作者 | 刘垚

编辑 | 尔悦

小 T 导读：在使用或者实现分布式数据库（Distributed Database）时，会面临把一个表的数据按照一定的策略分散到各个数据库节点上的情况，随之而来的是多节点数据查询复杂性的问题，例如 Join 和子查询。本文将会为你解读分布式数据库下子查询和 Join 等复杂 SQL 如何实现，来帮助你更好地解决上述问题。

首先简单讲一下 SQL 的执行过程：

SQL ==> Parser ==> Translate & Semantic Check ==> Optimizer ==> Coordinator ==> Executer

• Parser 产生的是语法树，即 Abstract Syntax Tree；
• Translate & Semantic Check，这一步会从 Catalog 读取元数据，用元数据完善语法树，便于 Optimizer 使用。例如：常见的 select * from tableA，一般会在这一步把“*”换成 tableA 的列；
• Optimizer 产生的是优化之后的逻辑执行计划，即 Optimized Logical Plan，执行计划是个有向无环图，即 DAG；
• Coordinator 负责分发逻辑执行计划给各个节点去计算；
• Executer 会把逻辑执行计划转成物理执行计划，即 Physical Plan。

开源的数据库有很多，我们可以结合一些主流数据库的源代码来理解子查询和 Join 的实现方式，比如关系型数据库 ：Impala、Presto、ClickHouse，时序数据库（Time- Series Database）： TDengine 等。下面从子查询和 Join 两部分进行分析。

子查询部分

逻辑执行计划有多种 Node，分别对应着 SQL 中的各种计算，包括 Scan Node、Join Node、Aggregate Node、Sort Node、Project Node 等等，相应的物理执行计划的算子为 Scan Operator 、Join Operator、Aggregate Operator、Sort Operator、Project Operator 等等。而数据库一般没有计算子查询的算子，这是因为将抽象语法树转成逻辑执行计划之后，就已经没有子查询的概念了，其运行逻辑是数据算子之间自下而上逐层传递，并逐层计算，并不特别计算子查询。下面讲一下分布式数据库针对子查询的一些相关处理。

首先，分布式数据库的优化器会将子查询扁平化处理，这种方式一般分为两种，一种是直接在语法树（AST）上做子查询扁平化（Subquery Flatten），另外一种是在生成逻辑执行计划时进行扁平化。这两种方式本质上大同小异，都要保证语义的等价性。但也并不是所有的子查询都能扁平化，有如下几种特殊情况：

• 子查询和父查询都有聚集函数
• 子查询有聚集函数，并且父查询有分组计算（Group By）
• 子查询有聚集函数，并且用子查询聚集函数的结果关联（Join）父查询的表
• 父查询有聚集函数，并且子查询有分组计算（Group By）
• 子查询有 Limit（限制返回结果的行数），并且父查询有过滤条件（Where）或者分组计算、排序（Order By）
• 其他

基于 AST 进行子查询扁平化时，需要先遍历语法数据，并按规则进行判断，进而去除不必要的子查询。对于生成逻辑执行计划时的子查询扁平化，在生成 Plan Node 时需要先去除冗余的 Node，举个例子，SQL：select colA from (select * from tA) group by colA;

一般来说，逻辑执行计划会有多个子计划，通常在需要网络传输时才会产生子计划，需要注意的是子计划和子查询之间并没有必然的联系，即有子查询不一定对应一个子计划。

Join 部分

首先，分布式数据库会对 Join 进行优化，包括 Join 消除（例如基于主键外键去除不必要的 Join）、外连接消除（Outer Join 转成 Inner Join）、Join Order 优化（基于数据的统计信息，用动态规划算法、贪心算法或遗传算法等优化 Table 的 Join 顺序）等等。

再讲一下 Join 的三种基本算法：Hash Join（必须要有等值连接条件，例如 t1.colA = t2.colB）、Merge Join（左表和右表的数据都是有序的，按连接条件中的列有序）、Nestloop Join（含有非等值连接条件并且数据无序）。在实际当中，会把三种算法进行混合使用，这是因为 Join 条件可以同时包含等值连接和非等值连接，例如 t1.colA = t2.colB AND t1.colC > t2.colC

Hash Join

在进行 Join Order 优化时，优化器会调整左表和右表的顺序，一般把小表放右边，大表放左边，并且选择 Join 模式：Shuffle Join（按照关联条件，同时 shuffle 左表和右表，然后再计算 Join） 或 Boradcast Join（把右表广播到左表所在的节点，注意左表不动，然后再计算 Join）。一般是基于代价去选择 Join Order 优化，但考虑到统计信息可能会存在误差，因此很多数据库可以通过 Hint、Query Option 等方式，由用户来指定 Join 顺序、Join 模式等。

Hash Join 是目前最常用的 Join 算法，大部分数据库都实现了 Hash Join。这种算法会先读取右表，并把右表的数据放入 Hash Map 里，如果存不下就会放入外存。通常情况下，各个数据库都会实现自己的 Hash Map，很少直接使用 STL 或 Boost 等第三方库中的 Hash Map，原因主要有两点：

• 定制化 Hash Map 会提升 Join 计算速度。
• 定制化 Hash Map 能更准确地控制内存使用，当内存不足时，会使用外存，定制化 Hash Map 可以根据 Join 算法，优化 Swap 机制，减少 Swap 的数据量。Hash Map 的结构如下：

右表可能含有重复的数据，所以会有 Duplicate Node。这里的重复数据是指 Join Key（Join 条件对应的列）的数据重复，并且其他列不重复，所以要分别缓存。注意上述图中，是通过 Hash 算法解决 Hash 冲突的问题，即不会把不同的 Join Key 放在同一个桶中。当然，现实操作中也有把不同的 Join Key 放在同一个桶中的情况，那需要遍历 List 才能确定查找的 Join Key 是否存在。

