KDB+ 데이터베이스: 금융부터 Formula 1까지

KDB+, 자사제품 KX 시계열 및 이를 기반으로 한 분석 계산을 저장하기 위해 설계된 좁은 원의 매우 빠른 기둥형 데이터베이스로 널리 알려져 있습니다. 처음에는 금융 업계에서 매우 인기가 있었고 현재도 인기가 높습니다. 모든 상위 10개 투자 은행과 많은 유명 헤지 펀드, 거래소 및 기타 조직에서 이를 사용합니다. 최근 KX는 고객 기반을 확대하기로 결정하고 이제는 통신, 생물정보학, 제조 등 시간별로 정리된 대량의 데이터가 있는 다른 영역에 솔루션을 제공하기로 결정했습니다. 그들은 또한 Formula 1의 Aston Martin Red Bull Racing 팀의 파트너가 되어 자동차 센서에서 데이터를 수집 및 처리하고 풍동 테스트를 분석하는 데 도움을 주었습니다. 이 기사에서는 KDB+의 어떤 기능이 KDB+를 탁월한 성능으로 만들어 주는지, 왜 기업들이 이에 많은 돈을 투자할 의향이 있는지, 그리고 마지막으로 KDB+가 실제로는 데이터베이스가 아닌 이유를 설명하고 싶습니다.
 

 
이 기사에서는 KDB+가 무엇인지, 어떤 기능과 한계가 있는지, 그리고 대용량 데이터를 처리하려는 기업에 어떤 이점이 있는지에 대해 전반적으로 설명하려고 합니다. KDB+ 구현이나 Q 프로그래밍 언어에 대한 세부 사항은 다루지 않겠습니다. 이 두 주제는 매우 광범위하므로 별도의 기사를 쓸 가치가 있습니다. Q - Q For Mortals에 관한 책(아래 링크 참조)을 포함하여 이러한 주제에 대한 많은 정보를 code.kx.com에서 찾을 수 있습니다.

일부 용어

• 인메모리 데이터베이스. 더 빠른 액세스를 위해 RAM에 데이터를 저장하는 데이터베이스입니다. 이러한 데이터베이스의 장점은 분명하지만 단점은 데이터 손실 가능성과 서버에 많은 메모리가 필요하다는 것입니다.
• 열 기반 데이터베이스. 데이터가 레코드 단위가 아닌 열 단위로 저장되는 데이터베이스입니다. 이러한 데이터베이스의 가장 큰 장점은 한 열의 데이터가 디스크와 메모리에 함께 저장되어 액세스 속도가 크게 빨라진다는 것입니다. 쿼리에 사용되지 않는 열을 로드할 필요가 없습니다. 가장 큰 단점은 기록 수정 및 삭제가 어렵다는 점이다.
• 시계열. 날짜 또는 시간 열이 있는 데이터입니다. 일반적으로 이러한 데이터에는 시간 순서가 중요하므로 어떤 레코드가 현재 레코드보다 앞이나 뒤인지 쉽게 결정하거나 레코드 순서에 따라 결과가 달라지는 함수를 적용할 수 있습니다. 클래식 데이터베이스는 완전히 다른 원칙에 따라 구축되었습니다. 즉, 레코드 모음을 집합으로 표현하며 원칙적으로 레코드의 순서는 정의되지 않습니다.
• 벡터. KDB+의 맥락에서 이것은 동일한 원자 유형의 요소 목록입니다(예: 숫자). 즉, 요소의 배열입니다. 목록과 달리 배열은 벡터 프로세서 명령어를 사용하여 컴팩트하게 저장하고 처리할 수 있습니다.

 

역사 정보

KX는 이전에 Morgan Stanley Bank에서 A+ 언어로 근무했던 Arthur Whitney에 의해 1993년에 설립되었습니다. A+ 언어는 매우 독창적이고 한때 금융계에서 인기 있었던 언어인 APL의 후속 언어입니다. 물론 KX에서 Arthur는 동일한 정신을 이어가며 급진적인 미니멀리즘의 아이디어에 따라 벡터 기능 언어 K를 만들었습니다. K 프로그램은 구두점과 특수 문자가 뒤섞인 것처럼 보이며 기호와 기능의 의미는 상황에 따라 다르며 각 작업은 기존 프로그래밍 언어보다 훨씬 더 많은 의미를 전달합니다. 이로 인해 K 프로그램은 최소한의 공간을 차지하며(Java와 같은 장황한 언어의 텍스트 페이지를 몇 줄로 대체할 수 있음) 알고리즘을 매우 집중적으로 구현합니다.
 
