create-dwy 0.9.1 → 0.11.0

package/templates/claude-global/skills/dwy-dolphindb/SKILL.md

@@ -1,98 +1,145 @@
 ---
 name: dwy-dolphindb
 description: >
-  DolphinDB 开发规范与最佳实践审查。当用户要求生成、修改、审查或优化涉及
-  DolphinDB 的 Python/SQL 代码、脚本拼接、批量写入、查询优化、连接管理、分区
-  裁剪、分区方案设计（OLAP/TSDB/PKEY 引擎单分区大小估算、范围/值/哈希分区选型）、
-  STRING/BLOB/SYMBOL 字段长度限制、数据类型转换、Docker 配置或测试 Mock 时，
-  **必须**使用此 skill。即使用户没有明确提到 "DolphinDB"，但只要代码中出现
-  dolphindb、run_ddb、loadTable、append!、dropPartition、DBConnectionPool、
-  DDBSession、tickDB、factorDB、addRangePartitions、newValuePartitionPolicy
-  等关键字，或涉及 TSDB 分区、时间序列数据库存储、金融 tick 数据/因子数据写入，
-  也要触发此 skill。用于确保代码符合社区版 8GB 内存限制、2 节点集群限制、
-  分区裁剪（包括禁止链式比较 `a <= col <= b`）、输入校验、批量写入 ≤500K 行、
-  SYMBOL ≤255 字节、单分区大小落在引擎推荐区间等硬约束。
+  DolphinDB 3.0 社区版（2核8G / 1控2节点）开发与审查 skill：写 DolphinDB Script (.dos)、
+  用 Python SDK (dolphindb 3.0.4)、设计 DFS 分区表（TSDB/OLAP 引擎选型）、导入 tick/snapshot/
+  kline 金融数据、优化慢查询、排查 OOM / 卡死作业、Docker 部署。也用于代码审查：检查分区
+  裁剪（链式比较 `a <= col <= b`、函数包裹分区列）、批量写入 ≤500K 行、SYMBOL ≤255 字节、
+  STRING/BLOB 静默截断、输入校验防脚本注入、连接池配置、`pool.run` async/sync 用法。
+  关键字触发：dolphindb, DDB, loadTable, loadTextEx, createPartitionedTable, append!,
+  dropPartition, DBConnectionPool, tableAppender, PartitionedTableAppender,
+  MultithreadedTableWriter, addRangePartitions, newValuePartitionPolicy, TSDB, OLAP,
+  getClusterPerf, getConsoleJobs, level2 行情, tick 数据, 时序数据库, 8848 端口, .dos 脚本.
+category: 数据库
 ---
 
-# DolphinDB 开发规范 Skill
+# DolphinDB 3.0 社区版使用指南
 
-## 何时使用
+## 当前环境
 
-只要任务涉及以下任一内容，立即读取 `references/dolphindb-rules.md` 并按本 skill 执行审查：
-
-- 编写或修改调用 DolphinDB 的 Python 代码（`run_ddb`、`run_ddb_with_data`、`DDBSession`、`DBConnectionPool` 等）
-- 编写或修改 DolphinDB 脚本（`loadTable`、`append!`、`dropPartition`、`select` 等）
-- 批量写入 tick 数据或因子数据到 DolphinDB
-- 查询 DolphinDB 中的 tick/因子数据，尤其是 WHERE 条件设计
-- 数据类型转换（Feather/Pandas → DolphinDB）
-- Docker 中部署或配置 DolphinDB
-- 为 DolphinDB 相关代码编写测试 Mock
-- 代码审查（CR）时发现文件包含 DolphinDB 调用
-
-## 使用步骤
+| 项 | 值 |
+|---|---|
+| 版本 | DolphinDB 3.0 社区版 |
+| 拓扑 | 1 控制节点 + 2 计算/数据节点 |
+| 资源 | 2 核 / 8GB 内存（已分配 3GB），磁盘 33 TB |
+| 端口 | Web/控制 `http://localhost:8848`，集群另含 `192.168.0.107:8848` / `172.17.0.1:8848` 等 |
+| Worker | 4 线程，连接上限 512（当前 15） |
+| Python SDK | `dolphindb==3.0.4` |
+| 场景 | 个人/小团队 + 教学，**单查询内存上限按 2GB 控制**（详见 [[performance-tuning]]）|
 
