Eu estou no processo de projetar um aplicativo de negociação que usará uma API de mercados para fazer pedidos no mercado. Esta não é uma aplicação de negociação algorítmica de alto desempenho complexa do tipo encontrado em bancos de investimento. Este é apenas um pequeno aplicativo pessoal que irá trocar talvez duas ou três vezes por dia, dependendo do mercado trendstrends O aplicativo será composto (aproximadamente) dos seguintes modulespackages: Estratégias - Os algoritmos de negociação reais Analytics - As classes para analisar os preços ao vivo ordens amp No mercado para produzir sinais de buysell Serviços - As classes usadas para manter uma conexão ao mercado, recuperam a informação de mercado e colocam ordens de buysell. Até agora, tudo o que é necessário para a aplicação parece estar disponível na internet: Apache CXF para gerar as classes Java usadas para acessar os serviços web de mercados. Apache Maths para a realização da análise de preços Wikipedia para os vários padrões de design, ou seja, Factory, SubjectObserver, Estado, etc Onde estou realmente preso no entanto é com os algoritmos. Ive decidiu usar o padrão de Estado para particionar, em agrupamentos lógicos, as várias peças de lógica que devem ser realizadas quando certas condições de mercado são atendidas. O problema é que eu estou começando a ver que é muito provável que cada classe de estado vai conter uma explosão de instruções if else: Eu não posso ajudar, mas sinto falta algo aqui e que deve existir alguma estrutura ou padrão de design Eu não sei sobre qual Permite que o desenvolvedor encapsule todas as entradas e saídas de um dado contexto de negócios em um número finito de ações de negócios inputoutput sobre as quais as regras de negócio podem ser construídas. I. e. Em vez de ter que codificar os algoritmos Im esperando que ele deve ser possível fazer o aplicativo em um processador de regras de algum tipo. Infelizmente eu não sei por onde começar. Espero que eu tenha explicado o meu dilema claramente o suficiente, se você gostaria de me esclarecer qualquer coisa, por favor me avise. Obrigado perguntou Oct 8 09 às 22: 48Messaging Patterns 187 Padrões de Integração na Prática 187 Estudo de Caso: Bond Trading System (por Jonathan Simon) É fácil distanciar-se de uma grande coleção de padrões ou uma linguagem padrão. Padrões são a abstração de uma idéia em uma forma reutilizável. Muitas vezes, a natureza muito genérica de padrões que os torna tão úteis também os torna difíceis de entender. Às vezes, a melhor coisa para ajudar a entender padrões é um exemplo do mundo real. Não um cenário artificial do que poderia acontecer, mas o que realmente acontece eo que vai acontecer. Este capítulo aplica padrões para resolver problemas usando um processo de descoberta. O sistema que vamos discutir é um sistema de comércio de títulos que eu trabalhei com dois anos desde o projeto inicial até a produção. Exploraremos cenários e problemas que foram encontrados e como resolvê-los com padrões. Isso envolve o processo de decisão de escolher um padrão, bem como a forma de combinar e ajustar os padrões para atender às necessidades do sistema. E isso tudo é feito levando em conta as forças encontradas em sistemas reais, incluindo requisitos de negócios, decisões de clientes, requisitos arquitetônicos e técnicos, bem como a integração de sistemas legados. A intenção desta abordagem é proporcionar uma compreensão mais clara dos próprios padrões através da aplicação prática. Construindo um Sistema Um grande banco de investimentos de Wall Street planeja construir um sistema de precificação de títulos em um esforço para agilizar o fluxo de trabalho de sua mesa de negociação de títulos. Atualmente, os comerciantes de títulos têm de enviar preços para um grande número de títulos para vários locais de negociação diferentes, cada um com sua própria interface de usuário. O objetivo do sistema é minimizar as minúcias de preços de todos os seus títulos combinados com a funcionalidade analítica avançada específica para o mercado de títulos em uma única interface de usuário encapsulada. Isso significa integração e comunicação com vários componentes através de vários protocolos de comunicação. O fluxo de alto nível do sistema se parece com isto: Primeiro, os dados de mercado entram no sistema. Dados de mercado são dados sobre o preço e outras propriedades do título representando o que as pessoas estão dispostas a comprar e vender o título para no mercado livre. Os dados de mercado são imediatamente enviados para o mecanismo de análise que altera os dados. Analytics refere-se a funções matemáticas para aplicações financeiras que alteram os preços e outros atributos de títulos. Estas são funções genéricas que usam variáveis de entrada para adaptar os resultados da função a uma ligação específica. O aplicativo cliente que será executado em cada desktop do comerciante irá configurar o mecanismo de análise em uma base por comerciante, controlando as especificidades da análise para cada vínculo que o comerciante está precificando. Uma vez que as análises são aplicadas aos dados de mercado, os dados modificados são enviados para vários locais de negociação onde comerciantes de outras empresas podem comprar ou vender os títulos. Arquitetura com padrões Com esta visão geral do fluxo de trabalho do sistema, podemos abordar alguns dos problemas arquitetônicos que encontramos durante o processo de design. Vamos dar uma olhada no que sabemos até agora. Os operadores precisam de um aplicativo muito responsivo nas estações de trabalho Windows NT e Solaris. Portanto, decidimos implementar o aplicativo cliente como um cliente de espessura Java devido à sua independência de plataforma e sua capacidade de responder rapidamente aos dados de entrada e de dados do usuário. No lado do servidor, estamos herdando legado componentes C que nosso sistema utilizará. Os componentes de dados de mercado comunicam-se com a infra-estrutura de mensagens do TIBCO Information Bus (TIB). Estamos herdando os seguintes componentes: Market Data Price Feed Server. Publica os dados do mercado de entrada para o TIB. Mecanismo de análise. Realiza análises em dados de mercado de entrada e transmite os dados de mercado modificados para o TIB. Servidor de Contribuição. Realiza toda a comunicação com locais de negociação. Os locais de negociação são componentes de terceiros não controlados pelo banco. Legacy Market Data Subsystem Legacy Contribuição Subsistema Precisamos decidir como os subsistemas separados (Java