交易撮合引擎:原理与实现

  1. 云栖社区>
  2. 博客>
  3. 正文

交易撮合引擎:原理与实现

ezpod 2019-07-24 20:50:02 浏览1597
展开阅读全文

交易撮合引擎(Matching/Trading Engine),顾名思义是用来撮合交易的软件,广泛地应用在金融、证券、加密货币交易等领域。交易引擎负责管理加密资产市场中所有的开口订单(Open Orders),并在发现匹配的订单对(Trading Pair)时自动执行交易。本文将首先介绍有关加密资产交易撮合引擎的基本概念,例如委托单、交易委托账本等,然后使用Golang实现一个原理性的撮合引擎。如果你正在考虑实现类似交易所(Exchange)这样的产品,相信本文会对你有很大的帮助。

可以这样先思考一下:如果你要实现一个供人们将以太币兑换为比特币的市场,那么你就需要跟踪一些信息,例如以太币的买/卖价格(以比特币计算)、哪些买单或卖单还没有执行等等,同时还要处理新进来的委托单。将这一思路扩展到多个交易对,然后再集成钱包功能,你就实现了一个完整的交易引擎,就像币安一样。

本文的完整源码下载地址:https://github.com/ezpod/crypto-exchange-engine

1、基本概念与术语

在开始打造交易撮合引擎之前,让我们首先熟悉相关的基本概念与术语。

撮合/交易引擎

正如前面所述,交易撮合引擎是用来撮合交易的软件,可以先把交易撮合引擎看作一个黑盒子,它有一些输入和输出。

例如,可能的输入包括:

  • 创建新的委托单(NewOrder):一个新的委托单可以作为交易撮合引擎的输入,引擎会尝试将其与已有的
    委托单进行撮合。
  • 取消已有的委托单(CancelOrder):用户也可以取消一个之前输入的委托单,如果它还没有执行的话,即开口订单。

当然你可以定义其他的输入,出于简化考虑,我们现在只定义上述两个输入。

交易撮合引擎的输出是一些事件,以便及时通知其他应用处理。例如,当引擎撮合了一笔交易后,就会触发一个TradesGenerated事件;而当取消了一个已有的委托单后,引擎就会触发rderCancelled。同样,你可以根据自己的需求来定义引擎的输出,这里我们还是简单点,只定义这两个输出事件。

交易委托账本

交易委托账本(Order Book)就是一个买方委托单或买方委托单的列表,通常按照价格和时间排序。

当一个新的买方(买方)委托单进入引擎后,引擎就会将尝试其与现有的卖方(买方)委托账本
进行匹配,看是否存在执行交易的可能。如果找到了匹配的对手单,引擎就可以执行这两个委托单了,也就是撮合成功了。

委托单

在任何交易引擎中,都可能有多种类型的委托单供用户选择。其中常见的类型包括:

  • 限价委托单

限价委托单是在当前的加密货币交易环境中最常用的委托类型。这种委托单允许用户指定一个价格,只有当撮合引擎找到同样价格甚至更好价格的对手单时才执行交易。

对于一个买方委托单而言,这意味着如果你的委托价格是¥100,那么该委托单将会在任何不高于¥100的价格成交 —— 买到指定的价格或者更便宜的价格;而对于一个卖方委托单而言,同样的委托价格意味着该委托单将在任何不低于¥100的价格成交—— 卖出指定的价格或者更高的价格。

  • 市价委托单

市价委托单的撮合会完全忽略价格因素,而致力于有限完成指定数量的成交。市价委托单在交易委托账本中有较高的优先级,在流动性充足的市场中市价单可以保证成交。

例如,当用户委托购买2个以太币时,该委托单可以在¥900、¥1000、¥2000或任何其他价位成交,这依赖于市场中当前的敞口委托单的情况。

  • 止损委托单

止损委托单尽在市场价格到达指定价位时才被激活,因此它的执行方式与市价委托单相反。一旦止损委托单激活,它们可以自动转化为市价委托单或限价委托单。

如果你希望打造一个高级的交易所,那么还有其他一些需要了解的概念,例如流动性、多/空交易、FIX/FAST协议等等,但是同样出于简化考虑,我们将这些内容留给你自己去发现。

2、系统架构

现在,对于交易撮合引擎的构成我们已经有了一些了解,那么让我们看一下整个系统的架构,以及我们将要使用的技术:

在这里插入图片描述
正如你上面看到的,我们的系统将包含引擎的多个客户端,这些客户端可以是交易所系统中的其他组件,例如接收终端用户委托请求的App等等。

在客户端和引擎之间的通信是使用Apache Kafka作为消息总线来实现的,每个交易对都对应Kafka的一个主题,这样我们可以确保当消息队列接收到用户委托单时,引擎将以同样的先后顺序处理委托单。这保证了即使引擎崩溃重启我们也可以重建交易委托账本。

引擎将监听Kafka主题,执行委托账本命令并将引擎的输出事件发布到消息队列中。当然如果能够监测委托单的处理速度以及交易的执行情况会更酷。我们可以使用Prometheus来采集性能指标,使用grafana来实现一个监视仪表盘。

