sqlite数据库的表结构
1. SQLite在Freqtrade中的角色
SQLite 是一个 轻量级、嵌入式的关系型数据库（RDBMS），和 MySQL、PostgreSQL 一样遵循 SQL 标准，但它最大的特点是：
- 无需单独的数据库服务器进程（没有"服务端"），应用程序直接操作数据库文件；
- 数据存储在一个单独的文件里（通常后缀是
.sqlite或.db）。 因此，SQLite 特别适合嵌入式应用、本地应用和小型项目。 简单来说，SQLite 就像一个 本地 Excel 升级版 ——它不仅能存表，还能执行 SQL、支持事务，稳健轻量。详情可查看 SQLite官方网站。
2. 为什么默认用SQLite
(1) 无需安装数据库服务
- SQLite 是嵌入式数据库，一个单独的
.sqlite文件就能完成所有读写。 - 不像 MySQL/Postgres，需要安装、配置、开端口，增加了复杂度。
- 在 Docker 环境中更轻便，直接挂载一个
.sqlite文件即可持久化。
(2) 跨平台、便于迁移
- SQLite 数据库就是一个单文件，拷贝走就能用。
- 非常适合 Freqtrade 用户 本地实验 → 服务器部署 的工作流。
(3) 性能足够
- 量化交易一般并不是超大规模高并发写入场景。
- Freqtrade 每次下单只写几行记录，对 SQLite 来说绰绰有余。
- SQLite 单机能轻松支持 百万级交易记录，对个人/小团队完全够用。
(4) 内置支持（Python 生态友好）
- Python 自带
sqlite3库，Freqtrade 直接调用，不需要额外依赖。 - 用户只需一个
sqlite文件即可完成调试。
3. SQLite的局限性和进阶优化方向
虽然 SQLite 很好用，但也有一些限制：
- 不适合高并发（比如多个 bot 同时共享数据库）。
- 缺少高级功能（比如分布式、复杂权限管理）。
- 如果你想做数据仓库级别的分析，最好还是把数据导出到 PostgreSQL / MySQL / ClickHouse 之类的大数据库。
4. 怎么连接并查询SQLite库表
推荐用python连接查询，因为很多后续的分析，都需要用到python，这样可以做全链路的分析计算。
import sqlite3
import pandas as pd
import os
DB = r"C:/Users/10718/Desktop/crypto/freqtrade/ft_userdata/user_data/tradesv3.sqlite" # 这是sqlite对应的数据库文件，默认名为tradesv3.sqlite
# 首先判断文件是否存在
if not os.path.exists(DB):
raise FileNotFoundError(f"DB not found: {DB}")
print("DB size (bytes):", os.path.getsize(DB))
# 连接数据库
conn = sqlite3.connect(DB, uri=true)
# 列出所有的表
tables = pd.read_sql_query(
"SELECT name FROM sqlite_master WHERE type='table' ORDER BY name;", conn
)
print("tables:", tables["name"].tolist())
# 查询其中的trades表
trades = pd.read_sql_query("""
SELECT *
FROM trades
WHERE close_date IS NOT NULL
ORDER BY open_date ASC
""", conn, parse_dates=["open_date","close_date"])
print("trades rows:", len(trades))
print(trades)
conn.close()
有几个地方需要注意：
- 数据库文件的位置是可以修改的，在config.json中，配置 "db_url": "sqlite:///user_data/tradesv3.sqlite"；
- 并不是只能通过python连接，也可以用SQLite命令行操作，如 sqlite3 user_data/tradesv3.sqlite；
上述代码执行后，显示结果如下。可以看到部分内容自动省略了。
可以在代码中增加pandas显示选项，让数据展示更加美观：
trades = pd.read_sql_query("""
select * from trades limit 10;
""", conn)
# 设置 pandas 的显示选项
pd.set_option("display.max_columns", None) # 显示所有列
pd.set_option("display.max_rows", None) # 显示所有行
pd.set_option("display.width", 200) # 每行字符宽度
