量化交易系统技术方案设计

✅ 策略实例生命周期阶段

1. 创建（Created）
   • 用户创建策略配置（如币种、价格范围、策略类型等）
   • 状态：未运行，存储在数据库中
2. 启动（Running）
   • 系统调度策略模板 + 参数生成策略实例
   • 开始监听行情、风控、交易信号等
3. 暂停（Paused）
   • 用户主动暂停或系统触发暂停（如断网、限仓）
   • 停止执行交易逻辑，但保留状态和内存
4. 恢复（Resumed）
   • 恢复已暂停策略的运行状态
5. 终止（Stopped）
   • 用户主动终止或策略运行结束（比如止盈止损）
   • 完全释放资源，写入执行日志
6. 异常（Error）
   • 策略在运行中出现异常，如数据丢失、风控失败等

✅ Java 中如何管理这些生命周期？

可以用一个策略实例管理器来统一调度，比如：

publicclassStrategyInstanceManager{privatefinalMap<String,StrategyRunner>activeStrategies=newConcurrentHashMap<>();publicvoidstartStrategy(StringstrategyId,StrategyConfigconfig){if(activeStrategies.containsKey(strategyId))return;StrategyContextcontext=newStrategyContext(config);Strategystrategy=StrategyFactory.createStrategy(config.getType(),context);StrategyRunnerrunner=newStrategyRunner(strategy);activeStrategies.put(strategyId,runner);runner.start();// 启动线程或调度器}publicvoidstopStrategy(StringstrategyId){StrategyRunnerrunner=activeStrategies.remove(strategyId);if(runner!=null)runner.stop();}publicvoidpauseStrategy(StringstrategyId){StrategyRunnerrunner=activeStrategies.get(strategyId);if(runner!=null)runner.pause();}publicvoidresumeStrategy(StringstrategyId){StrategyRunnerrunner=activeStrategies.get(strategyId);if(runner!=null)runner.resume();}}

✅ 策略状态的持久化与恢复（可选）

• 每个策略状态可以保存在 Redis 或数据库中；
• 系统重启时从持久化层恢复；
• 某些策略（如马丁格尔）需要恢复中间状态，如持仓数量、上次下单价格等。

✅ 本地内存 + Redis 协同方案

✅ Redis 在量化交易系统中的适用场景

1. 策略配置缓存共享
   • 如果有多个节点，策略配置（如策略参数、交易对、限额）可以存储在 Redis 中，做到共享。
   • 例如：

     Key:strategy:config:strategyId123Value:{"type":"Grid","symbol":"ETH/USDT","gridCount":20,...}

2. 策略状态同步
   • 如果一个策略实例需要在多个节点之间迁移或恢复，可以把它的运行状态保存在 Redis（如当前仓位、最近成交价等）。
   • 避免单节点崩溃导致状态丢失。
3. 分布式协调与调度
   • 用 Redis 锁来协调多个实例之间的抢占式策略调度。
   • 也可用于 Leader 选举、策略分片元数据存储等。
4. 订阅推送
   • 可以用 Redis 的Pub/Sub模块做行情推送、策略热更新等通知类广播。

❌ 不推荐的用途：

1. 策略对象存储（如 StrategyInstance）
   • Redis 是键值型缓存系统，不适合存储复杂、有状态、可执行的 Java 对象（如含线程、回调逻辑）。
   • Java 的策略对象应始终保存在本地内存中，只有其**状态（持仓、参数、结果）**可以同步到 Redis。
2. 高频调度核心逻辑
   • Redis 是远程访问，虽然快，但网络调用 + 序列化还是比内存慢几个数量级。
   • 高频策略触发、价格推送后的策略执行等必须本地完成，Redis 不能做中间调度层。

✅ 最佳实践：本地内存 + Redis 协同方案

Redis 是分布式缓存的好帮手，但不是实时策略执行的核心容器。

• ✅ 适合存配置、状态、通信。
• ❌ 不适合存运行中策略对象或执行逻辑。

量化交易系统如果是分布式部署的，本地缓存确实会遇到几个关键问题：

❗ 本地缓存的问题（在分布式部署中）

1. 策略数据不一致：不同节点各自持有本地缓存，策略更新、下线、修改参数时很难同步。
2. 节点漂移问题：Kubernetes 等平台可能动态扩缩容，导致策略实例在某节点突然失效或迁移。
3. 热更新困难：无法集中控制策略的启停、调整，必须广播通知所有节点。
4. 内存负担大：每个节点可能需要缓存全部策略实例，造成资源浪费。

✅ 使用分布式缓存（如 Redis）的可行方案

👉 建议使用分布式缓存 + 本地运行态解耦的设计模式：