：计算美国股票市场7分钟K线。数据沿用例子1中的trade表。
barMinutes = 7 OHLC = select first(price) as open, max(price) as high, min(price) as low, last(price) as close, sum(volume) as volume from trade group by symbol, dailyAlignedBar(timestamp, 09:30:00.000, barMinutes*60*1000) as barStart
例子3（每日两个交易时段）：中国股票市场每日有两个交易时段，上午时段为9:30至11:30，下午时段为13:00至15:00。
使用以下数据模拟：
n = 1000000 date = take(2019.11.07 2019.11.08, n) time = (09:30:00.000 + rand(2*60*60*1000, n/2)).sort!() join (13:00:00.000 + rand(2*60*60*1000, n/2)).sort!() timestamp = concatDateTime(date, time) price = 100+cumsum(rand(0.02, n)-0.01) volume = rand(1000, n) symbol = rand(`600519`000001`600000`601766, n) trade = table(symbol, timestamp, price, volume).sortBy!(`symbol`timestamp) undef(`date`time`timestamp`price`volume`symbol)
计算7分钟K线：
barMinutes = 7 sessionsStart=09:30:00.000 13:00:00.000 OHLC = select first(price) as open, max(price) as high, min(price) as low, last(price) as close, sum(volume) as volume from trade group by symbol, dailyAlignedBar(timestamp, sessionsStart, barMinutes*60*1000) as barStart
例子4（每日两个交易时段，包含隔夜时段）：某些期货每日有多个交易时段，且包括隔夜时段。本例中，第一个交易时段为8:45到下午13:45，另一个时段为隔夜时段，从下午15:00到第二天05:00。
使用以下数据模拟:
daySession = 08:45:00.000 : 13:45:00.000 nightSession = 15:00:00.000 : 05:00:00.000 n = 1000000 timestamp = rand(concatDateTime(2019.11.06, daySession[0]) .. concatDateTime(2019.11.08, nightSession[1]), n).sort!() price = 100+cumsum(rand(0.02, n)-0.01) volume = rand(1000, n) symbol = rand(`A120001`A120002`A120003`A120004, n) trade = select * from table(symbol, timestamp, price, volume) where timestamp.time() between daySession or timestamp.time()>=nightSession[0] or timestamp.time()<nightSession[1] order by symbol, timestamp undef(`timestamp`price`volume`symbol)
计算7分钟K线：
barMinutes = 7 sessionsStart = [daySession[0], nightSession[0]] OHLC = select first(price) as open, max(price) as high, min(price) as low, last(price) as close, sum(volume) as volume from trade group by symbol, dailyAlignedBar(timestamp, sessionsStart, barMinutes*60*1000) as barStart
1.3 重叠K线窗口：使用wj函数
以上例子中，K线窗口均不重叠。若要计算重叠K线窗口，可以使用wj函数。使用wj函数，可对左表中的时间列，指定相对时间范围，在右表中进行计算。
例子5 （每日两个交易时段，重叠的K线窗口）：模拟中国股票市场数据，每5分钟计算30分钟K线。
n = 1000000 sampleDate = 2019.11.07 symbols = `600519`000001`600000`601766 trade = table(take(sampleDate, n) as date, (09:30:00.000 + rand(7200000, n/2)).sort!() join (13:00:00.000 + rand(7200000, n/2)).sort!() as time, rand(symbols, n) as symbol, 100+cumsum(rand(0.02, n)-0.01) as price, rand(1000, n) as volume)
首先根据时间来生成窗口，并且用cross join来生成股票和交易窗口的组合。
