IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> Python知识库 -> clickhouse: A股bar数据与物化视图尝试 -> 正文阅读

[Python知识库]clickhouse: A股bar数据与物化视图尝试

一、设计
听说projection 可以加快clickhouse的查询速度,重新设计表格:

    create_sql = f"""CREATE TABLE if not exists {db_name}.{table_name}
                    (
                        code UInt64,  
                        date Date,
                        datetime DateTime,
                        open Float32,
                        close Float32,
                        low Float32,
                        high Float32,
                        volume Float64,
                        money Float64,
                        factor Float32,
                        high_limit Float32,
                        low_limit Float32,
                        avg Float32,
                        pre_close Float32,
                        paused Float32,
                        open_interest Float64,
                        PROJECTION {projection_name}
                        (
                            SELECT
                                code,
                                date,
                                datetime,
                                open,
                                close,
                                low,
                                high,
                                volume,
                                money,
                                factor,
                                high_limit,
                                low_limit,
                                avg,
                                pre_close,
                                paused,
                                open_interest
                            ORDER BY code
                        )
                    )
                    ENGINE = MergeTree()
                    ORDER BY datetime  """

数据量:
在这里插入图片描述
二、代码

from clickhouse_driver import Client
import pandas as pd
import os
from datetime import datetime, date
import time
import math
import numpy as np

CLIENT = Client('localhost')
def get_all_files_by_root_sub_dirs(directory, file_type):
   data = list()
   if os.path.isdir(directory):  # 是目录
      dir_list = os.walk(directory)  # os.listdir(directory)
      for (root, sub, files) in dir_list:
          for file in files:
             path = os.path.join(root, file)  # root +'\\'+file
             if path.endswith(file_type):
                data.append(path)
   else:  # 不是目录,直接输出
      if directory.endswith(file_type):
          data.append(directory)
   return data
def get_code_from_csv_file(file):
    # .csv; .h5 file
    # D:\join_quant_data\futures\minute\A.XDCE\A1909.XDCE_2019-07-25_2019-08-12.CSV
    # D:\join_quant_data\futures\minute\A.XDCE.h5
    s = os.path.basename(file)  # A1909.XDCE_2019-07-25_2019-08-12.CSV
    sp = s.split('_')[0]

    if sp.endswith(".csv") or sp.endswith(".CSV"):
        code = sp[:-4]
    else:
        code = sp
    return code  # A1909.XDCE

def create_table(db_name,table_name):
    ## 默认开启物化视图 project 
    ## date 以code为单位进行分区;如果以 toYYYYMM(date)进行分区,历史数据insert则为区太杂,报错
    ## date 分区还是projection效果好?
    ## sql字符串跨行=>"""   """
    ## projection 用order 不要用group
    projection_name = "stock_p"
    create_sql = f"""CREATE TABLE if not exists {db_name}.{table_name}
                    (
                        code UInt64,  
                        date Date,
                        datetime DateTime,
                        open Float32,
                        close Float32,
                        low Float32,
                        high Float32,
                        volume Float64,
                        money Float64,
                        factor Float32,
                        high_limit Float32,
                        low_limit Float32,
                        avg Float32,
                        pre_close Float32,
                        paused Float32,
                        open_interest Float64,
                        PROJECTION {projection_name}
                        (
                            SELECT
                                code,
                                date,
                                datetime,
                                open,
                                close,
                                low,
                                high,
                                volume,
                                money,
                                factor,
                                high_limit,
                                low_limit,
                                avg,
                                pre_close,
                                paused,
                                open_interest
                            ORDER BY code
                        )
                    )
                    ENGINE = MergeTree()
                    ORDER BY datetime  """
    print(create_sql)
    CLIENT.execute(create_sql)
    print("create table finished!")


class Code:
    def __init__(self,header,body,source,type):
        self.header = header
        self.body = body
        self.source = source
        self.type = type ##
    def get_simplecode(self):
        return self.header
    def get_int_code(self,datasource):
        return jq_int_code(self)
    
    def get_asset_type(self):
        return self.type
    def get_fullcode(self,datasource): 
        pass
            
def jq_int_code(code):
    if code.source =="XSHG":
        return 10000000+int(code.body)
    elif code.source == "XSHE":
        return 20000000+int(code.body)
    else:
        return 0
def split_str_code(str_code):
    return str_code.split('.', 1 )

