weixin_44433834的博客

作者：幻好来源：恒生LIGHT云社区基本概述Apache YARN (Yet Another Resource Negotiator) 是 Hadoop 中的资源管理和作业调度系统， 在 Hadoop 2.x 时才被引入。用户可以将各种服务框架部署在 YARN 上，由 YARN 进行统一地管理和资源分配。Yarn在 Hadoop2.x 时才被推出，在 Hadoop1.x 时，主要由 MapReduce 进行资源分配，由于考虑到如果 MapReduce 在计算中挂掉了，那么资源调度也将停止工作.

Python量化数据仓库搭建3：数据落库代码封装本系列教程为量化开发者，提供本地量化金融数据仓库的搭建教程与全套源代码。我们以恒有数(UDATA)金融数据社区为数据源，将金融基础数据落到本地数据库。教程提供全套源代码，包括历史数据下载与增量数据更新，数据更新任务部署与日常监控等操作。在上一节讲述中，我们封装了Python操作MySQL数据库的自定义类，存为MySQLOperation.py文件；本节内容操作数据库部分，将会调用MySQLOperation中的方法，以及pandas.to_sql和pan

Python量化数据仓库搭建系列2：Python操作数据库本系列教程为量化开发者，提供本地量化金融数据仓库的搭建教程与全套源代码。我们以恒有数(UDATA)金融数据社区为数据源，将金融基础数据落到本地数据库。教程提供全套源代码，包括历史数据下载与增量数据更新，数据更新任务部署与日常监控等操作。在上一节讲述中，我们选择了MySQL作为本系列教程的数据库，故本文着重讲解Python操作MySQL的步骤，并封装方法。在文末简单介绍Python操作MongoDB、SQLite、PostgreSQL数据库；一

Python量化数据仓库搭建系列1：数据库安装与操作本系列教程为量化开发者，提供本地量化金融数据仓库的搭建教程与全套源代码。我们以恒有数(UDATA)金融数据社区为数据源，将金融基础数据落到本地数据库。教程提供全套源代码，包括历史数据下载与增量数据更新，数据更新任务部署与日常监控等操作。### 一、数据仓库数据仓库（Data Warehouse）简称DW或DWH，数据仓库顾名思义，是一个很大的数据存储集合。是数据库的一种概念上的升级，输入方是各种各样的数据源，最终的输出用于数据分析、量化分析、数

上一篇《用Python绘制专业的K线图》，讲解了数据获取、K线图绘制及成交量绘制等内容。本篇将在上一篇的基础上，继续讲解移动均线的绘制。1、获取数据我们从恒有数金融数据社区，获取股票市场历史行情数据。我们获取2021年3月1号至2021年6月1号，恒生电子（600570.SH）的日行情数据，并做简单处理，代码及执行结果如下。# 加载取数与绘图所需的函数包import pandas as pdimport datetimefrom hs_udata import set_token,stock_.

金融交易测试平台，是恒生LIGHT云为开发者提供的一套支持股票、融资融券、股票期权、基金、期货等多市场，多金融业务品种的高仿真实训环境。开发者通过开放的接口接入金融交易测试平台，一方面可以验证自身产品的交易核心功能，便于后期无缝对接实盘环境；另一方面也可以通过金融交易测试平台实现高仿真模拟交易，进行策略实盘回测验证。最近，不少小伙伴试用了这套系统，也反馈了使用中的一些疑问，为了大家能更好使用，官方答疑给大家安排上！01问：请问，vnpy的程序如何连接到金融交易测试平台的恒生UFT地址，有示例

作者：沈熠辉恒生LIGHT云社区需求场景让我们先来看一段有趣的对话，体验下开发和运维日常开发：你用我发你的包 再测试下运维：改了哪里吗开发：就改了下模板运维：emmm，这个是模板问题吗开发：嗯 报那个错是模版报出来的运维：有具体的位置吗：运维开发：你对比下那个模版运维：没有具体位置吗运维：这个模板有1000行，要逐行比对吗开发：嗯，你下载个原来的，这两个文件 比对 应该就可以看出来运维：好通过上面的对话看出，如果我们想知道源文件修改了啥，手工匹配是非常复杂的Linux提供.

作者：白硕新技术的发展带来了一些新的变化，行业需要新的生态布局。本文笔者将简要分享对金融领域技术创新的思考，以及恒生研究院希望为行业所做的贡献。技术新变化：Speed、Smart、SecureSpeed，加速当下行业的基础设施越来越完善，高等级数据中心大量供给，交易通信全面进入消息模式，量化对冲工具日趋丰富，交易与风控进一步解耦，这些变化对业务处理、信息分发、数据传输等都提出了更极致的要求。而对照行业现有的系统，会发现系统的能力比较集中，没有让专业的系统发挥专业的作用，因此在适配新业务等方