-### 1. 加载完整规则
+## 何时进入哪份 reference
 
-读取 `references/dolphindb-rules.md`。该文件包含全部 12 章规则，是审查的唯一权威来源。
+| 你正在做 | 看这里 |
+|---|---|
+| 第一次连 DDB / `import dolphindb` 报错 / 8848 进不去 | [[setup-and-connection]] |
+| 设计 DFS 分区表 / 选 TSDB 还是 OLAP / 给 level2 建表 | [[create-database-table]] |
+| `loadText` 慢 / 想多线程导入 / Python 写 DataFrame 进 DDB | [[data-import]] |
+| 写 SELECT/INSERT/UPDATE/DELETE / `delete` 删一整个分区 | [[crud-operations]] |
+| 合成 K 线 / 算 SOIR 订单失衡 / 截面排名 / 用 `mr` 分布式跑批 | [[sql-batch-compute]] |
+| Python SDK 用法 / `session.run` 高级参数 / 流订阅 / 异步写 / 类型映射 | [[python-api]] |
+| 查询慢 / OOM / 节点卡住 / 内存涨不下来 / 不知道哪个作业在跑 | [[performance-tuning]] |
+| 时间类型踩坑 / DECIMAL 精度 / SYMBOL 长度 / backtick 单行 / 反模式 | [[pitfalls-and-best-practices]] |
+| Docker 部署 / Alpine 镜像坑 / healthcheck / 资源限制 | [[docker-deployment]] |
+| 官方文档链接 / 版本基线 / GitHub 仓库 | [[sources]] |
+
+## 30 秒速查
+
+```dolphindb
+// 连接（Python）
+import dolphindb as ddb
+s = ddb.session()
+s.connect("localhost", 8848, "admin", "123456")
+
+// 看集群健康
+s.run("getClusterPerf()")                       // CPU/内存/磁盘
+s.run("getRecentJobs(20)")                      // 最近 20 个批作业
+s.run("pnodeRun(getConsoleJobs)")               // 所有节点同步作业
+s.run("getSessionMemoryStat()")                 // 当前 session 内存
+
+// 看库表
+s.run("getClusterDFSDatabases()")               // 所有 DFS 库
+s.run("getClusterDFSTables('dfs://xxx')")       // 库下所有表
+s.run("schema(loadTable('dfs://xxx','t'))")     // 表结构
+
+// 杀作业（按 rootJobId）
+s.run("cancelJob(`xxxx)")                       // 异步作业
+s.run("cancelConsoleJob(`xxxx)")                // 同步作业
+```
 
-### 2. 识别代码中涉及的规则章节
+## 核心原则（社区版 2核8G 必须遵守）
 
-根据当前任务内容，判断主要涉及哪些章节：
+1. **单查询不超 2GB**：8GB 内存 → 系统/缓存 2GB + worker 缓冲 2GB + 单查询预算 ≤ 2GB。先 `count()` 估行数 × 列宽，超了就走分区分批或 `mr`。
+2. **任何 WHERE 必带分区列**：否则全表扫，2 节点直接 OOM。用 `select [HINT_EXPLAIN] ...` 验证是否触发分区剪枝。
+3. **TSDB 排序列别选高基数**：`sortColumns` 不要用主键/唯一列（索引膨胀）；金融场景用 `[SecurityID, TradeTime]`。
+4. **写入用 PartitionedTableAppender + DBConnectionPool**：单连接 + `tableInsert` 慢，4 worker → pool size 3。
+5. **删数据按分区删**：`dropPartition()` 秒级，`delete from` 全表扫慢且占内存。
 
-| 任务类型 | 重点章节 |
-|---|---|
-| 查询脚本编写 | 三（分区裁剪）、八（查询优化） |
-| 建库建表/分区方案设计 | 十二（分区设计原则） |
-| 批量数据写入 | 二（连接管理）、四（批量写入）、十（数据类型映射）、十三（字符串长度限制） |
-| 脚本拼接/动态生成 | 五（脚本语法）、六（输入校验） |
-| 服务层 Python 代码 | 二（连接管理）、六（输入校验）、十（数据类型映射） |
-| Docker/部署配置 | 九（Docker 环境） |
-| 测试代码 | 十一（测试 Mock） |
-| 代码审查/CR | 全部，尤其是十四（检查清单） |
+## 反模式（看到立即停手）
 
