QMT 平台 get_full_tick 接口卡顿？教你如何优化行情获取速度与防范限频

在 QMT 极速策略交易系统中，ContextInfo.get_full_tick() 是获取指定合约最新分笔（Tick）行情的核心接口。然而，在实盘或高频模拟交易中，如果频繁、无节制地调用该接口，或者一次性传入过多的股票列表，极易导致策略运行卡顿、主线程阻塞，甚至触发柜台的接口限频（Rate Limit）保护。

以下是针对 get_full_tick 的多维度性能优化与防限频方案：

1. 避免空列表全推，坚持“按需获取”

问题根源：当 get_full_tick(stock_code=[]) 传入空列表时，默认会尝试获取当前主图或全市场的最新快照，数据量极大，极易造成 I/O 阻塞。
优化方案：始终明确指定需要获取行情的股票池列表，缩小单次请求的数据范围。

# 错误示范：获取全市场或不确定范围
# result = ContextInfo.get_full_tick([])

# 正确示范：只获取核心股票池的行情
my_universe = ['600000.SH', '000001.SZ', '000002.SZ']
result = ContextInfo.get_full_tick(my_universe)

2. 配合 subscribe_quote 采用事件驱动，替代主动轮询

问题根源：在 handlebar 中每年来一个 tick 就调用一次 get_full_tick，或者在定时器中高频轮询，会产生大量无效的重复请求。
优化方案：使用 ContextInfo.subscribe_quote 订阅行情，通过回调函数（Callback）被动接收数据推送。只有当行情真正发生变化时，才触发逻辑处理，从而彻底避免主动轮询带来的性能开销和限频风险。

def on_quote(datas):
    # datas 结构为 {code: dataframe}
    for code, df in datas.items():
        last_price = df['close'].iloc[-1] # 获取最新价
        # 执行交易逻辑...

def init(ContextInfo):
    # 订阅沪深300指数的日线或tick行情，通过 on_quote 回调驱动
    ContextInfo.subscribe_quote('000300.SH', period='tick', callback=on_quote)

3. 合理配置定时器 run_time 的执行间隔

问题根源：如果必须使用轮询，定时器设置的毫秒级别太高（如 100nMilliSecond），会导致 CPU 占用率飙升并迅速触发限频。
优化方案：根据策略的实际需求，将定时器间隔放宽。对于大多数日内波段或套利策略，1nSecond（1秒）或 5nSecond（5秒）的频次已足够，且能大幅降低接口压力。

def init(ContextInfo):
    # 限制为每 2 秒执行一次行情检查，降低请求频次
    ContextInfo.run_time("check_market_data", "2nSecond", "2023-01-01 09:30:00", "SH")

def check_market_data(ContextInfo):
    my_universe = ContextInfo.get_universe()
    if my_universe:
        ticks = ContextInfo.get_full_tick(my_universe)
        # 处理行情...

4. 过滤非交易时间与历史 Bar 运行

问题根源：QMT 策略在启动时会从第 0 根 K 线开始回放运行历史 Bar，如果在历史 Bar 运行期间高频调用 get_full_tick，不仅毫无意义（历史 Bar 无法获取实时 Tick），还会严重拖慢初始化速度。
优化方案：在 handlebar 中增加 is_last_bar() 判断，只在最后一根 K 线（即实时盘中阶段）才执行 get_full_tick。

def handlebar(ContextInfo):
    # 过滤历史 K 线回放阶段，仅在最新实时 Bar 执行
    if not ContextInfo.is_last_bar():
        return
        
    # 实时盘中行情获取
    ticks = ContextInfo.get_full_tick(['600000.SH'])

5. 建立本地数据缓存与增量更新机制

优化方案：如果策略需要频繁读取多只股票的快照，可以在 Python 中建立一个全局字典作为缓存。每次调用 get_full_tick 后，对比时间戳或成交量，只有当数据有更新时才进行后续的复杂计算，减少重复计算带来的卡顿。