주어진 문법에 따라 대부분의 LL1 파서 생성기를 구현하는 K의 함수:

1. pp:{q:{(x;p3(),y)};r:$[-11=@x;$x;11=@x;q[`N;$*x];10=abs@@x;q[`N;x]  
2.   ($)~*x;(`P;p3 x 1);(1=#x)&11=@*x;pp[{(1#x;$[2=#x;;,:]1_x)}@*x]  
3.      (?)~*x;(`Q;pp[x 1]);(*)~*x;(`M;pp[x 1]);(+)~*x;(`MP;pp[x 1]);(!)~*x;(`Y;p3 x 1)  
4.      (2=#x)&(@x 1)in 100 101 107 7 -7h;($[(@x 1)in 100 101 107h;`Ff;`Fi];p3 x 1;pp[*x])  
5.      (|)~*x;`S,(pp'1_x);2=#x;`C,{@[@[x;-1+#x;{x,")"}];0;"(",]}({$[".s.C"~4#x;6_-2_x;x]}'pp'x);'`pp];  
6.   $[@r;r;($[1<#r;".s.";""],$*r),$[1<#r;"[",(";"/:1_r),"]";""]]}  

 Arthur는 2003년에 등장한 KDB+에서 최소한의 신체 움직임으로 극도의 효율성이라는 철학을 구현했으며(이제 이름의 K가 어디서 왔는지 분명해진 것 같습니다) KDB+의 네 번째 버전의 해석자에 지나지 않습니다. K K 위에 Q라는 더욱 사용자 친화적인 버전이 추가되었습니다. Q는 또한 특정 SQL 방언인 QSQL에 대한 지원과 인터프리터(시스템 데이터 유형으로 테이블 지원, 테이블 작업 도구)를 추가했습니다. 메모리와 디스크 등에서
 
따라서 사용자 관점에서 보면 KDB+는 C#의 테이블과 SQL과 유사한 LINQ 스타일 표현식을 지원하는 단순한 Q 언어 해석기입니다. 이는 KDB+와 다른 데이터베이스의 가장 중요한 차이점이자 주요 경쟁 우위이지만 종종 간과됩니다. 이것은 데이터베이스 + 비활성화된 보조 언어가 아니라 본격적인 강력한 프로그래밍 언어 + 데이터베이스 기능에 대한 내장 지원입니다. 이러한 구별은 KDB+의 모든 이점을 나열하는 데 결정적인 역할을 할 것입니다. 예를 들어…
 

크기

현대 표준으로 볼 때 KDB+는 크기가 아주 작습니다. 말 그대로 메가바이트 미만의 실행 파일 하나와 일부 시스템 기능이 포함된 작은 텍스트 파일 하나입니다. 실제로는 1MB 미만이며 이 프로그램의 경우 회사는 서버의 프로세서 하나에 대해 연간 수만 달러를 지불합니다.

• 이 크기를 통해 KDB+는 Pi 마이크로컴퓨터부터 테라바이트 메모리를 갖춘 서버에 이르기까지 모든 하드웨어에서 뛰어난 성능을 발휘할 수 있습니다. 이는 어떤 식으로든 기능에 영향을 주지 않으며 Q는 즉시 시작되므로 무엇보다도 스크립팅 언어로 사용할 수 있습니다.
• 이 크기에서는 Q 인터프리터가 프로세서 캐시에 완전히 들어가므로 프로그램 실행 속도가 빨라집니다.
• 이 크기의 실행 파일을 사용하면 Q 프로세스가 메모리에서 무시할 수 있는 공간을 차지하므로 수백 개를 실행할 수 있습니다. 게다가 필요하다면 Q는 단일 프로세스 내에서 수십, 수백 기가바이트의 메모리로 작동할 수도 있다.

Universalism

Q는 다양한 응용 분야에 적합합니다. 프로세스 Q는 기록 데이터베이스 역할을 하며 테라바이트급 정보에 대한 빠른 액세스를 제공할 수 있습니다. 예를 들어, 우리는 수십 개의 기록 데이터베이스를 보유하고 있으며 그 중 일부는 압축되지 않은 하루의 데이터가 100GB 이상을 차지합니다. 그러나 합리적인 제한이 있는 경우 데이터베이스에 대한 쿼리는 수십에서 수백 밀리초 내에 완료됩니다. 일반적으로 사용자 요청에 대한 보편적인 시간 초과(30초)가 있으며 이는 거의 작동하지 않습니다.
 
