在高频交易领域,自动化应用程序每天需要处理数亿个市场交易信号,并在全球各交易所之间发送成千上万的订单。
为了保持竞争力,响应时间必须始终保持在微秒级,特别是在发生类似“黑天鹅”事件的异常高峰期。
在一个典型的架构中,金融市场的交易信号被转换成内部的市场数据格式(使用各种协议,如 TCP/IP、UDP 组播和多种格式,如二进制、SBE、JSON、FIX 等)。
这些规范化的消息被发送到算法服务器、统计引擎、用户界面、日志服务器和各种类型的数据库(内存数据库、物理数据库、分布式数据库)。
这条路径上的任何一个延迟都有可能带来严重后果(比如基于旧价格做出战略决策或订单到达交易市场的时间太迟),并为此付出惨重代价。
为了加快至关重要的几微秒,大多数券商投入了昂贵的硬件:服务器组配备了超频液冷的 CPU(在 2020 年,你可以买到单台配备了 56 核 5.6 GHz CPU 和 1 TB 内存的服务器)、靠近交易所的数据中心、纳秒级高端网络交换机、海底专线(Hibernian Express 是一家主要的供应商),甚至是微波网络。
我们经常看到高度定制的可以绕过操作系统的 Linux 内核,数据可以直接从网卡“跳转”到应用程序、IPC(进程间通信),甚至是 FPGA(可编程单用途芯片)。
在编程语言方面,C++似乎是服务器端应用程序的天然竞争者:它速度快,与机器码非常接近,而且一旦针对目标平台进行编译,就可以提供恒定的处理时间。
但是,我们做了一个不一样的选择。
在过去的14年里,我们一直在用Java开发外汇算法交易系统,并使用了很棒但价格实惠的硬件。
由于团队规模小,资源有限,技术能力强的开发人员难找,所以使用 Java 意味着我们可以快速地改进软件功能,因为 Java 生态系统比 C 语言生态系统的发布速度更快。上午讨论功能改进,下午就可以实现、测试并发布到生产环境。
与那些需要几周甚至几个月才能发布更新的大公司相比,这是一个关键的优势。在高频交易领域,一个漏洞可以在几秒钟内抹掉一整年的利润,所以我们不打算在质量上做任何妥协。我们搭建了一个严格的敏捷开发环境,包括 Jenkins、Maven、单元测试、夜晚构建和 Jira,使用了很多开源库和项目。
使用 Java,开发人员可以专注于直观的面向对象业务逻辑