Merge Join

Merge Join 一般是在左表和右表的数据是有序的情况下使用。例如时序数据库 TDengine，数据按时间戳列有序，那么用时间戳列做 Join 时，TDengine database 会用 Merge Join 来计算，这样的一个好处是处理速度非常快，并且占用内存非常小。

Nestloop Join

这种 Join 算法速度非常慢，但对于全功能数据库而言是不可缺少的。使用这种算法时，可以结合索引来提速。

总结而言，Hash Join 使用最广，适用于很多数据分析的场景，并且大部分数据库都支持；Merge Join 一般是在左右表数据有序时才会使用，不需要缓存数据，所以使用内存非常少，计算速度是三种 Join 算法中最快的；Nestloop Join 性能很差，分布式数据库一般很少使用，有些分布式数据库就不支持，可以通过索引来加速 Nestloop Join。

写在最后

上面我们对子查询和 Join 两种复杂 SQL 的实现方式做了具体解读，大家可以结合一些开源数据库的源代码来理解，像 TDengine 的源代码都可以在 GitHub 上看到，如果你对时序数据库的复杂 SQL 实现有兴趣，这就是一个不错的观摩对象。也欢迎大家在下方评论区进行交流。

---

点击了解更多 TDengine Database 的具体细节。

小 T 导读：在对多款时序数据库进行了选型测试后，同程旅行自研的“夜鹰监控”搭载 TDengine 代替了现有存储设备，减少运维成本。本文分享了他们对建表模型的方案选择思路，接入 TDengine 后所遇到问题的解决经验以及落地效果展示。

 

同程旅行有一套自研的基础监控系统“夜鹰监控”。目前夜鹰监控使用情况为百万级别 endpoint、亿级 metric、每秒 200 万并发写入以及 2 万并发查询。其存储组件基于 RRD 存储，RRD 存储虽然拥有很好的性能，却也存在着一些问题——基于内存缓存定期写入 RRD，在机器重启后会丢失部分数据。

出现这一问题的原因是 RRD 写入为单点写入，当机器故障后无法实现自动切换，这一存储特性也导致无法展示更长时间的原始数据。 针对此问题，夜鹰监控做了很多高可用设计，但还是很难满足业务的需求，之后又进行了如下改造：

• 引入了 ES 存储，为夜鹰监控提供 7 天内原始数据的查询，目前部署的 2 套存储。
• RRD 提供给 API 调用，调用量在几万级 TPS。
• ES 提供给夜鹰面板使用，保存 7 天原始数据，调用量在几百 QPS。

但随着基础监控系统接入指标的增长，目前 2 套存储系统在资源消耗方面一直在增长，同时业务对监控也提出了更多的聚合计算功能要求。基于此，我们需要寻找一个新的时序数据库来代替现有的存储系统，以减少运维成本。

在进行时序数据库选型时，实际需求主要有以下三点：

• 性能强，可以支持千万级别并发写入、10 万级的并发读取
• 高可用，可以横向扩展，不存在单点故障
• 功能强，提供四则运算、最大、最小、平均、最新等聚合计算功能

通过对比 InfluxDB、TDengine、Prometheus、Druid、ClickHouse 等多款市面流行的时序数据库产品后，最终 TDengine 从中脱颖而出，能满足我们所有的选型要求。

一、基于 TDengine 的建表模型

夜鹰监控系统不仅存在系统指标数据，同时也会存在业务指标数据。前者诸如 CPU、内存、磁盘、网络一类，这类信息是可以预测的指标，其指标名是固定的，总数约为 2000 万个。后者则会通过夜鹰监控的 API 上传业务自身定义的指标，指标名是无法预测的，其特点是并发量不大却存在长尾效应，随着时间累积，一年可以达到一亿级。

而 TDengine 在创建表之前需要先规划表的结构，从上面的数据存储背景来看，如果要将海量的指标数量直接一次性扁平化全部创建，则会造成性能的下降。通过和 TDengine 技术支持人员沟通，他们给出了两个建表方案：

其一，将系统类基础指标聚合到一个超级表，一张表存放一个节点，多个指标一次性写入。这个方式的好处是表的数量可以降低到千万级别，但因为夜鹰监控的数据是单条上传的，很难做到一个表里面全部指标集齐再写入。并且不同的指标上传频率不同，如果再根据频率建不同的超级表，运维管理成本会非常高。

其二，将不同的指标建成一个一个的子表，5 千万个左右的指标汇聚成一个集群，分多个集群接入。这种方式的好处是表结构简单，但运维管理多个集群会很麻烦。不过我们也了解到涛思数据明年会发布 TDengine 3.0 版本，能支持超过上亿张表，那么这一方案就可以很好的进行数据迁移了。

最终，我们选择了第二个方案。同时为了减少搭建集群的数量，准备写个程序定期清理掉过期的子表。目前夜鹰监控的超级表结构如下。

夜鹰监控接入 TDengine 后，架构图如下。

二、接入 TDengine 之后的效果展示

在进行数据迁移时，我们先是将夜鹰监控数据转移到 Kafka 中，之后通过消费转换程序将 Kafka 的数据格式转为了 TDengine SQL 格式。 这个过程还遇到了如下三个小问题，解决思路放在这里给大家参考：

• 连接方式问题。刚开始我们使用的是 go-connector sdk 的方式接入 TDengine，跑起来后发现，go-connector 依赖于 taos client 包以及 taos.cfg 配置文件里面的链接配置，同时因为 FQDN 的设置难以使用 VIP 负载均衡的配置方式。我们考虑到后面消费程序会部署到容器中，不宜产生过多的依赖，因此还是放弃了 go-connector 的连接方式，改为了 HTTP RESTful 的连接方式。

• Kafka 消费数量问题。由于夜鹰监控上传到 Kafka 里面的数据是一条一个指标，再加上 200 万左右的并发，连接数很快就耗光了。通过和 TDengine 技术支持人员沟通，了解到可以改造成批量 SQL 的方式写入，最佳的实践效果是 400-600K 单个 SQL 的长度。经过计算，我们上传的指标条数大概为 5000 条左右，大小为 500K 。

• 读取速度问题。因为每次要等到消费 5000 条数据，才会触发一次写入，这种情况也导致读取速度较慢。TDengine 技术支持人员再次给出了解决方案——使用 Taos 自己实现的 Queue，代码地址为:github.com/taosdata/go-demo-kafka/pkg/queue ，有需要的同学可以自行获取。

聚焦到实际效果上，TDengine 数据写入性能很强。原本我们的单套存储系统需要 10 多台高配机器，IO 平均 30% 最高 100% 的情况下才能写完数据；现在只需要 7 台机器，并且 CPU 消耗在 10% 左右、磁盘 IO 消耗在 1% 左右，这点非常的棒!