Q는 쉽게 메모리 내 데이터베이스가 될 수 있습니다. 새로운 데이터가 인메모리 테이블에 너무 빨리 추가되므로 사용자 요청이 제한 요소가 됩니다. 테이블의 데이터는 열에 저장됩니다. 즉, 열에 대한 모든 작업은 프로세서 캐시를 전체 용량으로 사용합니다. 이 외에도 KX는 연산 등 모든 기본 연산을 프로세서의 벡터 명령을 통해 구현해 속도를 극대화하려 노력했다. Q는 또한 데이터베이스에 일반적이지 않은 작업을 수행할 수도 있습니다. 예를 들어 스트리밍 데이터를 처리하고 "실시간"으로 계산합니다(작업에 따라 수십 밀리초에서 몇 초까지 지연됨). 다양한 시간에 대한 금융 상품에 대한 다양한 집계 기능 완벽한 거래가 시장에 미치는 영향에 대한 모델을 구축하거나 완료 후 거의 즉시 프로파일링을 수행합니다. 이러한 작업에서 대부분의 주요 시간 지연은 Q가 아니라 다양한 소스의 데이터를 동기화해야 하는 필요성입니다. 데이터와 이를 처리하는 기능이 하나의 프로세스에 있기 때문에 빠른 속도가 달성되며 처리는 해석되지 않고 바이너리 코드로 실행되는 여러 QSQL 표현식 및 조인 실행으로 축소됩니다.
 
마지막으로 Q에서 모든 서비스 프로세스를 작성할 수 있습니다. 예를 들어 사용자 요청을 필요한 데이터베이스 및 서버에 자동으로 배포하는 게이트웨이 프로세스가 있습니다. 프로그래머는 균형 조정, 우선 순위 지정, 내결함성, 액세스 권한, 할당량 및 기본적으로 원하는 모든 알고리즘을 구현할 수 있는 완전한 자유를 갖습니다. 여기서 가장 큰 문제는 이 모든 것을 직접 구현해야 한다는 것입니다.
 
예를 들어 우리가 가지고 있는 프로세스 유형을 나열하겠습니다. 이들 모두는 적극적으로 사용되고 함께 작동하여 수십 개의 서로 다른 데이터베이스를 하나로 결합하고 여러 소스의 데이터를 처리하며 수백 명의 사용자와 애플리케이션에 서비스를 제공합니다.