def insert_data():
    database_name = "my_db"
    table_name = 'stock_tb'
    dir_path = "/mnt/d/join_quant_data_stock_product/stock/minute/"
    files = get_all_files_by_root_sub_dirs(dir_path,".csv") 
    t0 = time.time()
    file_num = 0 
    files = files[0:50000] ## 本次要insert的文件数量
    for _file in files:
        t_file = time.time()
        print(f"{_file}  => 第{file_num}个文件, 总共:{len(files)}个!")
        block_insert_data = [] # 每个文件当批量insert的单元
        df = pd.read_csv(_file)
        fullcode = get_code_from_csv_file(_file)
        code_body,source = split_str_code(fullcode)
        code = Code(code_body,code_body,source,"stock")
        intcode = code.get_int_code("jq")
        for row in df.itertuples():
            _datetime = datetime.strptime(row[1],'%Y-%m-%d %H:%M:%S')
            r0 = intcode                                         # code 要替换成Int方式 
            r1 = _datetime.date()                                # date : 2020-12-2
            r2 = _datetime                                       # datetime: 
            r3 = float(row.open)                                 # open: ,
            r4 = float(row.close)                                # close: ,
            r5 = float(row.low)                                  # low:    
            r6 = float(row.high)                                 # high: ,
            r7 = float(row.volume)                               # volume: ,
            r8 = float(row.money)                                # money: ,
            r9 = float(row.factor)                               # factor: ,
            r10 = float(row.high_limit)                          # high_limit:,
            r11 = float(row.low_limit)                           # low_limit:,
            r12 = float(row.avg)                                 # avg:  ,
            r13 = float(row.pre_close)                           # pre_close:,
            r14 = float(row.paused)                              # paused: ,
            if math.isnan(row.open_interest):
                r15 = 0.0 
            else:
                r15 = float(row.open_interest)                   #open_interest:
            _row = list((r0,r1,r2,r3,r4,r5,r6,r7,r8,r9,r10,r11,r12,r13,r14,r15))
            block_insert_data.append(_row)
            # if file_num ==0:
            #     print(_row)
        # 逐条也可以insert json
        # sql = f"INSERT INTO {database_name}.{table_name} FORMAT JSONEachRow {json.dumps(row_data) * 1}"
        # 批量insert 
        CLIENT.execute(f'INSERT INTO {database_name}.{table_name}  VALUES', block_insert_data,types_check=True)
        table_info = CLIENT.execute(f'select count(1) from {database_name}.{table_name}')
        print(f"clickhouse stock_tb 表信息: {table_info}")
        print(f"第{file_num}个文件 总共:{len(files)}个 => {_file}读写完成! cost time:{time.time()-t_file}")
        file_num = file_num +1

    print(f"文件总共:{file_num} 读写完成! cost time:{time.time()-t0}")

# SELECT * FROM stock_daily_price WHERE sec_code='600000.SZ' LIMIT 10;
    # AND toDate(EventDate) >= toDate('2013-01-29')
    # AND toDate(EventDate) <= toDate('2013-02-04')
def get_data_from_ch_by_code(): # startdate : 2010-01-01
    
    database_name = "my_db"
    table_name = 'stock_tb'
    startdate = "2010-01-01 00:00:00"
    enddate = "2022-02-02 00:00:00"
    code = 20000001
    start_date = datetime.strptime(startdate,'%Y-%m-%d %H:%M:%S') 
    end_date = datetime.strptime(enddate,'%Y-%m-%d %H:%M:%S') 

    query_sql_1 = f"SELECT * FROM {database_name}.{table_name} WHERE code = '{code}' "
    data = CLIENT.execute(query_sql_1)

    print(f"data : {len(data)}")
    
    return data

def get_data_from_ch_by_code_and_datetime():
    database_name = "my_db"
    table_name = 'stock_tb'
    startdate = "2021-01-01"
    enddate = "2022-02-02"
    code = 10600036
    query_sql = f"SELECT * FROM {database_name}.{table_name} WHERE  toDate(datetime) >= toDate('{startdate}')  AND toDate(datetime) <= toDate('{enddate}') "
    print(query_sql)
    data = CLIENT.execute(query_sql)
    print(f"data : {len(data)}")
    return data

t0 = time.time()
db_name = "my_db"
table_name = "stock_tb"
mode  = 1 # [-1=>create table;    0=> insert data;    1=> query ]
if  mode == -1:
    create_table(db_name,table_name) 
elif mode == 0:
    insert_data()
else:
    get_data_from_ch_by_code_and_datetime()
t1 = time.time()
print(f"get_data cost time : {t1-t0} s! ")

三、效果

1、查单只股票code速度很慢。

[Running] python -u "/home/songroom/pyclick/click_test.py"
data : 707280
get_data cost time : 40.04917001724243 s! 

[Done] exited with code=0 in 40.841 seconds

2、查多只股票:能查所有个股大约半 年左右的分钟数据

[Running] python -u "/home/songroom/pyclick/click_test.py"
SELECT * FROM my_db.stock_tb WHERE  toDate(datetime) >= toDate('2021-08-01')  AND toDate(datetime) <= toDate('2022-02-02') 
data : 32045280
get_data cost time : 53.07652807235718 s! 
[Done] exited with code=0 in 53.738 seconds

[Running] python -u "/home/songroom/pyclick/click_test.py"
SELECT * FROM my_db.stock_tb WHERE  toDate(datetime) >= toDate('2021-01-01')  AND toDate(datetime) <= toDate('2022-02-02') 
Killed

总体上看,效果不太明显。这个和 分区差不多。

  Python知识库 最新文章
Python中String模块
【Python】 14-CVS文件操作
python的panda库读写文件
使用Nordic的nrf52840实现蓝牙DFU过程
【Python学习记录】numpy数组用法整理
Python学习笔记
python字符串和列表
python如何从txt文件中解析出有效的数据
Python编程从入门到实践自学/3.1-3.2
python变量
上一篇文章      下一篇文章      查看所有文章
加:2022-03-08 22:24:55  更:2022-03-08 22:26:41 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/15 22:32:47-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码