pd.set_option("display.max_colwidth", None) # 列内容完整显示
# print("trades rows:", len(trades))
print(trades)
或者导出成csv文件在excel中分析。
df.to_csv("trades.csv", index=False)
df.to_excel("trades.xlsx", index=False)
==注意python读写的死锁问题！！！==
在 freqtrade 里，tradesv3.sqlite 是核心数据库文件，SQLite 是单文件数据库，它的并发处理能力有限，SQLite 同时只允许 一个写入。
**如果 bot 在写（记录一笔交易），你又用 Python/工具查询并且触发了写锁（哪怕只是 SELECT 也可能申请共享锁），就可能导致阻塞。阻塞太久，freqtrade 就可能报错、重启。
sqlalchemy.exc.OperationalError: (sqlite3.OperationalError) ==**unable to open database file**==
[SQL: SELECT trades.id, trades.exchange, trades.pair, trades.base_currency, trades.stake_currency, trades.is_open, trades.fee_open, trades.fee_open_cost, trades.fee_open_currency, trades.fee_close, trades.fee_close_cost, trades.fee_close_currency, trades.open_rate, trades.open_rate_requested, trades.open_trade_value, trades.close_rate, trades.close_rate_requested, trades.realized_profit, trades.close_profit, trades.close_profit_abs, trades.stake_amount, trades.max_stake_amount, trades.amount, trades.amount_requested, trades.open_date, trades.close_date, trades.stop_loss, trades.stop_loss_pct, trades.initial_stop_loss, trades.initial_stop_loss_pct, trades.is_stop_loss_trailing, trades.max_rate, trades.min_rate, trades.exit_reason, trades.exit_order_status, trades.strategy, trades.enter_tag, trades.timeframe, trades.trading_mode, trades.amount_precision, trades.price_precision, trades.precision_mode, trades.precision_mode_price, trades.contract_size, trades.leverage, trades.is_short, trades.liquidation_price, trades.interest_rate, trades.funding_fees, trades.funding_fee_running, trades.record_version
FROM trades
WHERE trades.fee_close_currency IS NULL AND (EXISTS (SELECT 1
FROM orders
WHERE trades.id = orders.ft_trade_id)) AND trades.is_open IS 0]
(Background on this error at: https://sqlalche.me/e/20/e3q8)
解决办法，就是强制使用只读模式连接，同时防止误写。
# 连接数据库
conn = sqlite3.connect(DB, uri=True)
# 查询完成后关闭连接
conn.close()
5. 交易相关的表介绍
在SQLite库中，一共有4个交易相关的表：
| 表名 | 用途 |
|---|---|
| trades | 核心表，存储每一笔交易（从开仓到平仓）的信息。 |
| orders | 一笔 trade 通常对应多条 order（因为 DCA / 分批建仓 / 分批平仓）。 |
| pairlocks | 记录交易对的「锁仓」信息。比如在亏损后冻结某个交易对一段时间，不允许新开仓。 |
| trade_custom_data | 用于扩展存储每笔交易的自定义信息（如果策略里用了 custom_info） |
