dolphindb

存算一体、云边协同：DolphinDB 为石油化工行业设备监测打造高效数据底座在石油化工领域，设备监测正在从定期巡检、事后维修的传统模式向实时监测和预测性维护的新模式转型，传感器数据逐渐成为设备健康管理和故障诊断的核心资产。机泵群、反应器等关键设备的振动、温度等信号，直接关系到生产安全与设备寿命。这类数据往往具有测点数量庞大、采集频率高、数据结构杂乱等特征，单日新增数据可达亿级，长期保存后总规模可达万亿级。

持续升级！DolphinDB 全面完成银河麒麟 V11 兼容性认证近日，自研的 DolphinDB 数据库软件 V2.0、V3.0，顺利完成与银河麒麟高级服务器操作系统 V11 的兼容性测试，正式拿到麒麟软件适配认证。

让 Agent 搭建行情中心：DolphinX 数据接入自动化实践在量化投研中，行情数据接入看似只是基础工作，却往往是最容易消耗工程资源的一环。研究员一句“帮我导入 2025 年全年沪深 Level-2 逐笔数据，我想测个因子”，落到工程侧，往往意味着一长串事情：数据格式解析与标准化、库表与分区设计、流引擎配置、数据订阅与落库，还要考虑大规模并行加载和后续增量更新。换一套数据源，或者从历史切到实时，又得重新配一套流程。

知孤云出岫

深扒：DolphinDB，为什么它正在成为工业物联网实时计算的新底座？目录01 🏭 工业物联网真正难的，不是“采集数据”02 ⚡ 工业物联网为什么特别需要“实时计算”？03 🧠 DolphinDB到底是什么？

Text-to-SQL 已过时？DolphinX 正在重新定义 AI 问数“请分析 2026 年 6 月 14 日至 6 月 16 日各设备的平均油温、最高油温和最低油位，并关联同期告警和故障数量。请按最高油温从高到低排列，优先关注油温较高且同时存在告警或故障的设备。”

循环加速最高达 3 倍！DolphinDB 动态脚本优化免费开启，零代码改造即可投入生产在量化投研与实时风控场景中，逐笔数据处理、因子计算、累计指标统计等任务往往涉及大量循环、条件分支和自定义函数调用。当策略逻辑变得更加复杂，脚本运行时间随之变长；如果能够在不改动业务逻辑的前提下减少这类执行开销，就能让计算过程更高效、稳定，帮助团队捕捉转瞬即逝的市场机会。

DolphinDB 官方 Skill 全家桶：23 个技能覆盖你 80% 的日常需求第一次用 DolphinDB 写脚本的人，多半经历过这种时刻：思路明明很清楚，把某只股票的日 K 线读出来、算个 20 日均线，都不在话下；可真写起来，建表语法、loadTable 参数、时间格式……随便记岔一个，脚本就报错，查文档又是一下午。

基于 DolphinDB 的工业 IoT 数据回放实战：故障复盘、告警验证与压测造数做工业 IoT 的人，大概都被这三个问题折磨过："那天凌晨到底发生了什么？"——设备凌晨三点故障停机，事后翻历史曲线，只能一段一段静态地看。想知道"如果当时挂着一个频谱分析引擎，它能不能提前发现异常"，历史数据躺在库里，引擎却只能处理实时流，两者接不上。

DolphinDB 运维工具实战：自动化脚本体系设计与落地（2.0.x）摘要：本文面向负责 DolphinDB 生产环境运维的工程师，系统讲解如何利用 DolphinDB 内置脚本能力构建监控、维护、部署、告警一体化的自动化运维工具链。文章基于 DolphinDB 2.0.x 版本，从"运维工具"与"自动化运维脚本"两个核心概念切入，给出可直接复用的 5 组脚本示例、3 类 Mermaid 图示、2 张对照表和 3 张配图提示，并重点说明版本兼容、变更风险和回滚策略，帮助读者把重复运维动作沉淀为可调度、可观测、可回滚的标准化流程。

DolphinDB 故障排查实战：系统、数据库与集群常见问题诊断摘要：本文面向 DolphinDB 运维与开发人员，系统讲解系统层、数据库层、集群层三类常见故障的诊断方法与解决思路。文章基于 DolphinDB 2.0.x 版本，通过 5 组可复用的诊断脚本、3 类 Mermaid 图解和 3 张配图，帮助读者建立"现象→定位→根因→验证"的完整排查链路。读完本文，你将能独立处理启动失败、内存过高、连接数打满、查询变慢、节点失联、数据同步延迟等高频问题，并掌握日志分析、性能监控与诊断报告生成的核心技巧，适合作为团队值班与故障复盘的参考手册。

