dolphindb/applications

加密货币逐笔交易数据回放

对加密货币逐笔交易数据的回放展示，有助于交易员复盘，加深对市场的洞察。对于以每天千万条记录持续递增的盘口和逐笔交易数据集，DolphinDB可实现可视化的高速回放，以及对回放结果逐点查询的功能。回放过程中，DolphinDB可以关联盘口和交易，实现两个数据表的同步回放。

1. 数据回放案例使用说明

DolphinDB支持将多个分布式表同步回放并发布到流数据表。基于这一特性，前端JavaScript使用DolphinDB Web API来轮询回放输出的流数据表，实现盘口和交易数据的可视化回放。DolphinDB自带web服务器，因此整个系统可以在DolphinDB内完成，无外部依赖。

通过几个步骤来运行案例：

部署DolphinDB节点
下载加密货币盘口和交易数据
导入数据到DolphinDB数据库
安装基于web的回放页面
通过浏览器访问回放页面

2. 部署DolphinDB节点

请访问DolphinDB官网，下载最新版本DolphinDB。具体部署的可以参考教程中的单机集群方式部署。

通过GUI连接集群中任意一个数据节点作为客户端节点，本文中使用 [host],[port],[nodeAlias]来分别代表此节点的IP, 端口，别名。

3. 下载盘口和逐笔交易数据

本案例的使用的是火币研究院提供的加密货币交易数据，数据获取方式参考火币数据API, 获取数据的示例代码可以参考 python 示例代码 | java 示例代码。

4. 导入数据到DolphinDB

本案例中使用的数据为csv文件，包含orderBook和tick数据，可以通过火币研究院提供的[API]来获取生成。DolphinDB提供了loadText的方式来快速加载csv文件，在GUI中运行下面DolphinDB脚本，即可以实现数据的导入。

下文/hdd/data/orderBook和/hdd/data/tick指原始数据文件所在目录,用户在运行时请自行替换为本地目录

案例使用的数据文件中第一行是无关信息，可以采用下述脚本进行数据的预处理,处理好的文件保存到 /hdd/data/orderBook-processed, /hdd/data/tick-processed目录下。若数据文件正常无需处理的，可以略过这一步。

//删除数据文件第一行无关信息
def dataPreProcess(DIR){
	if(!exists(DIR+ "-processed/"))
		mkdir(DIR+ "-processed/")
	fileList = exec filename from files(DIR) where isDir = false, filename like "%.csv"
	for(filename in fileList){
		f = file(DIR + "/" + filename)
		y = f.readLines(1000000).removeHead!(1)
		saveText(y, DIR+ "-processed/" + filename)
	}
}
dataPreProcess("/hdd/data/orderBook")
dataPreProcess("/hdd/data/tick")

按照查询频率以及数据量，按照产品代码和业务时间对数据做复合分区。在本演示案例中，为方便起见，数据库名称强制为dfs://huobiDB。如果需要修改，用户必须同时修改回放网页中的数据库名称。

def createDB(){
	if(existsDatabase("dfs://huobiDB"))
		dropDatabase("dfs://huobiDB")
    //按照数据集的时间跨度，请自行调整VALUE分区日期范围
	db1 = database(, VALUE, 2018.09.01..2018.09.30)
	db2 = database(, HASH, [SYMBOL,20])
	db = database("dfs://huobiDB", COMPO, [db1,db2])
}

def createTick(){
	tick = table(100:0, `aggregate_ID`server_time`price`amount`buy_or_sell`first_trade_ID`last_trade_ID`product , [INT,TIMESTAMP,DOUBLE,DOUBLE,CHAR,INT,INT,SYMBOL])
	db = database("dfs://huobiDB")
	return db.createPartitionedTable(tick, `tick, `server_time`product)
}

def createOrderBook(){
	orderData = table(100:0, `lastUpdateId`server_time`buy_1_price`buy_2_price`buy_3_price`buy_4_price`buy_5_price`buy_6_price`buy_7_price`buy_8_price`buy_9_price`buy_10_price`buy_11_price`buy_12_price`buy_13_price`buy_14_price`buy_15_price`buy_16_price`buy_17_price`buy_18_price`buy_19_price`buy_20_price`sell_1_price`sell_2_price`sell_3_price`sell_4_price`sell_5_price`sell_6_price`sell_7_price`sell_8_price`sell_9_price`sell_10_price`sell_11_price`sell_12_price`sell_13_price`sell_14_price`sell_15_price`sell_16_price`sell_17_price`sell_18_price`sell_19_price`sell_20_price`buy_1_amount`buy_2_amount`buy_3_amount`buy_4_amount`buy_5_amount`buy_6_amount`buy_7_amount`buy_8_amount`buy_9_amount`buy_10_amount`buy_11_amount`buy_12_amount`buy_13_amount`buy_14_amount`buy_15_amount`buy_16_amount`buy_17_amount`buy_18_amount`buy_19_amount`buy_20_amount`sell_1_amount`sell_2_amount`sell_3_amount`sell_4_amount`sell_5_amount`sell_6_amount`sell_7_amount`sell_8_amount`sell_9_amount`sell_10_amount`sell_11_amount`sell_12_amount`sell_13_amount`sell_14_amount`sell_15_amount`sell_16_amount`sell_17_amount`sell_18_amount`sell_19_amount`sell_20_amount`product,[INT,TIMESTAMP,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,SYMBOL])
	db = database("dfs://huobiDB")
	return db.createPartitionedTable(orderData, `orderBook, `server_time`product)
}