-### 3. 执行规则审查
+| 反模式 | 后果 | 改成 |
+|---|---|---|
+| `select * from t where 2024.01.01 <= TradeDate <= 2024.01.05` | 链式条件不触发剪枝 → 全表扫 | `where TradeDate between 2024.01.01 and 2024.01.05` |
+| `delete from t where TradeDate=2024.01.01` | 重写整个分区，慢+占内存 | `dropPartition(database(dbName), 2024.01.01, tableName='t')` |
+| 在客户端 `s.run("select * from huge_table")` | 一次拉全部，OOM | `s.run("...", fetchSize=8192)` 分段读 |
+| DECIMAL 列用 FLOAT/DOUBLE | 精度丢失（金融场景禁用） | `DECIMAL32(3)` / `DECIMAL64(6)` |
+| `DATETIME` 存 2038 后的时间 | 32 位 int 溢出 → 显示 1970 | 全用 `TIMESTAMP`（毫秒精度 64 位） |
+| 建表时 `sortColumns` 用 UUID/序列号 | 索引膨胀，TSDB 查询变慢 | 用 `[业务键, 时间列]` 组合 |
 
-对生成的或已有的代码，逐条检查相关章节的**强制规则**和**违规检测**项。
+**完整反模式清单**（类型陷阱 / SQL 陷阱 / 库表设计 / 写入 / 运维）见 [[pitfalls-and-best-practices]]。
 
-**审查输出格式：**
+## 审查模式（代码 review / CR 用）
 
-对每处问题，使用以下格式报告：
+任务是**审查**他人代码时，按以下格式输出：
 
 ```
-⚠️ [规则章节] 具体问题
+⚠️ [reference名] 具体问题
    违规代码：<摘录>
-   修复建议：<具体修改后的代码>
-   原因：<引用规则中的说明>
-```
-
-对符合规则的代码，可以简要确认：
+   修复建议：<可直接替换的代码>
+   原因：<对应 reference 里的依据，一句话>
 
+✅ [reference名] 符合要求 — <简要说明>
 ```
-✅ [规则章节] 符合要求 — <简要说明>
-```
-
-### 4. 特别关注以下致命违规
-
-以下问题会直接导致生产故障或 OOM，必须零容忍：
-
-1. **分区列被函数包裹**（如 `date(trade_date)`）→ 全表扫描 → 8GB OOM
-2. **链式比较过滤**（如 `2022.12.01 <= TradeDate <= 2022.12.03`）→ 不触发分区剪枝 → 全表扫描
-3. **单次 append 超过 500K 行** → TSDB 报错 `exceeds max limit`
-4. **未校验的外部输入拼接到脚本** → 脚本注入风险
-5. **连接池做 upload + run** → 变量跨连接不可见
-6. **select *** → 传输全部 30+ 列，浪费带宽和内存
-7. **分页使用 `LIMIT x OFFSET y`** → DolphinDB 不支持 OFFSET 关键字
-8. **`asyncio.to_thread(pool.run, script)`** → SDK v3 的 `pool.run()` 已是原生 async，无需包装
-9. **SYMBOL 列写入未校验长度** → 超 255 字节抛异常，整批写入失败
-10. **建表分区方案过细**（如每天 5000+ 个 0.6MB 小分区）→ 命中 `maxPartitionNumPerQuery=65536` 限制
-
-### 5. 检查清单应用
-
-如果任务是**代码审查**或**最终确认**，逐条过一遍 `references/dolphindb-rules.md` 第十四章的检查清单（13 项），并给出通过/不通过的明确结论。
-
-## 输出要求
 
