3.00版本来了！DolphinDB V2.00.12 & V3.00.0 正式发布！

What this page covers

• 发布新闻概览与版本定位说明。
• 线上直播预告（时间、主讲人与主题）。
• 3.00.0 总体能力提升与新增组件概览。
• 插件市场：类别、安装方式与生态规划。
• IMOLTP 交易型内存存储引擎的设计要点与示例。
• Swordfish 嵌入式版本定位与交付形态。
• 许可与下载指引（社区版与部分功能许可）。

技能认证特训营第二期报名入口（站内提示） navigation

页面顶部提供培训营活动提示与限时报名链接入口。

• 提供“技能认证特训营第二期”的报名入口信息。
• 包含可点击的报名链接。

新闻条目：DolphinDB V2.00.12 & V3.00.0 正式发布 hero

该新闻条目给出发布日期与发布概览，并说明不同版本的定位与关系。

• 发布版本为 DolphinDB V2.00.12 与 V3.00.0。
• 发布日期为 2024.04.03。
• 更新后，DolphinDB 3.00.0 版本成为最新版。
• 更新后，DolphinDB 2.00.12 版本为稳定版。
• 1.30.23 将成为 1.30 系列最后一个版本。

线上直播预告 cta

页面提供线上直播时间、主讲人与主题，并引导用户进行预约。

• 直播时间为 4月10日晚上七点半。
• 主讲人为 DolphinDB 研发副总监 胡津铭。
• 直播将介绍 3.00.0 新功能。
• 直播将介绍 2.00.12 的重要更新。

3.00.0 大版本全新发布：总体能力提升与新增组件概览 product_overview

3.00 版本面向风控、交易等场景强调能力提升，并概览新增引擎、嵌入式版本、脚本引擎与平台等内容。

• 3.00 版本新增交易型内存存储引擎。
• 流数据架构中新增 CEP 引擎。
• 流数据架构中新增订单簿（orderbook）引擎。
• 推出嵌入式版本 “Swordfish”。
• 引入 Python Parser 脚本引擎并支持原生 Python 语法与 Pandas 库。
• 完成对 Class 的支持并更新基于宏变量的元编程方法。
• 发布基于 CPU-GPU 异构计算与遗传算法的因子挖掘平台 Shark GPLearn。
• 插件市场、Catalog 与 AI dataloader 等功能将在 3.00 版本正式发布。

插件市场新装修 feature_list

该部分说明插件市场的插件类别、安装加载方式，并提到面向企业版的专业插件与用户生态规划。

• 插件市场提供多个类别的插件工具（如行情、数据存取、机器学习等）。
• 可通过 installPlugin 函数安装插件。
• 可通过 loadPlugin 函数加载插件。
• 插件市场将发布面向企业版用户的高频回测、模拟撮合等专业插件。
• 规划上线用户与评价系统，并与 ASK DolphinDB 社区打通。

交易型内存存储引擎 IMOLTP feature_list

该部分介绍 IMOLTP 的设计机制，并提供建库建表与查询示例代码。

• IMOLTP 将数据维护在内存中以省去磁盘 I/O 开销。
• IMOLTP 以行存组织数据。
• IMOLTP 支持创建 B+ 树索引（主键索引与二级索引）。
• IMOLTP 可在建库时指定，配置方式与 OLAP/TSDB 相同。
• 提供了建库建表与读写查询的示例代码。

嵌入式产品 Swordfish product_overview

该部分说明 Swordfish 的嵌入式定位、与 Server 3.00.0 的功能一致性、以及动态库交付与能力描述。

• Swordfish 的支持功能与 Server 的 3.00.0 版本一致。
• Swordfish 将 DolphinDB 核心计算能力封装为动态库交付。
• Swordfish 内置 1500+ 函数与流计算框架。
• Swordfish 支持 DolphinScript 与 Python Parser 两个脚本引擎。
• 描述其可支持到个位微秒级的数据读写、事务操作与持久化日志。

CEP 复杂事件处理引擎 feature_list

该部分说明 DolphinDB 在流数据框架中新增 CEP 引擎，并概述其核心功能与示例说明。

• DolphinDB 在流数据框架中增加复杂事件处理（CEP）引擎。
• CEP 引擎支持事件定义。
• CEP 引擎支持事件捕捉与过滤。
• CEP 引擎支持事件模式匹配。
• CEP 引擎支持事件发送与事件处理。