| 下面分别介绍每张表的字段明细及用途。 |
5.1 trades
trades 是 Freqtrade 的核心交易表，记录单笔交易从开仓到平仓的完整生命周期。 可用以下命令查看表结构
PRAGMA table_info(trades);
执行结果示例：
| 字段 | 类型 | 非空 | 默认值 | 主键 | 说明 |
|---|---|---|---|---|---|
| id | INTEGER | 是 | 无 | 是 | 交易主键，自增ID |
| exchange | VARCHAR(25) | 是 | 无 | 否 | 交易所标识，例如 binance、okx |
| pair | VARCHAR(25) | 是 | 无 | 否 | 交易对，例如 BTC/USDT |
| base_currency | VARCHAR(25) | 否 | 无 | 否 | 基础币种，例如 BTC |
| stake_currency | VARCHAR(25) | 否 | 无 | 否 | 计价/投入币种，例如 USDT |
| is_open | BOOLEAN | 是 | 无 | 否 | 是否仍持仓中（未平仓） |
| fee_open | FLOAT | 是 | 无 | 否 | 开仓费率（比例） |
| fee_open_cost | FLOAT | 否 | 无 | 否 | 开仓手续费绝对值（以手续费币计） |
| fee_open_currency | VARCHAR(25) | 否 | 无 | 否 | 开仓手续费币种 |
| fee_close | FLOAT | 是 | 无 | 否 | 平仓费率（比例） |
| fee_close_cost | FLOAT | 否 | 无 | 否 | 平仓手续费绝对值（以手续费币计） |
| fee_close_currency | VARCHAR(25) | 否 | 无 | 否 | 平仓手续费币种 |
| open_rate | FLOAT | 是 | 无 | 否 | 实际开仓成交价（加权平均） |
| open_rate_requested | FLOAT | 否 | 无 | 否 | 下单期望的开仓价（请求价） |
| open_trade_value | FLOAT | 否 | 无 | 否 | 开仓成交额（以计价币计） |
| close_rate | FLOAT | 否 | 无 | 否 | 实际平仓成交价（加权平均） |
| close_rate_requested | FLOAT | 否 | 无 | 否 | 下单期望的平仓价（请求价） |
| realized_profit | FLOAT | 否 | 无 | 否 | 已实现盈亏（百分比，含分批卖出累计） |
| close_profit | FLOAT | 否 | 无 | 否 | 本次平仓收益率（百分比） |
| close_profit_abs | FLOAT | 否 | 无 | 否 | 本次平仓绝对收益（以计价币计） |
| stake_amount | FLOAT | 是 | 无 | 否 | 初始投入金额（以计价币计） |
| max_stake_amount | FLOAT | 否 | 无 | 否 | 最大累计投入金额（含加仓后） |
| amount | FLOAT | 是 | 无 | 否 | 头寸数量（基础币数量） |
| amount_requested | FLOAT | 否 | 无 | 否 | 请求买入的头寸数量 |
| open_date | DATETIME | 是 | 无 | 否 | 开仓时间（UTC） |
| close_date | DATETIME | 否 | 无 | 否 | 平仓时间（UTC） |
| stop_loss | FLOAT | 否 | 无 | 否 | 当前止损价格 |
| stop_loss_pct | FLOAT | 否 | 无 | 否 | 当前止损距离（相对开仓价的百分比） |
| initial_stop_loss | FLOAT | 否 | 无 | 否 | 初始止损价格 |
| initial_stop_loss_pct | FLOAT | 否 | 无 | 否 | 初始止损百分比 |
| is_stop_loss_trailing | BOOLEAN | 是 | 无 | 否 | 是否启用跟踪止损 |
| max_rate | FLOAT | 否 | 无 | 否 | 持仓期间最高成交价 |
| min_rate | FLOAT | 否 | 无 | 否 | 持仓期间最低成交价 |
| exit_reason | VARCHAR(255) | 否 | 无 | 否 | 平仓原因，例如 sell_signal、stop_loss、roi、force_exit 等 |
| exit_order_status | VARCHAR(100) | 否 | 无 | 否 | 平仓订单状态，如 filled、canceled、rejected、partially_filled |