thick cliente, dados de mercado e contribuição) vão se comunicar. Poderíamos ter o cliente grosso se comunicar diretamente com os servidores legados, mas isso exigiria muita lógica de negócios no cliente. Em vez disso, construa bem um par de gateways Java para se comunicar com os servidores legados. O Gateway de Preços para dados de mercado, um Gateway de Contribuição para enviar os preços para locais de negociação. Isso vai conseguir encapsulamento agradável da lógica de negócios relacionados a essas áreas. Os componentes atuais do sistema são mostrados abaixo. As conexões marcadas como. Indicam que ainda estamos inseguros sobre como alguns dos componentes se comunicarão. O sistema e seus componentes A primeira questão de comunicação é como integrar o Java thick client e os dois componentes do servidor Java para trocar dados. Vejamos os quatro estilos de integração sugeridos neste livro: Transferência de Arquivos. Banco de Dados Compartilhado. Invocação de Procedimento Remoto. E Mensagens. Podemos excluir o banco de dados compartilhado imediatamente porque queríamos criar uma camada de abstração entre o cliente e o banco de dados e não queremos ter o código de acesso ao banco de dados no cliente. File Transfer pode igualmente ser descartada desde latência mínima é necessária para garantir os preços atuais são enviados para os locais de negociação. Isso nos deixa com uma escolha entre Remote Procedure Invocation ou Messaging. A plataforma Java oferece suporte interno para a Invocação de Procedimento Remoto e para a Mensagens. A integração de estilo RPC pode ser alcançada usando Remote Method Invocation (RMI), CORBA ou Enterprise Java Beans (EJB). O Java Messaging Service (JMS) é a API comum para a integração de estilo de mensagens. Assim, ambos os estilos de integração são fáceis de implementar em Java. Então, qual funcionará melhor para este projeto, Invocação de Procedimento Remoto ou Mensagens. Há apenas uma instância do gateway de preços e uma instância do gateway de contribuição no sistema, mas normalmente muitos clientes grossos se conectam simultaneamente a esses serviços (um para cada comerciante de títulos que acontece a ser conectado em um momento específico). Além disso, o banco gostaria que este fosse um sistema de preços genérico que pode ser utilizado em outras aplicações. Assim, além de um número desconhecido de Think Clients, pode haver um número desconhecido de outras aplicações usando os dados de preços que saem dos Gateways. Um Thick Client (ou outro aplicativo usando os dados de precificação) pode usar RPC com bastante facilidade para fazer chamadas para os Gateways para obter dados de preços e invocar o processamento. No entanto, os dados de preços serão constantemente publicados, e alguns clientes só estão interessados em determinados dados, assim que obter os dados relevantes para os clientes adequados em tempo hábil poderia ser difícil. Os clientes poderiam pesquisar os Gateways, mas isso criará um monte de sobrecarga. Seria melhor que os Gateways disponibilizassem os dados aos clientes assim que estivessem disponíveis. No entanto, isso exigirá que cada Gateway mantenha um registro de quais clientes estão ativos no momento e que deseja que dados particulares, quando um novo pedaço de dados estiver disponível (o que acontecerá várias vezes por segundo), o Gateway terá que fazer Um RPC para cada cliente interessado para passar os dados para o cliente. Idealmente, todos os clientes devem ser notificados simultaneamente, de modo que cada RPC precisa ser feito em seu próprio segmento concorrente. Isso pode funcionar, mas está ficando muito complicado muito rápido. Mensagens simplifica muito este problema. Com Mensagens. Podemos definir canais separados para os diferentes tipos de dados de preços. Então, quando um Gateway recebe um novo pedaço de dados, ele irá adicionar uma mensagem contendo esses dados para o Publish-Subscribe Channel para esse tipo de dados. Enquanto isso, todos os clientes interessados em um determinado tipo de dados vão ouvir no canal para esse tipo. Desta forma, os Gateways podem facilmente enviar novos dados para quem estiver interessado, sem precisar saber quantos aplicativos ouvintes existem ou quais são. Os clientes ainda precisam ser capazes de invocar o comportamento nos Gateways também. Como existem apenas dois Gateways e o cliente provavelmente pode bloquear enquanto o método é invocado de forma síncrona, essas invocações de cliente para gateway podem ser implementadas com bastante facilidade usando RPC. No entanto, uma vez que já estamos usando mensagens para a comunicação do Gateway-para-cliente, as mensagens são provavelmente uma maneira tão boa de implementar comunicação cliente-a-Gateway também. Portanto, toda a comunicação entre os Gateways e os clientes será realizada através de mensagens. Como todos os componentes são escritos em Java, o JMS apresenta uma escolha fácil para o sistema de mensagens. Isso efetivamente está criando um barramento de mensagens ou uma arquitetura que tornará possível para sistemas futuros se integrarem com o sistema atual com poucas ou nenhuma mudança na infra-estrutura de mensagens. Desta forma, a funcionalidade de negócios do aplicativo pode ser facilmente usado por outras aplicações que o banco desenvolve. Componentes Java Comunicação com JMS O JMS é simplesmente uma especificação e precisamos decidir sobre um sistema de mensagens compatível com JMS. Decidimos usar o IBM MQSeries JMS porque o banco é uma loja da IBM, usando servidores de aplicativos WebSphere e muitos outros produtos da IBM. Como resultado, usaremos o MQSeries já que já temos uma infra-estrutura de suporte instalada e uma licença de site do produto. A próxima pergunta é como conectar o sistema de mensagens MQSeries com o servidor C Contribution autônomo e os servidores TIBCO Market Data e Analytics Engine baseados. Precisamos de uma maneira para que os consumidores do MQSeries tenham acesso às mensagens TIB. Mas como Talvez possamos usar o padrão Message Translator para traduzir mensagens TIB em mensagens MQSeries. Embora o cliente C para MQSeries serve como um Message Translator. Usá-lo sacrificaria a independência do servidor JMS. E embora o TIBCO tenha uma API Java, o arquiteto e gerente do cliente o rejeitaram. Como resultado, a abordagem Message Translator tem de ser abandonada. A ponte do servidor TIB para o servidor MQSeries requer comunicação entre C e Java. Poderíamos usar o CORBA, mas então o que dizer sobre o envio de mensagens? Um