干货丨手把手教你如何加载和操作DolphinDB内存分区表
DolphinDB的内存数据表可以是非分区的，也可以是分区的。除了组合分区以外的所有分区方式都适用于内存数据表。使用分区内存表进行运算能充分发挥多核CPU并行计算的优势。
1. 创建内存数据表
1.1 创建非分区内存表
使用table函数可以创建非分区内存表。table函数的用法非常灵活：
- 种用法：table(X, [X1], [X2], .....)
这里的X, X1, X2可以是向量、矩阵或元组，其中每个向量、矩阵和元组中每个元素的长度必须相同。
例1. 如果X是向量，那么每个向量对应表中一列。
id=`XOM`GS`AAPL
x=102.1 33.4 73.6
table(id, x)
id x
---- -----
XOM 102.1
GS 33.4
AAPL 73.6
table(`XOM`GS`AAPL as id, 102.1 33.4 73.6 as x)
id x
---- -----
XOM 102.1
GS 33.4
AAPL 73.6
复制代码例2. 如果X是矩阵，table函数将矩阵转换为表。
m1=1..6$3:2
table(m1)
C0 C1
-- --
1 4
2 5
3 6
m2=7..12$3:2
table(m1,m2)
C0 C1 C2 C3
-- -- -- --
1 4 7 10
2 5 8 11
3 6 9 12
复制代码例3. 如果X是元组，那么元组中的每个元素对应表中的一列。
x=(["a","b","c"],[4,5,6])
table(x)
C0 C1
-- --
a 4
b 5
c 6
复制代码例4. table函数的输入是向量、矩阵和元组。
x=1..6
y=11..22$6:2
z=(101..106, 201..206)
x C1 C2 C3 C4
- -- -- --- ---
1 11 17 101 201
2 12 18 102 202
3 13 19 103 203
4 14 20 104 204
5 15 21 105 205
6 16 22 106 206
复制代码- 第二种用法：table(capacity:size, colNames, col*)
我们可以通过指定表的容量和初始大小、列名以及每列的数据类型来创建内存表。如果表中实际的记录行数超出的capacity，它会自动扩展。如果要创建一个空的表，可以把size设置为0，如果size>0，创建表时会使用默认值填充。例如，
table(200:0, `name`id`value, [STRING,INT,DOUBLE])
name id value
---- -- -----
table(200:10, `name`id`value, [STRING,INT,DOUBLE])
name id value
---- -- -----
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
复制代码1.2 创建分区内存表
通过createPartitionedTable函数可以创建分区内存表。在创建分区内存表之前，需要创建内存的分区数据库，并且分区数据库的路径为空字符串。
n=10000
t=table(rand(1..10,n) as id,rand(10.0,n) as val)
db=database("",VALUE,1..10)
pt=db.createPartitionedTable(t,`pt,`id).append!(t)
*tr(pt)
SEGMENTED IN-MEMORY TABLE
复制代码对于内存分区表，不能直接访问，需要使用SQL语句访问。
select * from pt
复制代码2. 加载数据到内存表
我们通过以下脚本，生成一个模拟数据集，用于后续例子。
n=30000000
workDir = "C:/DolphinDB/Data"
if(!exists(workDir)) mkdir(workDir)
trades=table(rand(`IBM`MSFT`GM`C`FB`GOOG`V`F`XOM`AMZN`TSLA`PG`S,n) as sym, 2000.01.01+rand(365,n) as date, 10.0+rand(2.0,n) as price1, 100.0+rand(20.0,n) as price2, 1000.0+rand(200.0,n) as price3, 10000.0+rand(2000.0,n) as price4, 10000.0+rand(3000.0,n) as price5, 10000.0+rand(4000.0,n) as price6, rand(10,n) as qty1, rand(100,n) as qty2, rand(1000,n) as qty3, rand(10000,n) as qty4, rand(10000,n) as qty5, rand(10000,n) as qty6)
trades.saveText(workDir + "/trades.txt");
复制代码2.1 加载数据到未分区内存表
使用loadText函数将文本文件数据导入到未分区的内存表。
trades=loadText(workDir + "/trades.txt")
复制代码2.2 加载数据到内存分区表
2.2.1 使用ploadText函数将文本文件导入为顺序分区的内存表
这是将数据导入到内存分区表简单的方法，但缺乏其它导入方法的某些优点及灵活性。例如，需要导入的文本文件必须小于可用内存；无法使用函数sortBy!进行分区内有意义的排序，等等。
trades = ploadText(workDir + "/trades.txt");
复制代码2.2.2 使用loadTextEx函数将文本文件导入为指定分区方式的表
这种方法适合下列情况：
- 经常需要在各个分区内部进行排序
- 经常需要根据分区字段进行group by与context by的计算
