replayDS

replayDS(sqlObj, [dateColumn], [timeColumn], [timeRepartitionSchema])

将一个 SQL 表达式，根据时间维度划分为多个数据源，作为 replay 函数的输入，逐一进行回放。时间维度既可以为 DFS 表的时间列的分区粒度，也可以是基于该分区粒度的进一步的划分（由参数 timeColumn 与 timeRepartitionSchema 决定）。返回一个由数据源列表（类型为 ANY VECTOR）。

若要回放 DFS 表中的数据，只能使用 replayDS 函数配合 replay 函数进行。

sqlObj 表示 SQL 查询的元代码。SQL 查询的表对象是 DFS 表，且至少有一个分区列为时间类型。

dateColumn 列必须为 SQL 查询的表对象的时间类型列，一般为 DATE 类型，亦可为 MONTH 类型或其它时间类型。作为数据的排序依据。dateColumn 列必须为表的分区列之一，系统将根据 dateColumn 列的分区粒度划分数据源，如 dateColumn 列按天进行分区，则数据源也按天进行划分。

timeColumn 列必须为 SQL 查询的表对象的时间列，作为数据的排序依据。若 dateColumn 为 DATE 类型时，可以指定 timeColumn 为 SECOND, TIME 或 NANOTIME 类型的列作为第二排序列。此外，配合 timeRepartitionSchema 参数，timeColumn 列也可以作为数据源划分依据。

timeRepartitionSchema 时间类型的向量。如果指定了 timeColumn，timeRepartitionSchema 可用于划分更小粒度的数据源。如果 timeRepartitionSchema 为 [t1, t2, t3]，均为 TIME 类型，则会将每天的数据进一步划分为 4 个数据源：[00:00:00.000,t1), [t1,t2), [t2,t3) 和 [t3,23:59:59.999)。

在以下例子中：

1. 创建变量 n。
2. 创建一个包含 IBM 和 GS 的 join 表 sym，并重复该表内容。
3. 创建一个包含 2021.01.04 到 2021.01.06 的日期序列 date，并对其排序，用于模拟交易日。
4. 创建一个包含 09:30:00 到 15:59:59 的时间序列 time 用于模拟交易时间。
5. 创建一个包含随机数（范围在 0 到 100 之间）的交易量序列 volume。
6. 创建一个名为 t 的表，包含符号、日期、时间和交易量这四个字段。
7. 如果名为 "dfs://test_stock" 的数据库存在，则删除该数据库。
8. 创建两个不同类型的数据库 db1 和 db2，分别为 RANGE 类型和 VALUE 类型，并将它们组合到 "dfs://test_stock" 中。
9. 在数据库中创建一个分区表 trades，按 date 和 sym 分区。
10. 向 trades 表追加 t 表的内容。
11. 创建一个 replayDS 对象，从 trades 表中加载数据，并按日期维度和时间维度划分这些数据形成数据源列表 ds。
12. 输出 ds 的大小。

n=int(60*60*6.5)
sym = take(take(`IBM,n).join(take(`GS,n)), n*2*3)
date=take(2021.01.04..2021.01.06, n*2*3).sort!()
time=take(09:30:00..15:59:59,n*2*3)
volume = rand(100, n*2*3)
t=table(sym,date,time,volume)
if(existsDatabase("dfs://test_stock")){
dropDatabase("dfs://test_stock")
}
db1=database("",RANGE, 2021.01.04..2021.01.07)
db2=database("",VALUE,`IBM`GS)
db=database("dfs://test_stock",COMPO,[db1, db2])
trades=db.createPartitionedTable(t,`trades,`date`sym)
trades.append!(t);
ds = replayDS(sqlObj=<select * from loadTable(db, `trades)>, dateColumn=`date, timeColumn=`time)
ds.size();

返回：3。

接着，从数据库中加载名为 trades 表的所有数据，指定 timeRepartitionSchema 为 [11:30:00, 14:00:00]，按照指定的时间范围对每日数据进行重分区，重新计算数据源列表的大小：

ds = replayDS(sqlObj=<select * from loadTable(db, `trades)>, dateColumn=`date, timeColumn=`time, timeRepartitionSchema=[11:30:00, 14:00:00])
ds.size();

指定时间区间 [11:30:00, 14:00:00] 后，每天的数据被划分为三个更小的部分 [09:30:00, 11:30:00)、[11:30:00, 14:00:00] 和 [14:00, 15:59:59]。

因此，返回：9。