| strategy | VARCHAR(100) | 否 | 无 | 否 | 策略名称 |
| enter_tag | VARCHAR(255) | 否 | 无 | 否 | 入场标签/信号（自定义标记） |
| timeframe | INTEGER | 否 | 无 | 否 | K线周期（分钟），例如 5、15、60 |
| trading_mode | VARCHAR(7) | 否 | 无 | 否 | 交易模式，如 spot/futures |
| amount_precision | FLOAT | 否 | 无 | 否 | 交易数量精度 |
| price_precision | FLOAT | 否 | 无 | 否 | 价格精度 |
| precision_mode | INTEGER | 否 | 无 | 否 | 精度模式标识（与交易所适配有关） |
| precision_mode_price | INTEGER | 否 | 无 | 否 | 价格精度模式标识 |
| contract_size | FLOAT | 否 | 无 | 否 | 合约乘数（期货/合约模式） |
| leverage | FLOAT | 否 | 无 | 否 | 杠杆倍数（期货/杠杆） |
| is_short | BOOLEAN | 是 | 无 | 否 | 是否空头方向（期货/杠杆） |
| liquidation_price | FLOAT | 否 | 无 | 否 | 强平价（期货/杠杆） |
| interest_rate | FLOAT | 是 | 无 | 否 | 融资/借贷利率（某些交易所/模式） |
| funding_fees | FLOAT | 否 | 无 | 否 | 资金费用（期货资金费总额） |
| funding_fee_running | FLOAT | 否 | 无 | 否 | 资金费用累计值 |
| record_version | INTEGER | 是 | 无 | 否 | 记录版本号（用于迁移/兼容） |
提示：contract_size、leverage、is_short、liquidation_price、funding_fees、funding_fee_running 等字段主要在期货/杠杆模式下有效，现货模式下通常为空。
5.2 orders
orders 表按单据维度记录每一次下单、成交、取消等信息，和 trades.id 通过 ft_trade_id 建立关联。
可用以下命令查看表结构：
PRAGMA table_info(orders);
执行结果示例：
| 字段 | 类型 | 非空 | 默认值 | 主键 | 说明 |
|---|---|---|---|---|---|
| id | INTEGER | 是 | 无 | 是 | 订单主键，自增ID |
| ft_trade_id | INTEGER | 是 | 无 | 否 | 关联的交易ID（对应 trades.id） |
| ft_order_side | VARCHAR(25) | 是 | 无 | 否 | Freqtrade 统一的订单方向：buy/sell（用于标识开/平方向） |
| ft_pair | VARCHAR(25) | 是 | 无 | 否 | Freqtrade 标准化交易对，如 BTC/USDT |
| ft_is_open | BOOLEAN | 是 | 无 | 否 | 是否为开仓相关订单（开仓/加仓 为 True；减仓/平仓 为 False） |
| ft_amount | FLOAT | 是 | 无 | 否 | Freqtrade 侧下单数量（基础币数量） |
| ft_price | FLOAT | 是 | 无 | 否 | Freqtrade 侧下单价格（通常为限价） |
| ft_cancel_reason | VARCHAR(255) | 否 | 无 | 否 | 取消原因（如价格偏离、信号撤销、超时等） |
| order_id | VARCHAR(255) | 是 | 无 | 否 | 交易所订单ID（唯一标识） |
| status | VARCHAR(255) | 否 | 无 | 否 | 订单状态（open、closed/filled、canceled、expired 等） |
| symbol | VARCHAR(25) | 否 | 无 | 否 | 交易所原始符号（可能包含合约后缀，如 BTC/USDT:USDT） |
| order_type | VARCHAR(50) | 否 | 无 | 否 | 订单类型（limit、market、stop、stop_limit 等） |
| side | VARCHAR(25) | 否 | 无 | 否 | 交易所返回的订单方向（与 ft_order_side 含义相同但为原始值） |
| price | FLOAT | 否 | 无 | 否 | 订单价格（对限价单为挂单价格） |
| average | FLOAT | 否 | 无 | 否 | 成交均价（部分成交按加权平均） |