使用这种方法时，database函数的directory参数以及loadTextEx函数的tableName参数需使用空字符串("")。
db = database("", VALUE, `IBM`MSFT`GM`C`FB`GOOG`V`F`XOM`AMZN`TSLA`PG`S)
trades = db.loadTextEx("", `sym, workDir + "/trades.txt");
trades.sortBy!(`qty1);
trades.sortBy!(`date`qty1, false true);
trades.sortBy!(<qty1 * price1>, false);
复制代码请注意，对内存分区表使用函数 sortBy! 时，是在每个分区内部进行排序，并不是对全表进行排序。
我们分别对未分区内存表、顺序分区内存表以及本节中的VALUE分区内存表进行相同的分组聚合运算。SQL语句如下：
timer(10) select std(qty1) from trades group by sym;
复制代码这里的 "timer(10)" 指的是此语句被连续执行10次的总耗时。
结果如下表所致。可以看到，当分组列和分区列相同时，分组计算性能优。
2.2.3 使用loadTable函数导入磁盘分区表的全部或部分分区
这种方法适合下列情况：
- 文本文件比服务器可用内存更大，并且每次只需要用到其中的一部分数据。
- 需要重复使用数据。加载一个数据库表比导入一个文本文件要快得多。
使用loadTextEx在磁盘上建立一个分区表：（亦可使用createPartitionedTable和append!函数）
db = database(workDir+"/tradeDB", RANGE, ["A","G","M","S","ZZZZ"])
db.loadTextEx(`trades, `sym, workDir + "/trades.txt");
复制代码若只需要加载两个分区(["A","G")与["M","S"))到内存时：
db = database(workDir+"/tradeDB")
trades=loadTable(db, `trades, ["A", "M"], 1);
复制代码请注意，这里需要将函数loadTable的可选参数memoryMode设为1，否则将只会加载表的元数据。
2.2.4 使用loadTableBySQL函数导入磁盘分区表指定的行/列
这是灵活的产生内存分区表的方法，可以使用SQL语句选择磁盘分区表中指定的行/列以载入内存分区表。需与函数loadTable结合使用。
db = database(workDir+"/tradeDB")
trades=loadTable(db, `trades);
sample=loadTableBySQL(<select * from trades where date between 2000.03.01 : 2000.05.01>);
sample=loadTableBySQL(<select sym, date, price1, qty1 from trades where date between 2000.03.01 : 2000.05.01>);
dates = 2000.01.16 2000.02.14 2000.08.01
st = sql(<select sym, date, price1, qty1>, trades, expr(<date>, in, dates))
sample = loadTableBySQL(st);
colNames =`sym`date`qty2`price2
st= sql(sqlCol(colNames), trades)
sample = loadTableBySQL(st);
复制代码3. 内存表的数据处理
以2.2.3中的分区内存表trades为例，介绍内存表的用法。
trades = ploadText(workDir + "/trades.txt");
复制代码3.1 插入数据
可以通过以下方法往内存表中插入数据：
-
SQL insert 语句
//往指定列插入数据，其他列为空 insert into trades(sym,date) values(`S,2000.12.31)
//往所有列插入数据 insert into trades values(
SIBM,[2000.12.31,2000.12.30],[10.0,20.0],[10.0,20.0],[10.0,20.0],[10.0,20.0],[10.0,20.0],[10.0,20.0],[10,20],[10,20],[10,20],[10,20],[10,20],[10,20])
2. append!函数
如果使用 append! 函数往表中插入数据，新数据必须是以表的形式表示。例如：
tmp=table(`S`IBM as col1,[2000.12.31,2000.12.30] as col2,[10.0,20.0] as col3,[10.0,20.0] as col4,[10.0,20.0] as col5,[10.0,20.0] as col6,[10.0,20.0] as col7,[10.0,20.0] as col8,[10,20] as col9,[10,20] as col10,[10,20] as col11,[10,20] as col12,[10,20] as col13,[10,20] as col14)
trades.append!(tmp)
复制代码3. tableInsert 函数
tableInsert 函数会返回插入的行数。
对于分区表，如果使用 tableInsert 函数往表中插入数据，新数据必须是以表的形式表示。
