撮合引擎开发:对接黑箱

本文涉及的产品
云数据库 Tair(兼容Redis),内存型 2GB
Redis 开源版,标准版 2GB
推荐场景:
搭建游戏排行榜
日志服务 SLS,月写入数据量 50GB 1个月
简介: 笔记

黑箱引擎


我们的撮合引擎作为一个相对通用的组件,其实就是一个黑箱,如果想将它应用到各种不同的交易系统,只要有标准的输入和输出,对接是很容易的。

写作此文时的撮合引擎为 1.3 版本,我将其编译构建成可在 Linux amd64 环境运行的可执行文件,并与依赖的配置文件一起压缩成一个压缩包 matching.zip。这就成为一个黑箱引擎了。

不过,该黑箱引擎除了对运行系统有要求,还对 Redis 有要求。由于使用了 Redis 的新版 MQ 功能,即 stream 数据结构,要求 Redis 至少是 5.0 版本。

其实,我也可以编译构建成其他系统环境的可执行文件,如 Windows 或 Mac 系统。但作为一款商业软件以及对性能的一些要求,运行在 Linux 环境更合适。

后面,我们就来看看,如果要将这个黑箱引擎应用到自己的交易系统中,如何对接?


安装部署


安装部署的系统环境需是 Linux amd64 的,另外,如果要让撮合性能更快,建议 Redis 与撮合引擎可以使用同一服务器,这可以减少不同服务器之前的传输耗时。

按照以下步骤操作就可以将撮合引擎安装部署到运行环境了:

1.matching.zip 压缩包上传到运行环境;2.在运行环境解压 matching.zip 压缩包,解压后有一个可执行文件和一个文件夹:

matching:这是撮合引擎程序的可执行文件conf:存放配置文件的目录,里面就一个配置文件 config.yaml

修改配置文件为自己想要的配置值:

server:
  port: :9466  //撮合引擎程序启动监听的端口
log:                 //输出日志配置
  fileDir: logs      //输出日志存放的目录
  fileName: matching //日志文件名,会按日期分割
  prefix:            //日志消息前缀
  level: debug       //日志级别,由低到高为:debug、info、warn、error
redis:
  addr: 127.0.0.1:6379  //Redis地址

1.如果使用默认配置,请确认运行环境本地已安装并启动了Redis并运行在6379端口;2.如果不用默认配置,依然需要确认Redis能正确连接;3.运行以下命令,后台启动撮合引擎程序:


./matching &

1.运行以下命令,检查程序是否启动成功:


ps aux|grep matching

1.程序启动成功后,会在配置的日志目录生成日志文件,默认为与 matching 可执行文件同目录下的 logs/matching.log;2.至此,撮合引擎程序安装部署成功。


对接输入


接入撮合引擎只需要对接三个 HTTP 接口,接口统一采用 POST 方法,参数统一用 json 格式,传 body。

1. 开启撮合

开启指定交易标的(交易对)的撮合功能。

HTTP请求

POST  /openMatching

请求参数

symbol:字符串类型,必传字段,交易标的(交易对)的标识,如 BTC_USDTprice:数字类型,非必传字段,默认为 0,开盘价

请求示例

POST  /openMatching
Body:
{
  "symbol": "BTC_USDT",
  "price": 8219.85
}

响应数据


{"code":0,"msg":"OK"}

2. 关闭撮合

关闭指定交易标的(交易对)的撮合功能。

HTTP请求

POST  /closeMatching

请求参数

symbol:字符串类型,必传字段,交易标的(交易对)的标识,如 BTC_USDT

请求示例

  • 响应数据
POST  /closeMatching
Body:
{
  "symbol": "BTC_USDT"
}

响应数据

{"code":0,"msg":"OK"}


3. 处理订单

接收下单和撤单请求。

HTTP请求

POST  /handleOrder

请求参数

symbol:字符串类型,必传字段,交易标的(交易对)的标识,如 BTC_USDTaction:字符串类型,必传字段,订单动作,下单=create,撤单=cancelorderId:字符串类型,必传字段,订单IDside:字符串类型,必传字段,买卖方向,买入=buy,卖出=selltype:字符串类型,必传字段,订单类型,包括:limit、limit-ioc、market、market-top5、market-top10、market-opponent,说明见下文amount:数字类型,非必传字段,默认为 0,订单交易量,下单时必传,撤单时可不传price:数字类型,非必传字段,默认为 0,委托价格,订单类型为市价时可不传

订单类型说明:

limit:普通限价limit-ioc:IOC限价-即时成交剩余撤销market:默认市价-即时成交剩余撤销market-top5:市价-最优五档即时成交剩余撤销market-top10:市价-最优十档即时成交剩余撤销market-opponent:市价-对手方最优价