同时，其数据读取接入过程也很顺利。使用 RESTful 接口后，结合 TDengine 自带的强大聚合函数功能，很容易就能计算出想要的结果。

三、写在最后

在我们的项目中，TDengine 展现出了超强的性能和多元化的功能，不仅具备高效的写入性能、压缩率，其聚合函数功能也非常齐全，支持
Sum/Max/Min/Avg/Top/Last/First/Diff/Percentile 等多种函数，在架构上也设计的很合理，可以实现很好地横向扩展。同时，其自身监控也做的很不错，打造了基于 Grafana 的 TDengine 零依赖监控解决方案 TDinsight，在监控系统自身状态上展现出了很好的效果。

未来，我们也希望与 TDengine 展开更深层次的合作，在此也为其提出一些小小的建议，助力 TDengine 往更好的方向发展：

• 官方文档还不够完善，新版的功能在文档中没有体现，很多用法缺少代码示例，个人理解起来比较晦涩难懂
• 社区用户经验传递不是很多， 遇到一些问题时，Google 比较难以找到社区的解决案例

在接入的过程中，非常感谢 TDengine 的技术支持人员的全力支持。虽然目前 TDengine 还处于发展初期，也存在一些问题需要优化，不过其优异的性能还是给了我们一个大大的惊喜！总而言之，TDengine 是个非常不错的存储系统，相信在陶老师的带领下会发展的越来越好！

 

想了解更多 TDengine 的具体细节，欢迎大家在GitHub上查看相关源代码。

 

去年 8 月我们在 TDengine 开发者大会上正式发布了 TDengine 3.0，TDengine 也由此升级成为了一款云原生时序数据库（Time Series Database，TSDB）。为了客观、准确、有效地评估 TDengine 3.0 的性能指标，我们决定使用 TSBS（Time Series Benchmark Suite）作为基准性能测试平台，针对 DevOps 场景的数据集对 TDengine 3.0 展开整体（包括写入、查询、存储、资源消耗等）性能评估。

 

TSBS 是一个时序数据处理（数据库）系统的性能基准测试平台，提供了 IoT、DevOps 两个典型应用场景，它由 Timescale 开源并负责维护。作为一个性能基准测试平台，TSBS 具有便捷、易用、扩展灵活等特点，涵盖了时序数据的生成、写入（加载）、多种类别的典型查询等功能，并能够自动汇总最终结果。由于其开放开源的特点，得到了众多数据库厂商的支持，作为专业的产品性能基准测试平台被若干数据库厂商广泛使用。

 

以下的性能基准报告均使用了 TSBS 作为基础 Benchmark 平台，我们从时间跨度和发布厂商的知名度同时来看，就能发现，基础测试平台 TSBS 已经具备了很高的认可度：

• 2018 年 11 月，VictoriaMetrics 的创始人 Aliaksandr Valialkin 发布 《High-cardinality TSDB benchmarks: VictoriaMetrics vs TimescaleDB vs InfluxDB》，将 VictoriaMetrics 与 TimescaleDB、InfluxDB 进行性能对比。
• 2018 年 11 月，文章《ClickHouse Crushing Time Series》中对比了 TimescaleDB, InfluxDB, ClickHouse 在时序数据场景下的性能。
• 2020 年 3 月，Cloudera 在网站博客中发布《Benchmarking Time Series workloads on Apache Kudu using TSBS》，在 DevOps场景 中对比了 Apache Kudu, InfluxDB, VictoriaMetrics, ClickHouse 等整体性能表现。
• 2020 年 3 月， Redis 发布了基于 TSBS 的性能报告《RedisTimeSeries Version 1.2 Benchmarks》。
• 2020 年 8 月，Timescale 在其官方博客发布了性能对比报告《TimescaleDB vs. InfluxDB: Purpose Built Differently for Time-Series Data》。
• 2021 年 8 月，QuestDB 发布了 QuestDB 与 TimescaleDB 的性能对比报告——《QuestDB vs. TimescaleDB》。

 

DevOps 场景是一个典型的时序数据应用场景，TSBS DevOps 场景提供了 CPU 状态的模拟数据，针对每个设备（CPU）记录其 10 个测量值（metric），1 个时间戳（纳秒分辨率），10 个标签值（tag）。生成的数据每 10 秒间隔一条记录，具体的内容和示例数据如下：

TSBS 测试可以简单划分为两个主要部分——数据写入和数据查询。在本次整个基准性能评估中，共涉及以下五个场景，每个场景的具体数据规模和特点见下表：

通过上表可以看到，五个场景的区别主要在于数据集所包含的设备记录数量、设备数的不同，数据时间间隔均维持在 10 sec。整体来看，五个场景的数据规模都不算大，数据规模最大的是场景五，数据达到了 1.8 亿，数据规模最小的是场景一，只有 2678 万条记录。在场景四和场景五中，由于设备数量相对较多，所以数据集仅覆盖了 3 分钟的时间跨度。

