DolphinDB开发环境：GUI与API工具

七夜zippoe2026-04-15 8:48

目录

    • 摘要
    • 一、开发工具概览
      • [1.1 DolphinDB工具生态](#1.1 DolphinDB工具生态)
      • [1.2 工具选择指南](#1.2 工具选择指南)
    • [二、Web GUI详解](#二、Web GUI详解)
      • [2.1 界面介绍](#2.1 界面介绍)
      • [2.2 核心功能](#2.2 核心功能)
        • [2.2.1 脚本编辑器](#2.2.1 脚本编辑器)
        • [2.2.2 数据浏览器](#2.2.2 数据浏览器)
        • [2.2.3 可视化工具](#2.2.3 可视化工具)
      • [2.3 实用技巧](#2.3 实用技巧)
        • [2.3.1 代码片段管理](#2.3.1 代码片段管理)
        • [2.3.2 结果导出](#2.3.2 结果导出)
        • [2.3.3 任务管理](#2.3.3 任务管理)
    • 三、VSCode插件
      • [3.1 安装插件](#3.1 安装插件)
      • [3.2 配置连接](#3.2 配置连接)
      • [3.3 核心功能](#3.3 核心功能)
        • [3.3.1 语法高亮](#3.3.1 语法高亮)
        • [3.3.2 代码补全](#3.3.2 代码补全)
        • [3.3.3 远程执行](#3.3.3 远程执行)
      • [3.4 实用配置](#3.4 实用配置)
        • [3.4.1 代码格式化](#3.4.1 代码格式化)
        • [3.4.2 代码检查](#3.4.2 代码检查)
    • [四、Python API详解](#四、Python API详解)
      • [4.1 安装与连接](#4.1 安装与连接)
      • [4.2 数据操作](#4.2 数据操作)
        • [4.2.1 创建表](#4.2.1 创建表)
        • [4.2.2 查询数据](#4.2.2 查询数据)
        • [4.2.3 流式查询](#4.2.3 流式查询)
      • [4.3 高级功能](#4.3 高级功能)
        • [4.3.1 异步执行](#4.3.1 异步执行)
        • [4.3.2 批量操作](#4.3.2 批量操作)
        • [4.3.3 事务处理](#4.3.3 事务处理)
    • [五、Java API详解](#五、Java API详解)
    • [六、REST API](#六、REST API)
      • [6.1 API概述](#6.1 API概述)
      • [6.2 使用示例](#6.2 使用示例)
        • 执行脚本
        • [Python调用REST API](#Python调用REST API)
    • 七、最佳实践
      • [7.1 连接池管理](#7.1 连接池管理)
      • [7.2 错误处理](#7.2 错误处理)
      • [7.3 性能优化](#7.3 性能优化)
    • 八、常见问题
      • [8.1 连接问题](#8.1 连接问题)
      • [8.2 性能问题](#8.2 性能问题)
    • 九、总结
    • 参考资料

摘要

本文全面介绍DolphinDB的开发工具生态，帮助开发者构建高效的开发环境。从官方Web GUI的功能详解，到VSCode插件的使用技巧，再到Python、Java、C++等多语言API的实战应用，逐步带领读者掌握DolphinDB的开发调试技巧。同时提供最佳实践建议和常见问题解决方案，帮助读者提升开发效率。本文适合需要在DolphinDB上进行应用开发的工程师阅读。

一、开发工具概览

1.1 DolphinDB工具生态

DolphinDB提供丰富的开发工具，满足不同场景需求：
开发工具
Web GUI
脚本编辑
数据浏览
可视化
VSCode插件
语法高亮
代码补全
远程执行
多语言API
Python
Java
C++
REST API
命令行工具
交互式Shell
脚本执行

