據 AlphaMoat 統計,截至 2026-10,Dolphindb 累計下載 6,534 次、獲 1 個星標,按累計下載量在本次參與排名的 10,914 個 AI 技能中排名第 4,358 位,在「開發程式設計」分類(1,069 個)中排名第 370 位。
列表預設按累計下載量排序,也可按星標排序;詳情頁排名按累計下載量計算。
| 平台 | 累計下載 | 星標 | 評論 |
|---|---|---|---|
| ClawHub ↗ | 6534 | 1 | - |
各平台的計數口徑不同,統計時間不一致。
DolphinDB 時序資料庫完整技術文件與最佳實踐。包含1490個技術文件 + 3份官方白皮書。涵蓋資料庫設計、流計算、量化回測、函式查詢等全場景。
2026-09 起統計方法調整:同名技能按作者分別統計,並覆蓋全部技能。圖中虛線為調整前的月份,與之後的資料不直接比較,也不計算跨越調整的增長。
| 月份 | 累計下載 | 環比 | 星標 |
|---|---|---|---|
| 2026-10 | 6534 | — | 1 |
| 2026-09 | 6534 | — | 1 |
| 2026-08 | 6410 | +15.9% | 1 |
| 2026-07 | 5533 | +46.1% | 1 |
| 2026-06 | 3788 | — | 1 |
以下是作者釋出的原始檔案,按純文字顯示,本站未做修改或稽核;其中的連結不可點選,命令請核實後再執行。抓取於 2026-10-23。
--- name: dolphindb description: DolphinDB 时序数据库完整技术文档与最佳实践。包含1490个技术文档 + 3份官方白皮书。涵盖数据库设计、流计算、量化回测、函数查询等全场景。 version: 2.0.0 source: https://docs.dolphindb.cn + Official Whitepapers author: Optimized by Skill Creator tags: - database - time-series - streaming
- quantitative-trading
- backtesting
- dolphindb
---
# DolphinDB 完整技术文档与实战指南
**版本**: 2.0.0 (优化版)
**文档数量**: 1490 个技术文档 + 3 份官方白皮书
**DolphinDB版本**: 3.00.4
**更新时间**: 2026-01-22
**文档来源**: https://docs.dolphindb.cn
---
## 📚 核心资源概览
### 🎯 官方白皮书(深度最佳实践)
提供生产级架构设计和完整工作流程指南:
1. **[数据库白皮书](references/whitepapers/database.md)** (1073行)
- DolphinDB 核心架构与分布式设计
- TSDB vs OLAP 存储引擎详解
- 分区策略、高可用、备份恢复
- SQL优化与库内计算
- **适用场景**: 系统架构设计、性能优化、生产部署
2. **[流数据白皮书](references/whitepapers/streaming.md)** (2279行)
- 流计算框架与发布订阅机制
- 7大流计算引擎详解
- 流批一体架构与历史回放
- 金融与物联网场景应用
- **适用场景**: 实时计算、CEP、流式ETL
3. **[中高频回测白皮书](references/whitepapers/backtest.md)** (2205行)
- 完整回测系统架构
- 数据回放与模拟撮合引擎
- DolphinScript/Python/C++ 策略开发
- 量化策略实战案例
- **适用场景**: 量化回测、算法交易、策略研发
### 📖 在线技术文档(1490篇)
按功能领域分类的完整API参考和操作指南:
| 分类 | 文档数量 | 说明 |
|------|---------|------|
| 函数参考/其他函数 | 1171 | 系统函数、网络函数等 |
| 其他 | 97 | 其他技术文档 |
| 函数参考/统计函数 | 61 | 相关性、协方差、标准差等统计指标 |
| 函数参考/数学函数 | 42 | 基础数学运算、三角函数、对数等 |
| 函数参考/SQL函数 | 41 | 查询、关联、聚合等SQL操作 |
| 函数参考/时间序列函数 | 26 | 日期时间处理、时序窗口计算 |
| 流数据处理 | 22 | 流表、订阅、流计算引擎 |
| 数据库核心 | 13 | 存储引擎、分区、事务、高可用 |
| 部署与配置 | 9 | 集群部署、参数配置 |
| 函数参考/字符串函数 | 5 | 字符串操作、正则表达式 |
| API与连接器 | 1 | Python、Java、C++ API |
| 运维管理 | 1 | 监控、备份、权限管理 |
| 教程与示例 | 1 | 快速入门、场景案例 |
**完整文档索引**: 详见 [CATALOG.md](CATALOG.md)
---
## 🚀 常见问题快速导航
### 新手入门
- **如何快速上手DolphinDB?** → [关于 DolphinDB](references/doc_1201.md)
- **如何部署集群?** → [分布式架构](references/doc_6249.md)
- **如何选择存储引擎?** → 查阅 [数据库白皮书](references/whitepapers/database.md) 第3-4章
### 数据库设计
- **如何选择分区策略?** → [数据分区](references/doc_9485.md) + [数据库白皮书](references/whitepapers/database.md)
