ঘটনা সংগ্রাহক পুনরায় আপগ্রেড - কাস্টম ডেটা উত্স সরবরাহ করতে CSV ফর্ম্যাট ফাইল আমদানি সমর্থন

অ্যাকাউন্ট সংগ্রাহক পুনরায় আপগ্রেড করুন টেম্পলেট সমর্থন CSV ফর্ম্যাট ফাইল আমদানি কাস্টমাইজড ডেটা উত্স প্রদান

সাম্প্রতিক ব্যবহারকারীরা তাদের CSV ফর্ম্যাট ফাইলগুলিকে ডেটা উত্স হিসাবে ব্যবহার করতে চান, যাতে উদ্ভাবকরা প্ল্যাটফর্মের ডেটা সেন্টার সমর্থিত এক্সচেঞ্জের মধ্যে সীমাবদ্ধ না হয়ে, তাদের ডেটা থাকা পর্যন্ত পুনরায় পরীক্ষা করার জন্য সংক্ষিপ্ত এবং দক্ষতার সাথে ব্যবহার করে।

ডিজাইন

এই ডিজাইনের ধারণাগুলো খুবই সহজ, আমরা শুধু আগের মার্কেট গ্যালারেটর এর উপর ভিত্তি করে কিছু পরিবর্তন করেছি, আমরা মার্কেট গ্যালারেটর এর জন্য একটি প্যারামিটার যুক্ত করেছি।isOnlySupportCSVএকটি প্যারামিটার যোগ করা হয়েছে যা নিয়ন্ত্রণ করে যে কেবলমাত্র CSV ফাইলগুলিকে ডেটা উত্স হিসাবে পুনর্বিবেচনার সিস্টেমে সরবরাহ করা হয় কিনাfilePathForCSV, যা একটি সার্ভারে CSV ডেটা ফাইল স্থাপন করার পথ নির্ধারণ করে যা একটি মার্কেট সংগ্রাহক রোবট দ্বারা চালিত হয়।isOnlySupportCSVপ্যারামিটার সেট করা আছে কি নাTrueএই পরিবর্তনটি মূলত সেই ডেটা উত্স (১, নিজের দ্বারা সংগৃহীত, ২, সিএসভি ফাইলের ডেটা) ব্যবহার করার সিদ্ধান্ত নেওয়ার জন্য করা হয়েছে।Providerশ্রেণীdo_GETফাংশনগুলোতে।

সিএসভি ফাইল কি?

কমা-বিভক্ত মান (CSV, কখনও কখনও কমা-বিভক্ত মানও বলা হয়, কারণ বিভাজক অক্ষরগুলিও কমা হতে পারে) এর ফাইলগুলি খাঁটি পাঠ্য আকারে সারণীর ডেটা (সংখ্যা এবং পাঠ্য) সঞ্চয় করে। খাঁটি পাঠ্য মানে এই যে ফাইলটি একটি অক্ষর সিরিজ যা বাইনারি সংখ্যার মতো বিশ্লেষণ করা আবশ্যক নয়। CSV ফাইলগুলি যে কোনও সংখ্যার রেকর্ড দ্বারা গঠিত হয়, রেকর্ডের ব্যবধানে কিছু রূপান্তরিত সারি দ্বারা পৃথক করা হয়; প্রতিটি রেকর্ড ক্ষেত্র দ্বারা গঠিত হয়, এবং ব্যবধানের বিভাজকটি অন্য অক্ষর বা স্ট্রিং, সর্বাধিক সাধারণভাবে কমা বা টেমপ্লেট অক্ষর হয়। সাধারণত, সমস্ত রেকর্ডের ঠিক একই অনুচ্ছেদ সিরিজ থাকে। এটি সাধারণত খাঁটি পাঠ্য ফাইল। এটি WORDPAD ব্যবহার করার পরামর্শ দেওয়া হয় বা এটি পুনরায় চালু করা হয়, অন্যথায় ফাইলটি নতুন EXCEL দিয়ে শুরু হয়, এটিও একটি পদ্ধতি।