1.2 工具选择指南

工具 适用场景 优势 学习成本
Web GUI 快速开发、数据分析 无需安装、功能完整 ⭐
VSCode插件 日常开发、代码管理 IDE集成、版本控制 ⭐⭐
Python API 数据分析、机器学习 生态丰富、灵活 ⭐⭐
Java API 企业应用、后端服务 稳定可靠、高性能 ⭐⭐⭐
REST API 跨语言集成 通用性强、易集成 ⭐

二、Web GUI详解

2.1 界面介绍

DolphinDB Web GUI是官方提供的Web开发环境，访问地址：

复制代码 
http://localhost:8848

界面布局：
Web GUI界面
顶部导航栏
文件
编辑
视图
帮助
左侧面板
文件浏览器
数据库浏览器
函数库
中间编辑区
脚本编辑器
结果展示
右侧面板
变量监视
任务管理

2.2 核心功能

2.2.1 脚本编辑器

脚本编辑器支持以下功能：

功能 快捷键 说明
执行脚本 Ctrl+Enter 执行当前脚本
执行选中 Ctrl+Shift+Enter 执行选中代码
格式化 Ctrl+Shift+F 格式化代码
注释 Ctrl+/ 注释/取消注释
查找替换 Ctrl+F 查找替换
2.2.2 数据浏览器

数据库浏览器
DFS数据库
内存表
流表
查看表结构
浏览数据
导出数据
查看变量
修改数据

2.2.3 可视化工具

Web GUI内置图表功能：

python 复制代码 
// 示例：绘制折线图
t = table(1..100 as x, sin(1..100) as y)
plot(t.y, t.x, "正弦曲线", LINE)

// 示例：绘制柱状图
t = table(`A`B`C`D as category, 10 20 15 25 as value)
plot(t.value, t.category, "分类统计", BAR)

// 示例：绘制散点图
t = table(rand(100.0, 100) as x, rand(100.0, 100) as y)
plot(t.y, t.x, "散点图", SCATTER)

2.3 实用技巧

2.3.1 代码片段管理

保存常用代码片段：

python 复制代码 
// 文件: snippets/connect.dos
// 数据库连接模板
def connectDB(host, port, user, pwd){
    conn = xdb(host, port, user, pwd)
    return conn
}

// 使用
run("/snippets/connect.dos")
conn = connectDB("localhost", 8848, "admin", "123456")
2.3.2 结果导出
python 复制代码 
// 导出查询结果为CSV
t = select * from loadTable("dfs://db", "table") limit 1000
saveText(t, "/data/export.csv")

// 导出为JSON
saveText(t, "/data/export.json", true)
2.3.3 任务管理
python 复制代码 
// 查看运行中的任务
getRecentJobs()

// 取消任务
cancelJob(jobId)

// 查看任务详情
getJobStatus(jobId)

三、VSCode插件

3.1 安装插件

在VSCode扩展市场搜索安装：

复制代码 
扩展名称：DolphinDB
发布者：DolphinDB

安装步骤：
打开VSCode
扩展市场
搜索DolphinDB
点击安装
重启VSCode
配置连接

3.2 配置连接

创建连接配置文件 .vscode/dolphindb.json：

json 复制代码 
{
  "connections": [
    {
      "name": "本地开发",
      "host": "localhost",
      "port": 8848,
      "user": "admin",
      "password": "123456",
      "default": true
    },
    {
      "name": "测试环境",
      "host": "192.168.1.100",
      "port": 8848,
      "user": "developer",
      "password": "dev_password"
    },
    {
      "name": "生产环境",
      "host": "prod.dolphindb.com",
      "port": 8848,
      "user": "readonly",
      "password": "prod_password"
    }
  ]
}

3.3 核心功能

3.3.1 语法高亮

VSCode插件提供完整的语法高亮支持：

python 复制代码 
// 关键字高亮
select count(*) from table
where timestamp > now() - 3600000
group by device_id

// 函数高亮
t = table(1..10 as id, rand(100.0, 10) as value)
avg(t.value)
sum(t.value)
max(t.value)