def loadTick(path, filename, mutable tb){
	tmp = filename.split("_")
	product = tmp[1]
	file = path + "/" + filename
	t = loadText(file)
	t[`product]=product
	tb.append!(t)
}

def loopLoadTick(mutable tb, path){
	fileList = exec filename from files(path,"%.csv")
	for(filename in fileList){
		print filename
		loadTick(path, filename, tb)
	}
}


def loadOrderBook(path, filename, mutable tb){
	tmp = filename.split("_")
	product = tmp[1]
	file = path + "/" + filename
	t = loadText(file)
	t[`product] = product
	tb.append!(t)
}

def loopLoadOrderBook(mutable tb, path){
	fileList = exec filename from files(path, "%.csv")
	for(filename in fileList){
		print filename
		loadOrderBook(path, filename, tb)
	}
}

login("admin","123456")
tb = createOrderBook()
loopLoadOrderBook(tb, "/hdd/data/orderBook-processed")
tb = createTick()
loopLoadTick(tb, "/hdd/data/tick-processed")

在GUI中执行上述代码，即可将数据载入到DolphinDB的数据库中，点击下载完整代码。
定义回放自定义函数

def replayData(productCode, startTime, length, rate){
    login('admin', '123456');
    tick = loadTable('dfs://huobiDB', 'tick');
    orderbook = loadTable('dfs://huobiDB', 'orderBook');

    schTick = select name,typeString as type from  tick.schema().colDefs;
    schOrderBook = select name,typeString as type from  orderbook.schema().colDefs;
	
    share(streamTable(100:0, schOrderBook.name, schOrderBook.type), `outOrder);
    share(streamTable(100:0, schTick.name, schTick.type), `outTick);
    enableTablePersistence(objByName(`outOrder), true,true, 100000);
    enableTablePersistence(objByName(`outTick), true,true, 100000);
    clearTablePersistence(objByName(`outOrder));
    clearTablePersistence(objByName(`outTick));
                                                
    share(streamTable(100:0, schOrderBook.name, schOrderBook.type), `outOrder);
    share(streamTable(100:0, schTick.name, schTick.type), `outTick);
    enableTablePersistence(objByName(`outOrder), true,true, 100000);
    enableTablePersistence(objByName(`outTick), true,true, 100000);

    endTime = temporalAdd(startTime, length, "m")
    sqlTick = sql(sqlCol("*"), tick,  [<product=productCode>, <server_time between timestamp(pair(startTime, endTime))>]);
    sqlOrder = sql(sqlCol("*"), orderbook,  [<product=productCode>, <server_time between timestamp(pair(startTime, endTime))>]);
    cutCount = length * 60 / 20
    trs = cutPoints(timestamp(startTime..endTime), cutCount);
    rds = replayDS(sqlTick, `server_time , , trs);
    rds2 = replayDS(sqlOrder, `server_time , , trs);
    return submitJob('replay_huobi','replay_huobi',  replay,  [rds,rds2],  [`outTick,`outOrder],`server_time ,, rate);
}

addFunctionView(replayData);

5. 使用数据回放界面

使用数据回放界面，还需要下载回放的界面html文件压缩包，将下载的解压包部署到dolphindb的web根目录下，通过http://[host]:[port]/replay.html 进入数据回放界面。
数据回访界面主要包含回放和 点查询两个功能。
回放：按照设置的产品代码，时间段，按照指定速率值回放时间段内的数据，回放数据包含盘口数据和实时交易数据。回放可以设置的参数主要是三个：
- 产品代码：加密货币产品代码
- 时间段：设置回放的起始时间和播放时长(单位:分钟)
- 播放速率: 播放速率值是每秒钟播放的实时交易记录数，若正常市场交易是每秒钟产生100笔交易，这里设置1000就是加快10倍回放。
点查询：当回访完成并点击结束按钮之后，用户通过单击价格趋势图表中的点，可以让表格中显示该时间之前的10笔数据。
具体操作请参考下图：

6. 使用docker快速体验回放功能

我们提供了一个包含DolphinDB Server以及演示数据的docker容器，并打包成tar文件提供下载。用户仅需要安装docker环境，下载打包文件，运行下面的命令就可以快速完成演示环境部署。

gunzip cryptocurr_replay.tar.gz
##docker若没有赋予非管理访问权限，可以使用 sudo docker
docker import cryptocurr_replay.tar ddb/replay:v1
##生成并启动容器
docker run -dt -p 8888:8848 --name replay1 ddb/replay:v1 /bin/bash /dolphindb/start.sh

启动容器后，docker内DolphinDB的访问端口被映射到宿主机8888端口，打开浏览器访问http://[宿主机ip]:8888/replay.html，进入到回放演示界面。

为了控制docker容器大小，方便下载，演示数据仅包含加密货币编号为ETHUSDT,ETHBTC,BTCUSDT 的交易数据，日期为2018.09.17一天。

注意：因为内置的license文件会过期, 需要从官网下载最新的社区版license替换。下载社区版解压后进入server目录下，拷贝dolphindb.lic文件覆盖docker中的/dolphindb/目录下同名文件

sudo docker cp ./dolphindb.lic replay1:/dolphindb/dolphindb.lic

重启docker

sudo docker restart replay1

7. 注意事项

本案例当前仅限单用户使用，不支持多用户同时回放。
为了简化操作，数据库名称和数据库用户信息均固化在网页中，若有需要请自行修改replay.html文件

使用中有任何问题欢迎加入DolphinDB技术交流群沟通

dolphindb / applications

Join GitHub today

applications/cryptocurr_replay/README.md