tmp=table(`S`IBM as col1,[2000.12.31,2000.12.30] as col2,[10.0,20.0] as col3,[10.0,20.0] as col4,[10.0,20.0] as col5,[10.0,20.0] as col6,[10.0,20.0] as col7,[10.0,20.0] as col8,[10,20] as col9,[10,20] as col10,[10,20] as col11,[10,20] as col12,[10,20] as col13,[10,20] as col14)
trades.tableInsert(tmp)
2
复制代码对于未分区表，如果使用tableInsert 函数往表中插入数据，新数据可以用元组的形式表示。
a=(`S`IBM,[2000.12.31,2000.12.30],[10.0,20.0],[10.0,20.0],[10.0,20.0],[10.0,20.0],[10.0,20.0],[10.0,20.0],[10,20],[10,20],[10,20],[10,20],[10,20],[10,20])
trades.tableInsert(a)
复制代码3.2 增加列
可以通过以下三种方法为内存表增加列：
-
SQL update 语句
update trades set logPrice1=log(price1), newQty1=double(qty1);
2. update! 函数
trades.update!(`logPrice1`newQty1, <[log(price1), double(qty1)]>);
复制代码3. 赋值语句
trades[`logPrice1`newQty1] = <[log(price1), double(qty1)]>;
复制代码3.3 更新已存在的列
可以通过以下三种方法为内存表更新列：
-
SQL update 语句
update trades set qty1=qty1+10;
update trades set qty1=qty1+10 where sym=`IBM;
2. update! 函数
trades.update!(`qty1, <qty1+10>);
trades.update!(`qty1, <qty1+10>, <sym=`IBM>);
复制代码3. 赋值语句
trades[`qty1] = <qty1+10>;
trades[`qty1, <sym=`IBM>] = <qty1+10>;
复制代码3.4 删除行
可以通过以下三种方法为内存表删除行：
-
SQL delete 语句
delete from trades where qty3<20;
2. erase 语句
trades.erase!(< qty3<30 >);
复制代码3.5 删除列
通过 drop! 函数删除列：
trades.drop!("qty1");
复制代码3.6 重命名列
通过 rename! 函数重命名列：
trades.rename!("qty2", "qty2New");
复制代码3.7 查看表结构
通过schema函数查看表的结构：
schema(trades)
partitionSchema->[XOM,V,TSLA,S,PG,MSFT,IBM,GOOG,GM,FB,...]
partitionSites->
partitionColumnIndex->0
chunkPath->
colDefs->
name *tring typeInt comment
------ ---------- ------- -------
sym SYMBOL 17
date DATE 6
price1 DOUBLE 16
price2 DOUBLE 16
price3 DOUBLE 16
price4 DOUBLE 16
price5 DOUBLE 16
price6 DOUBLE 16
qty1 INT 4
qty2 INT 4
qty3 INT 4
qty4 INT 4
qty5 INT 4
qty6 INT 4
partitionType->1
partitionColumnName->sym
复制代码3.8 删除内存表
可以通过以下两种方法删除内存表：
-
undef函数
undef(`trades)
2. 把变量赋值为NULL
trades=NULL
复制代码undef 函数会将命名空间删除，而把变量赋值为NULL仍然保留命名空间。
3.9 修改列的数据类型
通过replaceColumn! 函数可以修改列的数据类型。目前只有未分区的内存表才支持修改列的数据类型，分区内存表不支持该功能。以未分区的内存表trades为例，将price1的数据类型修改为FLOAT（目前是DOUBLE）：
NewPrice1=float(exec price1 from trades)
replaceColumn!(trades,`price1,NewPrice1)
schema(trades)
partitionColumnIndex->-1
chunkPath->
colDefs->
name *tring typeInt comment
------ ---------- ------- -------
sym SYMBOL 17
date DATE 6
price1 `FLOAT` 15
price2 DOUBLE 16
price3 DOUBLE 16
price4 DOUBLE 16
price5 DOUBLE 16
price6 DOUBLE 16
qty1 INT 4
qty2 INT 4
qty3 INT 4
qty4 INT 4
qty5 INT 4
qty6 INT 4
复制代码3.10 修改列的顺序
通过reorderColumns! 函数可以修改列的顺序。目前只有未分区的内存表才支持修改列的数据类型，分区内存表不支持该功能。以未分区的内存表trades为例，将列的顺序调整为sym,date,price6,price5,...,price1,qty6,qty5,...,qty1。
reorderColumns!(trades,`sym`date`price6`price5`price4`price3`price2`price1`qty6`qty5`qty4`qty3相关文章