// 内置变量高亮
now()
today()
version()
3.3.2 代码补全
补全类型 触发方式 示例
函数名 输入函数前缀 sel → select
表名 输入表前缀 loadT → loadTable
列名 输入列前缀 t. → 列出所有列
参数提示 输入括号 func( → 显示参数
3.3.3 远程执行
python 复制代码 
// 选中代码后按 Ctrl+Shift+E 执行
// 或右键选择"Execute in DolphinDB"

// 示例脚本
db = database("dfs://demo", VALUE, 2024.01.01..2024.12.31)
t = table(1:0, `timestamp`value, [TIMESTAMP, DOUBLE])
db.createPartitionedTable(t, `sensor_data, `timestamp)

// 执行结果在输出面板显示

3.4 实用配置

3.4.1 代码格式化

在 settings.json 中配置：

json 复制代码 
{
  "dolphindb.format.enable": true,
  "dolphindb.format.indentSize": 4,
  "dolphindb.format.useTabs": false,
  "dolphindb.format.alignKeywords": true
}
3.4.2 代码检查
json 复制代码 
{
  "dolphindb.lint.enable": true,
  "dolphindb.lint.checkSyntax": true,
  "dolphindb.lint.checkVariables": true
}

四、Python API详解

4.1 安装与连接

安装
bash 复制代码 
pip install dolphindb
基本连接
python 复制代码 
import dolphindb as ddb

# 创建会话
session = ddb.session()

# 连接服务器
session.connect('localhost', 8848, 'admin', '123456')

# 测试连接
result = session.run('1 + 1')
print(result)  # 输出: 2

# 关闭连接
session.close()

上述代码展示了Python API的基本用法。首先创建session对象，然后调用connect方法连接到DolphinDB服务器，使用run方法执行脚本，最后关闭连接。

4.2 数据操作

4.2.1 创建表
python 复制代码 
import pandas as pd
import numpy as np
from datetime import datetime, timedelta

# 创建DataFrame
num_records = 10000
timestamps = [datetime(2024, 1, 1) + timedelta(seconds=i) for i in range(num_records)]
df = pd.DataFrame({
    'device_id': np.random.randint(1, 100, num_records),
    'timestamp': timestamps,
    'temperature': np.random.uniform(20, 30, num_records),
    'humidity': np.random.uniform(40, 60, num_records),
    'pressure': np.random.uniform(1000, 1020, num_records)
})

# 上传到DolphinDB
session.upload({'sensor_data': df})

# 创建分布式表
session.run('''
    db = database("dfs://iot_demo", RANGE, 2024.01.01..2024.12.31)
    schema = table(1:0, `device_id`timestamp`temperature`humidity`pressure, 
                   [INT, TIMESTAMP, DOUBLE, DOUBLE, DOUBLE])
    db.createPartitionedTable(schema, `sensor_data, `timestamp)
    
    loadTable("dfs://iot_demo", "sensor_data").append!(sensor_data)
''')

print(f"成功插入 {num_records} 条数据")

上述代码展示了如何将Pandas DataFrame上传到DolphinDB并创建分布式表。首先创建包含设备ID、时间戳、温度、湿度和压力的DataFrame，然后使用upload方法上传，最后创建分布式表并插入数据。

4.2.2 查询数据
python 复制代码 
# 查询数据
result = session.run('''
    t = loadTable("dfs://iot_demo", "sensor_data")
    
    select device_id, 
           avg(temperature) as avg_temp,
           max(temperature) as max_temp,
           min(temperature) as min_temp,
           count(*) as record_count
    from t
    group by device_id
    order by avg_temp desc
    limit 10
''')

print(result)
4.2.3 流式查询
python 复制代码 
# 流式查询大数据量
def process_batch(batch):
    """处理每批数据"""
    print(f"处理 {len(batch)} 条数据")
    # 在这里进行数据处理
    return batch

