DolphinDB是内存和磁盘混合型数据库，不必把全部数据都装载到内存，所以数据库的数据规模可以远远超过服务器内存。DolphinDB以分区数据块作为最小粒度，将需要的分区里所选择的列载入内存。如果内存不足，系统会根据算法清除不再需要的分区，以释放内存空间并载入所需分区数据。

DolphinDB既可以垂直扩展，即通过增加内存、CPU等资源的方式来支持更多数据；也可以水平扩展，即通过增加节点的方式来支持更大的数据规模。因此，DolphinDB所能支持的数据规模并没有一个明确的理论上限，完全取决于投入资源的多少。

DolphinDB目前支持四种部署方式：（1）工作站部署，通常用于台式机或笔记本电脑，供个人开发使用。（2）单服务器多分区部署。（3）多服务器集群部署。（4）云部署。
 
无论哪种部署方式，DolphinDB系统都只需要一个二十几兆大小的可执行文件，不需要任何安装，复制到指定的目录即可。对于工作站部署，不需要任何配置，点击可执行程序即可运行。对于单服务器多分区部署，用户可以使用默认配置，也可自行配置几个参数，如最大内存使用量、线程池大小、端口号等。对于服务器集群部署，分两种情况，如果服务器数量比较少，可以手工配置每一个节点，也可以只为每个节点指定一个命名服务器，其余的工作由命名服务器自动完成。无论是哪种部署方式，都非常简单，参照DolphinDB的部署文档即可完成。

DolphinDB目前支持Windows与Linux两种操作系统。

DolphinDB支持64位与32位编程。32位版本受限于4GB的内存使用量。

DolphinDB除了具有快速的响应速度，还具有很高的吞吐量和并发性。一个普通的DolphinDB PC服务器可以同时支持几百到几千用户访问。DolphinDB的高吞吐量和高并发性得益于以下几个因素：（1）DolphinDB优化了核心的数据结构，可以通过更少的CPU指令或周期完成同样的任务。（2）DolphinDB使用线程池模型，比起单线程模型有更好的并发性，比起线程每客户模型（Thread per Client）或进程模型（譬如Hadoop/Spark的JVM Process）使用更少的计算资源。（3）DolphinDB使用了吞吐量和并发性更高的网络连接模型，例如在Linux操作系统上使用的epoll。

用户可以通过以下3种方式使用DolphinDB：
（1）通过命令行(Console)，Web，或集成开发环境（IDE）使用内置开发语言进行交互式的访问。集成开发环境可以编辑调试程序，也可以观察数据。DolphinDB具有毫秒级的响应速度，以及简洁高效的开发语言，能带给用户极好的交互式体验，非常适合数据分析和产品研发使用。
（2）编写脚本程序，在DolphinDB后台批处理运行。
（3）通过编程接口（Programming API）访问DolphinDB，即把DolphinDB作为其他语言编写的程序的后台。目前DolphinDB提供了C++, Java, C#, Python, R, JavaScript, Json及Excel的API。

DolphinDB目前提供了CSV、ODBC、JSON和HDF5数据接口。

DolphinDB目前提供了Java、C++、C#、Python、R、JavaScript和Excel的接口。

DolphinDB的脚本语言提供了文件处理的函数，用户在需要的时候可以编写程序处理文本文件。但是DolphinDB数据库目前只支持结构化数据，不支持文档类型的数据。分析系统目前也不支持大规模文本的索引，查询和知识挖掘。DolphinDB的未来版本将支持文本挖掘。

DolphinDB支持NULL值，处理NULL值的逻辑也与其他系统一致。简单来说， 系统在做集合统计分析时忽略NULL值，NULL值在与其它数值进行二目运算时返回NULL值。

DolphinDB不仅能够实现表级的权限控制，还可以实现函数级的权限控制。用户可通过自定义函数控制数据的访问范围，然后将这个函数的使用权限指定给目标用户，在数据访问上实现精确授权。

在性能监控方面，DolphinDB当前提供了三种方式：
（1）通过系统自带的web界面可以直观地查看性能数据。
（2）通过DolphinDB脚本调用API获取各节点的性能数据。
（3）对接第三方监控软件，例如Promethus或Grafana。