olhar mais atento ao padrão do Message Translator mostra que ele está relacionado ao adaptador de canal em seu uso de protocolos de comunicação. O coração de um adaptador de canal é conectar sistemas que não são de mensagens a sistemas de mensagens. Um par de adaptadores de canal que conecta dois sistemas de mensagens é um Messaging Bridge. O propósito de um Messaging Bridge é transferir mensagens de um sistema de mensagens para outro. Isto é exatamente o que estamos fazendo com a complexidade adicionada da comunicação Java-C intra-idioma. Podemos implementar o Cross Language Messaging Bridge usando uma combinação de Channel Adapter s e CORBA. Vamos construir dois servidores de adaptador de canal leves, um em C gerenciando a comunicação com o TIB e outro em Java gerenciando a comunicação com o JMS. Estes dois Channel Adapter. Que são Message Endpoint s se, comunicarão com o outro através de CORBA. Como a nossa escolha para MQSeries, vamos usar CORBA em vez de JNI, uma vez que é um padrão da empresa. A ponte de mensagens implementa a tradução de mensagens simulada entre sistemas de mensagens aparentemente incompatíveis e diferentes idiomas. Conversor de mensagens usando adaptadores de canal O diagrama seguinte mostra o projeto do sistema atual, incluindo os gateways e outros componentes. Este é um bom exemplo de aplicação de padrão. Combinamos dois Adaptadores de Canal com um protocolo sem mensagens para implementar o padrão do Message Translator, usando um padrão para implementar outro padrão. Além disso, alteramos o contexto do adaptador de canal para vincular dois sistemas de mensagens com um protocolo de tradução de linguagem cruzada sem mensagens, ao invés de conectar um sistema de mensagens a um sistema sem mensagens. O sistema atual com os canais de canais Estruturação de canais Uma chave para trabalhar com padrões não é apenas saber quando usar o padrão, mas também como usá-lo mais eficazmente. Cada implementação de padrão deve levar em conta aspectos específicos da plataforma de tecnologia, bem como outros critérios de design. Esta seção aplica o mesmo processo de descoberta para encontrar o uso mais eficiente do Canal de Publicação-Inscrição no contexto do servidor de dados de mercado que se comunica com o mecanismo de análise. Os dados de mercado em tempo real se originam com o feed de dados do mercado, um servidor C que difunde dados de mercado no TIB. O feed de dados de mercado usa um Canal de Publicação-Inscrição separado para cada vínculo para o qual está publicando os preços. Isso pode parecer um pouco extremo, já que cada novo vínculo precisa do seu próprio novo canal. Mas isso não é tão grave, pois você realmente não precisa criar canais no TIBCO. Em vez disso, os canais são referenciados por um conjunto hierárquico de tópicos chamados assuntos. O servidor TIBCO filtra um fluxo de mensagens único por assunto, enviando cada assunto exclusivo para um único canal virtual. O resultado é um canal de mensagens muito leve. Poderíamos criar um sistema que publicasse em alguns canais e os assinantes pudessem ouvir apenas os preços em que estão interessados. Isso exigiria que os assinantes usassem um Filtro de Mensagens ou um Consumidor Seletivo para filtrar todo o fluxo de dados para preços de títulos interessantes, Devem ser processados à medida que são recebidos. Dado que os dados de mercado são publicados em canais dedicados a obrigações, os assinantes podem registar actualizações numa série de obrigações. Isso efetivamente permite aos assinantes filtrar por assinatura seletiva para canais e apenas receber atualizações de interesse em vez de decidir após a mensagem é recebida. É importante observar que o uso de vários canais para evitar a filtragem é um uso não padrão de canais de mensagens. No contexto da tecnologia TIBCO no entanto, estamos realmente decidindo se implementar ou possuir filtros ou utilizar a filtragem de canal construída no TIBCO - em vez de usar tantos canais. O próximo componente que precisamos projetar é o mecanismo de análise, outro servidor CTIB que irá modificar os dados do mercado e retransmiti-lo para o TIB. Embora esteja fora do escopo de nosso desenvolvimento de JavaJMS, estamos trabalhando em estreita colaboração com a equipe de C para projetá-lo desde que nós somos o cliente principal de motores de análise. O problema em questão é encontrar a estrutura de canais que mais eficientemente retransmita os dados de mercado recentemente modificados. Como já temos um canal de mensagens dedicado por vínculo herdado do feed de preços de dados de mercado, seria lógico modificar os dados de mercado e retransmitir os dados de mercado modificados no canal de mensagens dedicado dedicado. Mas isso não vai funcionar uma vez que o analytics modificando os preços dos títulos são específicos do comerciante. Se nós rebroadcast os dados modificados no canal de mensagem de ligação. Vamos destruir a integridade dos dados, substituindo dados genéricos de mercado com dados específicos do comerciante. Por outro lado, poderíamos ter um tipo de mensagem diferente para dados de mercado específicos do comerciante que publicamos no mesmo canal, permitindo que os assinantes decidam qual mensagem eles estão interessados em evitar destruir a integridade dos dados. Mas então os clientes terão que implementar seus próprios filtros para separar para fora mensagens para outros comerciantes. Adicionalmente, haverá um aumento substancial nas mensagens recebidas pelos assinantes, colocando uma carga desnecessária sobre eles. Há duas opções: Um Canal por Trader: Cada trader tem um canal designado para os dados de mercado modificados. Desta forma, os dados do mercado original permanece intacta e cada aplicação comerciante pode ouvir seus comerciantes específicos Message Channel para as atualizações de preços modificados. Um Canal por comerciante por Bônus: Crie um Canal de Mensagem por comerciante por ligação apenas para os dados de mercado modificados dessa ligação. Por exemplo, os dados de mercado para o ABC de obrigações seriam publicados no canal Bond ABC enquanto os dados de mercado modificados para o comerciante A seriam publicados no Message Channel Trader A, Bond ABC, dados de mercado modificados para o comerciante B no Trader B, Bond ABC e em breve. Um canal por comerciante Um canal por ligação por comerciante Há vantagens e desvantagens para cada abordagem. A abordagem por ligação, por exemplo, usa muito mais Message Channel. No pior cenário, o número de Message Channel será o número de títulos