| name | dolphindb-datayes-import |
| description | 将通联历史数据文件自动导入 DolphinDB 数据库（DolphinX 版，运行于 DolphinDB Web 平台，全 dos 流程） |
通联历史数据导入 — DolphinX 版
将通联（DataYes）高频历史行情数据文件自动导入 DolphinDB 分布式数据库。本 skill 运行于 DolphinDB Web 平台，全部操作通过 .dos 脚本在服务端完成。支持 CSV 及 ZIP 格式的数据文件。
执行要求
加载本文件后，立即从步骤 1 开始执行，不要额外确认。每个步骤的结果直接驱动下一步。所有需要在服务器执行的内容都通过 dos 脚本完成，无需收集连接信息（Web 平台已登录）。
执行步骤
1. 环境检查与前置准备
必须先调用 check-env 技能完成以下工作：
- zip 插件检查：检查 DolphinDB 是否已加载 zip 插件，未加载则自动安装并加载
- easy_datayes 模块上传：将
scripts/DolphinDBModules/easy_datayes/ 下的 22 个模块源文件通过 uploadModule() 写入 DolphinDB 服务端
判断逻辑：
- check-env 执行成功：继续下一步
- check-env 执行失败：终止流程，向用户展示 check-env 输出的错误信息
2. 收集机器信息并推荐并行度
在 DolphinDB Web 平台执行：scripts/machine_info_collection.dos
脚本行为：
- 读取
maxMemSize / license()['maxMemoryPerNode'] / maxBatchJobWorker / license()['maxCoresPerNode']
- 按以下逻辑计算推荐并行度：
- 内存约束：
min(maxMemSize, maxMemoryPerNode) / 2 / 8（安全内存的一半，按 8GB/任务）
- 并发约束：
min(maxBatchJobWorker, maxCoresPerNode)
- 最终推荐：取两者较小值（最小为 1）
- 输出形如
RECOMMENDED_PARALLEL=<数值> 的标识行
从执行结果中匹配 RECOMMENDED_PARALLEL= 行提取数值，作为下一步的推荐并行度。
3. 收集数据导入参数
使用 AskUserQuestion 向用户询问：
- 文件路径：CSV 或 ZIP 文件存储的绝对路径（示例：
/hdd/hdd1/feb2023_csv）
- 数据类型：
tl_snapshot（快照）/ tl_trade（成交）/ tl_entrust（委托）/ tl_tick（TICK合并）/ tl_order_queue（委托队列）
- 起始日期：DATE 格式（示例：
2023.02.01）
- 结束日期：DATE 格式（示例：
2023.02.01）
- 数据库名称：DolphinDB 数据库路径（默认值：
dfs://TL_Level2）
- 数据表名称：各数据类型对应的表名，按
数据类型=表名 格式填写，多个用分号隔开（默认值：tl_snapshot=snapshot;tl_trade=trade;tl_entrust=entrust;tl_tick=tick;tl_order_queue=order_queue）
4. 确认参数
向用户展示汇总信息并使用 AskUserQuestion 确认：
请确认以下导入参数：
推荐并行度：
- 推荐值：{recommended_parallel}
（基于服务器内存和并发能力计算）
- 如需修改，请选择"自定义并行度"
数据导入参数：
- 数据类型：{dataSource}
- 日期范围：{startDate} ~ {endDate}
- 文件路径：{targetDir}
- 数据库名称：{dbName}
- 数据表名称：{tableName}
确认无误后将提交任务到 DolphinDB 后台运行。
提供以下选项：
- 使用推荐并行度：继续执行步骤 5
- 自定义并行度：用户输入自定义值后继续执行步骤 5
- 重新填写参数：回到步骤 3 重新收集数据导入参数
- 取消：终止流程
5. 修改并执行批量导入脚本
根据用户确认的参数，修改 scripts/import_data.dos：
- 第 3 行
fileDir = 改为用户输入的文件路径
- 第 4 行
dataSource = 改为用户选择的数据类型（数组格式，如 ["tl_snapshot"]）
- 第 5 行
dbName = 改为用户确认的数据库名称
- 第 7 行
startDate = 改为用户输入的起始日期（DATE 格式，如 2023.02.01）
- 第 8 行
endDate = 改为用户输入的结束日期（DATE 格式，如 2023.02.01）
- 第 9 行
parallel = 改为用户确认的并行度值
修改完成后，在 DolphinDB Web 平台执行整个 scripts/import_data.dos。脚本会直接调用 autoLoadTongLianData 提交导入任务到后台，并从输出中匹配 JOBID= 行提取 jobid。
执行成功后，向用户展示任务提交确认和完整的任务信息：
任务已提交到 DolphinDB 后台运行！
服务器：{Web 平台地址 + 可通过执行 print(version()) 获取的版本信息}
数据类型：{dataSource}
日期范围：{startDate} ~ {endDate}
文件路径：{targetDir}
并行度：{parallel}
数据库名称：{dbName}
数据表名称：{tableName}
任务进度查询（用户追问时执行）：
如果用户看到提交成功信息后追问任务进度，在 DolphinDB Web 平台执行以下 dos 脚本查询（把其中的库名、表名、日期替换为实际值，AI 根据用户确认的参数灵活调整）：
//任务进度查询
tb = loadTable("dfs://job_info", "job_info")
select
count(*) as total_tasks,
sum(iif(job_status=="completed", 1, 0)) as completed_tasks,
sum(iif(job_status=="failed", 1, 0)) as failed_tasks,
sum(iif(job_status=="progress", 1, 0)) as running_tasks,
sum(iif(job_status=="waiting", 1, 0)) as waiting_tasks,
string(sum(iif(job_status=="completed", 1, 0)) \ count(*) * 100) + "%" as progress_pct
from tb
// 数据落地验证（最终兜底）
snapCnt = exec count(*) from loadTable("dfs://TL_Level2", "snapshot") where trade_date = 2023.02.01
tradeCnt = exec count(*) from loadTable("dfs://TL_Level2", "trade") where trade_date = 2023.02.01
entrustCnt = exec count(*) from loadTable("dfs://TL_Level2", "entrust") where trade_date = 2023.02.01
tickCnt = exec count(*) from loadTable("dfs://TL_Level2", "tick") where trade_date = 2023.02.01
orderQueueCnt = exec count(*) from loadTable("dfs://TL_Level2", "order_queue") where trade_date = 2023.02.01
以便于业务老师阅读的方式返回结果，不要直接展示代码原始输出：
- 运行中：说明进度，如"任务运行中，已处理 {finished}/{children 总数} 个数据日期"
- 已完成：展示各表的数据落地情况，如"快照表 {snapCnt} 条、成交表 {tradeCnt} 条、委托表 {entrustCnt} 条、TICK合并表 {tickCnt} 条、委托队列表 {orderQueueCnt} 条"
- 报错：展示错误信息，用通俗语言解释原因，指出需要检查的方向（如文件路径、数据格式、磁盘空间、权限等）
- 保持简洁，避免输出过多技术细节
注意事项
- 本 skill 必须在 DolphinDB Web 平台中以已登录用户身份执行（依赖 Web 平台执行 dos 脚本的能力）
- 确保用户对
targetDir 指向的目录有读取权限，且 DolphinDB 服务进程能访问该路径
- 日期格式为 DATE 类型（如
2023.02.01），与 dos 脚本中的 DolphinDB DATE 字面量格式一致
- 数据类型必须是五个选项中的一个或多个：tl_snapshot\tl_entrust\tl_trade\tl_tick\tl_order_queue
- 确保用户有足够的权限调用
submitJob()
