@Nasdaq 好的，帖子并非拉战，仅分享我的观察与感受，个人自认为对趋势较为敏感。

@nevin47 dram 需求暴增，因为订单并非及时数据，他有生产周期，与下阶段的本地部署叠加。

@loop00 无法提供，非广告贴。

@dif 简单粗暴有道理！不过我感觉 glm 不能代表专业/普通人两种，恰好处于中间，高端需求满足不了，不会代码的人，不会硬抢。

@lavvrence 这个复权方式考虑过了，解决不了分钟 k 的复权。

经过测试，使用了一种最天才的算法，累计因子时间轴表（ Cumulative Factor Timeline ）
结合 stockdb 原生后缀扫描，实现快速取值计算。

stockdb：累计因子计算得到 18.67
同花顺：减法前复权得到 18.66 。
东方财富：采用 3 位精度+0.01 元的向上漂移得到 18.67 。
新浪：采用普通比例乘法复权，精度上保留了 4~5 位得到开盘 18.64

源码已更新，自带 fq 参数，支持前后左右复权。。

@zeldalyc 这个是自带 api ，sdk+自带分钟 k+自动复权，自带更新

@kingmo888 前复权数据是有问题的，所以原始已经改成不复权了，自动复权。

我没有理解这个逻辑
[供-(程序员/AI)-需]，中间只是路径。
1 、需求端悖论:原本的高价值需求程序员/外包早就可以实现，嫌成本太高那就是利益有限，利益有限那就代表教育/获客成本不对等。AI 出来是缩短了程序周期。但这些待开发的需求，又往往是并不急切的，跟 AI 提升代码速度正好相反！
2 、供应端悖论:tob 这我一直在思考，行业需求确实存在。更多的是需要扎进去，扎得越深理解越深，角色变成工人+程序员。我想问:我一个程序员如何扎到一个陌生产业，并且快速发现需求，发现需求之后，我又换一个新行业发现需求。

个人感觉 AI 未来，不在程序。而在于无限部署，边际成本趋近于 0 ，比如原本 10 万社区监控员，覆盖不了一个省，人力不能及，而换成 Ai 可以 24 小时监控，无限部署。

@goudanli 下一个版本 free-stockhq.实时+交易

@littlepanic72 实时 websocket 推送 + 交易 api 才会用到。本身也是自己在用，不限订阅数+可订阅 5000 只+0 延迟推流+自带交易 api+本地版+单文件打开即用。

@zhcode 好的，x86 的有，但是现在这个前复权的问题，我还没有想到最干净的解决办法，py 到 c 有转换开销，所以没有分发可能会改底层。我希望极速+简单+打开即用，没有乱七八糟的，否则又变成 xxxxshare 这种了。

@zljklang cf 的 ip 怎么变黄色网址了，估计是上次浏览过，所以又分给你了(纯猜测)

@ipwx duckdb 技术上来说：
最大的问题是，.duckdb 单文件无法增量更新，使用外部 Parquet 劣势放大，会慢 3 ～ 5 倍；那么每天都要下载 10 个 gb 数据。。。
另外写入：sql 需要先创建表。再写入表。写入内存缓冲。实时多进程取不到值。多并发写入死锁。单文件无法增量更新。

@piksou 都是增量更新，今天 06-30 按我这里 10-20mb/s 的话，也就是 30 秒，最慢 2 分钟完成。

前复权一天只会有几个股需要计算 factor ，这个我再考虑换成不复权，本地自己算，但感觉不是一个好的思路。或者每天更新那几只需要重算的，这个压力在我了。。。也不是很好。

@zhcode arm 吗？

关键的是：哪个数据库能做到下面的？

同步异步单文件+链式调用+横\纵列混合存储+高并发读写+http/pysdk 同时支持+通配符+正反排序+截取+多横/列同取+最新 zstd 压缩+单文件 1.xmb 大小

get()
set()
极简接口免除 sql
get("日 k",code,date).get("open,close,high").get("open,close").get("open")[n:]
更夸张的混合调用
get("日 k",code,date).set().lens().get().mset().mlens().mget().delete()
灵活到我自己都看不懂。

@niubee1 这个开源怎么说呢，我没弄懂开源的意义，调试几千上万次，自己用了两年无数修复，让他们拿去倒卖的话确实不符合我自私的人性。

@lavvrence 这个就是前复权数据，我也想的是开箱即用，后面发现遇到某只除权需要覆盖历史。正在考虑如何修正，即要：开箱即用，又要减少 update ，既要又要真不好搞。有解决方案，也求一个。

@Gamespark mac 能交叉编译的话没什么问题，本身有 linux arm 和 x86 ，一直在手机上面跑，5g 手机自带的磁盘速度挺快的，主要不知道 mac 占比多少。