如何解决保存和查询股票价格的数据库选择
我目前正在从证券交易所接收每秒2000的价格,并且需要将其保存在适当的数据库中。我当前的选择是PostgresQL,它太慢了。我需要以汇总形式(例如OHLC)保存这些价格(价格)。因此,例如,如果要保存D1数据,则需要首先从数据库中获取股票的先前D1记录,检查高价或低价是否已更改并设置新的收盘价,然后将其再次保存到数据库中。这是永远的,而Postgres不可能做到。我不想保存OHLC数据,我更喜欢实时查询(汇总)这些数据。
所以我的要求是:
- 持久性
- 快速写入(目前每秒2k,最高10k)
- 查询,例如实时(每秒50-100次)汇总OHLC数据
- 可用于任何现代编程语言而无需编写原始查询(对于该数据库,Python使用SDK或该数据库使用JS)
- 可在AWS或GCP上轻松部署
我在考虑Apache Cassandra。我不熟悉Cassandra,像OHLC这样的强大查询是否可能?卡桑德拉有替代品吗?
谢谢!
解决方法
鉴于我从您的问题中了解的内容,我相信Cassandra应该可以轻松满足您的用例。
关于您的要求:
- 持久性:Cassandra不仅可以持久存储您的数据,而且还可以以最少的配置覆盖冗余;
- 快速写入:这是Cassandra最优化的目标,尽管确切的吞吐量取决于很多因素,但一般而言,Cassandra会处理以千/秒/核心为单位的写入;另外,写入的最终次数并不实际相关,因为Cassandra可以线性扩展而没有实际损失,因此5k,10k,100k或更多都可行;
- 适应性:Cassandra拥有适用于最常见语言(Python,C系列,NodeJs,Java,Ruby,PHP,Scala)的官方驱动程序,以及社区开发的适用于更多语言({{3 }});
- 可部署:在云中部署非常容易。您可以选择将其手动部署在独立的实例上,也可以使用托管的Cassandra集群(AWS有一个集群,称为“ AWS Keyspaces ”,Datastax(负责驱动Cassandra的大部分开发工作的公司)拥有一个集群。称为“ Astra ”,还有更多可能的解决方案。考虑到Cassandra是大数据存储的主要参与者之一,在云中找到DB的位置应该很容易。 / li>
我只提到了5个要求中的4个。那是因为在谈论阅读时,事情变得更加复杂,需要进行更大的讨论。
假设每秒2k +写入量,则500-100次读取/秒似乎与Cassandra的一般思想相一致,后者是针对写入密集型任务进行优化的。在Cassandra中,您对表进行建模的方式将决定事物的工作状况。对于像您描述的任务,我的第一个想法是:
- 您每天存储每只股票=>您将得到一个分区,该分区大约有3万行(8个交易小时内每秒更新1次),大小小于0.2MB(30k * 4B)。这将完全在建议值之内,并且在最坏情况下也很明显;
- 当您需要汇总数据时,有两种选择:
2a。您按原样读取分区并在应用程序端聚合该分区(我会建议);
2b。您在数据库上实现了一个“ 用户定义的聚合”功能,即可完成工作(list of divers)。尽管我不能保证,但这应该可行。除了难以实现之外,问题在于,鉴于您的明显用例,可能不希望在数据库上放置这种额外的工作负载。让我解释一下:我希望您的阅读负荷在某些时间(交易时间之前,期间和之后)处于最活跃状态,而负荷较轻。根据您的体系结构,您可以在高峰时间启动多个应用程序实例,然后在非高峰期将其缩减以降低成本。虽然可以在AWS和GC等云提供商上轻松扩展应用程序。卡萨纳德拉(Cassanadra)无法像这样放大和缩小(早上5个节点,晚上3个节点,依此类推)(当然可以,但它并非旨在这样做,这将是一个糟糕的决定)。因此,将尽可能多的非恒定工作负载移至应用程序似乎是最好的主意;
- (可选)有一个工作人员,在工作日/交易日结束时,它将汇总每只股票的值并将其保存到另一张表中,以便在查看历史数据时会更容易。这些数据甚至可以按周,月甚至一年进行存储,具体取决于聚合数据占用的空间。
您还可以在Casandra前面添加Spark和Kafka,以提供一种更强大的实时聚合方法,但我们不应将眼前的问题偏离太多。
Cassandra在正确的建模和正确的体系结构方面非常强大。乍一看,您所需要的似乎很适合Cassandra,但功能却强大,如果您以非设计方式使用它,就会变得很糟糕。我希望这个答案能帮助您做出正确的决定。
干杯。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。