# 使用流式查询
result = session.run('''
    t = loadTable("dfs://iot_demo", "sensor_data")
    select * from t
''', batchSize=1000, callback=process_batch)

4.3 高级功能

4.3.1 异步执行
python 复制代码 
import threading

# 异步执行脚本
def async_query():
    result = session.run('''
        // 长时间运行的查询
        t = loadTable("dfs://iot_demo", "sensor_data")
        select count(*) from t
    ''')
    print(f"查询结果: {result}")

# 启动异步线程
thread = threading.Thread(target=async_query)
thread.start()

# 主线程继续执行其他任务
print("查询已提交，等待结果...")

# 等待结果
thread.join()
4.3.2 批量操作
python 复制代码 
# 批量插入数据
def batch_insert(session, table_name, dataframes):
    """批量插入多个DataFrame"""
    for i, df in enumerate(dataframes):
        session.upload({f'batch_{i}': df})
        session.run(f'''
            loadTable("dfs://iot_demo", "{table_name}").append!(batch_{i})
        ''')
        print(f"已插入第 {i+1} 批数据")

# 示例：分批插入
batch_size = 1000
dataframes = [df[i:i+batch_size] for i in range(0, len(df), batch_size)]
batch_insert(session, "sensor_data", dataframes)
4.3.3 事务处理
python 复制代码 
# 使用事务
session.run('''
    // 开始事务
    beginTxn()
    
    try {
        // 执行操作
        t = loadTable("dfs://iot_demo", "sensor_data")
        t.append!(new_data)
        
        // 提交事务
        commitTxn()
    } catch(ex) {
        // 回滚事务
        rollbackTxn()
        throw ex
    }
''')

五、Java API详解

5.1 环境配置

Maven依赖
xml 复制代码 
<dependency>
    <groupId>com.dolphindb</groupId>
    <artifactId>dolphindb-java-api</artifactId>
    <version>2.00.11.1</version>
</dependency>
Gradle依赖
groovy 复制代码 
implementation 'com.dolphindb:dolphindb-java-api:2.00.11.1'

5.2 基本操作

连接与查询
java 复制代码 
import com.xxdb.DBConnection;
import com.xxdb.data.Entity;
import com.xxdb.data.BasicTable;
import com.xxdb.data.BasicInt;
import com.xxdb.data.BasicDouble;

public class DolphinDBExample {
    public static void main(String[] args) throws Exception {
        // 创建连接
        DBConnection conn = new DBConnection();
        conn.connect("localhost", 8848, "admin", "123456");
        
        // 执行简单查询
        Entity result = conn.run("1 + 1");
        System.out.println("结果: " + result);
        
        // 执行复杂查询
        String script = """
            t = table(1..10 as id, rand(100.0, 10) as value)
            select * from t where id > 5
            """;
        BasicTable table = (BasicTable) conn.run(script);
        System.out.println("查询结果:\n" + table);
        
        // 关闭连接
        conn.close();
    }
}

上述Java代码展示了如何使用DolphinDB Java API连接数据库并执行查询。首先创建DBConnection对象，调用connect方法建立连接，然后使用run方法执行脚本，最后关闭连接。

5.3 数据操作

插入数据
java 复制代码 
import com.xxdb.data.BasicTable;
import com.xxdb.data.BasicIntVector;
import com.xxdb.data.BasicDoubleVector;
import com.xxdb.data.BasicTimestampVector;
import java.time.LocalDateTime;
import java.time.ZoneOffset;

public class DataInsertExample {
    public static void main(String[] args) throws Exception {
        DBConnection conn = new DBConnection();
        conn.connect("localhost", 8848, "admin", "123456");
        
        // 准备数据
        int size = 100;
        int[] deviceIds = new int[size];
        double[] temperatures = new double[size];
        long[] timestamps = new long[size];
        
        for (int i = 0; i < size; i++) {
            deviceIds[i] = i % 10 + 1;
            temperatures[i] = 20 + Math.random() * 10;
            timestamps[i] = LocalDateTime.now().plusSeconds(i)
                .toEpochSecond(ZoneOffset.UTC) * 1000;
        }
        
