A 股本地数据湖怎么做？
把数据放在自己手里，才能稳定复现回测，不被接口和网络牵着走。
本页要点
- 原始层只追加不覆盖，派生层随时可重建。
- 每批数据带批次号和入库时间，问题可追溯。
- 53 条质量断言 + 3 条复权不变量，不过即失败。
只靠接口现拉数据，会碰到限流、保留期、字段变化和重复计算。本地数据湖把原始数据按主键保存下来，派生数据随时重建，回测和研究才有稳定底座。
为什么用 DuckDB + Parquet
- 列式存储：只读需要的列，适合行情和指标聚合。
- 单机可用：不需要额外数据库服务，2 核 2 GB 也能跑。
- 可核对：原始层只追加不覆盖，带批次和入库时间。
- 可重建：复权、指标等派生层可以从原始层重算。
表怎么分层
原始层保存日线、竞价、涨停池、龙虎榜、人气榜等；派生层保存复权、指标和策略产物；消费方只读视图 v_*，不直接读中间文件。
质量比“有数据”更重要
数据湖不只是把文件存下来。每个交易日要跑 53 条质量断言和 3 条复权不变量：前复权末根等于真实价、后复权首根等于真实价、因子恒为正。不过即退出码非零，避免错误数据继续流向策略。
为什么不能只存一份 CSV
行情数据有复权、停牌、退市、除权、字段变更等问题。只存一份扁平文件，出了问题很难知道是哪一步、哪一天、哪一批数据错了。
本地数据湖会给每批数据留批次号和入库时间，原始层不覆盖，派生层可以重建。这样回测和排障才能复现。
常见问题
一定要用 DuckDB 吗？ 不是。DuckDB 只是单机分析的一种选择，核心是分层、主键、可重建和质量校验。
2 核 2 GB 能跑吗？ 可以跑日常流程，但盘中高频扫描和全量回测要错开，避免同时占用内存。