- **TSDB vs OLAP 如何选择?** → [TSDB存储引擎](references/doc_6240.md) 和 [OLAP存储引擎](references/doc_7837.md)
- **如何优化查询性能?** → [数据库白皮书](references/whitepapers/database.md) 第5章
### 流计算开发
- **如何实现实时计算?** → [流数据白皮书](references/whitepapers/streaming.md)
- **流计算引擎有哪些?** → [流数据白皮书](references/whitepapers/streaming.md) 第3章
- **如何实现流批一体?** → [流数据白皮书](references/whitepapers/streaming.md) 第4章
### 量化回测
- **如何搭建回测系统?** → [回测白皮书](references/whitepapers/backtest.md)
- **如何实现模拟撮合?** → [回测白皮书](references/whitepapers/backtest.md) 第3章
- **如何进行中高频回测?** → [回测白皮书](references/whitepapers/backtest.md) 第4-7章
### 高级功能
- **如何实现高可用?** → [高可用](references/doc_3934.md)
- **如何进行数据备份?** → [数据库白皮书](references/whitepapers/database.md) 第6章
- **如何管理权限?** → [数据库白皮书](references/whitepapers/database.md) 第6.4节
---
## 📝 常用代码示例
### 1. 创建TSDB存储引擎的分区表
```dolphindb
// 组合分区: VALUE(日期) + HASH(股票代码)
db_date = database("", VALUE, 2024.01.01..2024.12.31)
db_sym = database("", HASH, [SYMBOL, 10])
db = database("dfs://stock_data", COMPO, [db_date, db_sym])
// TSDB引擎,支持排序列和去重
schemaTable = table(
1:0,
`trade_time`symbol`price`volume,
[TIMESTAMP, SYMBOL, DOUBLE, LONG]
)
pt = db.createPartitionedTable(
table=schemaTable,
tableName="stock_tick",
partitionColumns=`trade_date`symbol,
sortColumns=`symbol`trade_time, // 排序键
keepDuplicates=LAST, // 去重策略
engine="TSDB"
)
```
### 2. 创建OLAP存储引擎的分区表
```dolphindb
// OLAP引擎适合追加式写入和批量分析
db = database("dfs://stock_analysis", VALUE, 2024.01M..2024.12M)
schemaTable = table(
1:0,
`trade_date`symbol`open`high`low`close`volume,
[DATE, SYMBOL, DOUBLE, DOUBLE, DOUBLE, DOUBLE, LONG]
)
pt = db.createPartitionedTable(
table=schemaTable,
tableName="daily_kline",
partitionColumns=`trade_date,
engine="OLAP"
)
```
### 3. 流计算 - 实时K线合成
```dolphindb
// 1. 创建流表
share streamTable(1:0, `time`sym`price`vol, [TIMESTAMP, SYMBOL, DOUBLE, INT]) as tickStream
share streamTable(1:0, `time`sym`open`high`low`close`volume,
[TIMESTAMP, SYMBOL, DOUBLE, DOUBLE, DOUBLE, DOUBLE, LONG]) as klineStream
// 2. 创建时序聚合引擎
tsEngine = createTimeSeriesEngine(
name="kline_1min",
windowSize=60000, // 1分钟窗口
step=60000,
metrics=<[first(price), max(price), min(price), last(price), sum(vol)]>,
dummyTable=tickStream,
outputTable=klineStream,
timeColumn=`time,
keyColumn=`sym
)
// 3. 订阅流表
subscribeTable(tableName="tickStream", actionName="kline", handler=append!{tsEngine})
// 4. 插入数据测试
insert into tickStream values(2024.01.01T09:30:00.000, `600000, 10.5, 1000)
```
### 4. 中高频回测完整流程
```dolphindb
// 1. 清理环境
try{ unsubscribeTable(tableName="replayStream", actionName="backtest") }catch(ex){}
try{ dropStreamEngine("backtestEngine") }catch(ex){}
