free-stockdb tick级数据按需接入预告分钟到tick的本地数据演进【免费下载链接】free-stockdb面向 A 股日K、分钟K与ETF分钟数据的本地量化引擎集成增量同步、本地缓存、复权、批量查询、回测与指标计算。项目地址: https://gitcode.com/GitHub_Trending/fr/free-stockdbfree-stockdb 是一款面向 A 股的本地量化数据引擎目前已覆盖日K、1/5/15/30 分钟K与 ETF 分钟数据。接下来它会把数据颗粒度继续向下推进——tick 级数据将支持按需接入让本地数据底座从分钟演进到tick。这篇文章带你提前看懂这次演进的设计思路和使用方式。 一句话概括数据同步、清洗、复权在同步层完成你的策略只读本地数据集颗粒度升级不影响现有研究代码。为什么本地数据要从分钟演进到 tick过去很多量化研究依赖远程行情接口一次全市场批量查询就可能撞上频控、限流和封 IP。free-stockdb 的思路是把数据本地落盘Zstd 压缩存储比 CSV/MySQL 小 3 倍以上查询、指标计算、回测全部走本机服务与远程链路彻底解耦。当研究颗粒度从分钟降到 tick这个矛盾会更突出维度远程接口拉 tick本地引擎按需接入 tick数据量分钟级已是海量tick 级更难承受远程传输增量同步 断点续传只处理变化数据存储自建表结构、索引成本高复用同一套本地时序存储开箱即用查询逐股逐页请求批量几乎不可行rd.get_data()一次批量读取本地数据所以 tick 接入的定位不是再来一个数据源而是把更细颗粒度的数据挂进现有本地引擎。什么是按需接入tick 数据不默认内置在 README.md 中官方对数据能力表的描述是**日/周/月/1/5/15/30 分钟/tick按需。所谓按需意味着不强制、不占空间tick 级数据体积远大于分钟线默认数据集只聚焦高频行情与复权避免每个用户都背上几十 GB 的行情数据源可控你可以用自己的行情渠道生成 tick 数据按镜像协议同步到本地研究接口不变接入 tick 后Python SDK、HTTP API、Excel/WPS、HTML、AI MCP 五种调用方式继续复用同一套本地协议。这也是 free-stockdb 与其他数据源绑定的方案的核心区别——数据源是输入不是产品的唯一依赖。tick 数据进入本地引擎的三条路径路径一通过 sync_url.txt 配置 tick 数据源项目新增了对多点数据源挂载的支持sync_url.txt现支持按类型指定不同来源与落盘目录其中就预留了 tick 数据位来源类型存储site1minutes_datasave_to_data_pathsite2days_datasave_to_data1_pathsite3ticks_datasave_to_data2_path也就是说把自己的 tick 镜像本地目录、file://或 HTTP(S) 地址写进配置同步器就会按 docs/DATA_SOURCE.md 中的manifest.txt清单完成校验SHA-256 文件大小、落盘到独立目录与日K、分钟数据互不干扰。配置样例见 sync_url.txt。路径二rd.get() 自动读取全部挂载数据挂载多个数据目录后rd.get()会自动读取所有已挂载的数据集包括 tick 数据。你无需关心数据落在哪个物理目录查询协议保持统一。路径三本地写入接口接入自有 tick 采集如果你自己采集 tick 行情例如用在线 tick 接口落库可以直接用批量写入接口把数据写进本地私有存储rd.pipe()批量写入百万级记录一次落盘rd.set()单条写入写入即可读WAL 保证无丢失。这条路径适合实时缓存、动态因子、私有数据源等场景——今天写进去的数据明天就能被回测和批量查询直接使用。完整示例可参考 调用方式/http/rd_test.py。tick 接入后查询与指标计算怎么用tick 数据进入本地引擎后与现有数据一样参与批量查询。以 pybao/stock_sdk.py 为例SDK 已提供get_last_tick()在线 tick 行情接口见 调用方式/python/sdk_test.py 第 7 步未来本地 tick 数据集打通后同类查询将切换为纯本地读取不再受远程限频影响。