barWindows = table(symbols as symbol).cj(table((09:30:00.000 + 0..23 * 300000).join(13:00:00.000 + 0..23 * 300000) as time))
然后使用wj函数计算重叠窗口的K线数据：
OHLC = wj(barWindows, trade, 0:(30*60*1000), <[first(price) as open, max(price) as high, min(price) as low, last(price) as close, sum(volume) as volume]>, `symbol`time)
1.4 使用交易量划分K线窗口
上面的例子我们均使用时间作为划分K线窗口的维度。在实践中，也可以使用其他维度作为划分K线窗口的依据。譬如用累计的交易量来计算K线。
例子6 （每日两个交易时段，使用累计的交易量计算K线）：模拟中国股票市场数据，交易量每增加10000计算K线。
n = 1000000 sampleDate = 2019.11.07 symbols = `600519`000001`600000`601766 trade = table(take(sampleDate, n) as date, (09:30:00.000 + rand(7200000, n/2)).sort!() join (13:00:00.000 + rand(7200000, n/2)).sort!() as time, rand(symbols, n) as symbol, 100+cumsum(rand(0.02, n)-0.01) as price, rand(1000, n) as volume) volThreshold = 10000 select first(time) as barStart, first(price) as open, max(price) as high, min(price) as low, last(price) as close from (select symbol, price, cumsum(volume) as cumvol from trade context by symbol) group by symbol, bar(cumvol, volThreshold) as volBar
代码采用了嵌套查询的方法。子查询为每个股票生成累计的交易量cumvol，然后在主查询中根据累计的交易量用bar函数生成窗口。
1.5 使用MapReduce函数加速
若需从数据库中提取较大量级的历史数据，计算K线，然后存入数据库，可使用DolphinDB内置的Map-Reduce函数mr进行数据的并行读取与计算。这种方法可以显著提高速度。
本例使用美国股票市场精确到纳秒的交易数据。原始数据存于"dfs://TAQ"数据库的"trades"表中。"dfs://TAQ"数据库采用复合分区：基于交易日期Date的值分区与基于股票代码Symbol的范围分区。
(1) 将存于磁盘的原始数据表的元数据载入内存：
login(`admin, `123456)
db = database("dfs://TAQ")
trades = db.loadTable("trades")(2) 在磁盘上创建一个空的数据表，以存放计算结果。以下代码建立一个模板表（model），并根据此模板表的schema在数据库"dfs://TAQ"中创建一个空的 OHLC 表以存放K线计算结果：
model=select top 1 Symbol, Date, Time.second() as bar, PRICE as open, PRICE as high, PRICE as low, PRICE as close, SIZE as volume from trades where Date=2007.08.01, Symbol=`EBAY
if(existsTable("dfs://TAQ", "OHLC"))
db.dropTable("OHLC")
db.createPartitionedTable(model, `OHLC, `Date`Symbol)(3) 使用mr函数计算K线数据，并将结果写入 OHLC 表中：
def calcOHLC(inputTable){
tmp=select first(PRICE) as open, max(PRICE) as high, min(PRICE) as low, last(PRICE) as close, sum(SIZE) as volume from inputTable where Time.second() between 09:30:00 : 15:59:59 group by Symbol, Date, 09:30:00+bar(Time.second()-09:30:00, 5*60) as bar
loadTable("dfs://TAQ", `OHLC).append!(tmp)
return tmp.size()
}
ds = sqlDS(<select Symbol, Date, Time, PRICE, SIZE from trades where Date between 2007.08.01 : 2019.08.01>)
mr(ds, calcOHLC, +)在以上代码中，ds是函数sqlDS生成的一系列数据源，每个数据源代表从一个数据分区中提取的数据；自定义函数calcOHLC为Map-Reduce算法中的map函数，对每个数据源计算K线数据，并将结果写入数据库，返回写入数据库的K线数据的行数；"+"是Map-Reduce算法中的reduce函数，将所有map函数的结果，亦即写入数据库的K线数据的行数相加，返回写入数据库的K线数据总数。
2. 实时K线计算
DolphinDB database 中计算实时K线的流程如下图所示：
DolphinDB中计算实时K线流程图
