我正在考虑使用 mongodb 或 ravendb 之类的数据库来存储大量股票报价数据，并想知道与 Sql Server 之类的标准关系相比，这是否可行。
数据不会是真正的关系数据，而是几个巨大的表。我还想我可以按分钟/小时/天/周/月等对数据行求和/最小/最大行数，以便更快地计算。
示例数据： 500 个符号 * 60 分钟 * 60 秒 * 300 天...（我们存储的每条记录：日期、开盘价、最高价、最低价、收盘价、交易量、开盘整数 - 所有小数/浮点数）
你们觉得呢？
【问题讨论】：
标签： mongodb ravendb document stocks database
自从 2010 年提出这个问题以来，已经发布了多个数据库引擎或开发了专门处理时间序列（例如股票报价数据）的功能：
对于 MongoDB 或其他面向文档的数据库，如果您以性能为目标，建议 contort your schema 在以秒为键的对象（或分钟对象，每分钟是另一个 60 秒的对象）中组织刻度。使用专门的时间序列数据库，您可以简单地查询数据
SELECT open, close FROM market_data
WHERE symbol = 'AAPL' AND time > '2016-09-14' AND time < '2016-09-21'
我还认为我可以按分钟/小时/天/周/月等对数据行求和/最小/最大行数，以便更快地计算。
使用 InfluxDB，这非常简单。以下是获取每日最小值和最大值的方法：
SELECT MIN("close"), MAX("close") FROM "market_data" WHERE WHERE symbol = 'AAPL'
GROUP BY time(1d)
您可以按时间间隔分组，时间间隔可以是微秒 (u)、秒 (s)、分钟 (m)、小时 (h)、天 (d) 或周 (d) w)。
在存储和查询大量股票报价数据方面，时间序列数据库比面向文档的数据库更好。
【讨论】：
这里的答案取决于范围。
MongoDB 是“输入”数据的好方法，而且它在查询单个部分时非常快。它也很好，因为它可以水平扩展。
但是，您必须记住的是，您所有重要的“查询”实际上都是由“批处理作业输出”产生的。
例如，Gilt Groupe 创建了一个名为Hummingbird 的系统，用于在其网站上进行实时分析。演示文稿here。它们基本上是根据收集的性能数据在很短的时间间隔（15 分钟）内动态呈现页面。
在他们的例子中，他们有一个简单的循环：将数据发布到 mongo -> 运行 map-reduce -> 将数据推送到网络以进行实时优化 -> 冲洗/重复。
老实说，这非常接近您可能想要做的事情。但是，这里有一些限制：
另一方面，您会遇到这些 SQL 问题的不同变体。
当然这里有一些好处：
不过，正如其他人所提到的，您将无法使用 ETL 和其他常用分析工具。你肯定会写很多自己的分析工具。
【讨论】：
这是我对这个想法的保留意见 - 我要公开承认我对文档数据库的工作知识很薄弱。我假设您希望存储所有这些数据，以便您可以对其执行一些聚合或基于趋势的分析。
如果您使用基于文档的数据库作为源，则每行数据的加载和操作（CRUD 操作）非常简单。非常高效，非常直接，基本上很可爱。
糟糕的是，提取这些数据并将其塞进更适合统计分析的结构中的选项很少（如果有的话）。柱状数据库或多维数据集。如果将其加载到基本的关系数据库中，则有许多工具，包括商业和开源工具，例如 pentaho，它们可以很好地适应 ETL 和分析。
不过，您最终要记住的是，世界上每家金融公司都有股票分析/自动交易应用程序；它们只是导致美国股市大跌，它们不是玩具。 :)
【讨论】：
在执行分析合理地超出单个系统容量的情况下，诸如键值或文档数据库之类的简单数据存储也很有用。 （或者它需要一台非常大的机器来处理负载。）在这些情况下，使用简单的存储是有意义的，因为无论如何分析都需要批处理。我个人会寻找一种水平扩展的处理方法来提供所需的单位/时间分析。
我会研究使用基于 Hadoop 构建的东西进行并行处理。要么在 Java/C++ 中使用本机框架，要么使用更高级别的抽象：Pig、Wukong、通过流接口的二进制可执行文件等。如果对这条路线感兴趣，亚马逊会提供相当便宜的处理时间和存储。 （我没有亲身经历，但很多人都这样做并依赖它来开展业务。）
【讨论】：