JoinQuant 平台 run_daily/run_weekly/run_monthly 函数最长运行时间详解

在 JoinQuant（聚宽）量化平台中，无论是 run_daily、run_weekly 还是 run_monthly 这类定时任务注册的函数，还是 handle_data 等其他回调函数，每个函数的最长运行时间限制均为 1800 秒（即 30 分钟）。

为什么会有时间限制？

由于回测和模拟盘的服务器资源有限，为了防止恶意攻击或死循环导致资源被长期占用，平台在底层引擎中设置了严格的资源限制：

1. 运行时间限制：每个函数运行时间不能超过 1800s。
2. 内存限制：进程占用内存不能超过 3G。
3. 状态保存限制：模拟交易序列化之后的状态大小不能超过 30M。

如果您的函数运行时间超过了 1800 秒，系统会强制关闭该进程，并在日志中抛出如下错误提示：

TimeoutError: function 'xxx' runs more than 1800 seconds

运行超时的优化建议

如果您的策略在定时任务中处理的数据量过大导致超时，建议采取以下方法进行优化：

1. 使用性能分析工具定位瓶颈：
   在策略代码最上方调用 enable_profile() 开启性能分析功能。运行一段较短时间的回测后，查看性能分析报告，找出耗时最长的代码行（如复杂的循环、低效的 DataFrame 操作等）进行针对性优化。

2. 拆分任务到不同时间段：
   如果一个函数需要处理全市场几千只股票的复杂计算，可以将其拆分。例如，利用 run_daily 在不同的时间点（如 09:30, 10:00, 10:30）分别处理一部分股票池，从而避免单个函数单次执行超过 1800 秒。

3. 优化数据获取与计算逻辑：

   • 尽量使用向量化运算（如 Pandas/NumPy 的内置方法），避免使用 for 循环逐行遍历 DataFrame。
   • 避免在盘中高频调用耗时的财务数据查询（如 get_fundamentals），可以将其移至 before_trading_start 或盘后的定时任务中预先计算好并存入全局变量 g 中。

4. 内存回收：
   如果涉及大量临时变量，可以引入 Python 的 gc 模块，在适当时机手动调用 gc.collect() 释放内存，避免因内存不足导致的性能下降或崩溃。