        // 创建向量
        BasicIntVector deviceIdVec = new BasicIntVector(deviceIds);
        BasicDoubleVector tempVec = new BasicDoubleVector(temperatures);
        BasicTimestampVector tsVec = new BasicTimestampVector(timestamps);
        
        // 创建表
        List<String> colNames = Arrays.asList("device_id", "timestamp", "temperature");
        List<Vector> cols = Arrays.asList(deviceIdVec, tsVec, tempVec);
        BasicTable table = new BasicTable(colNames, cols);
        
        // 上传并插入
        conn.upload("sensor_data", table);
        conn.run("loadTable(\"dfs://iot_demo\", \"sensor_data\").append!(sensor_data)");
        
        System.out.println("成功插入 " + size + " 条数据");
        conn.close();
    }
}

六、REST API

6.1 API概述

DolphinDB提供REST API接口，支持HTTP访问：

接口 方法 说明
/api/run POST 执行脚本
/api/login POST 用户登录
/api/logout POST 用户登出
/api/database GET 获取数据库列表
/api/table GET 获取表结构

6.2 使用示例

执行脚本
bash 复制代码 
# 执行简单脚本
curl -X POST "http://localhost:8848/api/run" \
    -H "Content-Type: application/json" \
    -d '{
        "script": "1 + 1",
        "sessionId": "test-session"
    }'

# 执行查询
curl -X POST "http://localhost:8848/api/run" \
    -H "Content-Type: application/json" \
    -d '{
        "script": "select count(*) from loadTable(\"dfs://iot_demo\", \"sensor_data\")",
        "sessionId": "test-session"
    }'
Python调用REST API
python 复制代码 
import requests
import json

class DolphinDBRestClient:
    def __init__(self, host, port, user, password):
        self.base_url = f"http://{host}:{port}/api"
        self.session_id = None
        self.login(user, password)
    
    def login(self, user, password):
        """登录"""
        response = requests.post(
            f"{self.base_url}/login",
            json={"userId": user, "password": password}
        )
        result = response.json()
        self.session_id = result.get("sessionId")
        return result
    
    def run(self, script):
        """执行脚本"""
        response = requests.post(
            f"{self.base_url}/run",
            json={
                "script": script,
                "sessionId": self.session_id
            }
        )
        return response.json()
    
    def logout(self):
        """登出"""
        requests.post(
            f"{self.base_url}/logout",
            json={"sessionId": self.session_id}
        )

# 使用示例
client = DolphinDBRestClient("localhost", 8848, "admin", "123456")
result = client.run("select count(*) from loadTable(\"dfs://iot_demo\", \"sensor_data\")")
print(result)
client.logout()

上述代码封装了DolphinDB REST API的调用。DolphinDBRestClient类提供了login、run、logout方法，可以方便地执行脚本和查询数据。

七、最佳实践

7.1 连接池管理

python 复制代码 
from dolphindb.session_pool import SessionPool

# 创建连接池
pool = SessionPool(
    host='localhost',
    port=8848,
    user='admin',
    password='123456',
    pool_size=10
)

# 使用连接
def query_data():
    session = pool.get_session()
    try:
        result = session.run('select * from loadTable("dfs://db", "table") limit 100')
        return result
    finally:
        pool.return_session(session)

# 关闭连接池
pool.close()

7.2 错误处理

python 复制代码 
import dolphindb as ddb
from dolphindb.exceptions import DolphinDBException

session = ddb.session()

try:
    session.connect('localhost', 8848, 'admin', '123456')
    result = session.run('select * from non_existent_table')
except DolphinDBException as e:
    print(f"DolphinDB错误: {e}")
except Exception as e:
    print(f"其他错误: {e}")
finally:
    session.close()

