用 Docker Compose 搭一个本地量化数据看板：PostgreSQL + Grafana 入门

云上流水线负责产出数据，本地看板负责让人看清数据。这篇文章记录我把 A 股日线数据从一堆 CSV 变成一张可交互看板的过程。

一、为什么是 Docker Compose

做量化复盘一段时间后，本地会积累大量数据文件：日线行情 CSV、指标快照、策略信号表。文件一多就有三个老问题：查一次要写一次脚本、想看趋势得手动画图、换台电脑环境全要重装。

我的解法是用两个经典开源组件搭一个本地看板，并用 Docker Compose 一键拉起：

• PostgreSQL：把 CSV 统一入库，建好索引后按股票代码、日期区间查询都是毫秒级；
• Grafana：连上数据库就能画 K 线、成交量、指标曲线，还支持时间区间联动和变量筛选。

Docker Compose 的好处是整个环境写在一个 docker-compose.yml 里，docker compose up -d 一条命令跑起来，docker compose down 干净退场，不污染系统环境。

二、compose 文件怎么写

核心只需要两个服务：

services:
  db:
    image: postgres:16
    environment:
      POSTGRES_DB: market
      POSTGRES_USER: quant
      POSTGRES_PASSWORD: local_only
    ports:
      - "5432:5432"
    volumes:
      - pgdata:/var/lib/postgresql/data
  grafana:
    image: grafana/grafana:latest
    ports:
      - "3000:3000"
    depends_on:
      - db
volumes:
  pgdata:

两个值得注意的细节：

1. 数据落在 named volume（pgdata）里，容器删了数据还在，升级镜像也不丢库；
2. Grafana 首次登录后先在 Data Sources 里添加 PostgreSQL，地址填 db:5432——Compose 网络里服务名就是主机名，不用写 localhost。

三、把 CSV 灌进库

建表语句按复盘需要设计，重点是把主键定好：

CREATE TABLE daily_kline (
  code      varchar(10) NOT NULL,   -- 如 sh.600519
  trade_date date       NOT NULL,
  open  numeric, high numeric,
  low   numeric, close numeric,
  volume bigint,
  PRIMARY KEY (code, trade_date)
);
CREATE INDEX idx_kline_date ON daily_kline (trade_date);

主键 (code, trade_date) 天然防止重复导入，配合 COPY ... FROM csv 或 Python 的 to_sql，几千只股票几年的日线几分钟就能灌完。我的习惯是每天收盘后先删掉当天已有行再插入，保证幂等——脚本跑两遍结果也一样。

四、看板怎么配

Grafana 里我最常用的三个面板：

• 个股走势：用变量 $code 做下拉筛选，SQL 里写 WHERE code = '$code'，一条 SQL 同时服务所有股票；
• 市场宽度：统计每天上涨家数占比，SELECT trade_date, avg(close > open)::int FROM daily_kline GROUP BY 1，一眼看出情绪冷暖；
• 成交量异动：量比超过阈值的高亮显示，配合告警功能，数据一入库自动刷新。

时间范围选择器和面板联动是 Grafana 的强项：框选一段行情，所有面板同步切换，比在 Excel 里筛日期快得多。

五、小结

这套本地看板的意义不在于替代专业行情软件，而在于：自己的策略信号、自己的指标，能以自己舒服的方式呈现。数据在自己手里，回测和复盘才有一个可靠的底座。整套环境跑起来不超过十分钟，感兴趣的朋友可以照着上面的配置试一试，也欢迎在评论区交流你的看板设计。