配合内置的39 种技术指标 5 种指数计算MA、MACD、KDJ、BOLL……tick 级数据可以在本机完成原来需要数小时 pandas 遍历的批量计算——底层 Rust/C 计算核心比 pandas 快 3 倍全市场批量指标数秒完成。⚡ 对新手来说最实际的收益是不用为 tick 研究单独搭建一套数据库同一套本地引擎从分钟一路用到 tick。硬件建议与接入准备tick 级数据体积大接入前建议预留空间项目当前推荐tick 接入建议磁盘约 20GB含全量分钟线按所需 tick 时间跨度额外预留内存8GB8GB系统Windows 10Windows 10 / Linux / macOS好消息是 Zstd 压缩存储让实际占用远小于同等 CSV/MySQL 方案且只同步增量后续更新不再全量传输。小结这次演进值得期待的地方颗粒度完整日/周/月/1/5/15/30 分钟 → tick一套本地数据底座覆盖全部周期按需而非捆绑tick 数据按自己的数据源挂载或写入不强迫所有人存储接口零改动五种调用方式Python / HTTP / Excel / HTML / MCP继续复用离线可用同步完成后查询、回测、指标计算全部本机完成断网不罢工。如果你正在做分钟级策略研究现在就可以先用日K 分钟数据跑起来等 tick 通道正式打通后只需在 sync_url.txt 中加一行配置即可完成从分钟到 tick的无缝升级。 更多调用示例位于 调用方式/ 目录AIMCP接法见 调用方式/ai_mcp/README.md。【免费下载链接】free-stockdb面向 A 股日K、分钟K与ETF分钟数据的本地量化引擎集成增量同步、本地缓存、复权、批量查询、回测与指标计算。项目地址: https://gitcode.com/GitHub_Trending/fr/free-stockdb创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
free-stockdb tick级数据按需接入预告分钟到tick的本地数据演进【免费下载链接】free-stockdb面向 A 股日K、分钟K与ETF分钟数据的本地量化引擎集成增量同步、本地缓存、复权、批量查询、回测与指标计算。项目地址: https://gitcode.com/GitHub_Trending/fr/free-stockdbfree-stockdb 是一款面向 A 股的本地量化数据引擎目前已覆盖日K、1/5/15/30 分钟K与 ETF 分钟数据。接下来它会把数据颗粒度继续向下推进——tick 级数据将支持按需接入让本地数据底座从分钟演进到tick。这篇文章带你提前看懂这次演进的设计思路和使用方式。 一句话概括数据同步、清洗、复权在同步层完成你的策略只读本地数据集颗粒度升级不影响现有研究代码。为什么本地数据要从分钟演进到 tick过去很多量化研究依赖远程行情接口一次全市场批量查询就可能撞上频控、限流和封 IP。free-stockdb 的思路是把数据本地落盘Zstd 压缩存储比 CSV/MySQL 小 3 倍以上查询、指标计算、回测全部走本机服务与远程链路彻底解耦。当研究颗粒度从分钟降到 tick这个矛盾会更突出维度远程接口拉 tick本地引擎按需接入 tick数据量分钟级已是海量tick 级更难承受远程传输增量同步 断点续传只处理变化数据存储自建表结构、索引成本高复用同一套本地时序存储开箱即用查询逐股逐页请求批量几乎不可行rd.get_data()一次批量读取本地数据所以 tick 接入的定位不是再来一个数据源而是把更细颗粒度的数据挂进现有本地引擎。什么是按需接入tick 数据不默认内置在 README.md 中官方对数据能力表的描述是**日/周/月/1/5/15/30 分钟/tick按需。所谓按需意味着不强制、不占空间tick 级数据体积远大于分钟线默认数据集只聚焦高频行情与复权避免每个用户都背上几十 GB 的行情数据源可控你可以用自己的行情渠道生成 tick 数据按镜像协议同步到本地研究接口不变接入 tick 后Python SDK、HTTP API、Excel/WPS、HTML、AI MCP 五种调用方式继续复用同一套本地协议。