#01-数据方案设计

数据库的顶层设计文档。围绕"趋势定投分析需要什么样的数据基础设施"展开，覆盖选型、表结构、接口映射、更新策略、质量校验五个维度，给出可落地的方案与边界判断。

#设计目标

数据库的核心目标是：为站点分析提供可用、可信、可查的本地数据，让中间段与终点段的分析文档不依赖外部接口实时调用，所有结论基于本地 SQLite 库得出。

设计判断基于以下前提：

• 数据量在 50-500MB 级别，单机使用
• 读多写少，每日批量更新写入，分析时只读
• 个人投资分析，非量化交易，不需要毫秒级响应
• 零运维优先，避免引入数据库服务

#文档结构

#关键设计取舍

1. 本地库为可信源：所有分析基于本地 SQLite，不直接依赖外部接口实时调用。外部接口失效不影响已有数据分析。

2. akshare 是抓取层而非数据源：akshare 聚合了东方财富、新浪、同花顺、雪球、理杏仁等上游，接口稳定性依赖上游网站。关键数据准备主备接口，版本写入 requirements.txt 锁定。

3. fetcher 层抽象：业务层不直接调用 akshare，所有外部接口集中在 fetcher_*.py 层。接口失效时只需修改 fetcher 层，不影响查询接口。

4. 数据治理字段内嵌：每条数据带 data_quality、source、updated_at 字段，校验失败的标的写入 update_failure_log，分析查询默认过滤异常数据。

#与其他模块的关系

• 数据方案设计是数据库的顶层蓝图，决定 02-数据脚本 的实现方式与 04-查询接口 的查询能力
• 表结构定义后，db.py 按此建表，fetcher_*.py 按接口映射填充数据
• 数据质量规则决定查询接口中 data_quality IN ('ok', 'manual_fixed') 过滤条件的合理性

#何时回查本文档

• 新增数据表或字段时，回查 02-数据架构与表结构设计 确认分组归属与命名约定
• 新增数据源时，回查 03-数据获取接口与映射 确认主备接口策略
• 数据出现异常时，回查 05-数据质量与校验规则 确认校验维度与处理方式
• 调度出问题时，回查 04-数据更新与调度策略 确认触发配置与重试策略