সিএসভি ফাইল ফরম্যাটের জন্য কোন সাধারণ মানদণ্ড নেই, কিন্তু একটি নিয়ম আছে, যা সাধারণত একটি রেকর্ডের জন্য একটি লাইন, প্রথম ক্রিয়া শিরোনাম; প্রতিটি লাইনের ডেটা একটি কমা ব্যবধান ব্যবহার করে।

উদাহরণস্বরূপ, আমরা যে CSV ফাইলটি পরীক্ষা করতে চেয়েছিলাম তা একটি ডায়ালগ দিয়ে খোলা হয়েছিলঃ

লক্ষ্য করুন, CSV ফাইলের প্রথম লাইনটি হল ফর্মের শিরোনাম।

,open,high,low,close,vol

আমরা এই ধরনের ডেটা বিশ্লেষণের জন্য একটি ফর্ম্যাট তৈরি করতে চাই যা রিভিউ সিস্টেমের কাস্টমাইজড ডেটা উত্সের প্রয়োজনীয়তা তৈরি করে, যা আমাদের পূর্ববর্তী নিবন্ধের কোডে ইতিমধ্যে পরিচালনা করা হয়েছে, কেবলমাত্র সামান্য পরিবর্তন করে।

সংশোধিত কোড

import _thread
import pymongo
import json
import math
import csv
from http.server import HTTPServer, BaseHTTPRequestHandler
from urllib.parse import parse_qs, urlparse

def url2Dict(url):
    query = urlparse(url).query  
    params = parse_qs(query)  
    result = {key: params[key][0] for key in params}  
    return result

class Provider(BaseHTTPRequestHandler):
    def do_GET(self):
        global isOnlySupportCSV, filePathForCSV
        try:
            self.send_response(200)
            self.send_header("Content-type", "application/json")
            self.end_headers()

            dictParam = url2Dict(self.path)
            Log("自定义数据源服务接收到请求，self.path:", self.path, "query 参数：", dictParam)
            
            # 目前回测系统只能从列表中选择交易所名称，在添加自定义数据源时，设置为币安，即：Binance
            exName = exchange.GetName()                                     
            # 注意，period为底层K线周期
            tabName = "%s_%s" % ("records", int(int(dictParam["period"]) / 1000))  
            priceRatio = math.pow(10, int(dictParam["round"]))
            amountRatio = math.pow(10, int(dictParam["vround"]))
            fromTS = int(dictParam["from"]) * int(1000)
            toTS = int(dictParam["to"]) * int(1000)

            # 要求应答的数据
            data = {
                "schema" : ["time", "open", "high", "low", "close", "vol"],
                "data" : []
            }
            
            if isOnlySupportCSV:
                # 处理CSV读取,filePathForCSV路径
                listDataSequence = []
                with open(filePathForCSV, "r") as f:
                    reader = csv.reader(f)
                    # 获取表头
                    header = next(reader)
                    headerIsNoneCount = 0
                    if len(header) != len(data["schema"]):
                        Log("CSV文件格式有误，列数不同，请检查！", "#FF0000")
                        return 
                    for ele in header:
                        for i in range(len(data["schema"])):
                            if data["schema"][i] == ele or ele == "":
                                if ele == "":
                                    headerIsNoneCount += 1
                                if headerIsNoneCount > 1:
                                    Log("CSV文件格式有误，请检查！", "#FF0000")
                                    return 
                                listDataSequence.append(i)
                                break
                    
                    # 读取内容
                    while True:
                        record = next(reader, -1)
                        if record == -1:
                            break
                        index = 0
                        arr = [0, 0, 0, 0, 0, 0]
                        for ele in record:
                            arr[listDataSequence[index]] = int(ele) if listDataSequence[index] == 0 else (int(float(ele) * amountRatio) if listDataSequence[index] == 5 else int(float(ele) * priceRatio))
                            index += 1
                        data["data"].append(arr)
                
