分析股票涨跌幅概率分布特征, 用PolarDB模拟逼真股票数据
要模拟较为逼真的股票数据, 首先需要分析真实数据的特征.
股票数据关键的数据特征:
1、股票的日涨跌幅波动范围: [-10%, 10%] (这个应该是国内股市交易限制?)
2、日涨跌幅的幅度在[-10%, 10%]范围内符合高斯分布. 本文将介绍这个结论怎么得到的?
靠近0的最多, 靠近正负10%的概率逐渐回落.
PolarDB-PG | PostgreSQL + 阿里云OSS 实现高效低价的海量数据冷热存储分离
数据库里的历史数据越来越多, 占用空间大, 备份慢, 恢复慢, 查询少但是很费钱, 迁移慢 怎么办?
冷热分离方案:
- 使用PostgreSQL 或者 PolarDB-PG 存成parquet文件格式, 放到aliyun OSS存储里面. 使用duckdb_fdw对parquet文件进行查询.
- duckdb 存储元数据(parquet 映射)
方案特点:
- 内网oss不收取网络费用, 只收取存储费用, 非常便宜
- oss分几个档, 可以根据性能需求选择
- parquet为列存储, 一般历史数据的分析需求多,性能不错
- duckdb 支持 parquet下推过滤, 数据过滤性能不错
【阿里云云原生专栏】云原生时代的数据库选型：阿里云RDS与PolarDB对比分析
【5月更文挑战第24天】阿里云提供RDS和PolarDB两种数据库服务。RDS是高性能的在线关系型数据库，支持MySQL等引擎，适合中小规模需求；而PolarDB是分布式数据库，具备高扩展性和性能，适用于大规模数据和高并发场景。RDS与PolarDB在架构、性能、弹性伸缩、成本等方面存在差异，开发者应根据具体需求选择。示例代码展示了如何通过CLI创建RDS和PolarDB实例。
PolarDB开源数据库入门教程
PolarDB是阿里云推出的云原生数据库，基于PostgreSQL、MySQL和Oracle引擎构建，具备高性能、高扩展性和高可用性。其开源版采用计算与存储分离架构，支持快速弹性扩展和100%兼容PostgreSQL/MySQL。本文介绍了PolarDB的安装方法（Docker部署或源码编译）、基本使用（连接数据库、创建表等）及高级特性（计算节点扩展、存储自动扩容、并行查询等）。同时提供了性能优化建议和监控维护方法，帮助用户在生产环境中高效使用PolarDB。
阿里云PolarDB数据库蝉联SIGMOD最佳论文奖
阿里云PolarDB凭借全球首创基于CXL Switch的分布式内存池技术，在SIGMOD 2025上荣获工业赛道“最佳论文奖”，连续两年蝉联该顶会最高奖项。其创新架构PolarCXLMem打破传统RDMA技术瓶颈，性能提升2.1倍，并已落地应用于内存池化场景，推动大模型推理与多模态存储发展，展现CXL Switch在高速互联中的巨大潜力。
