自己动手，搭一套行情回放系统

回放的原理是从数据库中读取需要的行情数据，并根据时间列排序后写入到相应的流数据表。因此，读数据库并排序的性能对回放速度有很大的影响，合理的分区机制将有助于提高数据加载速度。

我们选取了深交所 2021 年 12 月 1 日 50 只交易股票数据，在 linux 后台同时启动多个 C++ API 提交回放的程序，提交多个并发回放任务，来测试这套架构的性能表现。

• 回放耗时 = 所有回放任务最晚结束时间 - 所有回放任务最早收到时间

• 回放速率 = 所有用户回放数据量总和 回放耗时

• 平均单个用户回放耗时 =（所有回放任务结束时间和 - 所有回放任务开始时间和）/ 并发数量

• 平均单个用户回放速率 = 单个用户回放数据量 平均单个用户回放耗时

测试的交易日范围从 2021 年 12 月 1 日至 12 月 9 日共 7 个连续交易日，选取深交所 50 只交易股票数据，linux 后台启动 C++ API 提交回放的程序，提交多天回放任务。

• 回放耗时 = 回放任务结束时间 - 回放任务收到时间

• 回放速率 = 回放数据量 回放耗时

可以看到，这套行情数据回放方案在中高频数据下仍然具有强大性能，且调用方便、实现简单。下面为大家简单介绍一下架构与搭建步骤。完整的教程已发布在官方知乎，可以点击文末阅读原文查看。

我们搭建的行情回放服务基于 3 类国内 A 股行情：逐笔委托数据、逐笔成交数据和 Level 2 快照数据，支持以下功能与特性：

• C++、Python 客户端提交回放请求（指定回放股票列表 、回放日期、回放速率、回放数据源）

• 多个用户同时回放

• 多个数据源同时有序回放

• 在时间有序的基础上支持排序列有序（如：针对逐笔数据中的交易所原始消息记录号排序）

• 发布回放结束信号

• 对回放结果订阅消费

行情回放服务架构

这套行情回放服务架构包含以下几个模块：

• 行情数据接入：实时行情数据和历史行情数据可以通过 DolphinDB API 或插件存储到 DolphinDB 分布式时序数据库中。

• 函数模块封装：数据查询和回放过程可以通过 DolphinDB 函数视图封装内置，仅暴露股票列表 、回放日期、回放速率、回放数据源等关键参数给行情服务用户。

• 行情用户请求：需要进行行情回放的用户可以通过 DolphinDB 客户端软件（如 DolphinDB GUI 工具、DolphinDB VS Code 插件、DolphinDB API 等）调用封装好的回放函数对存储在数据库中的行情数据进行回放，同时，用户还可以在客户端对回放结果进行实时订阅消费。此外，支持多用户并发回放。

Step 2：服务提供者在 DolphinDB 集成开发环境中将回放过程中的操作封装成函数视图，通过封装使得行情服务用户不需要关心 DolphinDB 回放功能的细节，只需要指定简单的回放参数（股票、日期、回放速率、数据源）即可提交回放请求。

Step 3：服务提供者在外部程序中通过 DolphinDB API 调用上述函数视图实现提交回放的功能。在第四章将给出 API 端提交回放任务的 C++ 实现和 Python 实现。