total multiplicado pelo número de comerciantes. Podemos colocar limites superiores sobre o número de canais que serão criados, uma vez que sabemos que existem apenas cerca de 20 comerciantes e nunca preço mais de um par cem títulos. Isso coloca o limite superior abaixo da faixa de 10.000, que não é tão estranho comparado ao quase 100.000 Canal de Mensagem que o feed de preços de mercado está usando. Além disso, como estamos usando o TIB eo Message Channel são bastante baratos, o número de Message Channel s não é um problema grave. Por outro lado, o grande número de canais de mensagens pode ser um problema de uma perspectiva de gestão. Cada vez que um vínculo é adicionado um canal para cada comerciante deve ser mantida. Isso pode ser grave em um sistema muito dinâmico. Nosso sistema, entretanto, é essencialmente estático. Ele também tem uma infra-estrutura para gerenciar automaticamente o Canal de Mensagens. Isso combinado com a arquitetura herdada de um componente legado usando uma abordagem semelhante minimiza o lado negativo. Isto não quer dizer que devemos fazer um número desnecessariamente excessivo de Canal de Mensagens. Em vez disso, podemos implementar uma abordagem arquitetônica que usa um grande número de canais de mensagens quando há uma razão. E há uma razão, neste caso, que se resume à localização da lógica. Se implementarmos a abordagem por comerciante, o Google Analytics Engine precisará de lógica para agrupar canais de entrada e saída. Isso ocorre porque os canais de entrada do mecanismo do Google Analytics são por ligação eo canal de mensagens de saída seria por comerciante, exigindo que o Google Analytics Engine encaminhe todos os dados analíticos de várias obrigações para um comerciante específico para um canal de mensagem de saída específico para o comerciante. Isso efetivamente transforma o mecanismo de análise em um roteador baseado em conteúdo para implementar lógica de roteamento personalizado para nosso aplicativo. Seguindo a estrutura do Message Bus, o Analytics Engine é um servidor genérico que pode ser usado por vários outros sistemas no. Portanto, não queremos cloud com funcionalidade específica do sistema. Por outro lado, a abordagem por ligação trabalha desde que a idéia de um comerciante possuir a saída analítica dos preços dos títulos é uma prática aceita empresa. A abordagem por ligação mantém intacta a separação do canal de mensagens do feed de dados do mercado, enquanto adiciona vários canais de mensagens. Antes de chegar ao cliente, queremos que um roteador baseado em conteúdo combine esses vários canais em um número gerenciável de canais. Nós não queremos que o aplicativo cliente rodando na área de trabalho dos comerciantes esteja ouvindo milhares ou dezenas de milhares de canais de mensagens. Agora a questão torna-se onde colocar o Content-Based Router. Poderíamos simplesmente ter o CTIB Channel Adapter encaminhar todas as mensagens para o Pricing Gateway em um único Canal de Mensagens. Isso é ruim por duas razões que estariam dividindo a lógica de negócios entre C e Java, e perderíamos o benefício do Canal de Mensagens separado no lado do TIB, o que nos permite evitar a filtragem mais tarde no fluxo de dados. Olhando para os nossos componentes Java, poderíamos colocá-lo no Pricing Gateway ou criar um componente intermediário entre o Pricing Gateway e o cliente. Em teoria, se persistisse a separação baseada em obrigações do Message Channel s até o cliente, o Pricing Gateway retransmitiria informações de preços com a mesma estrutura de canais do Pricing Gateway e do Google Analytics Engine. Isso significa uma duplicação de todos os canais dedicados TIB dedicados em JMS. Mesmo se criarmos um componente intermediário entre o Pricing Gateway e o cliente, o Pricing Gateway ainda precisará duplicar todos os canais no JMS. Por outro lado, implementar a lógica diretamente no Pricing Gateway nos permite evitar a duplicação do grande número de canais em JMS, o que nos permite criar um número muito menor de canais na ordem de um por trader. O Pricing Gateway registra-se através do adaptador de canal CTIB como um consumidor para cada ligação de cada comerciante no sistema. Em seguida, o gateway de preços encaminhará cada cliente específico apenas as mensagens relacionadas a esse comerciante em particular. Desta forma, usamos apenas um pequeno número de Message Channel s no final do JMS, enquanto maximizamos o benefício da separação no final do TIB. O fluxo de dados de mercado completo para o cliente A discussão de layout do Canal de mensagens é um bom exemplo de como a integração de padrões é importante. O objetivo aqui era descobrir como usar efetivamente o Canal de Mensagens. Dizer que você usa um padrão não é suficiente. Você precisa descobrir como melhor implementá-lo e incorporar em seu sistema para resolver os problemas na mão. Além disso, este exemplo mostra forças de negócios em ação. Se pudéssemos implementar lógica de negócios em qualquer um dos nossos componentes, poderíamos ter ido com a abordagem por comerciante e implementado uma abordagem geral mais simples com muitos menos canais. Selecionando um Canal de Mensagem Agora que conhecemos a mecânica da comunicação entre os componentes JavaJMS e os componentes C TIBCO, e vimos alguma estruturação de Canal de Mensagem, precisamos decidir qual tipo de Canal de Mensagens JMS os componentes Java devem usar para se comunicar . Antes que possamos escolher entre os diferentes canais de mensagens disponíveis no JMS, vamos olhar para o fluxo de mensagens de alto nível do sistema. Temos dois gateways (Preços e Contribuição) comunicando com o cliente. Os fluxos de dados de mercado para o cliente a partir do gateway de preços que envia para o gateway de contribuição. O aplicativo cliente envia mensagem para o Gateway de preços para alterar a análise que está sendo aplicada a cada vínculo. O gateway de contribuição também envia mensagens para a aplicação cliente retransmitir o status das atualizações de preços para os diferentes locais de negociação. O fluxo de mensagens do sistema A especificação JMS descreve dois tipos de Canal de Mensagem, Canal Ponto a Ponto (Fila JMS) e Canal de Publicação-Inscrição (Tópico JMS). Lembre-se que o argumento para usar publish-subscribe é permitir que todos os consumidores interessados recebam uma mensagem, enquanto o argumento para usar ponto-a-ponto é garantir que apenas um consumidor qualificado receba uma mensagem específica. Muitos sistemas simplesmente transmitiam mensagens para todos