金融时序数据库
子表多、数据量大、数据格式固定和保留时限长的金融行情数据的存储计算需要十分适合使用 TDengine 时序数据库来进行处理。使用“一个金融品类一个超级表，一个具体金融标的一个子表”建模方式，可以有效管理海量的行情数据，基于 TDengine 高效的计算能力，提供基于行情中心的资产管理、实时监控、绩效分析、风险分析、舆情分控、股票回测、信号模拟（合约、策略等）、报表输出等应用投研服务。
金融行业的需求与痛点
01
每时每刻产生的海量行情数据要求在高效写入的同时做到准确入库
02
应用场景非常多样，各种数据计算依赖，要求任意时间的数据高速读取
03
海量金融资产及金融衍生品的监控性，对高性能的计算标准高
04
基于行情数据及其产生的加工、模拟数据，进行复杂的量化应用
架构
随着 TDengine 的引入，减少了组件数量，降低架构的复杂度，同时降低了存储成本，提升业务响应实时性，降低了人员要求，释放了业务创新通过 TDengine 多样的数据写入和导入方式，将来自行情数据文件和实时数据流的数据，写入到 TDengine 中，进而通过 SDK 或者 http 的方式构建多样化的金融服务。
收益与价值
- 极高的数据压缩率，二段式无损压缩以及浮点数的有损压缩，1/10 的存储成本
- 高速行情数据写入，集群提供 1 亿点/s 的写入速度（点数 = 行数 * 列数）
- 集群系统高可用性：针对数据的高一致性和高可用性，进行多副本的验证、多节点同步写入、数据落盘确认等参数的测试
- 读取速度线性扩展，单资产表查询业务都在 1ms 以内
- 大跨度时间段训练数据读取，全时间轴数据无差异特性，满足选择不同时间段进行模型训练和验证
- 适配了国产化 CPU 与操作系统
互动与支持
TDengine Database 有很活跃的技术社区，您可以加入技术讨论群与其他用户一起讨论或联系解决方案架构师了解
咨询您所在企业或数据场景下的解决方案