为了保证测试结果的公正可靠及可复制性，我们选用了公共 IaaS 平台来搭建 Benchmark 基础硬件环境，采用了大多数性能对比报告中使用的场景——亚马逊 EC2 服务环境下 r4.8xlarge 类型的实例作为基础运行平台，区域为北美地区，包括 1 台服务器、1 台客户端。客户端与服务器硬件配置完全相同，两者使用 10 Gbps 网络连接。配置简表如下：

本次测试的对比软件为 InfluxDB1.8.10 及 Timescale 2.6.0，在这里要着重说明一下，由于 InfluxDB 最新的 2.0 版本并没有纳入 TSBS 的主干分支，因此在这次测试中我们暂且使用了 TSBS 主干分支所支持的 InfluxDB 最新版本，即 1.8.10。

整个 TSBS 测试流程相对比较简单，在进行写入性能对比时，配置完成参数后直接运行 TSBS 框架脚本，等待结果输出即可。对于查询处理，我们选择了批量自动化去运行，对每个查询语句运行 5000 次，统计查询延迟的算数平均作为最后的查询延迟结果。此外我们还全程监控并记录了整个过程中服务器与客户端节点的系统资源开销与负载情况。

下面可以简单为大家介绍下本次测试结果。如下表所示，在全部五个场景中，TDengine 写入性能均优于 InfluxDB 和 TimescaleDB，写入过程中资源占用最低。对比 InfluxDB，TDengine 写入最优的场景是在 1000 万设备下，达到了 InfluxDB 的 10.6 倍；对比 TimescaleDB ，TDengine 写入最优的场景是在 4000 个设备下，达到了 TimeScaleDB 的 6.7 倍。

在查询测试上，我们将其分为 5 大类、15 小类进行查询对比，从下图结果汇总中可以看到，在全部 15 个查询类型中，TDengine 的性能均优于 InfluxDB 和 TimescaleDB，并且它的所有查询延迟均比 InfluxDB 和 TimescaleDB 更低。亮点数据之一体现在 Double Rollups 查询类型对比中，TDengine 最大达到 InfluxDB 的 34 倍，TimescaleDB 的 24 倍。

以上就是 TDengine 基于 TSBS 测试报告的测试背景介绍。

 

量价分析:换手率独家实战战法1

绝大多数股票的每日换手率在1%-25%之间（不包括上市前三日的上市新股），大量股票的日换手率集中1%-21%之间，大约70%的股票的日换手率低于3%。也就是说，3%是一个重要的分界，3%以下的换手率非常普通，通常表现没有较大的实力资金在其中运作，当一只股票的换手率在3%-7%之间时，该股已进入相对活跃状态，应该引起我们的注意，10%的日换手率在强势股中经常出现，属于股价走势的高度活跃状态，一般来说，这些股票正在或者已经广为市场关注。日换手率10%-15%的股票如果不是在上升的历史高位区或者见中长期顶的时段，则意味着强庄股的大举运作，若其后出现大幅的回调，在回调过程中满足日最小成交量或成交量的1/3法则或1/10法则则可考虑适当介入，当一只股票现超过15%的日换手率后，如果该股能够保持在当日密集成交区附近运行，则可能意味着该股后市具潜在的极大的上升能量，是超级强庄股的技术特征，因而后市有机会成为市场中的最大黑马。　　

日换手 状态 盘口 资金介入程度　操作策略 走势趋向

01%-03% 冷清 不关注 散户资金 观望 无方向　　

03%-07% 相对活跃 适当关注 试探介入 原则观望 小幅升或跌

07%-10% 高度活跃 高度关注 大举介入 考虑买或卖 稳步升或跌

10%-15% 非常活跃 重点关注 深度介入 大举买或卖 大幅升或跌

15%-25% 极度活跃 极度关注 全线介入 短线进或中线清 暴涨或暴跌

成交量选股六原则

1）任何进出，均以大盘为观察点，大盘不好时不要做，更不要被逆市上涨股迷惑。

2）在多数情况下，当量缩后价不再跌，一旦量逐步放大，这是好事。

3) 在下跌过程中，若成交量不断萎缩，在某天量缩到“不可思意”的程度，而股价跌势又趋缓时，就是买入的时机。

4）成交量萎缩后，新底点连续2天不再出现时，量的打底已可确认，可考虑介入。

5）成交量萎缩后，呈现“价稳量缩”的时间越长，则日后上涨的力度愈强，反弹的幅度也愈大。

6）量见底后，若又暴出巨量，此时要特别小心当日行情，一般情况下，量的暴增不是好事，除非第二天量缩价涨，否则是反弹而已。

如何挑选底部放量黑马

投资者在挑选底部放量黑马时，关键是寻找适度放量的个股，成交量不放大或过度放大，都不利于该股未来的发展。因为如果个股放量过度，往往会极大地消耗该股做多的能量，使短期后继资金无法及时接力，个股的上涨将缺乏持续性的动力，从而使股价上涨往往一步到位，缺乏实际投资价值。至于成交量放大是否适度，可以参考以下指标，做为选股的标准。

一、股价启动初期，单日成交量大于该股的前五日移动平均成交量2.5倍，大于前10日移动平均成交量3倍。

二、股价启动初期的单日盘中量比至少要达到10以上，收盘时量比至少要达到2.5以上。

三、股价启动初期成交量保持温和放大状态，量能乖离率指标VBIAS能够保持3至5天的快速持续上涨，并且在股价启动后的一段时间内，24日VBIAS能多次穿越0轴线。

四、移动平均成交量VOSC指标大于0轴线，并且逐渐缓慢上移，即使偶遇调整，VOSC指标为正值的时间远多于为负值的时间。

五、成交量标准差指标VSTD快速上升到该股历史上罕见的极高位置时，表示该股成交量过度放大。这种极高位置由于各种股票的流通盘大小不同和成交活跃度不同而有所不同，所以没有一定的量化标准，投资者可以根据个股的VSTD指标历史表现进行比较。