作者：杜茂森在互联网和信息技术革命推动下，金融领域的“底层物质”正在发生深刻变化。以移动化、云计算、大数据、区块链等技术为主，传统金融业务与互联网技术融合，通过优化资源配置与技术创新，新的金融生态、金融服务模式与金融产品诞生了。如何利用现有技术手段以及寻找可靠路径实现金融级分布式交易成为各机构探索的方向。六个实现目标与电子化、信息化、智能化不同的是，数字化时代的金融机构不再是以流程改造、业务升级或最佳实践应用为导向，而是转为对企业的全面颠覆。企业数字化转型一般指利用以大数据、人工智能和生

作者： 郑骁庆 林金曙金融服务行业正在爱上“吞噬”文本数据，即自然语言处理。（The financial services industry is falling in love with text crunching—also known as NLP.）自然语言处理（NLP）在金融科技中主要解决两端的问题，一端是数据，另一端是人。据估计，90%的数据以非结构化的形式呈现，自然语言处理的目标是将非结构化的数据转为结构化表示，然后将语言描述相似的内容汇聚，从而估计所描述事件的可靠性和真实性，进而通

作者：严佳栋互联网的前二十年是消费互联网的天下，在这期间，云计算从最初的新兴概念逐渐成为成熟应用，以锐不可当之势飞速发展。当历史的车轮驶入21世纪20年代，消费互联网呈现饱和态势，产业互联网成为下一个20年的焦点，很多企业都将“云”作为转型的抓手。云计算堪称是基础设施的基础设施，不只是计算的中心化，也是技术资源的中心化，AI、大数据、IoT等技术落地到各行各业都需要通过云计算。然而，当面对海量数据计算、新兴计算场景、小数据实时处理等方面的挑战，云计算存在一些发展瓶颈，需要新技术来突破 。边缘计算的诞生

国人在数据库领域创造了很多振奋人心的故事，无论是若干年前在IBM、Oracle等老牌数据库厂商面前坚决说“不”的果敢，还是如今在TPCC擂台赛中怒震八方的嘶吼，都在告诉我们一个事实：国产数据库驾到，时代变了！而在所有应用场景中，金融领域的数据库对安全性、可靠性、稳定性有着全行业最高级别的要求。对于数字化转型中的金融机构来说，数据库的选型、数据库技术的自主可控显得至关重要。作为软件系统的基础技术，数据库技术的发展已超过了半个世纪之久。发展至今，数据库家族非常庞大，分类也越来越多。数据库海洋里的先驱者.

作者：彭志刚 何仲君内存数据库又称主存数据库（IMDB/MMDB，In-Memory / Main Memorydatabase），是一种主要依靠内存来存储数据的数据库管理系统。相较于基于磁盘存储的传统数据库，内存数据库的数据读写速度可以高出几个数量级，极大地提高应用的性能，更能满足用户规模不断攀升等背景下的高并发、低延时需求，市场关注度与日俱增。分析机构VerifiedMarket Research在2020年发布的市场研究报告显示，全球内存数据库市场将以19.65%的复合年增长率增长。内存数

作者：张良友庞大、万能和完美无缺是数据的力量所在，它是人类生活的开始和主宰者，是一切事物的参与者。没有数字，一切都是混乱和黑暗的。我国的人口和经济规模决定了我国的数据资产规模冠于全球，具备大数据发展的先天优势。随着技术的发展，大数据逐渐融合到各行各业的发展之中,“数字蝶变”也已经席卷银行、保险、证券等金融领域。2020年4月，“数据”首次被中央纳入生产要素，金融业作为数据密集型行业，也正在积极推动数据要素发挥对其他要素的效率倍增作用。根据Statista的统计和预测，2020年全球数据产生量约为4

#云原生#过去两年，金融行业IT人员对“云原生”充满了疑惑甚至误解。我们一直在不同场合听到关于云原生的各种不同定义有人说，云原生就是Kubernetes和容器；也有人说，云原生就是“弹性可扩展”；还有人说，云原生就是Serverless。其实云原生本身就是“哈姆雷特”，因为每个人的理解都不一样。CNCF和kubernetes技术生态定义的云原生概念中指出云原生的本质是一系列最佳实践的结合。换句话说云原生为实践者指定了一条低心智负担，能够以可扩展、可复制的方式最大化地发挥云的价值的最佳路径。所以

作者：白硕作者介绍：白硕，恒生研究院院长在区块链以及自然语言处理、知识图谱等人工智能领域有深厚的造诣，在语言学、哲学方面也有深入研究，注重学科交叉与融会贯通。数据被称为数字化时代的金矿，是基础战略资源，也是企业的核心资产。互联网平台以非常高的“数据粘性”，汇聚了大量的流量。这背后的原因是互联网上无稀缺：价值是守恒的，但是数据不守恒 。价值是稀缺的，数据也本该是稀缺的，而一旦数据被放到互联网上，稀缺就不成立了。这种非守恒性使得数据易复制、易泄露、易扩散。那么如何破局呢？我们首先需要了解现在的几种