// 2. 创建回放流表
share streamTable(1:0, `time`sym`price`vol, [TIMESTAMP, SYMBOL, DOUBLE, INT]) as replayStream
// 3. 创建回测引擎(需要加载回测插件)
loadPlugin("/path/to/backtest_plugin.so")
backtestEngine = createBacktestEngine(
name="my_strategy",
initialCapital=10000000,
commission=0.0003
)
// 4. 订阅回放数据
subscribeTable(tableName="replayStream", actionName="backtest", handler=backtestEngine)
// 5. 数据回放
histData = loadTable("dfs://stock_data", "stock_tick")
ds = replayDS(sqlObj=<select * from histData where trade_date=2024.01.01>,
dateColumn=`trade_date,
timeColumn=`trade_time)
replay(inputTables=ds, outputTables=replayStream, dateColumn=`trade_date,
timeColumn=`trade_time, replayRate=1000)
// 6. 获取回测结果
backtestEngine.getPositions() // 持仓
backtestEngine.getOrders() // 订单
backtestEngine.getTrades() // 成交
backtestEngine.getMetrics() // 绩效指标
```
### 5. 高级SQL示例
```dolphindb
// Context By - 组内窗口计算
select
trade_date, symbol, close,
movingAvg(close, 5) as ma5,
movingAvg(close, 20) as ma20
from loadTable("dfs://stock", "daily")
context by symbol
// Pivot By - 数据透视
select close
from loadTable("dfs://stock", "daily")
where symbol in `600000`600001`600002
pivot by trade_date, symbol
// Asof Join - 时序非精确关联
select *
from tick_data aj snapshot_data
on tick_data.time = snapshot_data.time and tick_data.symbol = snapshot_data.symbol
```
---
## 💡 最佳实践工作流
### 1. 数据库设计流程
```
需求分析 → 存储引擎选择 → 分区策略设计 → 性能测试 → 生产部署
↓ ↓ ↓ ↓ ↓
数据特征 TSDB/OLAP COMPO分区 压力测试 高可用配置
```
**决策要点**:
- **高频写入 + 点查** → TSDB引擎 + sortColumns
- **批量分析** → OLAP引擎
- **时序数据** → VALUE(日期) + HASH(Symbol) 组合分区
- **查询优化** → 合理使用分区裁剪、并行计算
**参考文档**: [数据库白皮书](references/whitepapers/database.md) 第2-4章
### 2. 流计算开发流程
```
数据源接入 → 流表设计 → 引擎选择 → 订阅处理 → 结果输出
↓ ↓ ↓ ↓ ↓
Kafka等 streamTable 7种引擎 subscribeTable 入库/推送
```
**引擎选择**:
- **滑动窗口聚合** (K线合成) → TimeSeriesEngine
- **横截面计算** (全市场排名) → CrossSectionalEngine
- **复杂状态逻辑** (多因子计算) → ReactiveStateEngine
- **异常检测** → AnomalyDetectionEngine
**参考文档**: [流数据白皮书](references/whitepapers/streaming.md) 第3章
### 3. 量化回测完整流程
```
数据准备 → 历史回放 → 模拟撮合 → 策略执行 → 绩效分析
↓ ↓ ↓ ↓ ↓
分区表 replay Exchange BacktestEngine Sharpe/回撤
```
**核心技术点**:
- 使用 `replay` 或 `replayDS` 严格按时序回放
- `createExchange` 实现"价格优先、时间优先"撮合
- 支持逐笔、快照、分钟频等多种数据源
- C++插件可提升10倍以上性能
**参考文档**: [回测白皮书](references/whitepapers/backtest.md) 完整内容
---
## 🔍 如何使用本Skill
### 按场景查找
1. **我是新手,想快速上手**
- 先阅读: [关于 DolphinDB](references/doc_1201.md)
- 然后看: [数据库白皮书](references/whitepapers/database.md) 第1章
2. **我要设计生产数据库**
- 必读: [数据库白皮书](references/whitepapers/database.md) 第2-6章