六、底部放量个股的成交量虽然和前期相比有明显的增加，但和个股的流通盘相比并不大，每日成交换手率不能超过10％。

操作要领：不同股票应设不同止盈位。

天量与地量

◆ 如何界定何为天量？天量出现之前股价已经出现连续上涨，且上涨的幅度很大，目前价格已经高企；股价进入飚升末期，连续大幅上扬后出现上涨乏力；市场人气鼎沸，交投异常活跃，利好传闻到处乱飞；成交活跃度非常大，换手率连续数日保持在10%以上。

天量出现时应该怎样操作？一旦出现天量，那么股价离见顶回落就不会很远了，在这个时候中长线投资者就应该着手抛出手中的股票，但是具有丰富市场经验的投资者都知道由于这段时间股价仍然会有很大的惯性上冲时机，抛的过早将不利于利润的最大化，要怎样抛才能获得尽可能多的利润呢？在这里介绍一种“倒金字塔”卖出方法：在第一次出现巨大成交量时，投资者开始部分抛出手中的股票，以持仓量的1/4为宜，然后当股价继续上涨并创下新高之后再抛出持仓量的1/4并加码卖出，加码的幅度为1/4的1/3（即持仓量的1/12），即卖出原有持仓量的，第三次则在第二次卖出数量的基础上再加码卖出（1/12），将所有股票出清。如此一来，就可以使抛出股票的价格水平与股价顶点接近，从而尽可能地实现利润最大化的目标。

◆ 地量的量化标准。低于0.2%的换手可以看作是地量。在一个区域多次或连续出现地量就是地量区。强势背景下的地量有很高的参考价值，而长期弱势的冷门股则参考意义不大。在少数情况下，从高换手快速萎缩的成交量可以高于这个标准。这关系到成交量萎缩的速率（包含空间和时间）。

在股价运作过程中（不论涨跌），通过对各个调整段中各不相同的地量的研判，捕捉变盘点！使操作更趋于理性和合理。

从底部放量看庄家意图

一般而言，当某只股票自高位回调至前期低点附近时，由于跌幅巨大投资者往往在此区域不敢进行操作，而此时庄家却借机开始逐步建仓。尤其值得投资者注意的是一些庄股在底部区域出现明显的放量之后，股价上升至２１日均线之上，随即采取横盘均量盘整走势，其目的无非是为了清除追风盘和消磨前期套牢筹码。从Ｋ线图上反映为小阴小阳，其股价重心以２１日线为依托进行调整，相对应的成交量较前期开始放大，中期均线系统中６８日均线自上而下趋于平缓并与股价越来越接近。股价在底部区域依托２１日均线进行盘整，１０日均线上穿２１日均线，短期强势特征形态初现，一旦形成两线上穿一线形态时，股价将进入中期拉升行情。

１、当股价在低位止跌后上升至１０日均线之上时，其成交量微微放大，表明增量资金开始进场吸筹，此时不要急于介入。待股价继续上升至２１日均线之上时，若相对应的成交量放出近期天量，则待股价回调至１０日均线附近时介入１／４仓位。

２、当股价回调至１０日均线附近止跌，再次上升至２１日均线之上，相对成交量放大，而１０日均线同时上穿２１日均线阻力位成金叉时，应再补１／４仓位操作。

３、当股价攻击６８日均线成功后，切不可追高操作，因为此时庄家往往要进行洗盘操作以减轻拉升阻力。投资者应等股价回调至６８日均线支撑位止跌后，并再次上升至２１日均线之上时，若相对应的成交量放大可及时介入。

巨量大阴线，砸出大庄股

（1）巨量大阴线多出在单边上升的大牛股中，其中第一根巨量大阴线介入安全系数最高。

（2）次日走势十分关键，若收出阳线，且量能不缩，可大胆介入。

（3）巨量大阴线收出当日，市场中此类个股传闻较少。

若股票符合以上原则，介入该股便可实现获利迅速且丰厚的目标。

成交量与资金流向

股票价格的运作，从长期看受价值规律的支配，但在一段时间内，股价的变化是特定时期供求关系直接作用的结果。而在某一特定时期，股票市场总供给和某一股的总股本或流通量是相对不变的，此时，股价的变动主要取决于需求的变动，即资金的流向。一般来讲，资金流量与股价成正比关系。当资金流量增大后，股价就大幅上升，反之则下降。正因为如此，投资者选股时一定要看准股市内资金总量的具体流向。几年来的股市运作已经证明：只有某一个股的流通筹码完成了弱者向强者的转移，这一个股方可能有强势的表现。对一个新兴的投机性较强的股市而言，如果某一个股流通的大部分流入大机构手中（不论是因为承销、配股还是二级市场吸筹），则该股迟早将有惊人的表现；如果哪类个股的流通股在主力炒作后多数筹码流入中小投资者手中，则这些个股的市场表现将在相当长的时间内显得疲弱。判断资金流向最主要的还是应该从价格和成交量两方面入手，具体法则如下：

1、股票价格经过长期的下跌以后，成交量会逐步递减到过去的底部均量附近。此时，股价的波动幅度越来越小，并停止下跌，成交量也萎缩到极限；此后，成交量逐递增，乃至出现放巨量的现象，说明可能有大资金介入该股，因此，投资者应特别关注成交量形成“散兵坑”的个股。“散兵坑”形成过程中，右半球成交量不断递增，或股价大幅上升，成交量剧增，表示供求关系已经发生改变，已经有大资金在建仓吸筹了；指数跌、个股价格不跌的股票尤应引起注意。

2、在股价变动过程中的相对低位，形成双底、圆底等技术形态，突然有一天产生跳空缺口，配合成交量的有效放大，说明已经有大资金进入该股。

3、在股价经历一定的跌幅后，某一个股价格率先开始温和上涨，或大盘指数下跌已有相当幅度，某一个股也在下跌，但某一个股的换手率较高（明显高于大盘的换手率），这类个股可能有大资金进入。一般来说，在低价区换手率较高，表示有大资金在建仓；在高价区换手率较大，则可能有大资金在流出。

