📝 1. 单条写入（建议格式：table, code, date）
同步 / 异步双支持
丰富 Value 类型支持
• Value 类型原生支持：list / dict / int / float / str / bytes / DataFrame
• 支持 1~3 级键值分层：
# 同步写入 (Sync · 尾部加 .do())
rd.set("策略表", {"total_profit": 0.35}).do() # 1级: table, value
rd.set("策略表", "600633", [12.5, 13.8, 15.2]).do() # 2级: table, key, value
rd.set("因子表", "600633", "20260818", {"score": 98.5, "tag": "买入"}).do() # 3级: table, code, date (推荐)
# 异步写入 (Async · 前缀加 await)
await rd.set("因子表", "600633", "20260818", {"score": 98.5})
💾 2. 批量写入（Pipeline 流水线模式）
高频选股与全市场落盘必备
单次组装 · 一次落盘
全市场筛选出海量因子或回测打分，严禁循环单条 set，统一组装 Pipeline 一次性提交：
# 1. 创建流水线
pipeline = rd.pipe()
# 2. 批量组装待写入数据
for item in factor_results:
pipeline.mset("策略因子", item["code"], item["date"], item["data"])
# 3. 提交落盘 (同步用 .do() / 异步用 await)
pipeline.do() # 同步一次性高速落盘
# await pipeline # 异步一次性高速落盘
✏️ 3. 字段修改与精准更新
写入即立即可读 · 0 延迟
WAL 机制保障
支持整值覆盖写入，亦支持深入多层子节点精准更新单个字段：
# 方式 A：直接整值覆盖修改 (同步加 .do() / 异步加 await)
rd.set("策略表", "600633", "20260818", new_value).do()
# 方式 B：子节点链式精准修改单个深层字段
rd.get("策略表", "600633", "20260818").get("params").set("threshold").val(0.05).do()