FQuant Document

Appearance

TDX Parallel Saver ​

并行数据持久化模块，提供多进程/多线程并行保存股票、指数、ETF等数据的功能。

模块结构 ​

tdx_parallel_saver.py

函数 ​

save_stock_day_parallel ​

并行保存股票日线数据。

python
from FQData import save_stock_day_parallel

result = save_stock_day_parallel(
    codes=['600000', '000001', '000002'],
    start='2024-01-01',
    end='2024-12-31',
    workers=4
)

参数：

参数类型说明
codeslist股票代码列表
startstr开始日期 (YYYY-MM-DD)
endstr结束日期 (YYYY-MM-DD)
workersint并行工作数，默认 CPU 核心数

返回： dict - 包含 success_count, failed_count, errors

save_index_day_parallel ​

并行保存指数日线数据。

python
from FQData import save_index_day_parallel

result = save_index_day_parallel(
    codes=['000001', '399001'],
    start='2024-01-01',
    end='2024-12-31',
    workers=4
)

save_etf_day_parallel ​

并行保存ETF日线数据。

python
from FQData import save_etf_day_parallel

result = save_etf_day_parallel(
    codes=['510300', '510050'],
    start='2024-01-01',
    end='2024-12-31',
    workers=4
)

save_stock_xdxr_parallel ​

并行保存除权除息数据。

python
from FQData import save_stock_xdxr_parallel

result = save_stock_xdxr_parallel(
    codes=['600000', '000001'],
    workers=4
)

save_stock_xdxr_one ​

保存单只股票除权除息数据。

python
from FQData import save_stock_xdxr_one

result = save_stock_xdxr_one('600000')

类 ​

ParallelismProcess ​

多进程并行处理类。

python
from FQData import ParallelismProcess

processor = ParallelismProcess(
    max_workers=4
)

ParallelismThread ​

多线程并行处理类。

python
from FQData import ParallelismThread

processor = ParallelismThread(
    max_workers=4
)

工具函数 ​

_get_default_ips ​

获取默认备用IP列表。

python
from FQData.DataStore.savers.tdx_parallel_saver import _get_default_ips

ips = _get_default_ips()

_get_best_ips ​

获取最佳IP列表用于负载均衡。

python
from FQData.DataStore.savers.tdx_parallel_saver import _get_best_ips

ips = _get_best_ips(n=8)

_calculate_qfq ​

计算前复权因子。

python
from FQData.DataStore.savers.tdx_parallel_saver import _calculate_qfq

fq_data = _calculate_qfq(bfq_data, xdxr_data)

配置 ​

环境变量 ​

变量说明
TDX_DEFAULT_IPS逗号分隔的IP列表，格式: ip:port

配置示例 ​

bash
export TDX_DEFAULT_IPS='120.18.167.200:7709,120.18.167.201:7709'

性能优化 ​

负载均衡 ​

并行保存自动使用多个服务器IP进行负载均衡：

python
save_stock_day_parallel(
    codes=['600000', '000001', '000002'],
    start='2024-01-01',
    end='2024-12-31',
    workers=8  # 建议设置为 CPU 核心数的 2 倍
)

IP 缓存 ​

python
ips = _get_best_ips(n=16)  # 预获取多个 IP 备用

相关文档 ​