#前言：

工具好坏，取决于场景匹配度，而不是功能是否通用。

比如sql原生为crm，网站，电商静态、强约束、强关联型场景设计。

关系数据库理论成型于上世纪 70 年代，彼时股票量化交易还未普及。从未考虑时序行情、动态因子挖掘这类需求。

回顾当前，很多本地量化方案还是选择sql，完全不顾及股票关联性与业务关联性的区别。

crm，电商的关联性来源于死板的对齐数据，比如某用户只能对应自己ID购买记录。

股票场景的关联性，叫因子挖掘。是动态的极弱甚至虚无的关联性。

他可以动态对应MA(5)，MA(30),甚至对应与之无关的某条上游产业新闻，概念。甚至对应一场自然灾害。

##当前问题：

很多人混淆了关系型数据库概念：

**股票量化**的数据关联需求是**动态的**：因子挖掘、时序对齐、截面滚动计算，和传统业务系统依靠 SQL JOIN 做**静态表单**关联完全不是同一类问题。

SQL 只能完成基础的数据拼接，无法处理回测至关重要的时间生效窗口、未来函数校验、滚动调仓等逻辑。

如果使用sql强行关联，那么你拿到的数据就是一个黑盒数据，是否完全对齐：未知，是否存在某个数据缺失：未知。

###解决需求：

**# free-stockdb 架构取舍逻辑**
传统的sql需要预置表格头，写一长串sql建立死表，后续数据无法灵活扩展。比如某天新增一个技术因子、某天新增事件标签、自定义截面指标，要么执行`ALTER TABLE`修改表结构，海量历史数据伴随迁移开销；要么新建附属表，引入复杂联表逻辑，长期积累大量工程债务。
落到 [free-stockdb](https://github.com/hello245m/free-stockdb) 的架构取舍逻辑
它抛弃旧关系模型、放弃 SQL，本质是意识到：
股票研究不需要预先定义好的数据关联；
我们需要的是自由读取原始时序数据，在代码层动态构建关联———即：动态关系(因子)挖掘。


###通用数据库设计
>目标是 “什么业务都能跑”，必须做出大量折中；
free-stockdb 从底层架构到上层接口，全部围绕股票时序研究定向取舍：
主动放弃通用 SQL、关系型数据库
✅ 无 Schema，随意新增自定义因子、嵌套数据，无需调整存储；
✅ code+时间索引针对行情查询深度优化；
✅ 内置 A 股全套业务规则：增量同步、复权、停牌、代码更替；
✅ Python + HTTP 双接口，JS 直接访问，静态 HTML 实现 K 线分析；
✅ pipe 批量原子读写，适配一边写行情、一边并行回测；
✅ 原生板块双向映射，快速构建自定义股票池。

###free-stockdb做法
> c++股票专用数据库。
基于时序设计：rd.set/setr/get/keys/vals/len(code,time,data)
code:标识,可以是A股，美股，期货，基金...
data:数据，可以是分钟线，日，周，月线，L1_tick，L2_tick，财务，指标，因子...
data-type:类型，可以是int,float,dict,list,str,bytes,df....
能力：
rd.get("日k","600*",date1<date2)[:60].all().get("close").set(val) #正则*，范围，截取，排序，子对象，列式访问，修改极简api....
额外能力：
pipe，wal，链式调用，同步异步混用，http原生支持，仅2.2mb单文件完成。
## SQL查询 与 free-stockdb rd.get 实战用法对比

### 场景：单标的区间行情获取
需求：获取【000001.SZ】2025-01-01 ~ 2025-12-31 日线行情

#### 通用数据库 + SQL（DuckDB/MySQL）
**第一步：提前建表，字段固化**
```sql
CREATE TABLE stock_daily(
ts_code TEXT,
trade_date DATE,
open FLOAT,close FLOAT,high FLOAT,low FLOAT,vol FLOAT
);
查询语句
SELECT * FROM stock_daily
WHERE ts_code='000001.SZ' AND trade_date BETWEEN '2025-01-01' AND '2025-12-31'
ORDER BY trade_date ASC;
```
free-stockdb 单条完成。
```python
data = rd.get(code="000001.SZ", start="2025-01-01", end="2025-12-31", period="1d")
```

**痛点**
后续存入 MA5、资金流向、自定义情绪因子二选一：
ALTER TABLE增加字段，海量历史数据产生迁移成本；
新建独立因子表，回测必须多表 JOIN，逻辑复杂度持续上升；
所有字段、数据类型在建表时锁定，阻碍因子快速迭代。

free-stockdb无需预先定义表结构，直接调用：
```python
运行
data = rd.get(code="000001.SZ", start="2025-01-01", end="2025-12-31", period="1d")
```
运行
随时扩展新增指标，无需改动底层存储：# 动态计算因子直接写入bar
```python

bar["ma5"] = calc_ma5(bar_series)
bar["capital_flow"] = calc_money_flow(bar_series)
rd.set("000001.SZ", trade_date, bar, period="1d")
```
对比显而易见。
开源代码https://github.com/hello245m/free-stockdb


关系数据库理论成型于上世纪 70 年代，彼时股票量化交易还未普及。从未考虑时序行情、动态因子挖掘这类需求。

SQL过时了!探讨free-stockdb本地金融数据库的设计

本文探讨了free-stockdb查询设计与sql的区别。
关系数据库理论成型于上世纪 70 年代，彼时股票量化交易还未普及，解决的问题是静态关联。从未考虑时序行情、动态因子挖掘这类需求。sql天然不适合当前的股票量化动态关联。

数据库

编程语言

后端

股票量化研究需要动态因子挖掘，传统SQL数据库无法满足需求。free-stockdb专为股票时序数据设计，抛弃SQL关系模型，支持无Schema存储、动态因子扩展、Python/HTTP双接口，优化行情查询性能，解决回测中的时间窗口、未来函数等核心问题，实现高效量化研究。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

SQL过时了!探讨free-stockdb本地金融数据库的设计-腾讯云开发者社区-腾讯云

SQL过时了!探讨free-stockdb本地金融数据库的设计

SQL过时了!探讨free-stockdb本地金融数据库的设计

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