2024年3月21日发(作者：线兴发)
TDengine在同花顺组合管理中的优化实践
前言
同花顺每天需要接收海量交易所行情数据，确保行情数据的数据准确。但由于该部
分数据过于庞，而且使用场景颇多，每天会产生很多的数据，而组合管理(PMS)还
会使用到行情数据。之前虽然采用了Postgres+LevelDB作为数据的存储方案，但
仍然有不少痛，所以必须对存储方案进行改造。
通过对ClickHouse、InfluxDB、TDengine等时序数据存储方案的调研，最终们选
择了TDengine。数据监控采用TDengine后，在稳定性、查询性能等方面都有较
的提升。
背景与问题
同花顺私募之家组合管理一个集多资产管理、实时监控、绩效分析、风险分析、舆
情分控、报表输出等功能于一体的智能投资组合管理。为券商、基金、私募等机构
客户实时准确的投研。
数据层面主要依赖实时数据及日级别数据，为所支持的股票、基金、债券、美股、
股、期权、期货资产类别的监控和分析支持。
其中，实时数据主要用于资产监控，由于使用场景会对数百个不同的标的进行资产
监控，数据刷新频率在1秒左右。因此，整个系统对实时数据的读写性能及延时
有着比较高的要求。
此外，日级别数据主要用于投资组合的各种分析。分析所涉及的标的数量，相较实
时资产监控更多，在时间上的跨度会长至10数年。此外在输出分析报告时，还会
叠加多种分析指标和分析模型。在整个分析过程中，涉及巨量的数据集。这对数据
库的读写性能又提出了更高的要求。
由上述架构图可以看到，该内需要量的基础数据支撑，像实时行情、行情。
针对行情数据支撑，涉及多个证券品种的数据，包括股票、债券、基金、股、美股、
期货、期权。数据跨度周期从数天到数年不等。页面返回的数据计算结果，而计算
依赖的数据层数据和量行情数据。这个计算过程包含了行情数据请求。尤其在展示
结果包含多证券标的和长周期的情况下，产生一个分析报告可能达到 5s，而行情
获取耗时占比达到80%以上。而且，输出报告面临并发情况，这种情况带来的拥
堵会进一步恶化用户的使用体验。
2024年3月21日发(作者：线兴发)
TDengine在同花顺组合管理中的优化实践
前言
同花顺每天需要接收海量交易所行情数据，确保行情数据的数据准确。但由于该部
分数据过于庞，而且使用场景颇多，每天会产生很多的数据，而组合管理(PMS)还
会使用到行情数据。之前虽然采用了Postgres+LevelDB作为数据的存储方案，但
仍然有不少痛，所以必须对存储方案进行改造。
通过对ClickHouse、InfluxDB、TDengine等时序数据存储方案的调研，最终们选
择了TDengine。数据监控采用TDengine后，在稳定性、查询性能等方面都有较
的提升。
背景与问题
同花顺私募之家组合管理一个集多资产管理、实时监控、绩效分析、风险分析、舆
情分控、报表输出等功能于一体的智能投资组合管理。为券商、基金、私募等机构
客户实时准确的投研。
数据层面主要依赖实时数据及日级别数据，为所支持的股票、基金、债券、美股、
股、期权、期货资产类别的监控和分析支持。
其中，实时数据主要用于资产监控，由于使用场景会对数百个不同的标的进行资产
监控，数据刷新频率在1秒左右。因此，整个系统对实时数据的读写性能及延时
有着比较高的要求。
此外，日级别数据主要用于投资组合的各种分析。分析所涉及的标的数量，相较实
时资产监控更多，在时间上的跨度会长至10数年。此外在输出分析报告时，还会
叠加多种分析指标和分析模型。在整个分析过程中，涉及巨量的数据集。这对数据
库的读写性能又提出了更高的要求。
由上述架构图可以看到，该内需要量的基础数据支撑，像实时行情、行情。
针对行情数据支撑，涉及多个证券品种的数据，包括股票、债券、基金、股、美股、
期货、期权。数据跨度周期从数天到数年不等。页面返回的数据计算结果，而计算
依赖的数据层数据和量行情数据。这个计算过程包含了行情数据请求。尤其在展示
结果包含多证券标的和长周期的情况下，产生一个分析报告可能达到 5s，而行情
获取耗时占比达到80%以上。而且，输出报告面临并发情况，这种情况带来的拥
堵会进一步恶化用户的使用体验。