请求示例

  • 响应数据
POST  /handleOrder
Body:
{
  "symbol": "BTC_USDT",
  "action": "create",
  "orderId": "a0001",
  "side": "buy",
  "type": "limit",
  "amount": 0.012,
  "price": 8230.74
}


响应数据

{"code":0,"msg":"OK"}


对接输出


撮合引擎有两种输出:撤单结果成交记录。统一用 MQ 的方式进行输入,MQ 是保存为 Redis 5.0 版本之后引入的新数据结构 Stream 类型。每个消息队列其实就是一条 stream,关于 stream 的具体用法我就不展开了,大伙自行去网上搜索学习即可。

1. 撤单结果

每个不同的 symbol 设置一个 stream,其 key 的格式为:matching:cancelresults:{symbol},value 包含两个字段:

orderId:订单号ok:1=成功;0=失败

2. 成交记录

每个不同的 symbol 也设置一个 MQ,key 的格式为:matching:trades:{symbol},value 包含的字段如下:

makerId:maker订单IDtakerId:taker订单IDtakerSide:taker买卖方向amount:成交数量price:成交价格timestamp:成交时间

下游服务就可以通过订阅监听这两种输出,之后做后续的处理,比如 K 线行情服务订阅监听成交记录来生成 K 线数据。等撮合引擎完成之后,我下一个要开发的组件就是 K 线行情服务。


项目结构


最后,先给大伙看看我们这个黑箱内部的整个 Go 项目的文件目录结构:

├── conf                     # 配置文件存放目录,在1.1版本时增加
│   ├── config.yaml          # 配置文件,在1.1版本时增加
├── engine                   # 引擎包
│   ├── init.go              # 初始化
│   ├── order.go             # 委托单
│   ├── order_book.go        # 交易委托账本
│   ├── order_queue.go       # 订单队列
│   ├── run.go               # 具体交易对的撮合引擎启动入口
│   └── trade.go             # 成交记录
├── enum                     # 枚举类型的包
│   ├── order_action.go      # 订单行为,create为下单,cancel为撤单
│   ├── order_side.go        # 买卖方向,buy为买入,sell为卖出
│   ├── order_type.go        # 订单类型,MVP版本(1.0版本)只支持limit,1.3版本共支持7种类型 
│   └── sort_direction.go    # 排序方向,asc为升序,desc为降序
├── errcode                  #
│   ├── code.go              # 定义了各种不同的错误码
│   └── errcode.go           # 错误码的数据结构,包括code和msg两个字段
├── handler                  #
│   ├── close_matching.go    # 接收关闭撮合的请求
│   ├── handle_order.go      # 接收处理订单的请求
│   └── open_matching.go     # 接收开启撮合的请求
├── log                      # 日志包,在1.2版本增加
│   ├── log.go               # 日志输出,在1.2版本增加
├── main.go                  # Go程序唯一入口
├── middleware               # 中间件的包
│   ├── cache                # 缓存包
│   │   └── cache.go         # 缓存操作
│   ├── mq                   # 消息队列包
│   │   └── mq.go            # MQ操作
│   └── redis.go             # 主要做Redis初始化操作
└── process                  #
    ├── close_engine.go      # 关闭引擎
    ├── dispatch.go          # 分发订单
    ├── init.go              # 初始化
    └── new_engine.go        # 启动新引擎

包括 main 包,整个项目总共划分为了 10 个包和 1 个配置文件目录:

conf:存放配置文件的目录。main:main 包只有一个 main.go 文件,定义了程序入口函数。enum:枚举包实现了几个枚举类型的数据结构,包括订单行为、买卖方向、订单类型和排序方向。errcode:存放错误码的包,errcode.go 定义了错误码的数据结构,有 code 和 msg 两个属性;code.go 则定义了一些错误码对象。handler:接收 HTTP 请求的函数都放在这个包里,目前也就只有三个 handler 函数。process:启动、关闭引擎和分发订单的处理过程都在这个包里,包里还维护着不同交易对的订单通道,用来分发不同交易对的订单。engine:引擎包,包含了委托单、交易委托账本、订单队列、成交记录这几个核心的数据结构,以及用于处理交易对撮合的入口函数。middleware:存放中间件的包,目前只用到了 Redis 一个中间件。cache:缓存包,只有一个 cache.go 文件,缓存操作都在这个文件里定义。mq:消息队列包,也只有一个 mq.go 文件,消息的发送就定义在这里。log:日志包,实现了日志消息按日期分割并输出到文件。


小结


本节我们了解到撮合引擎作为一个通用组件,有标准的输入和输出,而且这输入和输出都非常简单。也开始给大家展示了黑箱内部的文件目录结构,开始探究黑箱的内部逻辑,后续章节将陆续揭露这些内部实现逻辑。

本节预留的思考题:揣测下为什么我要将下单和撤单定义到同一个接口?而不是分开两个接口?分两个接口和用一个接口各有何优劣?

