低延时实时计算 API 使用指南

通过指定 lowLatency=true，可以开启订单簿快照引擎的低延时计算模式。更多函数说明，请参考 createOrderBookSnapshotEngine。

在低延时模式下，需要注意以下几点：

• 逐条写入：数据必须一条一条发送到引擎，不能批量写入，以保证最低延迟。
• 用户定义指标（metrics）优化：userDefinedMetrics 传入的表达式会进行类型特化与表达式优化，但只有符合条件的运算符才能被优化。具体要求请参考支持优化的运算符。
• 写入数据结构：要求按照市场数据结构写入数据，以减少开销。Swordfish 提供了 MarketDataRow 类，用于封装交易所逐笔行情的核心字段。用户可以通过创建 MarketDataRow 类对象，并逐条写入引擎来满足低延时模式的数据要求。MarketDataRow 类定义如下：

  class MarketDataRow : public Constant {
  public:
      MarketDataRow() : Constant() {
      }
      MarketDataRow(std::string &code, int type, int side, int time, int msgType, int64_t price, int64_t qty,
                    int64_t seq, int64_t buyOrder, int64_t sellOrder, int64_t receiveTime)
          : Constant(), code(code), type(type), side(side), time(time), msgType(msgType),
            price(price), qty(qty), seq(seq), buyOrder(buyOrder), sellOrder(sellOrder), receiveTime(receiveTime)
             {}
      virtual ~MarketDataRow(){};
      virtual DATA_TYPE getRawType() const {return DT_DICTIONARY;}
      virtual ConstantSP getInstance() const {return getValue();}
      virtual ConstantSP getValue() const {
          return ConstantSP(new MarketDataRow(*this));
      }
  
      DolphinString code;
      int type;
      int side;
      int time;
      int msgType;
      int64_t price;
      int64_t qty;
      int64_t seq;
      int64_t buyOrder;
      int64_t sellOrder;
      int64_t receiveTime; // When engine receives the message, in nanoseconds.
  };

和订单簿引擎类似，响应式状态引擎也可以指定 lowLatency=true，开启低延时计算模式。更多函数说明，请参考 https://docs.dolphindb.cn/zh/funcs/c/createReactiveStateEngine.html。

在低延时模式下，响应式状态引擎需要注意以下几点：

• 逐条写入：数据必须一条一条发送到引擎，不能批量写入，以保证最低延迟。
• 用户定义指标（metrics）优化：metrics 参数传入的表达式会进行类型特化与表达式优化，但只有符合条件的运算符才能被优化。具体要求请参考支持优化的运算符。

通过指定 lowLatency=true，可以开启时间序列引擎的低延时计算模式。更多函数说明，请参考

VectorSP col1 = Util::createVector(DT_STRING, 1, 1);
VectorSP col2 = Util::createVector(DT_DATE, 1, 1);
VectorSP col3 = Util::createVector(DT_TIME, 1, 1);
VectorSP col4 = Util::createVector(DT_STRING, 1, 1);
VectorSP col5 = Util::createVector(DT_STRING, 1, 1);
VectorSP col6 = Util::createVector(DT_LONG, 1, 1);
VectorSP col7 = Util::createVector(DT_INT, 1, 1);
VectorSP col8 = Util::createVector(DT_INT, 1, 1);
VectorSP col9 = Util::createVector(DT_LONG, 1, 1);
VectorSP col10 = Util::createVector(DT_LONG, 1, 1);
VectorSP col11 = Util::createVector(DT_INT, 1, 1);
VectorSP col12 = Util::createVector(DT_LONG, 1, 1);
VectorSP col13 = Util::createVector(DT_LONG, 1, 1);
VectorSP col14 = Util::createVector(DT_LONG, 1, 1);
VectorSP col15 = Util::createVector(DT_INT, 1, 1);

while(csv_in.read_row(data.security_id, data.md_date, data.md_time, data.security_id_source, data.security_type, data.index, data.source_type, data.type, data.price, data.qty, data.bs_flag, data.buy_no, data.sell_no, data.appl_seq_num, data.channel_no)) {
    col1->setString(0, data.security_id);
    col2->set(0, convertStringToDate(data.md_date));
    col3->set(0, convertStringToTime(data.md_time));
    col4->setString(0, data.security_id_source);
    col5->setString(0, data.security_type);
    col6->setLong(0, data.index);
    col7->setInt(0, data.source_type);
    col8->setInt(0, data.type);
    col9->setLong(0, data.price);
    col10->setLong(0, data.qty);
    col11->setInt(0, data.bs_flag);
    col12->setLong(0, (data.buy_no));
    col13->setLong(0, (data.sell_no));
    col14->setLong(0, (data.appl_seq_num));
    col15->setInt(0, (data.channel_no));        
    vector<ConstantSP> columns {col1,col2,col3,col4,col5,col6,col7,col8,col9,col10,col11,col12,col13,col14,col15};
    engine->append(columns, insertedRows, appendErrMsg);
}

用户自定义指标（userDefinedMetrics 或 metrics）仅支持下述的二元运算符，且运算数必须为符合下述类型的标量或向量，否则会在创建引擎时将会报错。

为验证 Swordfish 低延时计算模式的实际性能，我们进行了引擎级联的端到端延迟测试（OrderBookSnapshotEngine → TimeSeriesEngine → ReactiveStateEngine）。所有引擎均开启低延时计算模式，输入单只股票数据。

测试环境：

• 机器：Intel(R) Core(TM) i9-14900KS
• CPU 最大频率：5800 MHz

cpp 代码：script/main_appendEngine.cpp

dos 代码：script/calcFactors_insert2engine_withTse_new2.dos

csv 文件：data/orderTrade.csv