如何将数据存储在源为秒分辨率的位置

Question

我得到了一些只有秒分辨率的财务刻度数据。数据本身是按时间顺序排列的。

Date        Time      Bid     Ask
06/07/2015  19:09:29  0.7623  0.76262
06/07/2015  19:09:29  0.7623  0.76271
06/07/2015  19:09:29  0.7623  0.76276

我想做一些分析，要求我能够知道次二阶。所以我最初的想法是"伪造"毫秒。当在同一秒内有多个tick（数据点）时，我只假设它们在该秒内均匀分布。因此，由于在同一秒内有3个刻度，我假设第一个发生在第二个刻度的开始，第二个在.333，第三个在.666。

两个问题

1. 这种方法（伪造毫秒）是存储实际订单？

2. 我有相当多的数据要导入，所以我想我会在两个阶段进行操作，上传原始数据，然后用一个进行毫秒计算的select插入到我的目标表中。因此，如果您对以下查询/方法有任何帮助，我们将不胜感激。

---

CREATE TEMPORARY TABLE dataload (
    id serial
  , dt date
  , tm time
  , bid numeric(10,5)
  , ask numeric(10,5)
);
COPY dataload (dt, tm, bid, ask) FROM '/path/to/data.csv' WITH CSV HEADER;
-- INSERT INTO actual_table
SELECT
    dt
  , tm
  , (dt||tm)::timestamp -- Need to hack the milliseconds here
from dataload
group by dt, tm;

Answer 1

我通常不喜欢伪造数据。更准确的做法是准确地存储所给的内容，并使用第二列来指示顺序。它将花费一些额外的存储空间，但没有混乱可能会弥补这一点。

我也不会把时间和日期分开存储，除非你有充分的理由。

最好使用file_fdw而不是中间表，以避免额外的复制步骤。问题是file_fdw没有为您提供行号或任何其他排序方式，从而允许您使用row_number（）创建次秒排序。所以我们需要使用一个函数。

CREATE TABLE tick(
  tick_timestamp      timestamptz      NOT NULL
  , tick_sequence     smallint         NOT NULL
  , CONSTRAINT tick__pk_tick_timestamp__tick_sequence PRIMARY KEY( tick_timestamp, tick_sequence )
  , bid               numeric(10,5)    NOT NULL
  , ask               numeric(10,5)    NOT NULL
);
CREATE FOREIGN TABLE tick_csv( tick_date date, tick_time time, bid numeric, ask numeric ) ...;
CREATE FUNCTION get_tick() RETURNS SETOF tick_csv LANGUAGE sql AS $$SELECT * FROM tick_csv$$;
COMMENT ON FUNCTION get_tick() IS $$This function is necessary because file_fdw provides no means of obtaining row numbers, which we need for safe ordering. This function allows use of WITH ORDINALITY to get a row number.$$;
INSERT INTO tick( tick_timestamp, tick_sequence, bid, ask )
  SELECT tick_timestamp
      -- Generate a series that resets for each second
      , row_number() OVER( PARTITION BY tick_timestamp ORDER BY ordinality )
      , bid
      , ask
    FROM (
      SELECT *, ( tick_date + tick_time ) AT TIME ZONE 'America/New_York' AS tick_timestamp -- CHANGE TO CORRECT TIMEZONE
        FROM get_ticks() WITH ordinality
    ) raw
;

您可能会想省略函数位，并使用类似临时序列的东西来生成行号。问题是，它不能防止规划者创建一个重新排序外部表输出的计划。这种情况不应该发生在只进行顺序扫描的简单情况下，但如果您决定加入其他表，那么您可能很容易得到无序的行。这个SQL函数之所以安全，是因为它不会被内联，因为我们使用的是WITH ORDINALITY（而且它没有被定义为STABLE，你可能可以这样做）。

Answer 2

如果您无法获得改进的数据，最好以符合其背后现实的方式对其进行建模。

因此，添加假秒可能不是一个好主意，因为你会混淆真实情况。

相反，您可以在一秒内添加一个具有订单等级的字段。使用CCD_ 1可以很容易地做到这一点。

如果这有助于减小数据的大小，您可以随时将该数字转换为秒的一部分。