auto_trade_sys/REDIS_CACHE_ANALYSIS.md

Redis 缓存优化分析

当前缓存情况

1. 内存缓存（进程内）

• 交易对信息缓存 (_symbol_info_cache): 缓存交易对的精度、最小数量等信息
• 价格缓存 (_price_cache): 缓存 WebSocket 价格数据，TTL 60秒
• 配置缓存: 数据库配置的内存缓存

2. 频繁的 API 调用

• get_symbol_info(): 每次下单前调用，获取交易对精度信息
• get_ticker_24h(): 频繁获取价格信息
• get_klines(): 每次扫描时获取 K 线数据用于技术指标计算
• futures_exchange_info(): 获取交易对信息

Redis 缓存优化方案

高优先级（显著提升性能）

1. 交易对信息缓存 ⭐⭐⭐⭐⭐

当前问题：

• 每次下单前都要调用 get_symbol_info() 获取精度信息
• 交易对信息变化频率低，但每次都要 API 请求

Redis 缓存方案：

# 缓存键: symbol_info:{symbol}
# TTL: 1小时（交易对信息很少变化）
# 数据结构: Hash
{
    "quantityPrecision": 3,
    "pricePrecision": 2,
    "minQty": 0.001,
    "stepSize": 0.001,
    "minNotional": 5.0
}

性能提升：

• 减少 API 调用：从每次下单 1 次 API 调用 → 0 次（缓存命中）
• 降低延迟：从 ~100ms → ~1ms（Redis 本地访问）
• 降低 API 频率限制风险

2. K 线数据缓存 ⭐⭐⭐⭐

当前问题：

• 每次市场扫描都要获取 50 根 K 线数据
• 相同时间周期的 K 线数据在短时间内不会变化
• 扫描多个交易对时重复获取相同数据

Redis 缓存方案：

# 缓存键: klines:{symbol}:{interval}:{limit}
# TTL: 根据 interval 动态设置（1m=10秒, 5m=30秒, 1h=5分钟）
# 数据结构: List (JSON 序列化)

性能提升：

• 减少 API 调用：扫描 10 个交易对，从 10 次 → 0-2 次（缓存命中）
• 加速市场扫描：从 ~5-10 秒 → ~1-2 秒
• 降低 API 频率限制风险

3. 24小时行情数据缓存 ⭐⭐⭐⭐

当前问题：

• get_all_tickers_24h() 每次扫描都调用
• 数据更新频率相对较低（24小时统计）

Redis 缓存方案：

# 缓存键: ticker_24h:{symbol} 或 ticker_24h:all
# TTL: 30秒（24小时统计数据更新不频繁）
# 数据结构: Hash 或 String (JSON)

性能提升：

• 减少 API 调用：从每次扫描 1 次批量请求 → 0 次（缓存命中）
• 加速市场扫描：从 ~2-3 秒 → ~0.1 秒
• 降低 API 频率限制风险

中优先级（适度提升性能）

4. 配置信息缓存 ⭐⭐⭐

当前问题：

• 每次获取配置都要查询数据库
• 配置变化频率低

Redis 缓存方案：

# 缓存键: config:{key}
# TTL: 5分钟（配置可能通过前端修改）
# 数据结构: String

性能提升：

• 减少数据库查询：从每次获取配置 1 次查询 → 0 次（缓存命中）
• 降低数据库负载

5. 市场扫描结果缓存 ⭐⭐

当前问题：

• 扫描结果可以短期缓存，避免重复扫描

Redis 缓存方案：

# 缓存键: scan_result:top_symbols
# TTL: 30秒（扫描间隔内可以复用）
# 数据结构: List (JSON)

性能提升：

• 减少重复计算：在扫描间隔内可以复用结果

低优先级（提升有限）

6. 价格缓存（已有 WebSocket）

当前情况：

• 已有 WebSocket 实时价格推送
• 内存缓存已足够

建议：

• 保持现有内存缓存
• Redis 可以作为 WebSocket 的备份（如果 WebSocket 断开）

性能提升评估

预期提升

场景	当前延迟	Redis 缓存后	提升
下单前获取交易对信息	~100ms	~1ms	99%
市场扫描（10个交易对）	~5-10秒	~1-2秒	70-80%
获取 K 线数据	~200ms/次	~1ms/次	99.5%
获取 24h 行情	~2-3秒	~0.1秒	95%

