库内分析。DolphinDB无缝集成了数据仓库，分布式计算引擎和编程语言。即使是对海量数据复杂的分析运算也可在数据库中直接完成。

从应用的角度，库内分析大大提高系统的吞吐量，降低系统的延迟，方便交互式的数据分析，提升用户体验和研发效率。此外，可在动态数据集上进行实时的分布式计算和迭代计算，拓宽了应用场景，譬如在动态数据集上实时生成报表，实时生成量化交易需要的信号等。

DolphinDB的库内分析与事务紧密集成，提供了快照级别的隔离。当其它会话写入数据时，当前会话仍然可以进行计算。

与Apache Spark这样的外部计算引擎相比，库内分析的优势有三个：（1）避免了数据跨系统的移动，大大节省网络带宽以及延时。（2）当多个作业并行时，外部引擎会对同一份数据在内存中制作多份副本，而库内分析在内存中只保留一份副本，这不但节约了大量内存开销，而且提升了系统的并发性能。（3）在分布式计算或者迭代计算中，需要保持数据的一致性和隔离性，不受到外部写入的影响。Apache Spark这样的外挂引擎只能在静态数据集上工作，否则不能保证计算的准确性。

库内分析。DolphinDB无缝集成了数据仓库，分布式计算引擎和编程语言。即使是对海量数据复杂的分析运算也可在数据库中直接完成。

从应用的角度，库内分析大大提高系统的吞吐量，降低系统的延迟，方便交互式的数据分析，提升用户体验和研发效率。此外，可在动态数据集上进行实时的分布式计算和迭代计算，拓宽了应用场景，譬如在动态数据集上实时生成报表，实时生成量化交易需要的信号等。

DolphinDB的库内分析与事务紧密集成，提供了快照级别的隔离。当其它会话写入数据时，当前会话仍然可以进行计算。

与Apache Spark这样的外部计算引擎相比，库内分析的优势有三个：（1）避免了数据跨系统的移动，大大节省网络带宽以及延时。（2）当多个作业并行时，外部引擎会对同一份数据在内存中制作多份副本，而库内分析在内存中只保留一份副本，这不但节约了大量内存开销，而且提升了系统的并发性能。（3）在分布式计算或者迭代计算中，需要保持数据的一致性和隔离性，不受到外部写入的影响。Apache Spark这样的外挂引擎只能在静态数据集上工作，否则不能保证计算的准确性。