实时数据供应商一般会提供基于Python、Java或其他常用语言的API的数据订阅服务。本例中使用Python来模拟接收市场数据，通过DolphinDB Python API写入流数据表中。DolphinDB的流数据时序聚合引擎(TimeSeriesAggregator)可以对实时数据按照指定的频率与移动窗口计算K线。
本例使用的模拟实时数据源为文本文件trades.csv。该文件包含以下4列（一同给出一行样本数据）：
以下三小节介绍实时K线计算的三个步骤：
2.1 使用 Python 接收实时数据，并写入DolphinDB流数据表
- DolphinDB 中建立流数据表
share streamTable(100:0, `Symbol`Datetime`Price`Volume,[SYMBOL,DATETIME,DOUBLE,INT]) as Trade
- Python程序从数据源 trades.csv 文件中读取数据写入DolphinDB。
实时数据中Datetime的数据精度是秒，由于pandas DataFrame中仅能使用DateTime[64]即nanatimestamp类型，所以下列代码在写入前有一个数据类型转换的过程。这个过程也适用于大多数数据需要清洗和转换的场景。
import dolphindb as ddbimport pandas as pdimport numpy as npcsv_file = "trades.csv"csv_data = pd.read_csv(csv_file, dtype={'Symbol':str} )csv_df = pd.DataFrame(csv_data)s = ddb.session();s.connect("127.0.0.1",8848,"admin","123456")#上传DataFrame到DolphinDB，并对Datetime字段做类型转换s.upload({"tmpData":csv_df})s.run("data = select Symbol, datetime(Datetime) as Datetime, Price, Volume from tmpData")s.run("tableInsert(Trade,data)")2.2 实时计算K线
本例中使用时序聚合引擎createTimeSeriesAggregator函数实时计算K线数据，并将计算结果输出到流数据表OHLC中。
实时计算K线数据，根据应用场景不同，可以分为以下2种情况：
- 仅在每次时间窗口结束时触发计算
- 时间窗口完全不重合，例如每隔5分钟计算过去5分钟的K线数据
- 时间窗口部分重合，例如每隔1分钟计算过去5分钟的K线数据
- 在每个时间窗口结束时触发计算，同时在每个时间窗口内数据也会按照一定频率更新
例如每隔1分钟计算过去1分钟的K线数据，但最近1分钟的K线不希望等到窗口结束后再计算。希望每隔1秒钟更新一次
下面针对上述的几种情况分别介绍如何使用createTimeSeriesAggregator函数实时计算K线数据。请根据实际需要选择相应场景创建时间序列聚合引擎。
2.2.1 仅在每次时间窗口结束时触发计算
仅在每次时间窗口结束时触发计算的情况下，又可以分为时间窗口完全不重合和部分重合两种场景。这两种情况可通过设定createTimeSeriesAggregator函数的windowSize参数和step参数以实现。下面具体说明。
首先定义输出表:
share streamTable(100:0, `datetime`symbol`open`high`low`close`volume,[DATETIME, SYMBOL, DOUBLE,DOUBLE,DOUBLE,DOUBLE,LONG]) as OHLC
然后根据使用场景不同，选择以下任意一种场景创建时间序列聚合引擎。
场景一：每隔5分钟计算一次过去5分钟的K线数据，使用以下脚本定义时序聚合引擎，其中，windowSize参数取值与step参数取值相等
tsAggrKline = createTimeSeriesAggregator(name="aggr_kline", windowSize=300, step=300, metrics=<[first(Price),max(Price),min(Price),last(Price),sum(volume)]>, dummyTable=Trade, outputTable=OHLC, timeColumn=`Datetime, keyColumn=`Symbol)
场景二：每隔1分钟计算过去5分钟的K线数据，可以使用以下脚本定义时序聚合引擎。其中，windowSize参数取值是step参数取值的倍数
tsAggrKline = createTimeSeriesAggregator(name="aggr_kline", windowSize=300, step=60, metrics=<[first(Price),max(Price),min(Price),last(Price),sum(volume)]>, dummyTable=Trade, outputTable=OHLC, timeColumn=`Datetime, keyColumn=`Symbol)
最后，定义流数据订阅。若此时流数据表Trade中已经有实时数据写入，那么实时数据会马上被订阅并注入聚合引擎：
subscribeTable(tableName="Trade", actionName="act_tsaggr", offset=0, handler=append!{tsAggrKline}, msgAsTable=true)场景一的输出表前5行数据：
2.2.2 在每个时间窗口结束触发计算，同时按照一定频率更新计算结果
以窗口时间1分钟计算vwap价格为例，10:00更新了聚合结果以后，那么下一次更新至少要等到10:01。按照计算规则，这一分钟内即使发生了很多交易，也不会触发任何计算。这在很多金融交易场景中是无法接受的，希望以更高的频率更新信息，为此引入了时序聚合引擎的updateTime参数。
