DolphinDB 是以 C++ 编写的一款分析型的高性能分布式时序数据库，使用高吞吐低延迟的列式内存引擎，集成了功能强大的编程语言和高容量高速度的流数据分析系统，可在数据库中进行复杂的编程和运算，显著减少数据迁移所耗费的时间。

通过http接口连接的比如web集群管理器20分钟会话断开， socket连接不会关闭，服务端可以通过函数closeSession来关闭指定会话。

交易回测在DolphinDB中的实现，可以参考：[链接]上述案例可以通过下面的函数实现： {代码...}

可以通过：z.keys()获取键。可以通过：z.values()获取值。

DolphinDB中的setRetentionPolicy(dbHanle, retentionHours, [retentionDimension])函数可以设置数据保留时间，数据库会保留最近retiontionHours小时的数据。示例如下： {代码...}

本期视频跟大家分享：Windows环境中DolphinDB GUI的安装和使用。主要分为三部分内容：1.Windows环境中DolphinDB GUI的安装和启动2.如何利用DolphinDB GUI管理本地的数据库3.如何通过DolphinDB GUI远程管理不在本地的数据库。[链接]

DolphinDB 是以 C++ 编写的一款分析型的高性能分布式时序数据库，使用高吞吐低延迟的列式内存引擎，集成了功能强大的编程语言和高容量高速度的流数据分析系统，可在数据库中进行复杂的编程和运算，显著减少数据迁移所耗费的时间。

金融市场L1/L2的报价和交易数据是量化交易研究非常重要的数据。国内全市场L1/L2的历史数据约为20~50T，每日新增的数据量约为20~50G。传统的关系数据库如MS SQL Server或MySQL均无法支撑这样的数据量级，即便分库分表，查询性能也远远无法达到要求。例如Impala和Green...

流数据是指随时间持续增长的动态数据。互联网的运营数据和物联网的传感器数据都属于流数据的范畴。流数据的特性决定了它的数据集是动态变化的，传统的面向静态数据表的计算引擎无法胜任流数据领域的分析和计算任务，所以流数据场景需要专门的计算引擎来处理。

有网友提问应该用什么样的数据库/数据结构/算法来计算某支股票的相似K线? 具体的问题描述是，假设给出某股某段行情K线（单位/日），从任何其他股票历史中匹配出与之最为相似的某段历史K线，并给出相似度值（单位/%），并以此排序，获取最为相似的N个结果。

实时流处理一般是将业务系统产生的数据进行实时收集，交由流处理框架进行数据清洗，统计，入库，并可以通过可视化的方式对统计结果进行实时的展示。传统的面向静态数据表的计算引擎无法胜任流数据领域的分析和计算任务。在金融交易、物联网、互联网/移动互联网等应用...

工业物联网的数据采集有着频率高、设备多、维度高的特点，数据量非常大，对系统的吞吐量有很高的要求。同时工业物联网往往需要系统能够实时处理数据，对系统预警，监控，甚至反控。不少系统还需要提供图形化终端供操作工人实时监控设备的运行，这给整个系统带来了更...

随着业务的扩展，数据量不断积累，数据库系统的数据容量和计算能力会逐渐不堪重负，因此优秀的数据库系统必须具备良好的扩展性。DolphinDB集群中的数据节点是集计算和存储于一体的，所以要提高计算能力和数据容量，只需针对数据节点即可。DolphinDB既支持水平扩展，...