第三章：行情数据接入层
行情数据接入层，说白了就是系统的「眼睛」和「耳朵」。
我做了这么多年债券做市系统，最深的体会就是：行情接不好，后面全是白搭。你策略再牛，模型再准，拿到的数据是错的或者慢了，那交易结果就是灾难。
3.1 交易所与银行间市场：两个世界的协议
国内债券市场，主要分两大块：交易所市场和银行间市场。这两个地方的行情协议，完全是两套逻辑。
交易所市场（上交所、深交所）走的是标准的证券行情协议。我记得早期用的是Step协议，后来逐步升级到STEP、MBO（Market By Order）这类。说白了，就是逐笔成交和快照数据。
银行间市场（CFETS）就复杂多了。它走的是外汇交易中心的专有协议，比如FX系列、CSTP。我当年第一次对接银行间行情时，差点被它的报文结构搞崩溃——字段嵌套深，而且有些字段是可选的，解析起来特别麻烦。
核心差异对比：
| 维度 | 交易所 | 银行间 |
|---|---|---|
| 协议类型 | Step/STEP/MBO | FX/CSTP |
| 数据频率 | 毫秒级快照+逐笔 | 秒级报价+成交 |
| 字段复杂度 | 中等 | 高（嵌套多） |
| 接入方式 | TCP直连/组播 | 专线+API |
3.2 多源数据融合：别让数据打架
你想想看，一个债券可能在交易所、银行间、甚至场外都有报价。这些报价时间不同、价格不同、量也不同。怎么融合？
我个人习惯的做法是：时间戳对齐 + 优先级策略。
举个例子，某只国债在交易所最新成交价是99.50，银行间报价是99.52。这时候不能简单取平均，因为两个市场的流动性不同。我一般会设定一个「可信度权重」——银行间的大额报价权重高，交易所的逐笔成交权重高。
避坑指南：我曾经遇到过一个问题：两个源的数据时间戳差了1秒，结果融合出来的价格剧烈抖动。后来我加了一个「时间窗口对齐」的逻辑——只融合时间差在100毫秒以内的数据。嗯，这个细节很重要。
3.3 行情数据缓存与分发：别让下游饿死
行情数据来了，不能直接丢给策略层。为什么？因为策略层处理不过来。一个活跃的债券，每秒可能有几百笔行情变化。策略层如果每笔都处理，CPU直接拉满。
所以，我们需要一个缓存层。我常用的方案是：
- 本地内存缓存：用ConcurrentHashMap或者Caffeine，存最近N笔行情
- 环形缓冲区：适合高频场景，避免GC压力
- Redis发布订阅：适合多进程/多机器分发
分发的时候，要注意「推拉结合」。推模式（Push）适合实时性要求高的场景，比如做市策略；拉模式（Pull）适合分析型应用，比如风控系统。
注意：缓存不能无限大。我见过有人把一天的所有行情都缓存下来，结果内存爆了。建议设置过期时间，比如只保留最近5分钟的逐笔数据。
3.4 行情质量监控：数据坏了要能发现
行情数据出问题，是迟早的事。网络抖动、源端故障、协议解析异常……我经历过太多次了。
监控什么？我总结了几点：
- 数据完整性：每个时间窗口内，行情条数是否在合理范围？突然少了，可能是丢包了。
- 数据时效性：最新行情的时间戳和当前系统时间差了多少？超过500毫秒就要报警。
- 数据合理性：价格突变超过5%？量突然放大100倍？这些很可能是异常数据。
- 源端健康度：每个数据源的连接状态、延迟、重连次数。
我曾经遇到过一个经典问题：银行间行情源突然停了10秒，但系统没报警，因为缓存里还有旧数据。结果策略用了10秒前的价格去报价，亏了不少。从那以后，我加了一个「缓存新鲜度」的监控——如果缓存数据超过1秒没更新，直接标记为不可用。
3.5 整体架构图
下面这张图，是我个人比较推荐的一种行情接入层架构。它把上面说的几个模块串起来了。
3.6 代码示例：一个简单的行情解析器
下面是一个简化版的Step协议解析器片段。实际生产环境要复杂得多，但核心逻辑就是这样。
public class StepQuoteParser {
// 解析Step协议的快照数据
public Quote parseSnapshot(byte[] rawData) {
Quote quote = new Quote();
// 跳过协议头
int offset = 8;
// 解析证券代码
byte[] secCodeBytes = new byte[8];
System.arraycopy(rawData, offset, secCodeBytes, 0, 8);
quote.setSecurityCode(new String(secCodeBytes).trim());
offset += 8;
// 解析最新价（定点数，4字节）
int priceInt = ByteBuffer.wrap(rawData, offset, 4).getInt();
quote.setLastPrice(priceInt / 10000.0); // 假设精度是万分位
offset += 4;
// 解析成交量（4字节）
int volume = ByteBuffer.wrap(rawData, offset, 4).getInt();
quote.setVolume(volume);
// 设置时间戳
quote.setTimestamp(System.currentTimeMillis());
return quote;
}
}个人经验：解析行情时，一定要注意字节序（Big-Endian vs Little-Endian）。交易所和银行间用的可能不一样。我当年就因为这个bug，排查了整整一个下午。
3.7 总结
行情数据接入层，是整个做市系统的地基。地基不稳，楼盖得再高也没用。
核心就四点：协议解析要准、多源融合要稳、缓存分发要快、质量监控要全。把这四点做好了，后面的策略层才能安心干活。