这也是 free-stockdb 与其他数据源绑定的方案的核心区别——数据源是输入不是产品的唯一依赖。tick 数据进入本地引擎的三条路径路径一通过 sync_url.txt 配置 tick 数据源项目新增了对多点数据源挂载的支持sync_url.txt现支持按类型指定不同来源与落盘目录其中就预留了 tick 数据位来源类型存储site1minutes_datasave_to_data_pathsite2days_datasave_to_data1_pathsite3ticks_datasave_to_data2_path也就是说把自己的 tick 镜像本地目录、file://或 HTTP(S) 地址写进配置同步器就会按 docs/DATA_SOURCE.md 中的manifest.txt清单完成校验SHA-256 文件大小、落盘到独立目录与日K、分钟数据互不干扰。配置样例见 sync_url.txt。路径二rd.get() 自动读取全部挂载数据挂载多个数据目录后rd.get()会自动读取所有已挂载的数据集包括 tick 数据。你无需关心数据落在哪个物理目录查询协议保持统一。路径三本地写入接口接入自有 tick 采集如果你自己采集 tick 行情例如用在线 tick 接口落库可以直接用批量写入接口把数据写进本地私有存储rd.pipe()批量写入百万级记录一次落盘rd.set()单条写入写入即可读WAL 保证无丢失。这条路径适合实时缓存、动态因子、私有数据源等场景——今天写进去的数据明天就能被回测和批量查询直接使用。完整示例可参考 调用方式/http/rd_test.py。tick 接入后查询与指标计算怎么用tick 数据进入本地引擎后与现有数据一样参与批量查询。以 pybao/stock_sdk.py 为例SDK 已提供get_last_tick()在线 tick 行情接口见 调用方式/python/sdk_test.py 第 7 步未来本地 tick 数据集打通后同类查询将切换为纯本地读取不再受远程限频影响。配合内置的39 种技术指标 5 种指数计算MA、MACD、KDJ、BOLL……tick 级数据可以在本机完成原来需要数小时 pandas 遍历的批量计算——底层 Rust/C 计算核心比 pandas 快 3 倍全市场批量指标数秒完成。⚡ 对新手来说最实际的收益是不用为 tick 研究单独搭建一套数据库同一套本地引擎从分钟一路用到 tick。硬件建议与接入准备tick 级数据体积大接入前建议预留空间项目当前推荐tick 接入建议磁盘约 20GB含全量分钟线按所需 tick 时间跨度额外预留内存8GB8GB系统Windows 10Windows 10 / Linux / macOS好消息是 Zstd 压缩存储让实际占用远小于同等 CSV/MySQL 方案且只同步增量后续更新不再全量传输。小结这次演进值得期待的地方颗粒度完整日/周/月/1/5/15/30 分钟 → tick一套本地数据底座覆盖全部周期按需而非捆绑tick 数据按自己的数据源挂载或写入不强迫所有人存储接口零改动五种调用方式Python / HTTP / Excel / HTML / MCP继续复用离线可用同步完成后查询、回测、指标计算全部本机完成断网不罢工。如果你正在做分钟级策略研究现在就可以先用日K 分钟数据跑起来等 tick 通道正式打通后只需在 sync_url.txt 中加一行配置即可完成从分钟到 tick的无缝升级。 更多调用示例位于 调用方式/ 目录AIMCP接法见 调用方式/ai_mcp/README.md。【免费下载链接】free-stockdb面向 A 股日K、分钟K与ETF分钟数据的本地量化引擎集成增量同步、本地缓存、复权、批量查询、回测与指标计算。项目地址: https://gitcode.com/GitHub_Trending/fr/free-stockdb创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