                Log("数据：", data, "响应回测系统请求。")
                self.wfile.write(json.dumps(data).encode())
                return 
            
            # 连接数据库
            Log("连接数据库服务，获取数据，数据库：", exName, "表：", tabName)
            myDBClient = pymongo.MongoClient("mongodb://localhost:27017")
            ex_DB = myDBClient[exName]
            exRecords = ex_DB[tabName]
            
            # 构造查询条件：大于某个值{'age': {'$gt': 20}} 小于某个值{'age': {'$lt': 20}}
            dbQuery = {"$and":[{'Time': {'$gt': fromTS}}, {'Time': {'$lt': toTS}}]}
            Log("查询条件：", dbQuery, "查询条数：", exRecords.find(dbQuery).count(), "数据库总条数：", exRecords.find().count())
            
            for x in exRecords.find(dbQuery).sort("Time"):
                # 需要根据请求参数round和vround，处理数据精度
                bar = [x["Time"], int(x["Open"] * priceRatio), int(x["High"] * priceRatio), int(x["Low"] * priceRatio), int(x["Close"] * priceRatio), int(x["Volume"] * amountRatio)]
                data["data"].append(bar)
            
            Log("数据：", data, "响应回测系统请求。")
            # 写入数据应答
            self.wfile.write(json.dumps(data).encode())
        except BaseException as e:
            Log("Provider do_GET error, e:", e)


def createServer(host):
    try:
        server = HTTPServer(host, Provider)
        Log("Starting server, listen at: %s:%s" % host)
        server.serve_forever()
    except BaseException as e:
        Log("createServer error, e:", e)
        raise Exception("stop")

def main():
    LogReset(1)
    if (isOnlySupportCSV):
        try:
        # _thread.start_new_thread(createServer, (("localhost", 9090), ))         # 本机测试
            _thread.start_new_thread(createServer, (("0.0.0.0", 9090), ))         # VPS服务器上测试
            Log("开启自定义数据源服务线程，数据由CSV文件提供。", "#FF0000")
        except BaseException as e:
            Log("启动自定义数据源服务失败！")
            Log("错误信息：", e)
            raise Exception("stop")
        while True:
            LogStatus(_D(), "只启动自定义数据源服务，不收集数据！")
            Sleep(2000)
    
    exName = exchange.GetName()
    period = exchange.GetPeriod()
    Log("收集", exName, "交易所的K线数据，", "K线周期:", period, "秒")
    
    # 连接数据库服务，服务地址 mongodb://127.0.0.1:27017 具体看服务器上安装的mongodb设置
    Log("连接托管者所在设备mongodb服务，mongodb://localhost:27017")
    myDBClient = pymongo.MongoClient("mongodb://localhost:27017")   
    # 创建数据库
    ex_DB = myDBClient[exName]
    
    # 打印目前数据库表
    collist = ex_DB.list_collection_names()
    Log("mongodb ", exName, " collist:", collist)
    
    # 检测是否删除表
    arrDropNames = json.loads(dropNames)
    if isinstance(arrDropNames, list):
        for i in range(len(arrDropNames)):
            dropName = arrDropNames[i]
            if isinstance(dropName, str):
                if not dropName in collist:
                    continue
                tab = ex_DB[dropName]
                Log("dropName:", dropName, "删除：", dropName)
                ret = tab.drop()
                collist = ex_DB.list_collection_names()
                if dropName in collist:
                    Log(dropName, "删除失败")
                else :
                    Log(dropName, "删除成功")
    
    # 开启一个线程，提供自定义数据源服务
    try:
        # _thread.start_new_thread(createServer, (("localhost", 9090), ))     # 本机测试
        _thread.start_new_thread(createServer, (("0.0.0.0", 9090), ))         # VPS服务器上测试
        Log("开启自定义数据源服务线程", "#FF0000")
    except BaseException as e:
        Log("启动自定义数据源服务失败！")
        Log("错误信息：", e)
        raise Exception("stop")
    
