• 维护简单自动化：无需手动管理服务器资源调配、容量规划、扩展、维护和更新等任务，使用起来极为便捷，节省了时间和精力。
• 可扩展性：无服务数据库可以随时根据应用程序的需要进行扩展或缩小，确保负载均衡，避免因客户端访问限制导致的功能无法运行。
• 实时数据处理：能够自动处理和分析数据，以提供实时数据分析和数据生成的优势。
• 两种业务类型数据库：

1. “关系型数据库”指不包含任何时间索引的数据，该部分数据可以通过界面和查询语句生成器生成查询语句。
2. “时间序列数据库”指包含时间索引的数据，该部分数据可以通过界面和查询时间范围确定查询语句。

• 无数据库范式：可以使用无数据库范式管理数据库的任何数据输出，使无服务数据库集成到功能应用中变得轻而易举。

网页端可视化查询界面

关系型数据库可视化查询

时间序列型数据库可视化查询

Python API客户端数据获取

完成DS +客户端安装，即可在该环境里实现python客户端库的调用，进入安装DS +客户端的python环境，将查询语句粘贴到执行参数处，即可查询出返回结果，可支持numpy类型和pandas类型。

关系型数据库访问

在python环境执行以下语句，可以获取相应的关系型数据库数据：

## 导入FinDataLabClient客户端
from FinDataLab.connect import RelationConnect, TimeseriesConnect## 连接关系型数据库
rs = RelationConnect()
## 获取pandas dataframe格式的数据查询结果
rs_df = rs.select(“select REFINDEX,TENOR,WSWPRATE,IDATE,VOLUME_M from finance.IRSDLYBLTN where VOLUME_M > 300”).to_pandas()
rs_df.head(3)

时间序列型数据库访问

在python环境执行以下语句，可以获取相应的时间序列型数据库数据：

## 导入FinDataLabClient客户端
from FinDataLab.connect import RelationConnect, TimeseriesConnect
## 连接时间序列型数据库
ts = TimeseriesConnect()
## 获取pandas dataframe格式的数据查询结果
ds = ts.select("select * from stock.day['688322','688297','603187'] limit 20").to_pandas()
ds.head(3)

可以得到返回的dataframe格式的数据