Shark GPLearn 自动因子挖掘引擎 feature_list

该部分介绍 Shark GPLearn 的自动因子挖掘方式、GPU 加速点与示例说明。

• Shark GPLearn 可直接从数据库读取数据。
• Shark GPLearn 调用遗传算法进行自动因子挖掘。
• Shark GPLearn 利用 GPU 加速适应度计算。
• 在 1000 万行测试数据条件下，Shark 相比 gplearn 有 86 倍性能提升。
• 提供了流程脚本示例。

Python Parser 脚本引擎 feature_list

该部分描述 Python Parser 的定位、能力范围，以及在编辑器/Workspace 中的启用与切换方式示例。

• Python Parser 面向习惯使用 Pandas 的用户，作为替代方案的定位描述。
• Python Parser 支持解析 Python 语法脚本。
• Python Parser 支持调用 DolphinDB 原生内置函数与库表对象。
• Python Parser 提供 Pandas 接口库以结合库表与 Pandas 数据结构。
• 可在脚本编辑器中切换解析语言为 Python Parser 来编写 Python 脚本。

支持类（Class）：面向对象编程 feature_list

该部分说明 DolphinScript 引入 Class 支持 OOP，并描述对代码可维护性的影响。

• 在 DolphinScript 基础上引入类（Class）以实现面向对象编程（OOP）。
• 该能力用于提高代码可读性与可维护性的效果描述。

Catalog 功能：更便捷的数据工程化管理 feature_list

该部分说明引入 Catalog 的目的，并给出标准化库表访问示例。

• 引入 Catalog 以提供更便捷、更标准、兼容性更好的数据库访问体验。
• Catalog 旨在更方便与第三方软件集成。
• 给出访问方式示例：select * from catalog.schema.table。

orderbook engine：逐笔生成订单簿快照 feature_list

该部分介绍 orderbook engine 的定位、输入触发方式、支持范围与实时技术能力，并给出代码示例。

• 推出经过正确性校验的高性能 orderbook engine。
• 可通过 createOrderbookSnapshotEngine 定义引擎。
• 引擎输入为逐笔成交与逐笔委托数据以触发计算。
• 支持多个交易所的多种证券类型。
• 支持任意档位与任意频率的 orderbook。

AI Dataloader：深度学习数据高速通道 feature_list

该部分说明 AI Dataloader 的目的、与深度学习框架的对接输出，以及增量读取与内存控制能力。

• AI Dataloader 用于将数据库与深度学习相结合的数据加载。
• 可将 DolphinDB 因子数据转换为 PyTorch、TensorFlow 等需要的 tensor 格式。
• 支持流水线作业方式增量读取与转换数据。
• 支持控制 Python 客户端内存使用量。

UDP 可靠组播模式（发布订阅增强） feature_list

该部分说明发布订阅新增 UDP 组播支持与可靠性措施，并给出启用参数与后续计划说明。

• 发布订阅（流计算）新增对 UDP 组播模式的支持。
• 该模式用于多订阅端共同订阅单一发布端时提升效率。
• 可靠性措施包括使用共享内存维护 log buffer。
• 可靠性措施包括利用 NAK 机制在失败时重传。
• 可靠性措施包括维护 seq number 以重建顺序。
• 订阅者可通过参数 udpMulticast=true 启用 UDP 订阅（示例：subscribeTable(..., udpMulticast=true)）。
• 计划在 3.00.0 修订版中支持 UDP 可靠组播模式的说明。
• 2.00.12 与 3.00.0 将同步支持 AI Dataloader 与 orderbook engine。

2.00.12 升级功能清单总述 product_overview

该部分概述 2.00.12 与 3.00.0 同步适用的优化方向，并引出分项清单。

• 所列升级功能适用于 2.00.12 与 3.00.0。
• 该部分用于引出后续分项的升级清单。

易用性增强（宏变量元编程、字段序列表达式、动态配置） feature_list

该部分列出元编程、SQL 查询表达式与运维动态配置函数的新增/增强点。

• 新增支持基于宏变量的元编程方法。
• SQL 新增字段序列表达式（如 fac001...fac999）。
• 提供在线修改参数配置函数 setDynamicConfig。
• 提供获取修改后配置值函数 getDynamicConfig。