-- 审查结果必须结构化，按规则章节分组
-- 对每一处违规，必须给出**可落地的修复代码**，不能只说"不符合规则"
-- 如果代码完全符合规则，明确声明"所有 DolphinDB 相关规则检查通过"
-- 如果任务只是生成代码，在生成过程中就内联应用规则，生成完毕后给出简要的合规确认
+### 10 条致命违规（零容忍）
+
+| # | 违规 | 后果 |
+|---|---|---|
+| 1 | 分区列被函数包裹（`date(col)` / `year(col)` / `temporalAdd(col,...)`） | 全表扫 → OOM |
+| 2 | 链式比较 `a <= col <= b` | 不触发剪枝 → 全表扫 |
+| 3 | 单次 `append` > 500K 行 | TSDB 报 `exceeds max limit` |
+| 4 | 未校验外部输入拼到脚本 | 脚本注入 |
+| 5 | 连接池里 upload + run（变量跨连接不可见） | 变量找不到 |
+| 6 | `select *`（30+ 列全传） | 浪费带宽和内存 |
+| 7 | 分页用 `LIMIT x OFFSET y` | DDB 不支持 OFFSET 关键字 |
+| 8 | `asyncio.to_thread(pool.run, script)` | SDK v3 `pool.run` 已是原生 async |
+| 9 | SYMBOL 列写入未校验 ≤255 字节 | 整批写入失败 |
+| 10 | 单分区 < 100MB 且总分区数 > 65536 | 触达 `maxPartitionNumPerQuery` 上限 |
+
+完整审查清单 ↓
+
+## 变更检查清单（写 / 改 DDB 代码前过一遍）
+
+- [ ] WHERE 是否命中分区列？分区列是否被函数包裹（`year()` / `date()` / `temporalAdd()`）？
+- [ ] 范围条件用了 `between ... and ...` 或两个独立条件？没有链式比较 `a <= col <= b`？
+- [ ] 单次 `append` ≤ 500K 行？循环里有 `del + gc.collect()`？
+- [ ] 大文件用 pyarrow `read_table + slice`，不是 `pd.read_feather` 全量加载？
+- [ ] 拼接 DDB 脚本时，外部输入有正则白名单校验？（防注入）
+- [ ] `pool.run()` 用 `await`（原生 async），`Session.run()` 用 `asyncio.to_thread()`？
+- [ ] 连接池大小 ≤ CPU 核数 × 2（社区版 4 worker → pool 3）？
+- [ ] `select` 只取需要的列？没有 `select *`？
+- [ ] 多次聚合查询能否合并为一次？
+- [ ] 多因子横向查询用了 `pivot by`，不是 Python 端 merge？
+- [ ] backtick 列名定义在单行内？
+- [ ] 分页用 `limit offset, count`（**不是** `LIMIT x OFFSET y`）？
+- [ ] 新建库表：单分区估算大小落在引擎区间？总分区数远低于 65536？二级高基数列走 `HASH` 不是 `VALUE`？
+- [ ] 写入 SYMBOL 列前校验 ≤ 255 字节？STRING/BLOB 有长度断言防静默截断？
+- [ ] 删数据用 `dropPartition`，不是 `delete from`？
+- [ ] pandas → DDB：`uint` 是否 `.astype('int64')`？NaN→int 是否 `.fillna(0)`？
+- [ ] Session / Pool 有 `try/finally close()`？
+
+## 必读官方资料
+
+完整源 URL 见 [[sources]]。常用 3 个：
+- 金融入门：https://docs.dolphindb.cn/zh/tutorials/new_users_finance.html
+- 使用须知：https://docs.dolphindb.cn/zh/tutorials/usage_guidelines.html
+- Python SDK：https://docs.dolphindb.cn/zh/pydoc/ （3.0.4）

package/templates/claude-global/skills/dwy-dolphindb/references/create-database-table.md

