1樓：DBA大董
如果是日頻的化，MySQL足夠了。十年後歷史資料也沒多大，你關注的應該是資料的分析和處理，MySQL的SQL函式基本都能滿足。
不是交易所，沒必要考慮時序資料庫。
2樓：苦咖啡
高頻資料的頻率大多為3s一次，資料庫是可以滿足，不過要有大的儲存介質，因為檔案太大，乙個月的資料都是TB級的，對於軟體和硬體也是有要求的，貴公司有採集高頻資料麼，
3樓：不敢動不敢動
忘掉MySql。最高日頻的話執行時直接放快取，落地檔案或NOSQL。
如果是單純的分析，其實怎麼都可以，但是如果要平台具備基本的實用價值，需要仔細分析各類資料常用的操作維度。按照優先順序，對資料的操作始終要保證能命中快取、索引、切片其中的一類。PS:
快取指的是本地記憶體，不是亂七八糟的中介軟體，網路IO最為致命.
4樓：韓翔
浮點資料精度可能會有問題，其他的包括可靠性、穩定性和事物的處理（即使是分析資料庫，可能存在讀寫爭用的問題），當然都有解決方案，不然支付寶早就垮掉了。但是那時阿里付出很高的成本的成果。普通公司未必搞得定。
nosql現在比較常用，mysql支援有限，nosql的支援可以簡化開發，優化效率。
5樓：已退出知乎
你說的日級別的資料mysql應該是足夠用了。
另外，在做研究的時候，不要每次都從資料庫讀資料，而是把該次研究用到的資料從資料庫讀出來另存成檔案，多次研究的時候，從檔案裡讀取比資料庫快得多。
比如，matlab可以存到mat裡。
6樓：
我做過,mysql足夠應對,沒什麼瓶頸
這麼多年的日資料統共也就千萬量級,選個簡單方案就好了.我做的優化是只按主鍵查詢,和用MyISAM引擎(基本上一次寫多次讀,資料安全性不重要)
7樓：櫻木花
想說一句話：說mysql，sql sever做這種小系統效能不行的，基本都沒入過資料庫的門。 這種某個公司單個高頻系統相對於大型資料庫來說1%量級而已，雲系統使用者超級多的另外有別的辦法！
8樓：志願者
為什麼都是推薦mysql的?這麼小的庫用oracle也不存在問題吧...看你是什麼型別的作用的資料庫是oltp還是olap的。。
如果訪問量大。類似報表系統用olap就好了。
9樓：
其實我推薦優先考慮mysql+infobright。
大家不要小看mysql的優化能力，其實用好了，還是很牛的。
用hadoop之類的感覺過於重型，一般來說，除非資料量真的達到幾十TB以上，不然沒必要。
nosql之類的，其實也可以考慮，但是對金融應用來說，開發工作量可能會比較大，所以感覺可能不太適合樓主的情況。
10樓：kiapper
總體來說，時間序列資料和非結構化的基本面資料，更適合於nosql資料庫處理。之前google過同樣問題，發現有人給出這樣的解決方案：檔案系統分門別類建立層次結構+二進位制檔案儲存，實踐下來，發現還蠻好用。。。
最近有在嘗試把資料導到hdf5中。
11樓：mapgrep
沒問題。不管你做什麼市場，不管你拿來多少基本面資料問題都不會出在資料庫軟體這一層
如果日後效能不夠那麼原因有可能是
1。 程式寫的不好或表設計問題
2。硬體太破
3。用資料庫做了不該拿資料庫做的事
12樓：喬拉爵士
工作中我用過mysql和微軟的sql server,不知道是不是沒有設定好的緣故，mysql比sql server效能差了很遠。跑mysql的機器的CPU長期滿負荷。
這讓我對mysql印象不是很好
再次重申，我懷疑是我沒有設定好mysql執行引數，按照常理來說，mysql不應該那麼差
如何入門量化投資？
BigQuant 量化投資是跨學科的研究方向，數學 計程式設計 金融三者融合，很有挑戰性。學習量化要明白量化需要哪些知識儲備 技能和工具。第一是數學思維模式。量化是建立模型，讓機器根據模型完成既定的思想。不過人工智慧在量化引入後，倒是可以幫助挖出不少以前難以發覺的新內容，在效率上也提公升不少。第二是...
如何看待量化投資？
王涵涵 先自我介紹，自己做超短情緒週期的，現在盈利自我感覺比較穩定了。所以，我基本上是在做主觀交易。這個時候，有些人會提出，人性不穩定，有缺陷，等等，量化比較直接，沒有情緒波動，判斷具有一致的標準，所以量化是未來。這個確實，量化有很多優勢，速度快，穩定，等等，這裡其他朋友應該說很多。但是，我現在自己...
量化投資是什麼？
量化投基 量化交易是指用數學模型替代人為的主觀判斷，利用程式演算法從大量的歷史資料中選出帶來超額收益的多種 大概率 事件以制定策略。它極大地降低了市場波動給投資者情緒帶來的影響，避免在市場極度狂熱或悲觀的情況下做出非理性的投資決策。普通的交易是由交易者根據自身的經驗或者偏好進行投資決策，量化交易通過...