4、由于特定的政策原因或其它原因，股价产生连续暴跌的情况，此时在低档出现大成交量而股价没有出现进一步下跌，此即表示有大资金在进货。

5、股价连续下跌20%至30%以后，股票已具有相当的投资价值，股价形成小箱体整理的局面，此时，股价忽然向下跌破箱底，同时出现较大的成交量，此后不久，股价又回升到原先的箱体之上，要留心是否有大资金在建仓。

6、5天、10天的成交量平均线开始向上移动，或5天10天成交量均线横向移动，而某一天或连续几天成交量突破均线，表示有大机构在底部收集筹码。

7、在某一个股的相对低价区域，市场平时交易不多，某日突然出现大手成交，如果大手成交出现而成交价比刚完成的成交价还高，显示有机构愿意高价扫货，这类个股值得留心。

8、在大成交量出现以后，有时个股会出现股价上升不需要成交量配合，价升量缩的情况，说明该股已经有大主力介入，且正在拉抬股价。此后，如大盘涨，这一个股不涨，而成交量非常萎缩，表示大资金没有流出意愿，或无法流出，这时股价的震荡可能是机构的洗盘动作。如果产生大盘上涨这一个股不涨甚至下跌，成交量不时放大的情况，应留心有大机构在出货。

9、当股票价格持续上涨数日之久，出现急剧增加的成交量，而股价上涨乏力，甚至出现出利好下跌的情况，显示股价在高档大幅震荡，成交量放大时，有大机构的资金在流出市场。

10、在股价经过大幅上升后，如果出现股价上升，成交量却逐渐递减的情况，此时的股价只是靠人们的信心在维持，显示有资金正在从这一个股撤离。

量价分析:换手率独家实战战法2

底部动量找黑马

　　在盘局的尾段，长期牛股的股价走势具有以下特征:1、波动幅度逐渐缩小；2、量缩到极点；3、量缩之后是量增，突然有一天量大增，且盘出中阳线，突破股票盘局，股价站在10日均线之上；4、成交量持续放大，且收中阳线，加上离开底价三天为原则；5、突破之后，均线开始转为多头排列，而盘整期间均线是叠合在一起。

成交量变化找黑马

　　1、成交量出现的位置决定股价的走势，长期盘整之后出现连续巨量且股价小幅上扬的股票可以大胆介入，不能畏缩不前；2、高价区出现巨量而股价变动不大的股票千万不要追进；3、能够大涨的股票必须有强大的底部动力，否则不会大涨，底部动力越大的股票，其上涨的力度越强；4、成交量的圆弧底必须加以注意，当成交量的平均线走平时要特别注意，一旦成交量放大且股价小幅上扬时，应该立即买进；5、股市中获利的关键是在于选股，不能单看大势挣钱，否则很容易赚了指数亏了钱；6、成交量是股市气氛的温度计，有很多股票的狂涨并不是因为有什么重大利多，纯粹是筹码供求关系造成的，而从成交量的巨大变化，就可以测知该股股价变化的潜力；7、没有合适的机会就不要进场，股票不是天天都可以做的，一年做几次就够了，只要抓住几只黑马就够肥的了；8、量是价的先行指标，成交量分析是技术分析及选股决策过程中最重要的分析内容；9、在上涨过程中，若成交量随之放大，价格保持连续上涨，则上升的趋势不变；10、在下跌趋势中，成交量若有放大现象，表明抛压并未减少，而价格保持下跌，则下跌形态不变；11、在上涨过程中，若成交量随之大幅扩增，但价格并不持续上升，则表明阻力加大，这是反转的征兆；12、在下跌趋势中，若成交量有放大现象，但价格下跌趋缓，说明下方支撑力度增加，为反弹征兆。

地量杀熊法

　　地量见地价，意味着跌到底了，此时进入，必赢无敌。能真正认识什么叫地量是关键。其实就是当股价大幅下跌后，股价长期横向整理，并且不断地出现低量与极地量，均线接近粘合或者是大多均线向下。出现这些现象时，应高度关注。放进自选股中。在分时线上看，应该是横盘走法的，分时量是很少的，此时由于我们已高度关注了，就死盯他，当在成交细节上出现大单交易，而在分时图上出现密集的量柱，同时分时线流畅向上，成交单上出现排炮式向上买单时，我们此时就知道了地量已出现了。看到这里，大家应该明白了，原来地量是事后才能知道的，那些“高手”们讲他们能提前知道地量是骗人的。地量原来是这样确认的。

地量实战应用：

　　由于地量只能是事后知道的，那么我们还能不能赚到地量的钱呢？

　　答案是肯定的，但赚到多与赚得少是实战水平高低的分别，买在地价低位赚到钱与买在高价亏了钱是高手与低手的区别。

　　当你水平高时应是这样的，在个股处于技术上的低位并且分时线上出现我以上讲的现象时你能及时杀入，你就能买到低价了，你越早介入，那么介入价就越低了，这就是地价了。如果你不能在分时线时及时判断到地量地价时，其实也不用后悔，你还是有机会在日线上找到地量地价进入的，那就是在大盘市场向好时，你也可以在日线上出现地量后，在第二天开市时，大盘还向好（大盘之前同时也出现地量）时，开盘后看到个股买卖单活跃你就第一时间买入，此时你还是可以赚钱的。

　　地量是相对的，而不是绝对的，是近期低量就行了，并不是指绝对的地量。

　　再给大家一个提示：地量在不同的周期级别有不同的操作价值，弱市时只能有小的价值，此时对应的实战资金一定不能大。强市时对应的进入资金量可以加大到一半以下，当有钱赚了后就再加。这样做是保守些，但能保证你的金钱安全。5分钟上有地量，15分钟上有地量，30分钟有地量，60分钟也有地量，日线上也有地量，周线上也有地量。这些地量有实战作用。