@@ -0,0 +1,219 @@
+# 建库建表
+
+## 30 秒选型
+
+| 你的数据 | 引擎 | 分区策略 | 排序列 |
+|---|---|---|---|
+| 行情快照 / tick / 逐笔 / level2 | **TSDB** | `VALUE(日期), HASH(SymbolField, N)` | `[SecurityID, TradeTime]` |
+| 分钟/日 K 线 / 因子结果 | **OLAP** | `VALUE(日期)` 或 `RANGE(月份)` | — |
+| 维度信息（股票基础信息表等） | — | 维度表（不分区） | — |
+| 流式行情写入 + 实时查询 | TSDB | 同 tick | 同 tick |
+
+**OLAP vs TSDB**：
+- OLAP = 列存，写入快，**不支持点查/更新**。适合 K 线、因子、批分析。
+- TSDB = 列存 + 索引，**支持 sortKey 排序+索引**，秒级点查。适合 tick/snapshot/逐笔，分区 400MB-1GB。
+- 选错了改不了，整个库 drop 重建。
+
+## 分区策略
+
+| 类型 | 关键字 | 自动扩展 | 适用 |
+|---|---|---|---|
+| VALUE | `VALUE(2024.01.01..2024.12.31)` | ✅ | 日期、状态 |
+| HASH | `HASH([SYMBOL, 50])` | ✅ | 高基数列（股票代码） |
+| RANGE | `RANGE(0 100 200 300)` | ❌ 需 `addRangePartitions` | 数值范围 |
+| LIST | `LIST([['A','B'], ['C']])` | ❌ | 明确分组 |
+| COMPO | `partitioned by VALUE(...), HASH(...)` | 看子分区 | 复合（最多 3 级）|
+
+**分区层级硬限制**：1-3 级。常用 2 级 = `日期 + 股票代码 HASH`。
+
+**分区粒度目标**：单分区压缩后 **TSDB 400MB-1GB / OLAP 100MB-300MB**。粒度太细 → 元数据爆炸；太粗 → 查询不能并行。
+
+**`maxPartitionNumPerQuery` 硬限**：默认 65536。单次查询触达的分区数超过这个值直接报 `The number of partitions relevant to the query is too large`。
+
+### 分区设计反例（**新手最常踩**）
+
+> 股票行情数据（每天 5000 万条），先按 `TradeDate` 值分区，再按 `SecurityID` 二级 VALUE 分区。
+> A 股 5000+ 标的 → **一天 5000 个分区，每个仅 0.6MB**。
+
+后果：
+- 查 14 天 → 70000 分区 → 超 65536 上限报错
+- 单分区 0.6MB 远低于 TSDB 400MB 下限，元数据开销 > 数据本身
+- 列存收益丧失，查询比单级分区还慢
+
+**修复**：二级改 `HASH([SYMBOL, 50])`（固定 50 桶），每天 50 个分区，单分区 60MB（仍偏小但元数据 OK）。
+
+### VALUE 分区自动扩展
+
+```dolphindb
+// 库参数：写入新值时自动建分区
+create database "dfs://xxx"
+    partitioned by VALUE(2024.01.01..2024.01.07)
+    engine='TSDB',
+    newValuePartitionPolicy=add        // 关键：新日期自动建分区，不需预创建
+```
+
+不设 `newValuePartitionPolicy=add` → 写入未预建的日期会报 `partition does not exist`。
+
+### RANGE 分区静默丢弃陷阱
+
+```dolphindb
+// 库参数 allowMissingPartitions 默认 true
+// → 范围外数据【静默丢弃，不报错】！
+create database "dfs://xxx"
+    partitioned by RANGE(2024.01M..2024.12M)
+    // 写 2025 年数据 → 默默丢
+
+// 需要严格性：
+create database "dfs://xxx"
+    partitioned by RANGE(2024.01M..2024.12M),
+    allowMissingPartitions=false       // 越界写入直接报错
+```
+
+RANGE 分区**不会**自动扩展，必须手动 `addRangePartitions(database, futureRanges)`。
+
+### 估算 HASH 桶数
+
+```
+桶数 ≈ (每日数据量 / 期望单分区大小)
+```
+
+A 股 5000+ 股票 + level2 一天 ~80GB → 按日期分区后 80GB / 1GB ≈ 80 桶 → 取 `HASH([SYMBOL, 50])`（保守留 buffer）。
+
+## 建库 DDL
+
+### 行情快照（TSDB + COMPO 分区）
+
+```dolphindb
+// 删库重来（开发期）
+if(existsDatabase("dfs://stock_lv2_snapshot")) {
+    dropDatabase("dfs://stock_lv2_snapshot")
+}
+
+create database "dfs://stock_lv2_snapshot"
+    partitioned by VALUE(2024.01.03..2024.01.04), HASH([SYMBOL, 50]),
+    engine='TSDB'
+    // VALUE 写头 2 天即可，写入新日期会自动扩展；写多了只是元数据占位
+```
+
+**注意**：
+- `VALUE` 用一小段日期初始化即可，会自动扩展，**不要塞几年的空分区**（元数据膨胀）。
+- 删库用 `dropDatabase`，要在 controller 上跑。
+- `engine='TSDB'` 不写默认是 OLAP。
+
+### 分钟 K 线（OLAP + 单级 VALUE）
+
+```dolphindb
+if(existsDatabase("dfs://k_minute_level")) {
+    dropDatabase("dfs://k_minute_level")