    # 创建records表
    ex_DB_Records = ex_DB["%s_%d" % ("records", period)]
    Log("开始收集", exName, "K线数据", "周期：", period, "打开（创建）数据库表：", "%s_%d" % ("records", period), "#FF0000")
    preBarTime = 0
    index = 1
    while True:
        r = _C(exchange.GetRecords)
        if len(r) < 2:
            Sleep(1000)
            continue
        if preBarTime == 0:
            # 首次写入所有BAR数据
            for i in range(len(r) - 1):
                bar = r[i]
                # 逐根写入，需要判断当前数据库表中是否已经有该条数据，基于时间戳检测，如果有该条数据，则跳过，没有则写入
                retQuery = ex_DB_Records.find({"Time": bar["Time"]})
                if retQuery.count() > 0:
                    continue
                
                # 写入bar到数据库表
                ex_DB_Records.insert_one({"High": bar["High"], "Low": bar["Low"], "Open": bar["Open"], "Close": bar["Close"], "Time": bar["Time"], "Volume": bar["Volume"]})                
                index += 1
            preBarTime = r[-1]["Time"]
        elif preBarTime != r[-1]["Time"]:
            bar = r[-2]
            # 写入数据前检测，数据是否已经存在，基于时间戳检测
            retQuery = ex_DB_Records.find({"Time": bar["Time"]})
            if retQuery.count() > 0:
                continue
            
            ex_DB_Records.insert_one({"High": bar["High"], "Low": bar["Low"], "Open": bar["Open"], "Close": bar["Close"], "Time": bar["Time"], "Volume": bar["Volume"]})
            index += 1
            preBarTime = r[-1]["Time"]
        LogStatus(_D(), "preBarTime:", preBarTime, "_D(preBarTime):", _D(preBarTime/1000), "index:", index)
        # 增加画图展示
        ext.PlotRecords(r, "%s_%d" % ("records", period))
        Sleep(10000)
        

পরীক্ষা চালান

প্রথমত, আমরা মার্কেট-গ্রাহক রোবট চালু করি, আমরা রোবটকে একটি এক্সচেঞ্জ যোগ করি এবং রোবটকে চালিত করি। প্যারামিটার কনফিগারেশনঃ

এবং তারপর আমরা একটি পরীক্ষা কৌশল তৈরি করেছিঃ

function main() {
    Log(exchange.GetRecords())
    Log(exchange.GetRecords())
    Log(exchange.GetRecords())
}

কৌশলটি খুবই সহজ, মাত্র তিনটি কে-লাইন ডেটা সংগ্রহ এবং প্রিন্ট করুন।

পুনরাবৃত্তি পৃষ্ঠা, পুনরাবৃত্তি সিস্টেমের ডেটা উত্সকে কাস্টম ডেটা উত্স হিসাবে সেট করুন, এবং ঠিকানাটি মার্কেট সংগ্রহকারী বট দ্বারা চালিত সার্ভারের ঠিকানা পূরণ করুন। যেহেতু আমাদের সিএসভি ফাইলের ডেটা 1 মিনিটের কে লাইন। তাই পুনরাবৃত্তি করার সময়, আমরা 1 মিনিটের জন্য কে লাইন চক্র সেট করি।

এটির নাম হল "প্যাকেজিং" এবং এটির নাম হল "প্যাকেজিং" ।

পুনর্বিবেচনা সিস্টেম কার্যকর করার পর, ডাটা উত্সের K-লাইন ডেটার উপর ভিত্তি করে K-লাইন চার্ট তৈরি করুন।

তথ্যের তুলনাঃ

RecordsCollector (কাস্টম ডেটা উত্সের জন্য আপগ্রেড, CSV ডেটা ফাইলের জন্য ডেটা উত্সের জন্য সমর্থন)

এই ভিডিওতে, আপনি আপনার প্রিয় বন্ধুদের সাথে কথা বলতে পারেন।