• 데이터 소스에 대한 커넥터(피드핸들러). 이러한 프로세스는 일반적으로 Q에 로드되는 외부 라이브러리를 사용합니다. Q의 C 인터페이스는 매우 간단하며 모든 C/C++ 라이브러리에 대한 프록시 함수를 쉽게 만들 수 있습니다. Q는 예를 들어 모든 유럽 증권 거래소에서 동시에 쏟아지는 FIX 메시지를 처리하는 등의 작업을 처리할 수 있을 만큼 빠릅니다.
• 데이터 분배자(티커플랜트), 커넥터와 소비자 사이의 중간 링크 역할을 합니다. 동시에 들어오는 데이터를 특수 바이너리 로그에 기록하여 소비자에게 연결 손실이나 재시작에 대한 견고성을 제공합니다.
• 인메모리 데이터베이스(rdb). 이러한 데이터베이스는 원시 데이터를 메모리에 저장하여 가장 빠른 속도로 액세스할 수 있도록 해줍니다. 일반적으로 낮에는 테이블에 데이터를 축적하고 밤에는 재설정합니다.
• 데이터베이스(pdb)를 유지합니다. 이러한 데이터베이스는 오늘의 데이터가 기록 데이터베이스에 저장되도록 보장합니다. 일반적으로 rdb와 달리 메모리에 데이터를 저장하지 않고 낮에는 디스크의 특수 캐시를 사용하고 자정에 데이터를 기록 데이터베이스에 복사합니다.
• 기록 데이터베이스(hdb). 이러한 데이터베이스는 이전 일, 월, 연도의 데이터에 대한 액세스를 제공합니다. 크기(일수)는 하드 드라이브 크기에 의해서만 제한됩니다. 데이터는 어디에나, 특히 액세스 속도를 높이기 위해 다른 디스크에 있을 수 있습니다. 선택할 수 있는 여러 알고리즘을 사용하여 데이터를 압축하는 것이 가능합니다. 데이터베이스의 구조는 잘 문서화되어 있고 단순하며, 데이터는 일반 파일에 한 열씩 저장되므로 운영 체제 등을 통해 처리할 수 있습니다.
• 집계된 정보가 포함된 데이터베이스. 일반적으로 계측기 이름 및 시간 간격별로 그룹화하여 다양한 집계를 저장합니다. 인 메모리 데이터베이스는 들어오는 메시지마다 상태를 업데이트하고, 기록 데이터베이스는 미리 계산된 데이터를 저장하여 기록 데이터에 대한 액세스 속도를 높입니다.
• 마지막으로, 게이트웨이 프로세스애플리케이션과 사용자에게 서비스를 제공합니다. Q를 사용하면 들어오는 메시지의 완전한 비동기 처리를 구현하고 데이터베이스에 메시지를 배포하고 액세스 권한을 확인하는 등의 작업을 수행할 수 있습니다. 메시지는 제한되지 않으며 다른 데이터베이스의 경우처럼 SQL 표현식이 아닌 경우가 가장 많습니다. 대부분의 경우 SQL 표현식은 특수 함수에 숨겨져 있으며 사용자가 요청한 매개변수를 기반으로 구성됩니다. 즉, 시간 변환, 필터링, 데이터 정규화(예: 배당금 지급 시 주가 균등화) 등이 있습니다.

한 가지 데이터 유형에 대한 일반적인 아키텍처:

속도

Q는 해석 언어이지만 벡터 언어이기도 합니다. 이는 많은 내장 함수, 특히 산술 함수가 숫자, 벡터, 행렬, 목록 등 모든 형식의 인수를 취하고 프로그래머가 프로그램을 배열 연산으로 구현해야 함을 의미합니다. 이러한 언어에서는 백만 개의 요소로 구성된 두 개의 벡터를 추가하면 언어가 해석되는 것은 더 이상 중요하지 않으며 추가는 매우 최적화된 이진 함수에 의해 수행됩니다. Q 프로그램에서 가장 많은 시간이 이러한 기본 벡터화 기능을 사용하는 테이블 작업에 소비되기 때문에 출력은 매우 괜찮은 작업 속도로 단일 프로세스에서도 엄청난 양의 데이터를 처리할 수 있습니다. 이는 Python의 수학적 라이브러리와 유사합니다. Python 자체는 매우 느린 언어이지만 컴파일된 언어의 속도로 수치 데이터를 처리할 수 있는 numpy와 같은 우수한 라이브러리가 많이 있습니다(그런데 numpy는 이념적으로 Q에 가깝습니다). ).
 
또한 KX는 테이블을 디자인하고 작업을 최적화하는 데 매우 신중한 접근 방식을 취했습니다. 첫째, 내장 함수에 의해 지원되고 테이블 열뿐만 아니라 그룹화, 정렬, 고유성 속성 및 기록 데이터베이스에 대한 특수 그룹화와 같은 모든 벡터에도 적용할 수 있는 여러 유형의 인덱스가 지원됩니다. 인덱스는 간단하게 적용되며 열/벡터에 요소를 추가할 때 자동으로 조정됩니다. 인덱스는 메모리와 디스크 모두의 테이블 열에 동일하게 성공적으로 적용될 수 있습니다. QSQL 쿼리를 실행할 때 가능하면 인덱스가 자동으로 사용됩니다. 둘째, 기록 데이터 작업은 OS 파일(메모리 맵) 표시 메커니즘을 통해 수행됩니다. 큰 테이블은 메모리에 로드되지 않습니다. 대신 필요한 열이 메모리에 직접 매핑되고 그 중 필요한 부분만 실제로 로드됩니다(인덱스도 여기서 도움이 됨). 데이터가 메모리에 있는지 여부는 프로그래머에게 아무런 차이가 없습니다. mmap을 사용하는 메커니즘은 Q 깊이에 완전히 숨겨져 있습니다.
 