| amount | FLOAT | 否 | 无 | 否 | 订单请求数量（基础币数量） |
| filled | FLOAT | 否 | 无 | 否 | 已成交数量 |
| remaining | FLOAT | 否 | 无 | 否 | 剩余未成交数量 |
| cost | FLOAT | 否 | 无 | 否 | 已成交金额（以计价币计） |
| stop_price | FLOAT | 否 | 无 | 否 | 触发价（止损/止盈/触发单用） |
| order_date | DATETIME | 否 | 无 | 否 | 下单时间（UTC） |
| order_filled_date | DATETIME | 否 | 无 | 否 | 完全成交时间（UTC） |
| order_update_date | DATETIME | 否 | 无 | 否 | 最近一次状态更新（UTC） |
| funding_fee | FLOAT | 否 | 无 | 否 | 资金费用（期货资金费，部分交易所/模式下存在） |
| ft_fee_base | FLOAT | 否 | 无 | 否 | Freqtrade 计算的基础手续费（通常以计价币计） |
| ft_order_tag | VARCHAR(255) | 否 | 无 | 否 | 订单标签（如 roi、stoploss、自定义入场/出场标签） |
说明：
ft_order_side/side：前者为 Freqtrade 标准化方向，后者为交易所原始返回，二者在绝大多数情况下等价。ft_pair/symbol：前者统一为 Freqtrade 规范的交易对，后者可能包含交易所特有后缀或格式。- 期货/杠杆模式下，
funding_fee可能有值，现货模式下通常为空。
5.3 pairlocks
pairlocks 用于在一段时间内「冻结」某个交易对的开仓行为，常用于止损后冷静期、风控限制等，避免在短时间内重复触发亏损。
可用以下命令查看表结构：
PRAGMA table_info(pairlocks);
执行结果示例：
| 字段 | 类型 | 非空 | 默认值 | 主键 | 说明 |
|---|---|---|---|---|---|
| id | INTEGER | 是 | 无 | 是 | 主键，自增ID |
| pair | VARCHAR(25) | 是 | 无 | 否 | 交易对，例如 BTC/USDT |
| side | VARCHAR(25) | 是 | 无 | 否 | 方向限制。现货常见为 buy；合约/杠杆可为 long/short |
| reason | VARCHAR(255) | 否 | 无 | 否 | 锁定原因（如 stoploss、风控规则名、手动锁定说明等） |
| lock_time | DATETIME | 是 | 无 | 否 | 锁定开始时间（UTC） |
| lock_end_time | DATETIME | 是 | 无 | 否 | 锁定结束时间（UTC），到期后理论上允许重新开仓 |
| active | BOOLEAN | 是 | 无 | 否 | 当前是否仍生效（True/False） |
常用查询示例：
-- 查询当前有效的锁定
SELECT *
FROM pairlocks
WHERE pair = 'BTC/USDT'
AND active = 1
AND lock_end_time > CURRENT_TIMESTAMP;
5.4 trade_custom_data
trade_custom_data 用于存储与交易相关的自定义键值信息（如策略在运行时写入的 custom_info、调试标签、指标快照等）。通常通过 ft_trade_id 关联到 trades.id，同一笔交易可对应多条自定义记录。
可用以下命令查看表结构：
PRAGMA table_info(trade_custom_data);
执行结果示例：
| 字段 | 类型 | 非空 | 默认值 | 主键 | 说明 |
|---|---|---|---|---|---|
| id | INTEGER | 是 | 无 | 是 | 主键，自增ID |
| ft_trade_id | INTEGER | 否 | 无 | 否 | 关联交易ID（对应 trades.id）。通常用于把自定义数据挂到某一笔交易上 |
| cd_key | VARCHAR(255) | 是 | 无 | 否 | 自定义数据键名，例如 entry_signal、feature_snapshot、debug_note |
| cd_type | VARCHAR(25) | 是 | 无 | 否 | 值类型标识。常见如 str、int、float、bool、json、datetime 等，用于解释 cd_value |
| cd_value | TEXT | 是 | 无 | 否 | 实际值（文本存储）。若为结构化数据，一般以 JSON 字符串形式保存 |
| created_at | DATETIME | 是 | 无 | 否 | 记录创建时间（UTC） |