API 调用减少

API 端点	当前频率	Redis 缓存后	减少
futures_exchange_info	每次下单	每小时 1 次	99%+
futures_klines	每次扫描	每 5 分钟 1 次	90%+
futures_ticker	每次扫描	每 30 秒 1 次	95%+

风险降低

1. API 频率限制风险：显著降低
2. 网络延迟影响：大幅减少
3. 系统响应速度：明显提升

实现建议

1. 使用 aioredis 库（异步 Redis 客户端）

pip install aioredis

2. 创建 Redis 缓存管理器

# trading_system/redis_cache.py
import aioredis
import json
from typing import Optional, Dict, Any
import logging

logger = logging.getLogger(__name__)

class RedisCache:
    def __init__(self, redis_url: str = "redis://localhost:6379"):
        self.redis_url = redis_url
        self.redis: Optional[aioredis.Redis] = None
    
    async def connect(self):
        """连接 Redis"""
        try:
            self.redis = await aioredis.from_url(self.redis_url)
            await self.redis.ping()
            logger.info("✓ Redis 连接成功")
        except Exception as e:
            logger.warning(f"Redis 连接失败: {e}，将使用内存缓存")
            self.redis = None
    
    async def get(self, key: str) -> Optional[Any]:
        """获取缓存"""
        if not self.redis:
            return None
        try:
            data = await self.redis.get(key)
            if data:
                return json.loads(data)
        except Exception as e:
            logger.debug(f"Redis 获取失败 {key}: {e}")
        return None
    
    async def set(self, key: str, value: Any, ttl: int = 3600):
        """设置缓存"""
        if not self.redis:
            return False
        try:
            await self.redis.setex(key, ttl, json.dumps(value))
            return True
        except Exception as e:
            logger.debug(f"Redis 设置失败 {key}: {e}")
        return False
    
    async def close(self):
        """关闭连接"""
        if self.redis:
            await self.redis.close()

3. 集成到现有代码

修改 binance_client.py:

from .redis_cache import RedisCache

class BinanceClient:
    def __init__(self, ...):
        # ... 现有代码 ...
        self.redis_cache = RedisCache()
    
    async def connect(self, ...):
        # ... 现有代码 ...
        await self.redis_cache.connect()
    
    async def get_symbol_info(self, symbol: str):
        # 先查 Redis 缓存
        cache_key = f"symbol_info:{symbol}"
        cached = await self.redis_cache.get(cache_key)
        if cached:
            return cached
        
        # 缓存未命中，调用 API
        info = await self._fetch_symbol_info(symbol)
        
        # 写入 Redis 缓存（TTL: 1小时）
        if info:
            await self.redis_cache.set(cache_key, info, ttl=3600)
        
        return info

总结

推荐实施优先级

1. 交易对信息缓存 ⭐⭐⭐⭐⭐ - 立即实施，效果最明显
2. K 线数据缓存 ⭐⭐⭐⭐ - 高优先级，显著提升扫描速度
3. 24小时行情缓存 ⭐⭐⭐⭐ - 高优先级，减少批量请求
4. 配置信息缓存 ⭐⭐⭐ - 中优先级，适度提升
5. 市场扫描结果缓存 ⭐⭐ - 低优先级，提升有限

预期效果

• API 调用减少: 70-90%
• 系统响应速度: 提升 70-80%
• API 频率限制风险: 显著降低
• 系统稳定性: 提升（减少网络依赖）

注意事项

1. 缓存一致性: 需要合理设置 TTL，确保数据及时更新
2. Redis 可用性: 需要处理 Redis 不可用的情况（降级到内存缓存）
3. 内存使用: Redis 内存使用需要监控
4. 部署复杂度: 需要部署和维护 Redis 服务