KDB+는 관계형 데이터베이스가 아닙니다. 테이블은 임의의 데이터를 포함할 수 있지만 테이블의 행 순서는 새 요소가 추가될 때 변경되지 않으며 쿼리를 작성할 때 사용할 수 있고 사용해야 합니다. 이 기능은 시계열(교환, 원격 측정, 이벤트 로그의 데이터) 작업에 긴급하게 필요합니다. 데이터가 시간별로 정렬되면 사용자가 첫 번째 또는 마지막 행 또는 N을 찾기 위해 SQL 트릭을 사용할 필요가 없기 때문입니다. 테이블의 행, N번째 줄 다음에 오는 줄 등을 결정합니다. 테이블 조인은 훨씬 더 단순화됩니다. 예를 들어 16000억 개의 요소로 구성된 테이블에서 500개의 VOD.L(Vodafone) 트랜잭션에 대한 마지막 견적을 찾는 데는 디스크에서는 약 XNUMX초, 메모리에서는 수십 밀리초가 걸립니다.
 
시간 조인의 예 - 견적 테이블은 메모리에 매핑되므로 VOD.L을 지정할 필요가 없습니다. 여기서는 Sym 열의 인덱스와 데이터가 시간별로 정렬된다는 사실이 암시적으로 사용됩니다. Q의 거의 모든 조인은 선택 표현식의 일부가 아닌 일반 함수입니다.

1. aj[`sym`time;select from trade where date=2019.03.26, sym=`VOD.L;select from quote where date=2019.03.26]  

마지막으로, Arthur Whitney 자신을 시작으로 KX의 엔지니어들은 진정으로 효율성에 집착하고 Q의 표준 기능을 최대한 활용하고 가장 일반적인 사용 패턴을 최적화하기 위해 많은 노력을 기울이고 있다는 점은 주목할 가치가 있습니다.
 

합계

KDB+는 주로 탁월한 다용성으로 인해 기업들 사이에서 인기가 높습니다. 이는 인메모리 데이터베이스, 테라바이트급 기록 데이터를 저장하기 위한 데이터베이스 및 데이터 분석을 위한 플랫폼으로서의 역할을 동일하게 수행합니다. 데이터 처리가 데이터베이스에서 직접 이루어지기 때문에 고속 운영과 자원 절약이 가능합니다. 데이터베이스 기능과 통합된 본격적인 프로그래밍 언어를 사용하면 데이터 수신부터 사용자 요청 처리까지 필요한 프로세스의 전체 스택을 하나의 플랫폼에서 구현할 수 있습니다.
 

자세한 내용은,

제한

KDB+/Q의 중요한 단점은 진입 문턱이 높다는 것입니다. 언어에 이상한 구문이 있고 일부 함수에 과부하가 많이 걸렸습니다(예를 들어 value에는 약 11개의 사용 사례가 있습니다). 가장 중요한 것은 프로그램 작성에 있어서 근본적으로 다른 접근 방식이 필요하다는 것입니다. 벡터 언어에서는 항상 배열 변환의 관점에서 생각해야 하고, map/reduce 함수(Q에서는 부사라고 함)의 여러 변형을 통해 모든 루프를 구현해야 하며, 벡터 연산을 원자 연산으로 대체하여 비용을 절약하려고 하면 절대 안 됩니다. 예를 들어, 배열에서 N번째로 나타나는 요소의 인덱스를 찾으려면 다음과 같이 작성해야 합니다.

1. (where element=vector)[N]  

C/Java 표준에 따르면 이것은 매우 비효율적으로 보입니다(= 요소의 실제 인덱스를 반환하는 부울 벡터를 생성합니다). 그러나 이 표기법은 표현의 의미를 더 명확하게 만들고 느린 원자 연산 대신 빠른 벡터 연산을 사용합니다. 벡터 언어와 다른 언어 간의 개념적 차이는 프로그래밍에 대한 명령형 접근 방식과 기능적 접근 방식의 차이와 비슷하며 이에 대비해야 합니다.
 
일부 사용자는 QSQL에 만족하지 않습니다. 요점은 실제 SQL처럼 보인다는 것입니다. 실제로는 쿼리 최적화를 지원하지 않는 SQL과 유사한 표현식의 해석기일 뿐입니다. 사용자는 스스로 최적의 쿼리를 작성해야 하며, 많은 사람들이 아직 준비하지 못한 Q 쿼리를 작성해야 합니다. 반면에, 블랙박스 최적화 프로그램에 의존하지 않고 언제든지 최적의 쿼리를 직접 작성할 수 있습니다.
 
