Orca: 基于DolphinDB的分布式pandas接口

DolphinDB智臾科技 2021-02-23 10:37:44
Python


Orca项目在DolphinDB之上实现了pandas API,使用户能更高效地分析处理海量数据。

如果你已经熟悉pandas,你就能通过Orca包,充分利用DolphinDB的高性能和并发,处理海量数据,而不需要额外的学习曲线。如果你已经有现成的pandas代码,你不需要对已有的pandas代码进行大量修改,就能迁移到Orca。

目前,Orca项目仍然处于开发阶段,并且在快速迭代。我们欢迎你在使用Orca的同时,通过GitHub issues给我们反馈。

Orca的设计理念

Python的第三方库pandas是一个强大的分析结构化数据的工具,具有高性能、接口易用、易学习的特点,在数据科学和量化金融领域广受欢迎。然而,当我们开始处理TB级别的海量数据时,单核运行的pandas就显得力不从心;pandas的高内存占用也是影响其发挥的限制之一。当我们拥有更多的处理器核,拥有多台物理机器时,我们会希望充分利用并发的优势,提高数据处理的效率。

DolphinDB是一个分布式数据分析引擎,它可以将TB级的海量数据存储在多台物理机器上,并能充分利用CPU,对海量数据进行高性能分析计算。在进行同样功能的计算时,DolphinDB在性能上比pandas快1~2个数量级,并且内存占用通常小于pandas的1/2。但DolphinDB的部署和开发方式都和pandas有显著区别,用户若要从pandas迁移到DolphinDB,需要对已有代码做出大量修改。幸运的是,DolphinDB已经着手开发Orca项目——一个基于DolphinDB引擎的pandas DataFrame API的实现。它让用户能够以pandas的编程风格,同时利用DolphinDB的性能优势,对海量数据进行高效分析。相比panddas的全内存计算,Orca支持分布式存储和计算。对于同样的数据量,内存占用一般小于pandas的1/2。

Orca的架构

Orca的顶层是pandas API,底层是DolphinDB数据库,通过DolphinDB Python API实现Orca客户端与DolphinDB服务端的通信。Orca的基本工作原理是,在客户端通过Python生成DolphinDB脚本,将脚本通过DolphinDB Python API发送到DolphinDB服务端解析执行。Orca的DataFrame中只存储对应的DolphinDB的表的元数据,真正的存储和计算都是在服务端。

因此,Orca的接口有部分限制:

  • Orca的DataFrame中的每个列不能是混合类型,列名也必须是合法DolphinDB变量名。
  • 如果DataFrame对应的DolphinDB表是一个分区表,数据存储并非连续,因此就没有RangeIndex的概念,且无法将一整个Series赋值给一个DataFrame的列。
  • 对于DolphinDB分区表,一部分没有分布式版本实现的函数,例如median,Orca暂不支持。
  • DolphinDB的空值机制和pandas不同,pandas用float类型的nan作为空值,而DolphinDB的空值是每个类型的最小值。
  • DolphinDB是列式存储的数据库。对于pandas接口中,一些axis=columns参数还没有支持。
  • 目前无法解析Python函数,因此,例如DataFrame.apply, DataFrame.agg等函数无法接受一个Python函数作为参数。

关于Orca和pandas的详细差异,以及由此带来的Orca编程注意事项,请参考Orca使用教程

安装

Orca支持Linux和Windows系统,要求Python版本为3.6及以上,pandas版本为0.25.1及以上。

Orca项目已经集成到DolphinDB Python API中。通过pip工具安装DolphinDB Python API,就可以使用Orca。

pip install dolphindb

Orca是基于DolphinDB Python API开发的,因此,你需要有一个DolphinDB服务器,并通过connect函数连接到这个服务器,然后运行Orca:

>>> import dolphindb.orca as orca
>>> orca.connect(MY_HOST, MY_PORT, MY_USERNAME, MY_PASSWORD)

