列式存储算标配，天生支持多线程不错，但哪些场景有效还是未知数。最有趣的是他们搞了一套表达式引擎和缓存，你可以把布林带这样的计算交给底层引擎去完成，然后把表达式的计算结果缓存下来，缓存的数据和其他因子数据等效访问。这个方法大大简化了算法研究中的数据生成过程，还是很棒的。遗憾的是这套框架目前支持的数据类型还不够，除非你只用价格这样的数量数据，文本数据、非标准化的数据没办法纳入框架。整体而言还算不错的尝试，但性能好不好还是要看模型使用的算法。研究过许多量化平台的存储底层存储，大多都用的现成的HDF5或者bcolz，稍微厉害点在bcolz上改改，性能也基本就到极限了，但加上其他非标准化非价格数据的存储，整体速度会被拖慢几个数量级。而微软对AI的底层基础设施要求非常清楚，就是快且灵活，只有这样才能满足算法飞轮的快速运转，才能成为真正的生产力工具，目前是没有工具能达到这个要求的，我自己也搞过两次，都失败了，要兼顾的地方太多。这套系统相比国内外的其他系统而言算是一大进步，但也算不上多创新，不过至少可以期待。