数据库使用体验优化（TSDB与SQL执行计划等） feature_list

该部分列出 TSDB、分布式表更新、执行计划信息与 SQL 语句能力等改进点。

• TSDB 支持字段级别设置 zstd 压缩算法。
• 分布式表支持使用 update 更新 Array Vector 列。
• [HINT_EXPLAIN] 执行计划拓展 sortKey 命中的相关信息。
• TSDB 排序字段（Sort Columns）支持 DECIMAL 类型。
• SQL 支持 update+context by 搭配 csort 与 having 子句。

数据分析能力更强大（类型、函数、开窗函数完善） feature_list

该部分列出 DECIMAL、数学统计/矩阵/回归/概率分布/插值/优化器、金融、物联网与开窗函数等增强点。

• 支持通过 decimalRoundingMode 配置全局 DECIMAL 舍入模式。
• 新增窗口计算相关的 m 系列与 tm 系列函数（如 mLowRange、tmLowRange）。
• 矩阵计算支持 matrixRank、pinverse，并新增 STRING 与 DECIMAL 类型支持。
• 线性回归新增 wlsr 函数用于单列加权最小二乘回归。
• 概率分布新增 pdfF、pdfChiSquare、pdfNormal。

流数据功能拓展（流表、引擎参数与能力增强） feature_list

该部分列出流数据表与多类引擎的新增函数、参数与能力增强点。

• 流数据表可通过 setStreamTableTimestamp 为注入数据打上时间戳。
• 时序聚合引擎支持配置 acceptedDelay 数据接收延时。
• 时序聚合引擎可通过 warmupStreamEngine 预注入历史数据。
• 响应式状态引擎状态函数 prev 与 move 支持数组向量计算。
• 横截面引擎参数 contextByColumn 支持指定多个分组列。

性能再提升（JIT、join、分区剪枝、TSDB缓存读取、回归性能） feature_list

该部分列出 JIT 类型支持扩展、join 与分区剪枝优化、TSDB 读取加速与回归算法优化。

• JIT 增加支持的数据类型包含 set、arrayVector、dict、string。
• 描述了多种场景下的 join 性能优化（如 cross join、并发 join）。
• 优化分区剪枝逻辑，使 in 子句 list 为变量时可裁剪分区范围。
• TSDB 从 CacheEngine 读取性能提升的描述：最多达到 20 多倍。
• 优化回归函数 lasso 与 ElasticNet 的性能。

运维管理功能强化（热修复、rebalance、权限、审计） feature_list

该部分列出系统函数热修复、rebalance 参数与算法改进、计算节点管理能力与审计日志等内容。

• 支持通过加载插件对内置系统函数进行热修复，无需重启。
• rebalance 新增控制并发线程数的参数。
• rebalanceChunksAmongDatanode 改进分区估算与移动策略并扩展适用场景。
• 计算节点可执行用户/组管理与权限管理等相关函数。
• 新增数据库审计日志，记录 DML 及 update/delete 等记录。

Web 端功能优化与扩展（权限管理与配置管理界面） feature_list

该部分介绍 Web 端新增的权限管理与配置管理界面能力。

• Web 端新增用户权限管理界面。
• 权限管理界面支持对用户/组在不同应用范围设置权限并批量管理用户。
• Web 端新增配置管理界面。
• 配置管理界面可在控制节点上对集群节点及配置项集中管理与设置。

Roadmap（未完待续） misc

该部分列出后续版本计划中的重点功能方向。

• Roadmap 包括主键模型引擎与向量存储引擎 VectorDB 的方向。
• Roadmap 提及支持 RDMA 高速网络通讯框架。
• Roadmap 提及引入 Tensor 数据结构并支持与 Ray 等框架集成。
• Roadmap 提及完善 Shark 平台并用于大规模因子计算。
• Roadmap 提及为 Swordfish 增加 Python 和 Java 接口。

使用说明与许可/下载指引 legal

该部分说明社区版可免费使用范围、企业版插件体验，以及部分功能的许可证申请与联系指引。

• 新版本中绝大部分功能，下载社区版即可免费使用。
• 高频回测与模拟撮合插件，企业版用户可直接体验。
• CEP 引擎与订单簿引擎需联系小助手或销售申请许可证。
• Shark GPLearn 需下载 GPU 版本并申请独立 GPU 许可证。
• Swordfish 需下载嵌入式版本并申请独立 Swordfish 许可证。
• 联系账号为 DolphinDB 小助手：dolphindb1。

Facts Index