The invention relates to the field of large data processing and analysis of software information, and is a method for storing and performing real-time analysis of securities real-time transaction data based on MongoDB. The method of the invention includes: to set up a separate MongoDB or MongoDB is formed by a plurality of clusters; to obtain detailed information of various securities; design a permanent storage table and a temporary storage effectively within half an hour in the table; set the interval to obtain real-time data acquisition time, the securities interval point, and after to processing, the real-time data acquisition are stored to permanent and temporary table table; by querying the temporary table data acquisition, analysis the manifestation of securities in a variety of period of time, for each period of time, at the same time, the abnormal output, transaction types and the corresponding encoding securities analysis, real-time correlation real time stock. The method of the invention solves the problems of low inquiry efficiency and slow response speed in storing data during large data quantity analysis, and improves the operation timeliness of the clients.
【技术实现步骤摘要】
一种基于MongoDB的证券实时交易关联分析的方法
本专利技术涉及软件信息的大数据处理分析领域,是一种基于MongoDB对证券实时交易数据进行存储并进行实时分析的方法。
技术介绍
证券市场的实时交易信息,具有信息多、数量大、交易频繁的特点,在这频繁的交易中存在着很多的交易联动信息,对于在市场中进行短期交易的人来说,各证券信息的关联联动有着很好的参考价值,越快知道证券交易过程是的关联信息,在瞬息万变的证券市场中,越能快速地获取买卖的判断,从而在市场中获利,但人的获取信息量的途径的限,很难在短时间内获取大量的异动信息,以中国证券市场的A股为例,截止2016年11月大概有3000只股票,每天有4个小时的交易时间,按每3秒钟获取一次交易信息,一天就大概有4.5G的数据量,这么大的数据量,基本有很多是没有异动或是没有关联的自然运动,可大量过滤掉,但人无法一下子及时处理这么多的数据,通过本方法,可能借助计算机的自动处理的能力,帮助交易人员从大量的交易信息中获取有用的关联异动信息。证券实时分析具有数据量大、实时性要求高的特点,对于传统的关系型数据库进行数据的存取,当数据量大时在性能上远远达不到要求,从而无法满足实时性的情况。
技术实现思路
本专利技术解决的技术问题在于提供一种基于MongoDB的证券实时交易关联分析的方法,解决大数据量的数据分析过程中采用传统关系型存储时查询效率低、响应速度慢的缺点,并从多线程的角度,实现在大量的证券数据在短时间内进行获取并进行分析。本专利技术解决上述技术问题的技术方案是,所述的方法包括以下几个步骤:步骤1:将MongoDB(一个基于分布式文 ...
【技术保护点】