os aplicativos cliente, deixando cada aplicativo cliente individual para decidir por si mesmo ou não para processar uma determinada mensagem. Isso não funcionará para nossa aplicação, pois há um grande número de mensagens de dados de mercado sendo enviadas para cada aplicativo cliente. Se nós transmitimos atualizações de dados de mercado para comerciantes desinteressados, estaremos desperdiçando desnecessariamente ciclos de processador de cliente decidindo se deve ou não processar uma atualização de dados de mercado. Ponto-a-Ponto Channel s inicialmente soar como uma boa escolha, uma vez que os clientes estão enviando mensagens para servidores únicos e vice-versa. Mas era uma exigência do negócio que os comerciantes podem ser registrados dentro a máquinas múltiplas ao mesmo tempo. Se tivermos um operador conectado em duas estações de trabalho simultaneamente e uma atualização de preço ponto a ponto for enviada, apenas uma das duas aplicações cliente receberá a mensagem. Isso ocorre porque somente um consumidor em um Canal Ponto-a-Ponto pode receber uma mensagem específica. Observe que somente o primeiro de cada grupo de aplicativos clientes de um comerciante recebe a mensagem. Mensagens ponto-a-ponto para atualizações de preços Podemos resolver isso usando o padrão Lista de destinatários, que publica mensagens em uma lista de destinatários pretendidos, garantindo que somente os clientes na lista de destinatários receberão mensagens. Usando esse padrão, o sistema poderia criar listas de destinatários com todas as instâncias de aplicativo cliente relacionadas a cada operador. Enviar uma mensagem relacionada a um comerciante em particular, por sua vez, enviar a mensagem para cada aplicativo na lista de destinatários. Isso garante que todas as instâncias do aplicativo cliente relacionadas a um comerciante específico receberão a mensagem. A desvantagem dessa abordagem é que ela exige um pouco de lógica de implementação para gerenciar os destinatários e enviar mensagens. Lista de destinatários para atualizações de preços Mesmo que ponto-a-ponto poderia ser feito para trabalhar, vamos ver se existe uma maneira melhor. Usando os canais Publish-Subscribe, o sistema poderia transmitir mensagens em canais específicos ao comerciante em vez de canais específicos de aplicativos cliente. Desta forma, todas as aplicações de cliente que processam mensagens para um operador único receberiam e processariam a mensagem. Publicar-Inscrever Mensagens para Atualizações de Preços A desvantagem do uso do Canal de Publicação-Inscrição é que o processamento de mensagens exclusivo não é garantido com os componentes do servidor. Seria possível que várias instâncias de um componente de servidor fossem instanciadas e cada processo de instância a mesma mensagem, possivelmente enviando preços inválidos. Lembrando o fluxo de mensagens do sistema, apenas uma única direção de comunicação é satisfatória com cada Canal de Mensagem. A comunicação de servidor para cliente com publicar-inscrever é satisfatória enquanto comunicação de cliente para servidor não é e comunicação de cliente-servidor com ponto-a-ponto é satisfatória enquanto servidor-cliente não é. Uma vez que não há necessidade de usar o mesmo Canal de Mensagem em ambas as direções, podemos usar cada Canal de Mensagem apenas uma direção. A comunicação entre o cliente e o servidor será implementada com a comunicação ponto-a-ponto, enquanto a comunicação do servidor para o cliente será implementada com a publicação-inscrição. Usando esta combinação de Message Channel s, o sistema beneficia da comunicação direta com os componentes do servidor usando mensagens ponto-a-ponto e a natureza multicast de publish-subscribe sem qualquer dos inconvenientes. Fluxo de mensagens com tipos de canal Solução de problemas com padrões Padrões são ferramentas e conjuntos de padrões são caixas de ferramentas. Eles ajudam a resolver problemas. Alguns pensam que os padrões só são úteis durante o projeto. Seguindo a analogia da caixa de ferramentas, isso é como dizer que as ferramentas só são úteis quando você constrói uma casa, e não quando você a conserta. O fato é que os padrões são uma ferramenta útil em todo um projeto quando aplicado bem. Nas seções a seguir, usaremos o mesmo processo de exploração de padrões que usamos na seção anterior para resolver problemas no nosso sistema agora em funcionamento. Atualizações de dados de mercado intermitentes Os operadores querem que as células da tabela fiquem intermitentes quando novos dados de mercado são recebidos por um vínculo, indicando claramente as alterações. O cliente Java recebe mensagens com novos dados que aciona uma atualização de cache de dados do cliente e, eventualmente, piscando na tabela. O problema é que as atualizações são bastante freqüentes. A pilha de threads GUI está se tornando sobrecarregada e, eventualmente, congelamento do cliente, uma vez que não pode responder à interação do usuário. Vamos supor que o flashing é otimizado e se concentrar no fluxo de dados de mensagens através do processo de atualização. Um exame de dados de desempenho mostra que o aplicativo cliente está recebendo várias atualizações por segundo, algumas atualizações ocorreram menos de um milissegundo. Dois padrões que parecem que poderiam ajudar a abrandar o fluxo de mensagens são agregador e filtro de mensagens. Um primeiro pensamento é implementar um filtro de mensagens para controlar a velocidade do fluxo de mensagens, jogando fora atualizações recebidas uma pequena quantidade de tempo após a mensagem de referência. Como exemplo, vamos dizer que vamos ignorar mensagens dentro de 5 milissegundos um do outro. O filtro de mensagens pode armazenar em cache o tempo da última mensagem aceitável e jogar fora qualquer coisa recebida nos próximos 5 milissegundos. Enquanto outras aplicações podem não ser capazes de suportar a perda de dados em tal extensão, isso é perfeitamente aceitável em nosso sistema devido à freqüência de atualizações de preços. Filtro de mensagens com base no tempo O problema com esta abordagem é que nem todos os campos de dados são atualizados ao mesmo tempo. Cada ligação tem aproximadamente 50 campos de dados exibidos para o usuário, incluindo o preço. Percebemos que nem todos os campos são atualizados em cada mensagem. Se o sistema ignora mensagens consecutivas, pode muito bem estar jogando fora dados importantes. O outro padrão de interesse é o Aggregator. O Aggregator é usado para gerenciar a reconciliação de múltiplas mensagens relacionadas