dolphindb-csmar-import

name	dolphindb-csmar-import
description	将CSMAR历史数据文件自动导入DolphinDB数据库，支持csv及zip格式的数据文件

CSMAR 历史数据导入 — DolphinX 版

将 CSMAR（国泰安）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。

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

先调用 check-env 技能完成以下工作：

1. 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
2. easy_csmar 模块上传：将 scripts/DolphinDBModules/easy_csmar/ 下的模块源文件通过 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

向用户询问以下信息：

• 文件路径：CSV 或 ZIP 文件存储的绝对路径（示例：/hdd/hdd4/csmar/）
• 数据类型：snapshot（快照）/ entrust（委托）/ trade（成交）/ tick（TICK合并）/ orderqueue（委托队列）
• 起始日期：格式 YYYYMMDD（示例：20260429）
• 结束日期：格式 YYYYMMDD（示例：20260429）
• 数据库名称：DolphinDB 数据库路径（默认值：dfs://level2_stock_db）

表名固定为 snapshot、entrust、trade、tick、orderqueue，无需用户填写。

4. 确认参数

向用户展示汇总信息并确认：

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}

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 4 行 file_dir = 改为用户输入的文件路径
• 第 5 行 db_name = 改为用户确认的数据库名称
• 第 6 行 start_date = 改为用户输入的起始日期
• 第 7 行 end_date = 改为用户输入的结束日期
• 第 8 行 parallel = 改为用户确认的并行度值
• 第 10 行 data_types = 改为用户选择的数据类型（单个类型如 "snapshot"，或多个类型如 ["snapshot","trade"]）

修改完成后，在 DolphinDB Web 平台执行整个 scripts/import_data.dos。脚本会自动调用 auto_load_csmar_stock_data（内部通过 submitJob 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}

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 UUID、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://level2_stock_db", "snapshot") where trade_date = 2023.02.01
tradeCnt = exec count(*) from loadTable("dfs://level2_stock_db", "trade") where trade_date = 2023.02.01
entrustCnt = exec count(*) from loadTable("dfs://level2_stock_db", "entrust") where trade_date = 2023.02.01
tickCnt = exec count(*) from loadTable("dfs://level2_stock_db", "tick") where trade_date = 2023.02.01
orderQueueCnt = exec count(*) from loadTable("dfs://level2_stock_db", "orderqueue") 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
• 日期格式必须为 8 位数字：YYYYMMDD
• 数据类型必须是五个选项之一：snapshot、entrust、trade、tick、orderqueue，支持单个或多个类型（数组格式）
• 确保用户有足够的权限调用 submitJob()