相关实践学习
基于Redis实现在线游戏积分排行榜
本场景将介绍如何基于Redis数据库实现在线游戏中的游戏玩家积分排行榜功能。
云数据库 Redis 版使用教程
云数据库Redis版是兼容Redis协议标准的、提供持久化的内存数据库服务,基于高可靠双机热备架构及可无缝扩展的集群架构,满足高读写性能场景及容量需弹性变配的业务需求。 产品详情:https://www.aliyun.com/product/kvstore     ------------------------------------------------------------------------- 阿里云数据库体验:数据库上云实战 开发者云会免费提供一台带自建MySQL的源数据库 ECS 实例和一台目标数据库 RDS实例。跟着指引,您可以一步步实现将ECS自建数据库迁移到目标数据库RDS。 点击下方链接,领取免费ECS&RDS资源,30分钟完成数据库上云实战!https://developer.aliyun.com/adc/scenario/51eefbd1894e42f6bb9acacadd3f9121?spm=a2c6h.13788135.J_3257954370.9.4ba85f24utseFl
相关文章
|
4月前
|
开发框架 小程序 前端开发
私域电商小程序系统开发:提供可行的电商解决方案
私域电商小程序助广州企业融合线上线下业务,利用智能手机普及与网络技术,提供个性化购物体验。开发涉及需求分析、UI设计、前后端开发及测试上线。技术要点包括微信小程序框架、前端后端技术及安全优化。市场竞争需关注用户需求、特色服务、技术创新与合作推广。通过差异化策略抓住市场机遇。
|
6月前
|
新零售 人工智能 大数据
推三返一互助系统开发|成熟案例|模式分析
他们更重视购物过程体验,希望与品牌商及零售商建立交易关系之上的信任感和亲密感
|
6月前
|
新零售
智慧农场认养模式系统开发|成熟方案|逻辑分析
新零售概念的提出也有三年时间了,不管是一级市场的创业者还是二级市场的公司
|
6月前
|
数据采集 监控 安全
量化交易源码开发丨量化交易系统开发成熟技术/教程方案/策略指南
定你的量化交易系统的需求和目标,包括交易策略、数据来源、风险管理等。
|
6月前
|
人工智能 自然语言处理 搜索推荐
用好这套系统,食品行业的私域运营不用愁!
随着互联网的深入发展,食品行业正面临着前所未有的挑战和机遇。传统的营销方式已经不能满足消费者的需求,而私域流量的兴起则为食品企业提供了一个全新的、低成本且高效率的营销方式。本文将探讨食品行业如何解决好三个痛点做私域。
|
机器人 TensorFlow 算法框架/工具
量化交易机器人(币安/OK交易所)系统开发方案策略及源码项目搭建分析
量化交易机器人(币安/OK交易所)系统开发方案策略及源码项目搭建分析
|
存储 运维 区块链
|
监控 机器人 区块链
深度分析——狩猎者defi夹子机器人系统开发技术原理
过去一年的时间里,DeFi可谓是迅速崛起,发展态势极其迅猛。虽然DeFi尚处于发展早期阶段,但活跃度和参与度都呈指数地在增长。在DeFi中,交易被打包的顺序极大地影响了DeFi的经济利益。例如,在 UniSwap 中,同样两个针对某交易对的买单,先被执行的交易将获得更多代币。若你在一笔买单前买入同样的代币,然后又赶紧卖出,则将毫无风险的获利。
深度分析——狩猎者defi夹子机器人系统开发技术原理
|
算法 机器人 API
量化交易机器人丨现货量化合约跟单系统开发(对接API火币/币安/OK/其他交易所)案例项目/方案设计/源码部署
量化的关键在于策略家预先建立的策略信号。比如有人用macd金叉作为进场信号,其实就是简单的量化;macd处理了一些基本的K线数据,然后画出来,就是量化,After processing the data with the golden cross structure on the chart,you choose to enter the market,which is quantitative trading.量化交易不是高频交易,每个指标其实都是一种量化,每个量化交易者都在创造一个新的指标;通过你理解的算法组合数据,用电脑计算,形成自己的交易系统,这就是真正的量化交易。