3 min read

量化程序系列(四)高性能思想

Source: http://x.com/i/article/2034661764491866112

最近我在用 Rust 写量化程序,能力提升很快,现在已经能够很好地使用 Actor 模式,并且借鉴了 Go-Ethereum 的设计思想,实现了状态通过 RwLock 共享、请求和返回通过事件传输的架构。整个系统设计了统一的状态 + 事件 handle 入口,从而保证了状态机里状态修改的唯一性和一致性。

https://x.com/0xLogicLog/status/2023779412395938028

在实践中,我发现热路径和冷路径的区别非常关键。策略模块具有强时序要求,而事件引擎的执行往往会阻塞行情处理,导致延迟上升。为了解决这个问题,我将 ExecutionDriver 与策略引擎分离,使策略引擎的主路径完全不涉及系统调用、网络请求或强 CPU 运算。这种分离不仅保证了热路径低延迟,也让冷路径的异步任务可以独立执行,不影响策略响应。

从更高性能的角度来看,其实在热路径上完全没有必要使用异步程序。可以通过 RingBuffer 处理行情,通过无锁队列传输事件,而且事件本身不传递数据内容,只传递事件类型和数据指针(通常是 Arc 或 Box)。这样主循环的 push/pop 操作几乎不涉及内存复制,极大提升了性能。不过,这种纯同步、无锁的实现编码复杂度高,需要手动管理线程和事件调度,因此在大部分场景下,选择单线程异步仍然是更易维护、可扩展的方案。

Image

从热路径和冷路径的角度来看,Kafka 的设计思想提供了事件驱动和消息分发的参考,但它的延迟不适合微秒级响应的量化系统。相比之下,LMAX Disruptor 架构实现了多路径高性能处理:固定大小的环形缓冲区、预先分配的事件对象、事件复用、无锁或最小锁、fan-out 消费模式以及顺序保证。这些设计思想不必完全照搬,但在设计量化系统时值得深度学习和借鉴。

总结来说,高性能量化系统设计的核心思路是:分离热路径与冷路径、事件轻量化、RingBuffer/无锁队列处理、数据通过共享内存访问、fan-out消费以及在合适位置使用异步任务解耦 I/O。在 Rust 中,这些设计思想能够结合 Actor 模式以及无锁队列实现低延迟、高吞吐量的量化策略执行。