Python量化数据仓库搭建系列1：数据库安装与操作

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、数据挖掘、数据报表等方向，从逻辑上讲数据仓库和数据库是没有什么区别的。

二、数据库选型

目前常用的开源免费数据库有MySQL、MongoDB 、Postgresql 和 SQLite （Python自带）。在2020-2021年DB-Engines 排行榜前十的见下图，各个数据库有各自的特点和适用场景。具体选用哪一个作为量化投资的数据库，取决于存储的数据特点、性能要求和成本。对于个人来说，硬件水平、技术水平、费用成本和学习时间成本等因素都相当重要。

本系列教程，选用MySQL数据库为例，讲解数据仓库的搭建过程。其他数据库相关教程，也将会陆续推出，敬请期待。

MySQL数据库是当今最流行的开放源码数据库之一，为用户提供了一个相对简单的解决方案，适用于广泛的应用程序部署。MySQL Community Server是MySQL数据库的免费开源版，对个人用户非常友好。

三、数据库安装

1、MySQL Community Server安装包下载

安装包下载网页为：https://dev.mysql.com/downloads/mysql/，选择对应的操作系统，点击下载，例如下图为下载64位Windows系统MySQL Community Server安装包：

2、软件安装

A、双击安装包，进行安装；

B、Choosing a Setup Type页面，选择Developer Default，点击next进入下一步；

C、Path Conflicts页面，确认安装路径与数据存放路径，点击next进入下一步；

D、Check Requirements页面，检查安装条件，直接点击next进入下一步；

E、Installation页面，点击execute执行（此处等待时间较久），执行完后点击next进入下一步；

F、Product Configuration页面，点击next进入下一步；

G、Type and Networking页面，点击next进入下一步；

H、Authentication Method页面，点击next进入下一步；

I、Accounts and Roles页面，设置Root密码，点击next进入下一步；

J、Windows Service页面，点击next进入下一步；

K、Apply Configuration页面，点击execute执行，点击Finish；

L、Product Configuration页面，点击next进入下一步；

M、