一一中文网

手机浏览器扫描二维码访问

第80章 数据库设计（第3页）

他在云服务器上直接部署了Redis服务，配置了持久化策略——虽然缓存数据可以丢失，但有些计算中间结果还是保存下来比较好，避免重复计算。

缓存设计是个细致活。

林晨规划了几个关键缓存：

实时行情缓存：存储最新行情，设置15秒过期，过期后系统会自动从数据源更新。

技术指标缓存：存储计算好的mAcd、RSI、布林带等指标值，设置5分钟过期，因为指标计算相对耗时。

策略信号缓存：存储各策略生成的买卖信号，设置1分钟过期，确保交易决策基于最新数据。

“缓存预热机制也得做”

。

林晨思考着。

系统启动时，应该主动加载一些基础数据到缓存，避免第一批请求全部穿透到数据库。

三天后的傍晚，三层数据库架构全部搭建完毕。

林晨开始改造原有的系统代码。

数据访问层要重写，原来直接读写SqLite的代码，现在要根据数据类型分发到不同的数据库。

交易记录写入mySqL，行情数据写入Influxdb，实时查询走Redis缓存。

他写了一个统一的数据访问接口，对上层业务代码透明——业务代码不需要知道数据存在哪里，只需要调用“保存交易”

、“查询行情”

、“获取缓存”

这些方法。

这工作做了整整两天。

林晨像在搭建一座精密的钟表，每个齿轮都要严丝合缝。

有时候一个字段的类型不匹配，就会导致整个写入失败；有时候缓存过期时间设置不合理，就会产生脏数据。

第五天晚上十一点，最后一段代码调试通过。

林晨深吸一口气，点击了系统重启按钮。

监控面板暗下去又亮起来，各个模块依次启动：数据访问层连接mySqL成功，连接Influxdb成功，连接Redis成功，缓存预热完成……

实时行情开始流入，系统界面上的股价数字跳动起来。

林晨打开浏览器的开发者工具，切换到网络监控页。

他模拟了一个查询请求：获取某只股票最近一个月的日K线数据，并计算相应的技术指标。

请求发出。

之前用SqLite时，这个查询需要800毫秒左右，因为要从几十万条数据里筛选、计算。

现在呢？

网络面板显示：请求耗时237毫秒。

林晨眼睛一亮。

他又测试了几个复杂查询：多只股票对比分析、策略历史回测、账户资产走势图……响应时间全部在300毫秒以内，比之前快了三四倍。

“值了”