一种基于MongoDB的证券实时交易关联分析的方法,其特征在于,包括以下步骤:步骤1:将MongoDB当作一个高效的数据存取空间,搭建一个独立的MongoDB或由多个MongoDB形成的集群用于证券实时数据获取后高效的存取操作;步骤2:获取各个证券的详细信息,用于进行证券数据实时获取与进行分析时使用;步骤3:设计一个永久存储表,每次获取的数据存储在该表,用于后续的数据确认分析;同时设计一个在半个小时内有效的临时存储表,用于进行短时间内的各关联分析的数据获取;步骤4:设置间隔获取时间,前述的间隔点上获取实时证券数据,并经过去重处理,把获取的实时数据分别存储到永久存储表及临时存储表上;步骤5:通过查询临时存储表上的数据,分析获取在多种时间段内的各证券的表现形式,对于各时间段内同时出现的各种异常,输出相应的异动类型与证券编码,形成实时的证券实时关联分析,用于进行证券交易的指导参考。
【技术特征摘要】
1.一种基于MongoDB的证券实时交易关联分析的方法,其特征在于,包括以下步骤:步骤1:将MongoDB当作一个高效的数据存取空间,搭建一个独立的MongoDB或由多个MongoDB形成的集群用于证券实时数据获取后高效的存取操作;步骤2:获取各个证券的详细信息,用于进行证券数据实时获取与进行分析时使用;步骤3:设计一个永久存储表,每次获取的数据存储在该表,用于后续的数据确认分析;同时设计一个在半个小时内有效的临时存储表,用于进行短时间内的各关联分析的数据获取;步骤4:设置间隔获取时间,前述的间隔点上获取实时证券数据,并经过去重处理,把获取的实时数据分别存储到永久存储表及临时存储表上;步骤5:通过查询临时存储表上的数据,分析获取在多种时间段内的各证券的表现形式,对于各时间段内同时出现的各种异常,输出相应的异动类型与证券编码,形成实时的证券实时关联分析,用于进行证券交易的指导参考。2.根据权利要求1所述的方法,其特征在于,所述的存取操作,包括:存储并读取其历史数据与临时数据,对于历史数据大的,搭建MongoDB集群,并对历史数据按日期进行分区读取;所述的详细信息,包括编码、名称、股本、大股东占比等信息。3.根据权利要求1所述的方法,其特征在于,所述步骤3,具体步骤为:步骤一:在MongoDB上设计一个永久存储表,用于存储不断累积的证券实时交易的历史数据,按日期时间进行分区,并设计存储在不同的数据存储空间上;对于部署在集群,可增加证券编码的哈希存储,通过证券编码将不同的证券数据哈希存储在多台服务器上;步骤二:对于实时的证券数据分析,在MongoDB上设计一个临时存储表,用于存储半个小时内的证券数据,利用MongoDB的TTL索引,在一个时间列上建立一个TTL索引,在临时表上设置半个小时时间,该时间点自动删除临时表的数据。4.根据权利要求2所述的方法,其特征在于,所述步骤3,具体步骤为:步骤一:在MongoDB上设计一个永久存储表,用于存储不断累积的证券实时交易的历史数据,按日期时间进行分区,并设计存储在不同的数据存储空间上;对于部署在集群,可增加证券编码的哈希存储,通过证券编码将不同的证券数据哈希存储在多台服务器上;步骤二:对于实时的证券数据分析,在MongoDB上设计一个临时存储表,用于存储半个小时内的证券数据,利用MongoDB的TTL索引,在一个时间列上建立一个TTL索引,在临时表上设置半个小时时间,该时间点自动删除临时表的数据。5.根据权利要求1-4任一项所述的方法,其特征在于,所述的步骤4,具体步骤为:步骤一:在获取相关的证券编写及前缀基础上调用证券实时数据接口,所有的证券数据,按已有的详细数据,完成实时数据调用的初始化,运行证券数据实时获取程序,通过线程并发的形式把数据发送到接口上获取数据;步骤二:多线程获取的证券实时数据,包括当天的开盘价、最高价、最低价、实时价、成交量、成交额、买五档的数量及价格、卖五档的数量及价格,各获取数据的线程在获取了各个证券的实时信息后,进行解析,同时查询获取的实时信息是否与最近的一次获取的信息是相同的,相同表示已经存在的,不再进行保存;步骤三:经过去重后的证券实时数据,分别保存在永久存储表与临时存储表,用于后续的历史查询与实时关联分析;所述的证券实时数据获取的间隔获取时间可配置为每3秒或5秒获取一次,对于获取频率高的数据,存储和系统的处理需高要求。6.根据权利要求1-4任一项所述的方法,其特征在于,所述的步骤5,具体步骤为:步骤一:把所有证券数据分为多线程,在各线程上进行多种时间段、多种异动类型的分析,把分析的结果出现异动的信息,汇总到统一的展示区进行统一的展示;步骤二:在划分了证券的各个线程内,在临时表上统一获取各证券的当前交易信息,并分别获取多种时间段内的实时交易信息,分别进行上涨幅度...
【专利技术属性】
技术研发人员:郑锐韬,李勇波,孙傲冰,季统凯,张恒,
申请(专利权)人:国云科技股份有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。