如果你已经有现成的pandas程序,可以将pandas的import替换为:

# import pandas as pd
import dolphindb.orca as pd
pd.connect(MY_HOST, MY_PORT, MY_USERNAME, MY_PASSWORD)

更多信息

使用教程和注意事项

Orca与pandas API的详细差异

Orca访问DolphinDB分布式数据库教程

Orca保存数据教程

用Orca开发量化策略

DolphinDB Python API

版权声明
本文为[DolphinDB智臾科技]所创,转载请带上原文链接,感谢
https://my.oschina.net/u/4865736/blog/4959938

  1. 阿里、华为Python工程师总结的实用技巧,只有你还没看?
  2. 酸了!看到抖音上Python程序员晒得工资条......
  3. Python基础之:数字字符串和列表
  4. Importing excel into database adaptively by Python
  5. Python安装教程
  6. Python安装教程
  7. From Xiaobai to master, here is a guide to pandas
  8. [Python] drawing method of stem leaf diagram and compound pie diagram
  9. Drawing of Python geoplot spatial kernel density estimation map
  10. Python Seaborn economist's classic chart imitation
  11. Python space drawing - regionmask mask operation example
  12. Python space drawing - cartopy longitude and latitude add
  13. Python pykrige package Kriging interpolation calculation and visual rendering
  14. Python batch resampling, mask, slope extraction
  15. Python - Analysis of reachable circle of multiple traffic modes
  16. Python space drawing bubble drawing
  17. Python 3 multithreading and Mongo 100 million consumption log data fresh demo
  18. ARIMA model for predicting time series of CO2 concentration
  19. python isinstance()
  20. How to modify tens of thousands of file names with one key in Python
  21. Python notes: List
  22. Translation: practical Python Programming 02_ 03_ Formatting
  23. Python中的四种队列(queue)、堆(heap)
  24. Side effects of Python mutable types as default parameters of functions
  25. This is the best Python tutorial I've ever seen: ten minutes to get to know python
  26. 使用python编写量子线路打印的简单项目,并使用Sphinx自动化生成API文档
  27. Python happy enemy: crawler and anti crawler with a solution to give you New Year
  28. 使用python编写量子线路打印的简单项目,并使用Sphinx自动化生成API文档
  29. When writing python, you will encounter the following error: modulenotfounderror: no module named ' email.mime '; 'email' is not a package
  30. Python class call and private and public property method call
  31. Proprietary methods for Python classes
  32. Foundation of Python: number string and list
  33. Foundation of Python: number string and list
  34. Foundation of Python: number string and list
  35. 华为 Python网络自动化
  36. Python Cannot open E:\Python36\Scripts\pip-script.py
  37. Peeping into the future is not a dream, python data analysis is easy to achieve
  38. The practical skills summed up by Alibaba and Huawei Python engineers, only you haven't seen them yet?
  39. Sour! See the Python programmers on the tiktok get the pay slip...
  40. Foundation of Python: number string and list
  41. Python installation tutorial
  42. Python installation tutorial
  43. This article will familiarize you with the transformation process of Python - > Cafe - > om model
  44. Four kinds of queues and heaps in Python
  45. Using Python to write a simple project of quantum circuit printing, and using Sphinx to automatically generate API documents
  46. Using Python to write a simple project of quantum circuit printing, and using Sphinx to automatically generate API documents
  47. Huawei Python Network Automation
  48. Python Cannot open E:\Python36\Scripts\pip- script.py
  49. 找不到Python问题解决
  50. PHP和Python哪个更有市场前景?我学的是PHP
  51. Python problem resolution not found
  52. Which has more market prospects, PHP or Python? I studied PHP
  53. Foundation of Python: number string and list
  54. python 编码问题之终极解决
  55. The ultimate solution to the problem of Python coding
  56. 能取值亦能赋值的Python切片
  57. Python slice with value and value
  58. 能取值亦能赋值的Python切片
  59. Python slice with value and value
  60. python 异常处理