3、开发语言选择

可以选择你熟悉的开发语言,不过由于交易撮合引擎计算量巨大,通常我们应当选择底层系列的语言,例如:C/C++、GoLang、Rust、Java等等。在这个教程中,我们使用Golang,因为它很快、容易理解、并发实现简单,而且我也有好久没有用C++了。

4、开发交易撮合引擎

我们将按照以下的步骤来开发交易撮合引擎:

  • 基础类型定义
  • Consumer实现
  • Order Book实现
  • Producer实现
  • Monitoring实现

4.1 基础类型定义

我们需要首先定义一些基础类型,这包括Order、OrderBook和Trade,分别表示委托单、交易委托账本和交易:

下面是engine/order.go文件的内容:

package engine

import "encoding/json"

type Order struct {
    Amount uint64 `json:"amount"`
    Price  uint64 `json:"price"`
    ID     string `json:"id"`
    Side   int8   `json:"side"`
}

func (order *Order) FromJSON(msg []byte) error {
    return json.Unmarshal(msg, order)
}

func (order *Order) ToJSON() []byte {
    str, _ := json.Marshal(order)
    return str
}

这里我们就是简单地创建了一个结构用来记录订单的主要信息,然后添加了一个方法用于快速的JSON转换。

类似地engine/trade.go文件的内容:

package engine

import "encoding/json"

type Trade struct {
    TakerOrderID string `json:"taker_order_id"`
    MakerOrderID string `json:"maker_order_id"`
    Amount       uint64 `json:"amount"`
    Price        uint64 `json:"price"`
}

func (trade *Trade) FromJSON(msg []byte) error {
    return json.Unmarshal(msg, trade)
}

func (trade *Trade) ToJSON() []byte {
    str, _ := json.Marshal(trade)
    return str
}

现在我们已经定义了基本的输入和输出类型,现在看看交易委托账本engine/order_book.go文件的内容:

package engine

// OrderBook type
type OrderBook struct {
    BuyOrders  []Order
    SellOrders []Order
}

// Add a buy order to the order book
func (book *OrderBook) addBuyOrder(order Order) {
    n := len(book.BuyOrders)
    var i int
    for i := n - 1; i >= 0; i-- {
        buyOrder := book.BuyOrders[i]
        if buyOrder.Price < order.Price {
            break
        }
    }
    if i == n-1 {
        book.BuyOrders = append(book.BuyOrders, order)
    } else {
        copy(book.BuyOrders[i+1:], book.BuyOrders[i:])
        book.BuyOrders[i] = order
    }
}

// Add a sell order to the order book
func (book *OrderBook) addSellOrder(order Order) {
    n := len(book.SellOrders)
    var i int
    for i := n - 1; i >= 0; i-- {
        sellOrder := book.SellOrders[i]
        if sellOrder.Price > order.Price {
            break
        }
    }
    if i == n-1 {
        book.SellOrders = append(book.SellOrders, order)
    } else {
        copy(book.SellOrders[i+1:], book.SellOrders[i:])
        book.SellOrders[i] = order
    }
}

// Remove a buy order from the order book at a given index
func (book *OrderBook) removeBuyOrder(index int) {
    book.BuyOrders = append(book.BuyOrders[:index], book.BuyOrders[index+1:]...)
}

// Remove a sell order from the order book at a given index
func (book *OrderBook) removeSellOrder(index int) {
    book.SellOrders = append(book.SellOrders[:index], book.SellOrders[index+1:]...)
}

在交易委托账本中,除了创建保存买/卖方委托单的列表外,我们还需要定义添加新委托单的方法。

委托单列表应当根据其类型按升序或降序排列:卖方委托单是按降序排列的,这样在列表中序号最大的委托单价格最低;买方委托单是按升序排列的,因此在其列表中最后的委托单价格最高。

由于绝大多数交易会在市场价格附近成交,我们可以轻松地从这些数组中插入或移除成员。

4.2 委托单处理

现在让我们来处理委托单。

在下面的代码中我们添加了一个命令来实现对限价委托单的处理。

文件engine/order_book_limit_order.go的内容:

package engine

// Process an order and return the trades generated before adding the remaining amount to the market
func (book *OrderBook) Process(order Order) []Trade {
    if order.Side == 1 {
        return book.processLimitBuy(order)
    }
    return book.processLimitSell(order)
}

