2、行情数据特征分析：高频、海量、实时性要求、数据格式（Level1/Level2）

做行情系统优化，第一件事不是看代码，而是看数据。

我见过太多团队，一上来就撸起袖子写缓存、调参数，结果连数据长什么样都没搞清楚。说白了，你不了解你的对手，怎么打赢这场仗？

行情数据有四个核心特征：高频、海量、实时性要求高、数据格式复杂。咱们一个一个拆开看。

2.1 高频：每秒几千笔，不是开玩笑

先说说频率。A股全市场每天大概产生几亿笔行情数据。注意，我说的是「笔」，不是「条」。每一笔成交、每一档委托，都是一条独立的消息。

我个人习惯用这个数字来估算：沪深两市合计，峰值每秒能到 3000~5000 笔。如果是股指期货或者期权，频率更高，能上万。

这意味着什么？

• 你的系统每毫秒都要处理好几笔数据
• 网络延迟、内存分配、GC 停顿，任何一点抖动都会被放大
• 传统的「请求-响应」模型根本扛不住，必须用事件驱动

2.2 海量：一天几个 TB，存哪都是问题

再聊聊量级。全市场 Level2 行情，一天原始数据大概在 1~2 TB 左右。如果加上快照、逐笔成交、逐笔委托，轻松突破 5 TB。

你想想看，一天 5 TB，一个月就是 150 TB。这还只是原始数据，没算索引、副本、备份。

所以，行情系统的存储设计，核心就一句话：热数据放内存，冷数据放磁盘，温数据用 SSD 兜底。

2.3 实时性要求：延迟是硬指标，不是软约束

行情系统的实时性，不是「尽量快」，而是「必须快」。

交易所的行情推送，从产生到到达用户终端，端到端延迟通常要求在 10 毫秒以内。对于高频交易客户，这个数字甚至要压到 1 毫秒以下。

为什么会这么严格？因为行情延迟直接等于交易成本。你比别人晚 1 毫秒看到价格，可能就错过了最佳买卖点。

所以，优化实时性，本质上是在跟物理极限赛跑：

• 网络层面：用 RDMA 替代 TCP，减少协议栈开销
• 内存层面：用堆外内存、内存池，避免 GC 停顿
• CPU 层面：绑定核心、避免上下文切换

2.4 数据格式：Level1 vs Level2，差别在哪？

最后说说数据格式。国内行情主要分两种：Level1（基础行情） 和 Level2（深度行情）。

Level1 是免费的，每 3 秒推送一次快照，包含五档买卖盘、最新价、成交量等基础信息。数据量小，延迟要求也相对宽松。

Level2 是付费的，每笔成交、每笔委托都会推送。数据量是 Level1 的几十倍，但信息也更丰富：

• 十档买卖盘（甚至全量委托队列）
• 逐笔成交明细（每一笔交易的时间、价格、数量）
• 逐笔委托明细（每一笔挂单的撤单、成交、新增）

我个人习惯用这个比喻：Level1 是看照片，Level2 是看视频。照片只能看到某个瞬间的静态画面，视频能看到整个过程的变化。

2.5 知识体系总览

说了这么多，咱们用一张图来总结一下行情数据的核心特征。这张图是我自己画的结构图，方便你理解各个特征之间的关系：

嗯，这张图把四个特征和对应的优化方向都串起来了。你仔细看，每个特征都不是孤立的——高频带来海量，海量又加剧了实时性压力，而数据格式决定了你用什么策略去处理。

所以，做行情系统优化，不能只看一个点。你得从全局出发，理解数据从哪里来、到哪里去、中间经历了什么。

公众号:蓝海资料掘金营，微信deep3321