7.3 性能优化

优化项 建议 效果
批量写入 使用批量插入代替单条插入 提升10倍性能
连接复用 使用连接池管理连接 减少连接开销
异步执行 长时间查询使用异步 提升响应速度
数据压缩 启用数据压缩 减少网络传输

八、常见问题

8.1 连接问题

超时
认证失败
端口不通
连接失败
错误类型
检查网络/防火墙
检查用户名密码
检查端口配置
telnet host port
确认账户信息
netstat -tlnp

8.2 性能问题

问题 排查方法 解决方案
查询慢 查看执行计划 优化查询/添加索引
写入慢 检查分区策略 调整分区配置
内存高 监控内存使用 调整内存配置

九、总结

本文全面介绍了DolphinDB的开发工具生态。核心要点如下：

  1. Web GUI：功能完整的Web开发环境，适合快速开发和数据分析
  2. VSCode插件：IDE集成开发，支持语法高亮、代码补全、远程执行
  3. Python API：丰富的数据操作接口，适合数据分析和机器学习
  4. Java API：企业级应用开发，稳定可靠
  5. REST API：跨语言集成，通用性强
  6. 最佳实践：连接池管理、错误处理、性能优化

思考题：

  1. 你的开发场景适合使用哪种工具？
  2. 如何设计一个高效的DolphinDB数据访问层？
  3. 在生产环境中如何保证连接的稳定性和性能？

参考资料

相关推荐
曲幽19 小时前
我用fastapi-scaff搭了个项目，两天工期缩到两小时，老板以为我开挂了
python·api·fastapi·web·celery·cli·db·alembic·fastapi-scaff
weixin_4080996721 小时前
【实战案例】电商自动化：如何用 OCR API 批量识别商品图片文字？（完整方案 + 代码示例）
人工智能·ocr·api·文字识别·电商ocr·商品图片文字识别·ocr 批量识别
天空属于哈夫克31 天前
企业微信 API 选型指南：内部开发、代开发还是第三方？
自动化·企业微信·api
向量引擎1 天前
我把多模型联调拆成一条流水线 向量引擎 api key中转站 实测手记
人工智能·aigc·api·key·api调用
七夜zippoe1 天前
DolphinDB集群部署：从单机到分布式
分布式·wpf·单机·dolphindb·分集群
七夜zippoe2 天前
DolphinDB安装部署：单机版快速上手
docker·安装部署·dolphindb·单机版·web gui
xifangge20252 天前
【2026终极解法】彻底解决“由于找不到 msvcp140.dll，无法继续执行代码”报错（附微软运行库一键修复包）
windows·mysql·microsoft·报错·开发环境
weixin_408099672 天前
【实战教程】EasyClick 调用 OCR 文字识别 API（自动识别屏幕文字 + 完整示例代码）
前端·人工智能·后端·ocr·api·安卓·easyclick
handsomestWei3 天前
Docker引擎API接入配置
运维·http·docker·容器·api
热门推荐
012026年4月技术前沿：AI大模型爆发、智能体革命与量子安全新纪元02GitHub 镜像站点03一周AI热点速览（2026.03.31-04.06）：GPT-6曝光、谷歌开源Gemma 4、资本狂飙与模型军备竞赛04GPT-6核心能力解析及与现有主流大模型对比05基于 Docker 部署 Hermes Agent 并接入飞书机器人的完整指南06零成本！Ollama本地部署国产大模型全指南（支持Kimi-K2.5/GLM-5/Qwen，新手秒上手）07AI Weekly | 2026年4月第二周 · GitHub热门项目与AI发展趋势深度解析08免费！不限量！用opencode接入英伟达（NVIDIA）大模型，轻松打造你的 AI 编程助手09CodeBuddy与WorkBuddy深度对比：腾讯两款AI工具差异及实操指南10从限购到畅通：GLM-5.1 Coding Plan接入攻略