em uma única mensagem, potencialmente reduzindo o fluxo de mensagens. O Aggregator poderia manter uma cópia dos dados de ligação da primeira mensagem agregada e, em seguida, atualizar apenas os campos novos ou alterados mensagens sucessivas. Eventualmente os dados de ligação agregados serão passados numa mensagem para o cliente. Por enquanto, vamos supor que o Aggregator enviará uma mensagem a cada 5 milissegundos como o Filtro de Mensagens. Mais tarde, bem explorar outra alternativa. Agregador com atualizações sucessivas parciais O Aggregator. Como qualquer outro padrão, não é uma bala de prata tem suas vantagens e desvantagens que precisam ser exploradas. Um potencial menos é que a implementação de um Aggregator reduziria o tráfego de mensagens em grande quantidade no nosso caso apenas se muitas mensagens estiverem chegando dentro de um tempo relativamente curto em relação ao mesmo vínculo. Por outro lado, não conseguiríamos nada se o cliente Java só receber atualizações para um campo em todos os títulos dos comerciantes. Por exemplo, se recebermos 1000 mensagens em um período de tempo especificado com 4 ligações de interesse, reduziríamos o fluxo de mensagens de 1000 para 4 mensagens durante esse período de tempo. Alternativamente, se recebermos 1000 mensagens no mesmo período de tempo com 750 ligações de interesse, teremos reduzido o fluxo de mensagens de 1000 para 750 mensagens relativamente pouco ganho para a quantidade de esforço. Uma análise rápida das atualizações de mensagens comprova que o cliente Java recebe muitas mensagens atualizando campos do mesmo vínculo e, portanto, mensagens relacionadas. Então, Aggregator é de fato uma boa decisão. O que resta é determinar como o Aggregator saberá quando enviar uma mensagem que está agregando. O padrão descreve alguns algoritmos para que o Aggregator saiba quando enviar a mensagem. These include algorithms to cause the aggregator to send out its contents after a certain amount of time has elapsed, after all required fields in a data set have been completed, and others. The problem with all of these approaches is that the aggregator is controlling the message flow, not the client. And the client is the major bottleneck in this case, not the message flow. This is because the Aggregator is assuming the consumers of its purged messages (the client application in this case) are Event-Driven Consumer s, or consumers that rely on events from an external source. We need to turn the client into a Polling Consumer . or a consumer that continuously checks for messages, so the client application can control the message flow. We can do this by creating a background thread that continuously cycles through the set of bonds and updates and flashes any changes that have occurred since the last iteration. This way, the client controls when messages are received and as a result, guarantees that it will never become overloaded with messages during high update periods. We can easily implement this by sending a Command Message to the Aggregator initiating an update. The Aggregator will respond with a Document Message containing the set of updated fields that the client will process. The choice of Aggregator over Message Filter is clearly a decision based solely on the business requirements of our system. Each could help us solve our performance problems, but using the Message Filter would solve the problem at cost of the system data integrity. Major Production Crash With the performance of the flashing fixed, we are now in production. One day the entire system goes down. MQSeries crashes, bringing several components down with it. We struggle with the problem for a while and finally trace it back to the MQSeries dead letter queue (an implementation of the Dead Letter Channel ). The queue grows so large that it brings down the entire server. After exploring the messages in the dead letter queue we find they are all expired market data messages. This is caused by slow consumers, or consumers that do not process messages fast enough. While messages are waiting to be processed, they time out (see the Message Expiration pattern) and are sent to the Dead Letter Channel . The excessive number of expired market data messages in the dead letter queue is a clear indication that the message flow is too great messages expire before the target application can consume them. We need to fix the message flow and we turn to patterns for help slowing down the message flow. A reasonable first step is to explore solving this problem with the Aggregator as we recently used this pattern to solve the similar flashing market data control rate problem. The system design relies on the client application to immediately forward market data update messages to the trading venues. This means the system cannot wait to collect messages and aggregate them. So the Aggregator must be abandoned. There are two other patterns that deal with the problem of consuming messages concurrently: Competing Consumers and Message Dispatcher . Starting with Competing Consumers . the benefit of this pattern is the parallel processing of incoming messages. This is accomplished using several consumers on the same channel. Only one consumer processes each incoming message leaving the others to process successive messages. Competing Consumers . however, will not work for us since we are using Publish-Subscribe Channel s in server-to-client communication. Competing Consumers on a Publish-Subscribe Channel channel means that all consumers process the same incoming message. This results in more work without any gain and completely misses the goal of the pattern. This approach also has to be abandoned. On the other hand, the Message Dispatcher describes an approach whereby you add several consumers to a pool. Each consumer can run its own execution thread. One main Message Consumer listens to the Channel and delegates the message on to an unoccupied Message Consumer in the pool and immediately returns to listening on the Message Channel . This achieves the parallel processing benefit of Competing Consumers . but works on Publish-Subscribe Channel s. The Message Dispatcher in context Implementing this in our system is simple. We create a single JMSListener called the Dispatcher, which contains a collection of other JMSListener s called Performers. When the onMessage method of the Dispatcher is called, it in turn picks a Performer out of the collection to actually process the message. The result of which is a Message Listener (the Dispatcher) that always returns immediately. This guarantees a steady flow of message processing regardless of the message flow rate. Additionally, this works equally well on a Publish-Subscribe Channel s as it does on a Point-to-Point Channel s. With this infrastructure, messages can be received by the client application at almost any rate. If the client application is still slow to process the message after receiving them, the client application can deal with the delayed processing and potentially outdated market data rather than the messages expiring in the JMS Message Channel . The crash discussed in this section and the fix using the Message Dispatcher is an excellent example of the limits of applying patterns. We encountered a performance problem based on a design flaw not allowing the client to process messages in parallel. This greatly improved the problem, but did not completely fix it. This is because the real problem was the client becoming a bottleneck. This couldnt be fixed with a thousand patterns. We later addressed this problem by refactoring the message flow architecture to route messages directly from the Pricing Gateway to the Contribution Gateway. So patterns can help design and maintain a system, but dont necessarily make up for poor upfront design. Throughout this chapter, we have applied patterns to several different aspects of a bond trading system including solving initial upfront design problems and fixing a nearly job threatening production crash with patterns. We also saw these patterns as they already exist in third party product, legacy components, and our JMS and TIBCO messaging systems. Most importantly, these are real problems with the same types of architectural, technical and business problems we experience as we design and maintain our own systems. Hopefully reading about applying patterns to this system helps give you a better understanding of the patterns as well as how to apply them to your own systems. Deseja manter-se atualizado com o Follow My Blog. Quer ler mais em profundidade Confira os meus artigos. Quer ver-me viver Veja onde estou falando em seguida. Find the full description of this pattern in: Enterprise Integration Patterns Gregor Hohpe and Bobby Woolf ISBN 0321200683 650 pages Addison-Wesley From Enterprise Integration to Enterprise Transformation: My new book describes how architects can play a critical role in IT transformation by applying their technical, communication, and organizational skills with 37 episodes from large-scale enterprise IT. Parts of this page are made available under the Creative Commons Attribution license. Você pode reutilizar o ícone de padrão, o nome do padrão, as instruções de problema e solução (em negrito) eo esboço sob esta licença. Other portions of the text, such as text chapters or the full pattern text, are protected by copyright. Messaging Patterns 187 Integration Patterns in Practice 187 Case Study: Bond Trading SystemTrading Systems: Designing Your System - Part 1 13 The preceding section of this tutorial looked at the elements that make up a trading system and discussed the advantages and disadvantages of using such a system in a live trading environment. Nesta seção, desenvolvemos esse conhecimento examinando quais mercados são especialmente adequados ao sistema de negociação. Em seguida, teremos um olhar mais aprofundado sobre os diferentes gêneros de sistemas de negociação. Negociação em diferentes mercados Mercados de ações O mercado de ações é provavelmente o mercado mais comum para o comércio, especialmente entre os novatos. Nesta arena, os grandes jogadores como Warren Buffett e Merrill Lynch dominam, e valor tradicional e estratégias de investimento de crescimento são de longe o mais comum. No entanto, muitas instituições investiram significativamente na concepção, desenvolvimento e implementação de sistemas de negociação. Investidores individuais estão aderindo a esta tendência, embora lentamente. Aqui estão alguns fatores-chave a serem considerados ao usar sistemas de negociação em mercados de ações: 13 A grande quantidade de ações disponíveis permite que os traders testem sistemas em muitos tipos diferentes de ações - desde estoques extremamente voláteis de balcão (OTC) até Blue chips não voláteis. A eficácia dos sistemas de negociação pode ser limitada pela baixa liquidez de algumas ações, especialmente OTC e questões de folha rosa. Comissões podem comer em lucros gerados por negócios bem sucedidos, e pode aumentar as perdas. OTC e ações de folha rosa muitas vezes incorrem taxas de comissão adicionais. Os principais sistemas de negociação utilizados são aqueles que buscam valor - isto é, sistemas que usam parâmetros diferentes para determinar se uma segurança é subvalorizada em comparação com seu desempenho passado, seus pares ou o mercado em geral. Mercados de câmbio O mercado de câmbio, ou forex. É o mercado maior e mais líquido do mundo. Os governos mundiais, bancos e outras grandes instituições comercializam trilhões de dólares no mercado cambial todos os dias. A maioria dos comerciantes institucionais no forex dependem de sistemas de negociação. O mesmo vale para os indivíduos no forex, mas alguns com base em relatórios econômicos ou payouts. Here interesse são alguns fatores-chave a ter em mente quando se utilizam sistemas de negociação no mercado forex: A liquidez neste mercado - devido ao enorme volume - Torna os sistemas de negociação mais precisos e eficazes. Não existem comissões neste mercado, apenas spreads. Portanto, é muito mais fácil fazer muitas transações sem aumentar os custos. Em comparação com a quantidade de ações ou commodities disponíveis, o número de moedas para o comércio é limitado. Mas devido à disponibilidade de pares de moedas exóticas - ou seja, moedas de países menores - a faixa em termos de volatilidade não é necessariamente limitada. Os principais sistemas de negociação utilizados no forex são aqueles que seguem as tendências (um ditado popular no mercado é a tendência é o seu amigo), ou sistemas que compram ou vendem em fugas. Isso ocorre porque os indicadores econômicos geralmente causam grandes movimentos de preços ao mesmo tempo. Futuros Equity, forex e mercados de commodities oferecem todos os futuros de negociação. Este é um veículo popular para o sistema de negociação por causa da maior quantidade de alavancagem disponível e maior liquidez e volatilidade. No entanto, esses fatores podem cortar as duas maneiras: eles podem amplificar seus ganhos ou amplificar