　　月线上也有地量，这个暂时对国内股市来讲没多大实战意思。

　　在5分钟上发现了地量进入比15分钟发现的进价低……，但同时地如果你K线水平与盘口水平不高，危险也大。另一个实战作用就是：当在周线上没找到好的地量介入时机时，你可以在日线上找到时机，在日线上没找到时，就到60分钟线处找。一般希望水平不高的人不要找30分钟以下的机会。

资金进场的四个重要信号

　　一、底部放量是大盘或个股的涨升信号。一般讲个股在盘底筑底时成交量并不会有很大的放大，但那种在筑底时股价并未有较大的上攻但成交量悄然放大的个股，应多关注。

　　二、经下调后股价的反复震荡也是资金进场信号。相当多的个股在经过下调之后，会因其中的风险释放吸引新的资金介入，然而这些资金介入后并不急于拉升，而是反复洗盘，在震荡之中进行有耐心的低位吸筹，“双底”、“复合底”等也因此产生。一般无大资金吸筹的个股成交量不会大，震荡幅度也有限。

　　三、逆市逞强的个股也是有资金进场的重要表现。任何个股在大盘下调时走强，没有实力资金支持是办不到的，应关注其中累计涨幅不大的个股。

　　四、长年走弱的个股一旦发生筑底后强势上攻要关注。

量价分析:换手率独家实战战法3

巧用日换手５％选股

　　“日换手５％的选股思想”的出发点是要找出刚刚开始起涨的个股，在牛市的上升浪中长期持有，在大势实质性走弱时抛出，实现利润的最大化。“日换手５％的选股思想”有两个前提条件。第一，大盘处于牛市行情之中。中国股市具有较明显的周期性特征，熊市和牛市每隔一段时间交替出现。第二，要选择的股票处于热点板块之中。“日换手５％的选股思想”的内容是，在满足了上述两个条件的前提下，投资者可以考虑选择日换手率大于５％，小于１０％，并且超越前期阻力位的个股。

缩量买入法

　　一般来说，成交放出巨量时，股价往往处在相对高位；成交极度萎缩时，说明股价已跌至相对低位，这对短线寻找买点特别有效，假如某股在一段时间内成交量逐步萎缩，当量无法进一步萎缩时，往往意味着股价将止跌。至于萎缩到什么程度，这没有确定的标准。一般来说，热门股成交量处在1个月来的最低水平时，阶段性低点随时有可能出现。该方法对捕捉热门股的买点较为合适，特别是前期的热门股出现阶段性调整之后，往往有再起一波的机会，此时即可观察成交量的萎缩情况，一旦量能创出近期的新低，说明阶段性低点可能已经来临，而对冷门股、处在下跌趋势的个股，则不适宜用此法，这些个股有可能出现成交一再萎缩而股价依然未止跌的情况，参考价值不大。缩量之后出现的低点不一定是重要底部，有时仅仅是阶段性的低点。因而只适宜寻找短线低点。对重要底部的寻觅，还需结合其他方法来进行综合研判。

换手率研判

　　一、换手率在1%到2%时，股价运行在小阴小阳窄幅波动中，趋势一般处于横盘整理较为多见，操作上也称为散户行情。股市操作其中有几种不参与行情：

　　其一、大盘缩量调整不参与，即浪费时间又承担市场风险，每次买入赔率大于90%；

　　其二、大盘或自己持有的个股出现大阳不参与，这种形态往往是庄家出货时机。

　　其三、持有的个股股价在相对高位放巨量不参与，这也是庄家出货表现。

　　其四、公布利多不参与，公布有融资倾向消息不参与。

　　二、换手率提高到3%到6%，股价通常出现较为活跃走势，但不一定会产生突破行情。如果这种换手能够延续才会影响股价产生一波较大行情。

　　三、换手率达到8%至15%时，股价都会产生突破行情，一般常见的是突破相对平台拔高建仓走势，有人称为是空中加油。

　　四、换手率出现25%，甚至30%以上，都属于异动行为，比如换庄、倒仓。

　　在研判换手率时，一定要注意：换手率大小是表示推动行情活跃程度的大小，判断时无需过分精确。计算换手率不要划分的太精确，如果一旦追求完美就会进入误区，所以研判成交量看换手率只是衡量一段时间内股价运行的趋势，找对运行方向就算对。比如利用头部区域对比前期头部区域，或是利用一波上升形态对比下降形态所累计的成交换手。研判成交放大是否能够产生突破行情时，不要单一使用一个技术指标，还要结合其他指标共同研判。

　　1、股价在相对底部研判成交量走势口诀：成交量放大，价位不涨，可以适量低吸；成交量放大，价位缓升，量价同步，可以适量跟进；成交量放大，价位狂涨，并封在涨停板，可以持股观望；成交量放大，价位封在涨停板，时而打开又时而封住，成交量呈巨量形态，表明庄家出货，应该随时作好高抛低吸。

　　2、股价在相对高位研判成交量走势口诀：成交量放大，价位不涨，可以适量抛出；成交量放大，价位缓升，量价同步，温和放量，可以适量补仓或持股不动；成交量放巨量，价位涨幅不大，股价形成背离走势，应该适量减仓；成交量放大，价位突破年线、形态等重要阻力位，只要不是跳空突破，一般都视为试盘动作，可适量减仓操作。

量能分析

　　１、丘峰式量能：具体特征为每一次一低峰量能大于前一个循环中的低峰量能，此为主力介入征兆。一般而言，主力介入一只个股，都有一段默默吸筹的过程，一俟其吸筹完毕，即控盘达到３０％左右才会进入拉升。根据其丘峰量能的每波段运行所消耗的总成交量加以研判，如果超过流通盘，则表明主力吸筹完成。此时，如果Ｋ线图上也呈现出完善的波浪起伏，则可以低谷处介入。