- 参考: [数据分区](references/doc_9485.md)、[高可用](references/doc_3934.md)
3. **我要开发实时计算应用**
- 必读: [流数据白皮书](references/whitepapers/streaming.md) 全文
- 速查: 本文档中的"流计算代码示例"
4. **我要搭建量化回测系统**
- 必读: [回测白皮书](references/whitepapers/backtest.md) 全文
- 实战: 白皮书第5-7章策略案例
5. **我要查特定函数用法**
- 使用: [CATALOG.md](CATALOG.md) 按分类查找
- 或在 `references/` 目录搜索关键词
### 按角色查找
| 角色 | 推荐阅读路径 |
|------|-------------|
| **架构师** | 数据库白皮书 → 分布式架构 → 高可用方案 |
| **DBA** | 数据库白皮书 → 运维章节 → 备份恢复 |
| **后端开发** | 流数据白皮书 → API文档 → 代码示例 |
| **量化研究员** | 回测白皮书 → 策略开发 → 绩效分析 |
| **数据分析师** | SQL函数参考 → Context By → Pivot By |
---
## 📊 版本信息
- **Skill版本**: 2.0.0 (相比1.x版本的改进)
- ✅ 新增完整文档索引 (CATALOG.md)
- ✅ 新增常见问题快速导航
- ✅ 新增5大类代码示例
- ✅ 优化文档分类 (14个细分类别)
- ✅ 明确DolphinDB版本对应关系
- **DolphinDB版本**: 3.00.4
- **文档同步时间**: 2026-01-20
- **维护策略**: 季度更新 / 重大版本发布时同步
---
## 🔗 相关资源
- **官网**: https://www.dolphindb.com
- **文档中心**: https://docs.dolphindb.cn
- **社区论坛**: https://community.dolphindb.com
- **GitHub**: https://github.com/dolphindb
---
**Generated by Skill Creator v2.0** | 优化时间: 2026-01-22
【全棧能力】程式設計大神.Skill:面向複雜真實專案的高階全棧程式設計助手。不止生成程式碼,而是從一句目標接手陌生程式碼庫,拆解需求、補齊實現、追到根因、完成重構、聯調前後端,並把結果推進到能執行、能驗證、能交付。覆蓋 Web、後端、指令碼、iOS、安卓、鴻蒙 ArkUI、微信小程式及其他技術棧,支援中英文工程、疑難 Bug、跨模組任務和長任務續做;用構建、日誌、真實入口、裝置或介面證據說明結果。僅問概念時直接回答,要求落地時持續推進到驗收或明確阻塞。
程式設計專家 Pro:融合程式設計專家 2.0.3 工程專題與程式設計大神的鴻蒙 ArkTS/ArkUI、微信小程式和小遊戲開發資料。用於專案實現、根因除錯、審查、重構、測試、架構效能分析及多端開發驗證。支援自然語言和 @專題標識,按任務讀取包內知識;只問概念時直接回答。
程式設計專家.Skill P8級程式設計助手,25年實戰經驗技能Skill,全棧:Java/Php網站/軟體專案、API設計、Bug診斷、程式碼生成、程式碼審查、重構、測試用例、效能基準、技術選型、文件生成、任務拆解、Spec驅動、Karpathy規範、CMS二次開發、前端設計、MySQL/Mariadb、專案知識圖譜,以及工程紀律層(根因除錯硬閉環、階段導航、事故復盤/SLO、威脅建模/供應鏈安全、生產就緒/漸進式釋出、AI編碼治理、面向Agent程式碼可讀性、LLM應用安全)。支援 @標識 顯式呼叫跳過路由。
程式設計專家.Skill P8級程式設計助手,25年實戰經驗技能Skill,全棧:Java/Php網站/軟體專案、API設計、Bug診斷、程式碼生成、程式碼審查、重構、測試用例、效能基準、技術選型、文件生成、任務拆解、Spec驅動、Karpathy規範、CMS二次開發、前端設計、MySQL/Mariadb、專案知識圖譜,以及工程紀律層(根因除錯硬閉環、階段導航、事故復盤/SLO、威脅建模/供應鏈安全、生產就緒/漸進式釋出、AI編碼治理、面向Agent程式碼可讀性、LLM應用安全)。支援 @標識 顯式呼叫跳過路由。
程式設計專家 Pro:融合程式設計專家 2.0.3 工程專題與程式設計大神的鴻蒙 ArkTS/ArkUI、微信小程式和小遊戲開發資料。用於專案實現、根因除錯、審查、重構、測試、架構效能分析及多端開發驗證。支援自然語言和 @專題標識,按任務讀取包內知識;只問概念時直接回答。
程式設計專家 Pro:融合程式設計專家 2.0.3 工程專題與程式設計大神的鴻蒙 ArkTS/ArkUI、微信小程式和小遊戲開發資料。用於專案實現、根因除錯、審查、重構、測試、架構效能分析及多端開發驗證。支援自然語言和 @專題標識,按任務讀取包內知識;只問概念時直接回答。
程式設計專家.Skill P8級程式設計助手,25年實戰經驗技能Skill,全棧:Java/Php網站/軟體專案、API設計、Bug診斷、程式碼生成、程式碼審查、重構、測試用例、效能基準、技術選型、文件生成、任務拆解、Spec驅動、Karpathy規範、CMS二次開發、前端設計、MySQL/Mariadb、專案知識圖譜,以及工程紀律層(根因除錯硬閉環、階段導航、事故復盤/SLO、威脅建模/供應鏈安全、生產就緒/漸進式釋出、AI編碼治理、面向Agent程式碼可讀性、LLM應用安全)。支援 @標識 顯式呼叫跳過路由。
用 gh 命令列工具檢視 GitHub 上的 PR 檢查、工作流執行與 API 查詢的技能。
資料月份:2026-10 · 下載/星標數聚合自公開技能註冊庫(ClawHub、SkillHub),按月更新。口徑說明見資料方法。