在上一章节《策略回测》中采用轮询的方式对整个股票池进行了回测。虽然功能已经实现，但是效率确实不高。而且生成的结果也不方便统计。本次在上一章的基础上进行修改，实现两方面的改进：创建子表根据股票代码创建子表，因为之前已经有类似的表名称，可以借用一部分。导出表名和标签，并构建建表语句。导入建表语句函数简介多进程/线程处理结果写入TDengine程序主体MACD交易策略回测程序说明该程序用于进行MACD交

MA 均线时最基本的技术指标，也是最简单，最不常用的（通常使用EMA、SMA）。以下用两种不同的计算方法和两种不同的画图方法进行展示和说明。MA 均线指标公式。

TDengine 目前只提供统计超级表占用空间的工具：- 2.x 版本使用 `select _block_dist() from STABLE_NAME`- 3.x 版本使用 `show table distributedSTABLE_NAME`但以上的统计结果并不准确。如果想统计 DB 使用的空间，只能通过统计所属 vnode 占用空间进行统计。以下脚本可以实现自动统计所在节点所有数据库的大小。

以下内容总结了之前章节涉及到的 Python 知识点，看过之前的章节同学，就不用打开了。

TDengine 3.0 已经退出了近一年，目前已经到了 3.2 版本。很遗憾的是 2.x 和 3.x 之间的数据文件不兼容。如果向从 2.x 升级到 3.x 只能选择数据迁移的方式。taosxtaosdump以下演示使用 Python 脚本跨版本迁移数据库，从 3.1 降级迁移到 2.6。

Grafana 非常人性的提供离 K线图模块， 搭配TDengine 配置简单一键生成。

本次简单介绍 MACD 最常用的用法：金叉和死叉。金叉和死叉是MACD指标中的两个重要信号。金叉是指 MACD 快线（DIF）上穿慢线（DEA）的情况。死叉则是指 MACD 快线下穿慢线的情况。理论上，金叉代表看涨信号，而死叉则代表看跌信号。如果用程序实现就比较简单，就是两个变量的大小变换。macd_line从结果来看，胜率还不错。

在之前的文章中用 Python 直接计算的 MA 均线，但面对 EMA 我认怂了。这次直接使用 Pandas 库的函数，便捷又省事。并且用 Pandas 直接对之前 MA 均线进行改写。我一直同意：I would rather be vaguely right than precisely wrong.

TDengine 数据订阅，订阅过滤，订阅安全，常见问题

这里写目录标题0.数据恢复前提1.搭建测试环境1.1.创建数据库并插入数据1.2.重启数据库保证数据落盘1.2.删除数据库2.恢复数据2.1.关闭数据库2.2.恢复数据文件2.3.修改wal日志2.4.重新启动数据库3.wal日志结构以上实验仅供测试，不建议在生产环境下进行。0.数据恢复前提参数vnodeBak 必须打开，不然数据就无法恢复。vnodeBak 1数据恢复原理：vnodeBak打开的