suas perdas. Por esta razão, o uso de futuros é geralmente reservado para avançados comerciantes de sistemas individuais e institucionais. Isso ocorre porque os sistemas de negociação capazes de capitalizar o mercado de futuros exigem personalização muito maior, usam indicadores mais avançados e levam muito mais tempo para serem desenvolvidos. Então, o que é melhor Seu até o investidor individual para decidir qual mercado é mais adequado para o sistema de negociação - cada um tem suas próprias vantagens e desvantagens. A maioria das pessoas está mais familiarizada com os mercados de ações, e essa familiaridade torna o desenvolvimento de um sistema de negociação mais fácil. No entanto, forex é comumente pensado para ser a plataforma superior para executar sistemas de negociação - especialmente entre os comerciantes mais experientes. Além disso, se um comerciante decide capitalizar sobre alavancagem aumentada e volatilidade, a alternativa de futuros está sempre aberta. Em última análise, a escolha está nas mãos do desenvolvedor do sistema. Tipos de Sistemas de Negociação Sistemas de Trend-Seguimento O método mais comum de negociação do sistema é o sistema de tendência seguinte. Na sua forma mais fundamental, este sistema simplesmente espera por um movimento significativo de preços, então compra ou vende nessa direção. Este tipo de bancos sistema na esperança de que esses movimentos de preços irá manter a tendência. Moving Average Systems Freqüentemente utilizado na análise técnica. Uma média móvel é um indicador que simplesmente mostra o preço médio de uma ação ao longo de um período de tempo. A essência das tendências é derivada dessa medida. A forma mais comum de determinar entrada e saída é um crossover. A lógica por trás disso é simples: uma nova tendência é estabelecida quando o preço cai acima ou abaixo de sua média de preços históricos (tendência). Aqui está um gráfico que traça tanto o preço (linha azul) ea MA de 20 dias (linha vermelha) da IBM: Breakout Systems O conceito fundamental por trás deste tipo de sistema é semelhante ao de um sistema de média móvel. A idéia é que quando uma nova alta ou baixa é estabelecida, o movimento de preços é mais provável que continue na direção da fuga. Um indicador que pode ser usado na determinação de breakouts é uma simples Bollinger Band overlay. Bandas Bollinger mostram médias de preços altos e baixos, e breakouts ocorrem quando o preço encontra as bordas das bandas. Desvantagens dos sistemas de tendência: Necessário tomada de decisão empírica - Ao determinar as tendências, há sempre um elemento empírico a considerar: a duração da A tendência histórica. Por exemplo, a média móvel pode ser nos últimos 20 dias ou nos últimos cinco anos, de modo que o desenvolvedor deve determinar qual é o melhor para o sistema. Outros fatores a serem determinados são os altos e baixos médios em sistemas breakout. Lagging Nature - As médias móveis e os sistemas breakout sempre estarão atrasados. Em outras palavras, eles nunca podem atingir o exato topo ou fundo de uma tendência. Isso inevitavelmente resulta em uma perda de lucros potenciais, o que às vezes pode ser significativo. Efeito Whipsaw - Entre as forças de mercado que são prejudiciais ao sucesso dos sistemas de tendências, esta é uma das mais comuns. O efeito whipsaw ocorre quando a média móvel gera um sinal falso - ou seja, quando a média cai apenas no intervalo, em seguida, repentinamente inverte a direção. Isto pode levar a perdas maciças, a menos que sejam utilizadas técnicas eficazes de stop-loss e de gestão de risco. Sideways Markets - Trend-sistemas de seguimento são, por natureza, capaz de ganhar dinheiro apenas em mercados que realmente tendem. No entanto, os mercados também se movem lateralmente. Permanecendo dentro de um certo intervalo por um período prolongado de tempo. Extrema Volatilidade pode ocorrer - Ocasionalmente, tendência de seguir sistemas podem experimentar alguma volatilidade extrema, mas o comerciante deve ficar com o seu sistema. A incapacidade de fazê-lo resultará em falha garantida. Sistemas de contra-tendência Basicamente, o objetivo com o sistema de contra-tendência é comprar no ponto mais baixo e vender no mais alto. A principal diferença entre este e o sistema de tendências é que o sistema de contra-tendência não é auto-corrigido. Em outras palavras, não há tempo definido para sair de posições, e isso resulta em um potencial de downside ilimitado. Tipos de sistemas de contra-tendência Muitos tipos diferentes de sistemas são considerados sistemas de contra-tendência. A idéia aqui é comprar quando momentum em uma direção começa a desaparecer. Isso é mais freqüentemente calculado usando osciladores. Por exemplo, um sinal pode ser gerado quando estocásticos ou outros indicadores de força relativa caem abaixo de certos pontos. Existem outros tipos de sistemas de trading de contra-tendência, mas todos eles compartilham o mesmo objetivo fundamental - comprar baixo e vender alto. Desvantagens de sistemas de controle de contra-tendência: Necessidade de tomada de decisão estratégica - Por exemplo, um dos fatores que o desenvolvedor do sistema deve decidir são os pontos em que os indicadores de força relativa desaparecem. Extrema Volatilidade pode ocorrer - Estes sistemas também podem experimentar alguma volatilidade extrema, e uma incapacidade de ficar com o sistema, apesar desta volatilidade irá resultar em falha garantida. Desvantagem ilimitada - Como mencionado anteriormente, existe um potencial de downside ilimitado porque o sistema não é auto-corrigido (não há tempo definido para sair das posições). Conclusão Os principais mercados para os quais os sistemas de negociação são adequados são os mercados de ações, forex e futuros. Cada um desses mercados tem suas vantagens e desvantagens. Os dois principais gêneros de sistemas de negociação são os sistemas de tendência e de contra-tendência. Apesar de suas diferenças, ambos os tipos de sistemas, em seus estágios de desenvolvimento, requerem tomada de decisão empírica por parte do desenvolvedor. Além disso, estes sistemas estão sujeitos a extrema volatilidade e isso pode exigir alguma resistência - é essencial que o comerciante do sistema ficar com o seu sistema durante estes tempos. Na próxima parcela, bem dar uma olhada em como projetar um sistema de comércio e discutir alguns dos softwares que os comerciantes do sistema usar para tornar suas vidas mais fáceis. Trading Systems: Projetando seu sistema - Parte 2
No comments:
Post a Comment