　　２、高举高打式进货量能：其表现为该股经过长达半年以上的横盘整理，突然量能急剧放大，一举突破前期高点。具体量化则为５日均量迅速放大，但１０日均量线缓步攀升。从股价上看，为一根长阳将前期往复震荡整理的小阴线小阳线尽踩足下。一旦出现此类个股，投资者应密切关注其成交量的变化，具体而言市场上存在着以下两种情况。Ａ、主力继续高举高打，一意轧空，量能持续沿着中短期的通道上行，直到换手率达到８０％以上，方才进行缩量调整。反映在股价运行图上，则为长驱直上的快马走势，径自沿着５日均线上行；盘中即使有所回档，亦于５日均线处获得支撑。Ｂ、均线形态显示出冲高回落进行平台整理，但股价到放量处均线上方即告调整完毕。后期即使某一日量能低于５日均量，回落亦将在１０日或２０日均量附近受支撑，表明中短期内多空双方力量较为均衡。如出现此类状况，投资者可以在５日均量下叉１０日均量或即将下穿１０日均量时，于下影线部分介入。

　　３、散兵坑式吸筹量能：具体特征为集中在某一时间段内（时间不超过５日，一般１－２日）放量，随后量能突然萎缩，但每一次量能低谷均高于前一波底位量能。换而言之量能已步入上升通道。从Ｋ线组合看，在量能的第一个循环中，均突然拉出一根长阳线，随后回落。中长期看呈现箱体运行，后期若连续放巨量，超越前期最高量能处时即该股将进入如上所言的高举高打阶段，意味着该股拉升在即。入驻这类股票的主力都相当有耐心，一般而言，未在底位吸足筹码，绝不草率行事。而第一次偷袭，仅做试探市场反应，在数次从容洗盘后，震出不坚定分子，为今后发动总动员奠定基础。对于该类股票，投资者往往会在其突然拉升之时抛出，而狡猾的庄家正是利用这一心理在最后拉升期前夕，将一部分持股者扫地出门；只有真正有信心者，才能与庄共舞笑到最后。

骗量分析

　　1、理论陷阱。缩量，放量在现实的技术分析指导中怎么说都有理。如，股价上下运行没有跟量，可以说“无量反弹，没有力度”；也可以说“缩量上攻盘子很轻”；放出较大量，可以说“放量上攻，边打边出”；“放量上攻，开始主升”等。惯常说法把成交量的两头都说了，缩放涨跌都有道理，可是，到底那个说法对？

　　2、操作陷阱。骗量方式很多：在某价位放量，吸引跟风游资注意。或在某特定时间，区间放量，如，暴跌--震仓与吸货，拉升--打高建仓或出货；具体还可以描述为：换手放量；换庄放量，震荡放量，平稳放量，打压放量，拉升放量，对倒放量。相反，缩量表述亦有相似之处。所不同的是，警惕利用成交量组合名堂反做。

　　3、技术陷阱。在成交量的图形组合和成交均量线走势方面下功夫，通过有效骗量，诱使技术高手产生错觉。

　　4、心理陷阱。被搞糊涂了的股民，不见量不敢操作，盼放量；看见放量，神经紧张，怕放量踏空或吃套。在“盼量症”和“恐量症”中无奈徘徊。

　　5、骗量现象。巨量挂单，微量成交，或用推土机战术，大额挂单大额成交，造成假放量上攻之势；定价位堆量，主要在固定价位（如，整数或逢5，逢10）堆量，拉升，下砸是都有会此情景，在规范价区内的标准价位堆量往往出自庄家对倒盘；定时放量，如，在横盘时，几乎每天都在固定时间内放出对倒盘，将股价拉升或打压，可能是配合画，骗线，或试盘所为，不应视为正常放量；开盘，收盘或某特定时段，瞬间堆量（龙头股经常出现此景），往往出现价和量的同步异动，与日线不同的是，经常表现出价量相符或相背离的极端现象。

　　6、据价判量，股价运行不是孤立的。量也可以表示势，判量应当服务于判势和判价，而不应本末倒置。这里的价，不是指一般价格波动的走势，而是在一定量支持下价格可能运行到达的空间范围。本人体会，在一定的价格可运行空间内考察成交量变化，比无价格边际的泛泛考察，更容易把握成交量对价格在特定空间内运行状态的影响程度。

　　7、反骗量操作思路。

　　1）假设，股价可能运行几个浪，那么，在可能转变运行方向的“浪头”“浪底”关键价位（事前也只能假设），一旦出现异常缩放量情况，应当警惕察价格是否出现异动。如果能够提前算出价格的可运行空间，自然可以提高胜判率。

　　2）假设，股价在固定区间的任何位置都可能出现上下空间，即高低差价（如果没有获利空间，根本不要关注）。那么，当价格运行到计算的可运行空间上下界附近时，出现成交量异常，就要重点观察和判别股价下一步将是回调，还是另换一个运行空间的“箱体”？至于目前运行在哪个浪极，如果不是数浪高手，短线尽可以不去纠缠，以免被浪数糊涂了。不必死记成交量的具体量数。比如，观察放量，只要发现每笔成交单子持续变大，成交量的柱子变得比以前持续增高，量比亦持续加大即可，瞬间变化可以忽略。关于价格运行空间，用自己最熟悉的方法计算，大同小异。

　　8、主力资金动作，与成交量不是完全对等的关系。所以，如何看待成交量，成交金额，和量能（包括聚集的和释放的），还有筹码计算等问题，从大势上分析，恐怕都有不可避免的缺陷。2000年3月底以后，市场基本发生了质的变化。以前很多所谓秘籍已经被淘汰。不管是设计公式，还是计算成本，如果把以前的东西当作唯一正确的投资和分析方法，将来在这个市场还要输的更残。有时候我们认为是时髦的算法，往往可能已经是很荒谬的东西了。

 

上一篇：土壤治理可行性研究报告(土壤治理龙头)

下一篇：五步选股的方法(股票五步选股法)