+}
+
+create database "dfs://k_minute_level"
+    partitioned by VALUE(2024.01.01..2024.01.31)
+    engine='OLAP'
+```
+
+### 维度表（不分区，跟在某个 DFS 库下）
+
+```dolphindb
+db = database("dfs://stock_lv2_snapshot")
+createDimensionTable(db, "security_info",
+    table(1:0, ["SecurityID","Name","Industry"], [SYMBOL,STRING,SYMBOL])
+)
+```
+
+## 建表 DDL
+
+### TSDB 表（必须 sortColumns）
+
+```dolphindb
+create table "dfs://stock_lv2_snapshot"."snapshot"(
+    TradeDate DATE[comment="交易日期", compress="delta"]
+    TradeTime TIME[comment="交易时间", compress="delta"]
+    SecurityID SYMBOL
+    LastPrice DOUBLE
+    OpenPrice DOUBLE
+    HighPrice DOUBLE
+    LowPrice DOUBLE
+    TotalVolumeTrade LONG
+    OfferPrice DOUBLE[]          // 数组向量：10 档卖价
+    BidPrice DOUBLE[]
+    OfferOrderQty LONG[]
+    BidOrderQty LONG[]
+)
+partitioned by TradeDate, SecurityID,
+sortColumns=["SecurityID","TradeTime"],
+keepDuplicates=ALL
+```
+
+**关键参数**：
+- `partitioned by`：必须和库的 partition 顺序一致。
+- `sortColumns`：**最后一列必须是时间列**，前面是高频查询的过滤列（如 `SecurityID`）。
+- `keepDuplicates`：`ALL`（保留）/`FIRST`/`LAST`，金融 tick 一般 `ALL`。
+- `compress="delta"`：单调递增列（日期、时间、序号）必加，能压缩 80%+。
+- `DOUBLE[]`：数组向量类型，10 档行情用一列搞定（vs 拆 20 列）。
+
+### OLAP 表（轻量，无 sortColumns）
+
+```dolphindb
+create table "dfs://k_minute_level"."k_minute"(
+    securityid SYMBOL
+    tradetime TIMESTAMP
+    open DOUBLE
+    close DOUBLE
+    high DOUBLE
+    low DOUBLE
+    vol INT
+    val DOUBLE
+    vwap DOUBLE
+)
+partitioned by tradetime
+```
+
+## sortColumns 选择规则（TSDB）
+
+✅ 推荐：`[业务键, 时间列]` —— `[SecurityID, TradeTime]`、`[InstrumentID, Timestamp]`
+
+❌ 禁止：
+- 把**唯一键/主键**当 sortColumn（如订单号、UUID）→ 索引膨胀，TSDB 索引文件比数据还大
+- **时间列放第一位** → 同一时刻的不同标的散开，按 SecurityID 查变慢
+
+## 数据类型选择
+
+| 场景 | 类型 | 不要用 |
+|---|---|---|
+| 价格、金额（金融） | `DECIMAL32(3)` / `DECIMAL64(6)` | `FLOAT/DOUBLE`（精度丢失） |
+| 成交量、笔数 | `LONG`（大数）/ `INT`（小数） | — |
+| 股票代码、合约代码 | `SYMBOL` | `STRING`（symbol 列式压缩 + 字典编码更省） |
+| 名称、备注 | `STRING` | — |
+| 日期 | `DATE` | — |
+| 时间戳 | `TIMESTAMP`（毫秒）/`NANOTIMESTAMP`（纳秒） | `DATETIME`（32 位 int，2038 溢出！）|
+| 10 档行情 | `DOUBLE[]` 数组向量 | 拆 20 列（写慢、查慢） |
+
+## ALTER 限制（建表前想清楚）
+
+| 操作 | TSDB | OLAP |
+|---|---|---|
+| 新增列（只能末尾） | ✅ | ✅ |
+| 删列 | ❌ | ✅（非分区列） |
+| 改列名 | ❌ | ✅（非分区列） |
+| 改列类型 | ❌ | ✅（非分区列） |
+| 改列顺序 | ❌ | ❌ |
+| 改分区列 | ❌ | ❌ |
+| 主键/唯一索引 | ❌ | ❌ |
+| 自增列 | ❌ | ❌ |
+
+**结论**：TSDB 表 schema 一旦定下基本不能动。建表前用一周数据 dry-run。
+
+## 元数据查询
+
+```dolphindb
+getClusterDFSDatabases()                       // 所有 DFS 库
+getClusterDFSTables("dfs://stock_lv2_snapshot")// 库下所有表
+getTables(database("dfs://xxx"))               // 同上
+schema(loadTable("dfs://xxx","t"))             // 完整 schema
+getDatabaseDDL("dfs://xxx")                    // 反查建库 SQL
+getDBTableDDL("dfs://xxx","t")                 // 反查建表 SQL
+getTableDiskUsage("dfs://xxx","t")             // 表占用磁盘
+```
+
+跨引用：导入数据 → [[data-import]]，查询 → [[crud-operations]]，反模式 → [[pitfalls-and-best-practices]]。