DolphinDB 2.0 配置管理实战：配置中心与版本控制落地指南摘要：本文面向需要集中管理 DolphinDB 2.0.x 集群配置的中高级用户，从配置文件分层、配置中心表设计、版本快照、变更回滚、配置验证到集群一致性同步，给出一条可落地的完整链路。文中提供 5 组可直接运行的 DolphinDB 脚本，并说明每个脚本的输入、处理逻辑、预期输出与回滚方式，帮助你在生产环境中实现"配置可追溯、变更有记录、回滚有依据"的目标。经典的数据库配置管理原理长期适用，实操命令基于 DolphinDB 2.0.x 语法验证。

一个人抵一个团队的时代，企业级 AI Agent 还需要做什么？最近，“Agent 时代”几乎成了 AI 圈绕不开的话题。“一人公司”的故事也被不断放大，仿佛一个人加上一堆 AI Agent 员工，就能轻松复制一家公司。

DolphinDB 高可用部署实战：从容灾设计到故障自动转移摘要：生产环境里的 DolphinDB 一旦承载实时行情、历史数据或流计算任务，单点故障就可能造成业务中断和数据丢失。本文基于 DolphinDB 2.x 的高可用机制，系统讲解高可用部署、容灾与故障自动转移三大核心能力：从高可用架构选型（主备/多副本/集群）到心跳检测与故障判定，从自动/手动故障转移到数据同步与一致性校验，再到容灾演练与最小可用系统搭建。文章包含 5 组可直接复用的 DolphinDB 脚本、3 张 GPT-Image-2 占位图提示词、3 个对比表和 4 个 Mermaid 图，帮助读

从自主可控到安全可靠：DolphinDB 如何成为物联网企业的数据底座选择在企业引入大模型能力的早期阶段，最常见的落地形态往往是一个问答式 AI 助手。以我们最先推出的问答式 AI —— DolphinMind 为例，它首先解决的是“找得到、答得出”的问题：用户通过聊天窗口提问，系统通过检索增强生成（RAG）从文档、知识库和历史资料中找到相关内容，再由模型组织成回答，让知识获取、报错理解、脚本生成变得更高效，也让企业内部经验不再散落在文档和个人记忆里。

ORCA：定义一张流图，让实时行情“跑”起来在实时行情处理、量化交易等数据密集型场景中，系统往往需要同时完成数据接入、清洗、聚合、K 线生成、指标计算和下游分发等多个环节。链路越长，模块依赖越多，开发和维护成本也越高。

什么是 Agent Harness？企业真正缺的，不只是更聪明的大模型Claude Code、Cursor 这些 Agent 产品，这一年几乎人人都在用——但不少开发者都发现，即使使用同一个底层模型，不同产品的实际体验也可能相差很大。

DolphinDB 数据备份恢复实战：从策略设计到灾难演练的完整保护方案摘要：本文面向需要为 DolphinDB 生产环境建立数据保护体系的运维与开发人员，系统讲解数据备份、数据恢复、灾备监控三类核心策略。基于 DolphinDB 2.x 环境，给出从全量/增量备份、备份验证、时间点到灾难演练的完整脚本，并配套异地备份与主备复制方案。文章覆盖策略设计、执行验证、恢复演练、监控告警与实战初始化五大模块，帮助读者建立可落地的数据保护闭环。数据备份与灾难恢复是数据库运维的经典原理，本文思路长期适用，具体函数签名请以所使用版本的官方文档为准。

DolphinDB 2.x 集群监控运维平台实战：从指标采集到告警自愈摘要：本文面向需要为 DolphinDB 集群搭建监控平台的运维与研发工程师，基于 DolphinDB 2.x 单机与集群环境，系统讲解集群监控的核心概念、指标采集、告警机制、可视化展示与性能分析。通过 5 个可直接运行的 DolphinDB 脚本片段，展示如何采集系统/数据库/集群三层指标、设计告警规则并实现通知与自动修复、搭建可视化面板与性能基线。文章还给出最小可用监控平台的初始化流程、版本差异提示与落地边界，帮助读者在测试环境跑通后，再平滑推广到生产。

基于 DolphinDB 2.x 的系统性能调优实战：从监控、分析到优化验证的全链路指南摘要：本文面向 DolphinDB 开发者和数据库运维工程师，系统讲解如何基于 DolphinDB 2.x 进行时序数据库性能调优。文章从性能监控指标体系、查询执行计划分析、系统瓶颈定位决策树入手，逐步深入到分区剪枝、索引策略、SQL 写法、内存与并发参数、缓存预热等优化手段，并提供 5 段可直接运行的 DolphinDB 脚本与 3 张看板占位图，帮助读者建立"监控→分析→优化→验证"的完整闭环。所有代码均经本地环境验证，适用于日增数百万至上千万条时序记录的中高负载场景。