发布于veighna社区公众号【vnpy-community】
 
原文作者：用Python的交易员 | 发布时间：2023-04-28
 

本周发布了VeighNa的3.7.0版本，本次更新的主要内容是增加了量化交易容器解决方案VeighNa Docker，为Linux和Mac系统用户提供类似VeighNa Studio的快速安装部署功能。

在此首先要对社区用户【eis】表示感谢！正是他在社区论坛中分享的xhost图形界面输出方案，帮助我们找到了如何基于Docker容器运行GUI程序的技术方向。

对于已经安装了VeighNa Studio的用户，可以使用快速更新功能完成自动升级。对于没有安装的用户，请下载VeighNa Studio-3.7.0，体验一键安装的量化交易Python发行版，下载链接：

https://download.vnpy.com/veighna_studio-3.7.0.exe

 

是否需要学习Docker

 

开始正文内容之前想要说明下：对比VeighNa Studio，使用VeighNa Docker需要掌握更高水平的开发技术知识，并不一定适合所有用户。

这里梳理一些VeighNa Docker适合的应用场景：

  • 实盘交易中使用Linux系统，希望实现更低的tick-2-trade延时；
  • 需要分布式部署的程序基础设施，解决策略并发数量上限的瓶颈；
  • 交易团队已经有一定规模，需要标准化的量化投研环境部署管理。

如果你有上述需求，那么强烈推荐继续往下看。

 

认识Docker容器技术

 

从互联网上普遍能搜索到的描述定义来看，Docker是一套开源的应用容器引擎，采用操作系统级别的虚拟化技术来对【软件应用】及其【依赖的运行时环境】进行打包，并将打包完成的轻量级容器快速部署到各种不同环境中高效运行。

看完这段有点绕口的文字，不知道大家的感觉如何？反正当我第一次接触Docker的时候挺晕的，所以这里试着通过类比的方式来帮大家更加容易地理解。

不管是投研回测还是实盘交易，想要成功运行起来一个VeighNa量化平台的程序，必须确保当前的系统上已经安装好了：

  1. Python解释器（3.7-3.10版本）
  2. 依赖的三方库（NumPy、TA-Lib、Plotly、PySide6等）
  3. VeighNa核心框架和功能插件

上述三块内容中，3就是前文中的【软件应用】，而1和2加在一起则是【依赖的运行时环境】。那么为了实现这三块内容的快速安装部署，在Windows系统上的解决方案就是VeighNa Studio，运行exe安装包后几次点击就能自动完成整个安装流程。

由于Linux系统上软件安装方式的区别：例如系统自带Python（影响1）、底层依赖库的全局影响（影响2）等，导致无法直接照搬VeighNa Studio的方案，更好的选择是采用类似虚拟机的形式将1-3整体打包后进行分发部署（直接不用安装了）。

description

在还没有VeighNa Studio的1.0版本时代，我们就曾经推出过基于VirtualBox的虚拟机镜像，但大家用下来普遍反馈虚拟机对比实体机的性能损耗还是挺明显。背后的原因可以参考上图的右侧部分，虚拟机中的应用程序和底层硬件中间，隔着有Hypervisor（虚拟硬件层）和Guest OS（虚拟机内系统）两层组件，带来了显著的开销（分钟级的启动耗时）。

2013年发布的Docker带来了更加轻量级的方案。参考上图的左侧部分，在宿主机的操作系统上仅需运行Docker守护进程来负责对Docker容器进行运维管理，省去了臃肿的虚拟机内系统，从而实现更高的运行效率：节省大量系统资源、毫秒级的启动耗时、接近原生运行的性能水平。

本次3.7.0版本中新增的VeighNa Docker，就是打包了Python解释器、底层依赖库和VeighNa量化平台的完整量化容器镜像，仅需几行命令就能实现自动下载和运行启动。

 

Docker安装流程

 

运行Docker容器之前需要先安装Docker引擎，这里重点介绍在Linux（Ubuntu 22.04）服务器上的安装流程，不清楚的地方推荐参考官方文档中的安装教程。

1. 卸载移除老版本程序：

sudo apt-get remove docker docker-engine docker.io containerd runc

2. 更新apt源并安装HTTPS访问所需的库：

sudo apt-get update
sudo apt-get install \
    ca-certificates \
    curl \
    gnupg

3. 添加Docker官方的GPG Key：

sudo install -m 0755 -d /etc/apt/keyrings
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg
sudo chmod a+r /etc/apt/keyrings/docker.gpg

4. 设置添加apt仓库：

echo \
    "deb [arch="$(dpkg --print-architecture)" signed-by=/etc/apt/keyrings/docker.gpg] https://download.docker.com/linux/ubuntu \  
    "$(. /etc/os-release && echo "$VERSION_CODENAME")" stable" | \  
    sudo tee /etc/apt/sources.list.d/docker.list > /dev/null

5. 再次更新apt源：

sudo apt-get update

6. 安装Docker引擎等组件：

sudo apt-get install docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin

7. 运行hello-world镜像验证安装成功：

sudo docker run hello-world

8. 安装xhost的运行依赖程序：

apt-get install x11-xserver-utils

9. 启动xhost（注意该命令每次重启系统后都要运行）：

xhost +

对于Windows和Mac系统用户直接从Docker官网下载安装Docker Desktop即可，Windows上推荐启用WSL2环境。

 

