4. 价格优先与时间优先：撮合队列的核心法则
大家好，我是你们的老朋友。今天我们来聊聊撮合引擎里最基础、也最核心的两个原则——价格优先和时间优先。
说实话，我见过不少刚入行的同学，觉得这两个原则太简单了，不就是“价高者得、先来后到”嘛。但实际在项目中，细节远比想象中复杂。我曾经在一个高频交易系统里，就因为时间戳精度不够，导致订单排序出了大问题，差点让客户亏了几百万。嗯，从那以后，我对这两个原则的理解就深刻多了。
核心结论：价格优先是“第一筛选条件”，时间优先是“同价下的决胜规则”。两者结合，构成了公平、高效的撮合排序策略。
4.1 价格优先原则详解
价格优先，说白了就是——谁的报价更优，谁就先成交。
对于买单，价格越高越优先；对于卖单，价格越低越优先。这个逻辑很直观：买方想便宜买，卖方想贵卖，但市场撮合要促成交易，所以必须让“最想成交”的人先成交。
具体规则：
- 买单队列：按价格从高到低排序。最高价的买单排在最前面。
- 卖单队列：按价格从低到高排序。最低价的卖单排在最前面。
举个例子，假设当前市场上有以下买单：
| 订单ID | 价格（元） | 数量 | 时间 |
|---|---|---|---|
| A | 10.05 | 100 | 09:30:01.000 |
| B | 10.02 | 200 | 09:30:00.500 |
| C | 10.05 | 150 | 09:30:00.800 |
按照价格优先原则，买单A和C都是10.05元，高于B的10.02元。所以A和C会排在B前面。至于A和C谁先谁后？那就是时间优先的事了。
我的经验：在实际系统中，价格优先的排序通常用红黑树或跳表实现。我习惯用红黑树，因为插入和删除都是O(log n)，性能稳定。但要注意，价格档位可能非常多，极端行情下会有几千个不同价格，这时候内存管理要格外小心。
4.2 时间优先原则详解
时间优先，就是“先来后到”。当价格相同时，谁先提交订单，谁就排在前面。
你想想看，如果没有时间优先，那同价位的订单怎么排？按订单ID？按用户等级？那都不公平。时间优先是最简单、最公平的规则。
关键细节：
- 时间戳必须精确到毫秒甚至微秒级别。我见过用秒级时间戳的系统，结果同一秒内几十个订单无法区分先后，只能随机排序——这绝对是个坑。
- 时间戳的生成时机也很重要。是客户端提交时间？还是服务器接收时间？我个人建议用服务器接收时间，因为客户端时间不可信。
避坑指南：我曾经在一个项目中，用了客户端时间戳。结果有个用户自己改了系统时间，把订单时间改到前一天，导致他的订单一直排在前面。后来我们改成服务器时间戳，并加了序列号，才彻底解决这个问题。
回到上面的例子，买单A和C价格相同（10.05元），但C的时间是09:30:00.800，A是09:30:01.000。所以C比A更早，C排在A前面。最终排序是：C → A → B。
4.3 两者结合的综合排序策略
现在我们把两个原则合起来。综合排序策略其实就一句话：先按价格分档，再按时间排序。
具体流程是这样的：
- 所有买单按价格从高到低分成多个价格档位。
- 每个价格档位内部，按时间从早到晚排序。
- 撮合时，从最高价档位的最早订单开始匹配。
为了让你更直观地理解，我画了一张流程图：
你看，整个流程很清晰。但实际实现时，有几个细节要注意：
实现要点：
- 数据结构选择：我建议用“价格桶 + 时间有序链表”的组合。每个价格对应一个桶，桶内用链表按时间排序。这样插入和查询都很快。
- 并发处理：撮合引擎通常是多线程的。对队列的读写要加锁，或者用无锁队列。我个人偏向用读写锁，因为读多写少。
- 内存管理：订单量大的时候，队列可能占用大量内存。要设置队列上限，或者用内存池复用订单对象。
下面是一个简化的代码示例，展示如何实现综合排序：
// 价格优先 + 时间优先的撮合队列（简化版）
class OrderQueue {
// 价格桶：key=价格，value=该价格下的订单列表（按时间排序）
TreeMap<Double, LinkedList<Order>> buyBuckets;
TreeMap<Double, LinkedList<Order>> sellBuckets;
public void addOrder(Order order) {
if (order.isBuy()) {
// 买单：价格从高到低排序
LinkedList<Order> bucket = buyBuckets.computeIfAbsent(
order.price, k -> new LinkedList<>());
// 时间优先：插入到链表尾部（假设时间递增）
bucket.addLast(order);
} else {
// 卖单：价格从低到高排序
LinkedList<Order> bucket = sellBuckets.computeIfAbsent(
order.price, k -> new LinkedList<>());
bucket.addLast(order);
}
}
public Order getBestBuyOrder() {
// 获取最高价买单的最早订单
Map.Entry<Double, LinkedList<Order>> entry = buyBuckets.lastEntry();
if (entry == null) return null;
return entry.getValue().peekFirst();
}
public Order getBestSellOrder() {
// 获取最低价卖单的最早订单
Map.Entry<Double, LinkedList<Order>> entry = sellBuckets.firstEntry();
if (entry == null) return null;
return entry.getValue().peekFirst();
}
}我的建议：实际生产环境中，不要直接用LinkedList，它的内存开销大。我习惯用数组实现的循环队列，或者用Netty的Recycler来复用对象。另外，价格桶的TreeMap要小心，浮点数作为key会有精度问题。我一般把价格乘以10000转成整数来用。
最后，我想强调一点：价格优先和时间优先的组合，不仅仅是技术实现问题，更是公平性的体现。一个公平的撮合系统，能让所有参与者信任市场。如果你在设计中偷懒，比如用随机排序代替时间优先，短期看没问题，长期一定会出问题。
好了，这一章就到这里。记住：价格优先是骨架，时间优先是血肉，两者缺一不可。