게다가 Q - Q For Mortals에 관한 책은 다음에서 무료로 제공됩니다. 회사 웹 사이트, 거기에는 다른 유용한 자료도 많이 수집되어 있습니다.
 
또 다른 큰 단점은 라이센스 비용입니다. 이는 CPU당 연간 수만 달러에 달하는 금액입니다. 대기업만이 그러한 비용을 감당할 수 있습니다. 최근 KX는 라이선스 정책을 더욱 유연하게 만들어 Google 및 Amazon 클라우드에서 사용 시간에 대해서만 비용을 지불하거나 KDB+를 임대할 수 있는 기회를 제공합니다. KX는 다운로드도 제공합니다. 비상업적 목적의 무료 버전 (32비트 버전 또는 요청 시 64비트).
 

경쟁

매우 많은 양의 데이터에 초점을 맞춘 컬럼형, 메모리 내 유사한 원칙을 기반으로 구축된 특수 데이터베이스가 꽤 많이 있습니다. 문제는 이것이 전문화된 데이터베이스라는 점이다. 눈에 띄는 예는 Clickhouse입니다. 이 데이터베이스는 디스크에 데이터를 저장하고 인덱스를 구축하는 데 있어서 KDB+와 매우 유사한 원리를 가지고 있으며, 비록 크게는 아니지만 일부 쿼리를 KDB+보다 더 빠르게 수행합니다. 그러나 데이터베이스로서도 Clickhouse는 KDB+보다 더 전문적입니다. 웹 분석과 임의의 시계열입니다(이 차이점은 매우 중요합니다. 예를 들어 Clickhouse에서는 레코드 순서를 사용할 수 없기 때문입니다). 그러나 가장 중요한 것은 Clickhouse에는 데이터를 먼저 별도의 애플리케이션에 로드하고, 임의의 SQL 표현식을 작성하고, 쿼리에 임의의 함수를 적용하고, 프로세스를 생성하는 대신 데이터베이스에서 직접 데이터를 처리할 수 있는 언어인 KDB+의 다기능성이 없다는 점입니다. 기록 데이터베이스 기능의 실행과 관련이 없습니다. 따라서 KDB+를 다른 데이터베이스와 비교하는 것은 어렵습니다. 특정 사용 사례에서는 더 나을 수도 있고 전통적인 데이터베이스 작업에 있어서는 더 나을 수도 있지만 임시 데이터를 처리하는 데 똑같이 효과적이고 다재다능한 다른 도구는 없습니다.
 

파이썬 통합

기술에 익숙하지 않은 사람들이 KDB+를 더 쉽게 사용할 수 있도록 KX는 단일 프로세스 내에서 Python과 긴밀하게 통합되는 라이브러리를 만들었습니다. Q에서 Python 함수를 호출하거나 그 반대로 호출할 수 있습니다. Python에서 Q 함수(특히 QSQL 표현식)를 호출할 수 있습니다. 라이브러리는 필요한 경우(항상 효율성을 위해 그런 것은 아님) 한 언어 형식의 데이터를 다른 언어 형식으로 변환합니다. 결과적으로 Q와 Python은 경계가 모호할 정도로 긴밀한 공생 관계를 유지하고 있습니다. 결과적으로 프로그래머는 수많은 유용한 Python 라이브러리에 대한 전체 액세스 권한을 갖게 되며, 다른 한편으로는 Python에 통합된 빅 데이터 작업을 위한 빠른 기반을 얻게 됩니다. 이는 기계 학습에 관련된 사람들에게 특히 유용합니다. 또는 모델링.
 
Python에서 Q 작업:

1. >>> q()  
2.q)trade:([]date:();sym:();qty:())  
3. q)  
4. >>> q.insert('trade', (date(2006,10,6), 'IBM', 200))  
5. k(',0')  
6. >>> q.insert('trade', (date(2006,10,6), 'MSFT', 100))  
7. k(',1')  

참조

회사 사이트 - https://kx.com/
개발자를 위한 웹사이트 - https://code.kx.com/v2/
Q For Mortals 예약 (영어) - https://code.kx.com/q4m3/
kx 직원이 전하는 KDB+/Q 지원 관련 기사 - https://code.kx.com/v2/wp/

출처 : habr.com