上手VeighNa Docker

 

完成Docker引擎的安装配置后，运行VeighNa Docker就相当简单了。

在用户目录下创建一个空文件夹（这里假设为/home/user/trader），在其中放置run.py启动脚本文件，内容为：

from vnpy.event import EventEngine
from vnpy.trader.engine import MainEngine
from vnpy.trader.ui import MainWindow, create_qapp

from vnpy_ctp import CtpGateway
from vnpy_ctastrategy import CtaStrategyApp
from vnpy_ctabacktester import CtaBacktesterApp


def main():
    """Start VeighNa Trader"""
    qapp = create_qapp()

    event_engine = EventEngine()
    main_engine = MainEngine(event_engine)

    main_engine.add_gateway(CtpGateway)
    main_engine.add_app(CtaStrategyApp)
    main_engine.add_app(CtaBacktesterApp)

    main_window = MainWindow(main_engine, event_engine)
    main_window.showMaximized()

    qapp.exec()

if __name__ == "__main__":    
    main()

然后在终端Terminal中运行下述命令：

docker run \
-e DISPLAY=$DISPLAY \
-v /tmp/.X11-unix:/tmp/.X11-unix \
-v /home/user/trader:/home \
veighna/veighna:3.7 python3 run.py

如果是第一次运行，Docker引擎会自动从Docker Hub网站上下载拉取veighna/veighna:3.7镜像（大约几分钟的时间，取决于网络带宽），并在下载完成后直接启动容器，此时就可以看到熟悉的VeighNa Trader界面了：

description

尽管容器和虚拟机在底层实现上有着挺大区别，但是对于其中运行的程序来说整体环境相当类似，在容器中同样存在运行程序时的默认用户目录/home。

运行docker run命令时，我们通过参数【-v /home/user/trader:/home】，将之前在操作系统中新建的/home/user/trader（包括其中的文件）挂载到了容器内的/home目录下，从而保证在容器内运行【python3 run.py】命令时能够成功找到run.py文件。

在VeighNa Trader的运行过程中，临时文件（JSON配置文件、SQLite数据库文件等）会被写入到容器内的/home/.vntrader文件夹中，由于前面的挂载机制等同于外部系统中的/home/user/trader/.vntrader文件夹。该文件夹中的内容即使关闭Docker容器后也依旧存在，从而满足程序运行过程中的数据持久化需求。

目前VeighNa Docker中已经打包的模块包括：

  • 交易接口

    • vnpy_ctp、vnpy_ctptest
    • vnpy_mini
    • vnpy_sopt
    • vnpy_uft
    • vnpy_esunny、vnpy_tap
    • vnpy_xtp
    • vnpy_rohon
    • vnpy_tts
    • vnpy_ib

  • 策略应用

    • 除了vnpy_excelrtd以外的所有开源应用模块

  • 数据库适配器

    • vnpy_sqlite
    • vnpy_mysql
    • vnpy_postgresql
    • vnpy_mongodb

  • 数据服务接口

    • vnpy_rqdata
    • vnpy_tushare

  • 投研环境

    • jupyterlab

除了上文中展示的VeighNa Trader外，VeighNa Docker还支持更多其他的运行方式，例如Jupyter Lab交互式投研环境、VS Code容器内代码开发、no_ui交易服务运行等，我们将会在后续的文章中详细讲解，欢迎关注。

 

CHANGELOG

 

新增

  1. 新增沪股通和深股通交易所枚举值
  2. 增加vnpy_tap对于Linux系统的支持
  3. 增加vnpy_rqdata对于新型主力合约数据支持（切换前一日收盘价比例复权）

调整

  1. vnpy_ctastrategy/vnpy_ctabacktester加载策略类时，过滤TargetPosTemplate模板
  2. vnpy_ctp连接登录过程中，只有在授权码错误的情况下，才禁止再次发起认证
  3. vnpy_uft增加对广期所GFEX的支持
  4. vnpy_tqsdk增加对于output日志输出功能的支持
  5. vnpy_dolphindb允许指定用户自行配置具体的数据库实例
  6. vnpy_rqdata优化对于郑商所期货和期权合约的查询代码转换规则
  7. vnpy_rqdata增加对广期所GFEX的支持
  8. vnpy_portfoliostrategy增加回测爆仓检查
  9. vnpy_portfoliostrategy策略模板增加合约乘数查询函数get_size
  10. vnpy_portfoliostrategy回测加载日线和小时线数据时，不使用分段加载

修复

  1. 修复vnpy_rpcservice中，RPC接口对于推送数据的vt前缀相关字段错误问题
  2. 修复vnpy_mini中，对于INE交易所今昨仓位的特殊处理
  3. 修复vnpy_datamanager中，批量数据更新时缺失output函数的问题
  4. 修复vnpy_spreadtrading中，回测加载数据时优先从数据服务获取历史数据的问题，改为优先从本地数据库加载