DolphinDB是默认在内存中运行的，中间结果保存到磁盘不是必需的操作，除非用户显式地执行数据保存的脚本。

当一个复杂任务被分解为子任务后，在执行过程中，如果某个节点在计算时发生崩溃，系统会自动查询其他冗余节点，将任务分配到冗余节点运行。在这种情况下，DolphinDB对节点崩溃这类异常的处理对于用户是透明的。

DolphinDB属于列式存储数据库。如果一整列的数据可以存储在一段连续内存中时，数据处理的编码会非常简单，性能也会非常高。但是如果数据量特别大，要找到大段的连续内存会变得非常困难。
 
DolphinDB提供了适合大数据存储特点的内存管理算法，可以大大降低内存的碎片问题。但是当系统运行较长时间后，内存的碎片问题仍然不可避免。譬如某一个节点有128G的内存，一个数据表的某一个分区有1亿行记录，一个双精度或长整形字段就需要800兆的内存。某些情况下，系统可能会找不到连续的大段内存。
 
DolphinDB的内置数据结构BigArray解决了这个问题，其智能算法会优先考虑连续内存，如果找不到连续内存，会将数据列分块存储在多个小段内存中。对于用户而言，这完全是透明的。无论是使用SQL还是DolphinDB的编程语言，用户都不需要考虑这个问题。经过优化的分段存储数据结构BigArray的性能表现非常优异，在进行数据遍历操作时，相对于连续内存（数组）的性能损失几乎可以忽略不计，在进行随机访问相关操作时，性能损失在5%~15%之间。
 
DolphinDB可以良好地应对内存碎片问题，这也是DolphinDB相对于其他编程语言的优势之一。某些数据分析语言必须使用连续内存，当数据量增加时，经常会出现内存不足的问题，系统的可用性较差。

对于Linux用户，启动DolphinDB前需要执行以下命令来修改可执行文件的权限：chmod 777 dolphindb

点击执行按钮后，需要点击刷新按钮刷新节点的状态。如果刷新后“Status”栏仍然是红色，可能有以下4个原因：
（1）端口被占用。点击“ServerLog”栏的view按钮，查看数据节点的log文件。如果出现“Failed to bind the socket on XXXX”，这里的XXXX是待启动的节点端口号。这可能是该端口号已经被其他程序占用，这种情况下将其他程序关闭或者重新给DolphinDB节点分配端口号在重新启动节点即可，也有可能是刚刚关闭了该节点，Linux kernel还没有释放此端口号。这种情况下稍等30秒，再启动节点即可。
（2）防火墙未开放端口。防火墙会对一些端口进行限制，如果使用到这些端口，需要在防火墙中开放这些端口或者把防火墙关闭。
（3）配置文件中的IP地址、端口号或节点别名没有书写正确。节点的IP地址需要使用局域网IP，避免使用“localhost”。
（4）如果集群是部署在云端或k8s环境，需要在agent.cfg和cluster.cfg文件中加上配置项lanCluster=0才能正常启动。

DolphinDB GUI无法启动的原因有两个：一是没有安装Java，二是安装的Java版本不对，DolphinDB GUI使用环境需要Java 8及以上版本。Java下载地址https://www.oracle.com/technetwork/java/javase/downloads/index.html。

使用DolphinDB Notebook时，若10分钟内无命令执行，系统会自动关闭会话以释放DolphinDB系统资源。推荐用户在DolphinDB GUI中编写和执行代码，DolphinDB GUI的会话在用户关闭之前会一直存在。

出现这样的错误可能有以下原因：
（1）在单节点模式上使用分布式文件系统。分布式文件系统只能在集群模式中使用，集群部署请参考单服务器部署或多服务器部署教程。
（2）在集群的控制节点或代理节点上执行了代码。控制节点是用于管理数据节点以及分布式文件系统的元数据和事务，代理节点用于启动和关闭数据节点，一般不用于计算。用户只需要切换到数据节点执行代码即可。