| updated_at | DATETIME | 否 | 无 | 否 | 最近更新时间（UTC） |
说明与建议：
- 使用
ft_trade_id建立与trades的一对多关系，便于按交易聚合自定义标签与指标。 cd_type与cd_value搭配使用：当为复杂结构时建议设置cd_type = 'json'并在cd_value中保存序列化后的 JSON。- 可在分析时按
cd_key进行筛选与透视，实现灵活的特征/标签管理。
6. 常用场景查询
一般情况下，在freqrtade UI或者Telegram Bot的监控指标已经能够满足要求。但这里的指标比较固定，如果要进一步下钻做分析，做实盘复盘，就需要更多灵活的指标。
6.1 查询整体盈利情况
SELECT
COUNT(*) AS total_trades,
SUM(CASE WHEN close_profit > 0 THEN 1 ELSE 0 END) AS win_trades,
ROUND(AVG(close_profit)*100, 2) AS avg_profit_pct
FROM trades where is_open=0 ;
执行结果如下，和freqtrade UI上的数据一致。
total_trades win_trades avg_profit_pct
0 197 171 1.35
6.2 查询每个交易对的盈利情况
SELECT pair,
COUNT(*) AS trade_count,
ROUND(SUM(close_profit_abs), 4) AS total_profit,
ROUND(AVG(close_profit)*100, 2) AS avg_profit_pct
FROM trades
GROUP BY pair order by 4 desc ;
执行结果示例：
pair trade_count total_profit avg_profit_pct
0 DOGE/USDT:USDT 15 2.9401 3.92
1 ADA/USDT:USDT 10 2.2785 3.65
2 XLM/USDT:USDT 12 2.0579 3.28
3 LTC/USDT:USDT 4 1.3610 3.24
4 1000PEPE/USDT:USDT 17 1.5275 3.10
5 ENA/USDT:USDT 11 1.3852 2.63
6 FARTCOIN/USDT:USDT 26 1.5466 1.91
7 TRUMP/USDT:USDT 23 1.4187 1.77
8 ETH/USDT:USDT 10 1.1086 1.50
9 LINK/USDT:USDT 9 -0.1596 -0.11
10 XRP/USDT:USDT 15 -1.1635 -0.23
11 BNB/USDT:USDT 5 -0.2064 -0.62
12 OM/USDT:USDT 5 -0.2944 -1.13
13 CRV/USDT:USDT 12 -1.3014 -1.53
14 1000BONK/USDT:USDT 18 -1.8730 -1.57
15 THE/USDT:USDT 6 -1.2625 -1.58
6.3 查询每日盈利情况
SELECT date(close_date),
COUNT(*) AS trade_count,
ROUND(SUM(close_profit_abs), 4) AS total_profit,
ROUND(AVG(close_profit)*100, 2) AS avg_profit_pct
FROM trades
GROUP BY date(close_date) ;
执行结果示例：
date(close_date) trade_count total_profit avg_profit_pct
0 None 1 NaN NaN
1 2025-07-28 7 -0.0356 1.44
2 2025-07-29 5 -4.6732 -11.04
3 2025-07-30 6 -1.3560 -2.08
4 2025-07-31 5 -2.2538 -7.03
5 2025-08-01 1 -0.9584 -14.82
6 2025-08-05 4 1.1243 3.63
7 2025-08-07 17 3.5794 3.51
8 2025-08-08 19 1.0264 1.66
9 2025-08-09 17 1.8419 1.28
10 2025-08-10 8 -1.1520 -1.42
11 2025-08-11 20 0.2287 1.10
12 2025-08-12 19 5.0990 4.07
13 2025-08-13 20 3.6692 2.73
14 2025-08-14 13 -0.6300 1.06
15 2025-08-15 21 3.7858 3.26
16 2025-08-16 8 -0.5854 1.15
17 2025-08-17 7 0.6529 1.64
7. 进阶问题分析
以下为结合实盘记录的进阶分析示例，可参考。