updateTime参数表示计算的时间间隔，如果没有指定updateTime，只有在每个时间窗口结束时，时间序列聚合引擎才会触发一次计算。但如果指定了updateTime，在以下3种情况下都会触发计算：
- 在每个时间窗口结束时，时间序列聚合引擎会触发一次计算
- 每过updateTime个时间单位，时间序列聚合引擎都会触发一次计算
- 如果数据进入后超过2*updateTime个时间单位（如果2*updateTime不足2秒，则设置为2秒），当前窗口中仍有未计算的数据，时间序列聚合引擎会触发一次计算
这样就能保证时序聚合引擎能在每个时间窗口结束触发计算，同时在每个时间窗口内部也会按照一定频率触发计算。
需要说明的是，时序聚合引擎要求在使用updateTime参数时，必须使用keyedTable作为输出表。具体原因如下：
- 若将普通的table或streamTable作为输出表
table与streamTable不会对重复的数据进行写入限制，因此在数据满足触发updateTime的条件而还未满足触发step的条件时，时序聚合引擎会不断向输出表添加同一个time的计算结果，最终得到的输出表就会有大量时间相同的记录，这个结果就没有意义。 - 若将keyedStreamTable作为输出表
keyedStreamTable不允许更新历史记录，也不允许往表中添加key值相同的记录。往表中添加新记录时，系统会自动检查新记录的主键值，如果新纪录的主键值与已有记录的主键值重复时，新纪录不会被写入。在本场景下表现的结果是，在数据还没有满足触发step的条件，但满足触发updateTime的条件时，时序聚合引擎将最近窗口的计算结果写入到输出表，却因为时间相同而被禁止写入，updateTIme参数同样失去了意义。 - 使用keyedTable作为输出表
keyedTable允许更新，往表中添加新记录时，系统会自动检查新记录的主键值，如果新纪录的主键值与已有记录的主键值重复时，会更新表中对应的记录。在本场景下表现的结果是，同一个时间计算结果可能会发生更新。在数据还没有满足触发step的条件，但满足触发updateTime的条件时，计算结果会被修改为根据最近窗口内的数据进行计算的结果，而不是向输出表中添加一条新的记录。直到数据满足触发step的条件时，才会向输出表中添加新的记录。而这个结果才是我们预期想要达到的效果，因此时序聚合引擎要求在使用updateTime参数时，必须使用keyedTable作为输出表。
例如，要计算窗口为1分钟的K线，但最近1分钟的K线不希望等到窗口结束后再计算。希望每隔1秒钟都更新一次近1分钟的K线数据。我们可以通过如下步骤实现这个场景。
首先，我们需要创建一个keyedTable作为输出表，并将时间列和股票代码列作为主键。当有新的数据注入输出表时，如果新纪录的时间在表中已存在，会更新表中对应时间的记录。这样就能保证每次查询时每个时刻的数据是最新的。
share keyedTable(`datetime`Symbol, 100:0, `datetime`Symbol`open`high`low`close`volume,[DATETIME,SYMBOL,DOUBLE,DOUBLE,DOUBLE,DOUBLE,LONG]) as OHLC
请注意：在使用时序聚合引擎时将 keyedTable作为输出表，若时序聚合引擎指定了keyColumn参数，那么kyedTable需要同时将时间相关列和keyColumn列作为主键。
每隔1分钟计算一次过去1分钟的K线数据，并且每隔1秒钟都更新一次近1分钟的K线数据，可以使用以下脚本定义时序聚合引擎。其中，windowSize参数取值与step参数取值相等，并指定updateTime参数取值为1秒钟，即每隔1秒种更新最近1分钟的数据。下例中的useWindowStartTime参数则用于指定输出表中的时间为数据窗口的起始时间。
tsAggrKline = createTimeSeriesAggregator(name="aggr_kline", windowSize=60, step=60, metrics=<[first(Price),max(Price),min(Price),last(Price),sum(volume)]>, dummyTable=Trade, outputTable=OHLC, timeColumn=`Datetime, keyColumn=`Symbol,updateTime=1, useWindowStartTime=true)
请注意，在使用时间序列聚合引擎时，windowSize必须是step的整数倍，并且step必须是updateTime的整数倍。
最后，定义流数据订阅。若此时流数据表Trade中已经有实时数据写入，那么实时数据会马上被订阅并注入聚合引擎：
subscribeTable(tableName="Trade", actionName="act_tsaggr", offset=0, handler=append!{tsAggrKline}, msgAsTable=true)输出表的前5行数据：
2.3 在Python中展示K线数据
在本例中，聚合引擎的输出表也定义为流数据表，客户端可以通过Python API订阅输出表，并将计算结果展现到Python终端。
以下代码使用Python API订阅实时聚合计算的输出结果表OHLC，并将结果通过print函数打印出来。
import dolphindb as ddb
import pandas as pd
import numpy as np
#设定本地端口20001用于订阅流数据
s.enableStreaming(20001)
def handler(lst):
print(lst)
# 订阅DolphinDB(本机8848端口)上的OHLC流数据表
s.subscribe("127.0.0.1", 8848, handler, "OHLC")也可通过Grafana等可视化系统来连接DolphinDB database，对输出表进行查询并将结果以图表方式展现。