// Process a limit buy order
func (book *OrderBook) processLimitBuy(order Order) []Trade {
    trades := make([]Trade, 0, 1)
    n := len(book.SellOrders)
    // check if we have at least one matching order
    if n != 0 || book.SellOrders[n-1].Price <= order.Price {
        // traverse all orders that match
        for i := n - 1; i >= 0; i-- {
            sellOrder := book.SellOrders[i]
            if sellOrder.Price > order.Price {
                break
            }
            // fill the entire order
            if sellOrder.Amount >= order.Amount {
                trades = append(trades, Trade{order.ID, sellOrder.ID, order.Amount, sellOrder.Price})
                sellOrder.Amount -= order.Amount
                if sellOrder.Amount == 0 {
                    book.removeSellOrder(i)
                }
                return trades
            }
            // fill a partial order and continue
            if sellOrder.Amount < order.Amount {
                trades = append(trades, Trade{order.ID, sellOrder.ID, sellOrder.Amount, sellOrder.Price})
                order.Amount -= sellOrder.Amount
                book.removeSellOrder(i)
                continue
            }
        }
    }
    // finally add the remaining order to the list
    book.addBuyOrder(order)
    return trades
}

// Process a limit sell order
func (book *OrderBook) processLimitSell(order Order) []Trade {
    trades := make([]Trade, 0, 1)
    n := len(book.BuyOrders)
    // check if we have at least one matching order
    if n != 0 || book.BuyOrders[n-1].Price >= order.Price {
        // traverse all orders that match
        for i := n - 1; i >= 0; i-- {
            buyOrder := book.BuyOrders[i]
            if buyOrder.Price < order.Price {
                break
            }
            // fill the entire order
            if buyOrder.Amount >= order.Amount {
                trades = append(trades, Trade{order.ID, buyOrder.ID, order.Amount, buyOrder.Price})
                buyOrder.Amount -= order.Amount
                if buyOrder.Amount == 0 {
                    book.removeBuyOrder(i)
                }
                return trades
            }
            // fill a partial order and continue
            if buyOrder.Amount < order.Amount {
                trades = append(trades, Trade{order.ID, buyOrder.ID, buyOrder.Amount, buyOrder.Price})
                order.Amount -= buyOrder.Amount
                book.removeBuyOrder(i)
                continue
            }
        }
    }
    // finally add the remaining order to the list
    book.addSellOrder(order)
    return trades
}

看起来我们将一个方法变成了两个,分别处理买方委托单和卖方委托单。这两个方法在每个方面
都很相似,除了处理的市场侧不同。

算法非常简单。我们将一个买方委托单与所有的卖方委托单进行匹配,找出任何与买方委托价格
一致甚至更低的卖方委托单。当这一条件不能满足时,或者该买方委托单完成后,我们返会撮合
的交易。

4.3 接入Kafka

现在就快完成我们的交易引擎了,还需要接入Apache Kafka服务器,然后开始监听委托单。

main.go文件的内容:

package main

import (
    "engine/engine"
    "log"

    "github.com/Shopify/sarama"
    cluster "github.com/bsm/sarama-cluster"
)

func main() {

    // create the consumer and listen for new order messages
    consumer := createConsumer()

    // create the producer of trade messages
    producer := createProducer()

    // create the order book
    book := engine.OrderBook{
        BuyOrders:  make([]engine.Order, 0, 100),
        SellOrders: make([]engine.Order, 0, 100),
    }

    // create a signal channel to know when we are done
    done := make(chan bool)

    // start processing orders
    go func() {
        for msg := range consumer.Messages() {
            var order engine.Order
            // decode the message
            order.FromJSON(msg.Value)
            // process the order
            trades := book.Process(order)
            // send trades to message queue
            for _, trade := range trades {
                rawTrade := trade.ToJSON()
                producer.Input() <- &sarama.ProducerMessage{
                    Topic: "trades",
                    Value: sarama.ByteEncoder(rawTrade),
                }
            }
            // mark the message as processed
            consumer.MarkOffset(msg, "")
        }
        done <- true
    }()

    // wait until we are done
    <-done
}

//
// Create the consumer
//

func createConsumer() *cluster.Consumer {
    // define our configuration to the cluster
    config := cluster.NewConfig()
    config.Consumer.Return.Errors = false
    config.Group.Return.Notifications = false
    config.Consumer.Offsets.Initial = sarama.OffsetOldest

    // create the consumer
    consumer, err := cluster.NewConsumer([]string{"127.0.0.1:9092"}, "myconsumer", []string{"orders"}, config)
    if err != nil {
        log.Fatal("Unable to connect consumer to kafka cluster")
    }
    go handleErrors(consumer)
    go handleNotifications(consumer)
    return consumer
}

func handleErrors(consumer *cluster.Consumer) {
    for err := range consumer.Errors() {
        log.Printf("Error: %s\n", err.Error())
    }
}

func handleNotifications(consumer *cluster.Consumer) {
    for ntf := range consumer.Notifications() {
        log.Printf("Rebalanced: %+v\n", ntf)
    }
}

//
// Create the producer
//

func createProducer() sarama.AsyncProducer {
    config := sarama.NewConfig()
    config.Producer.Return.Successes = false
    config.Producer.Return.Errors = true
    config.Producer.RequiredAcks = sarama.WaitForAll
    producer, err := sarama.NewAsyncProducer([]string{"127.0.0.1:9092"}, config)
    if err != nil {
        log.Fatal("Unable to connect producer to kafka server")
    }
    return producer
}

利用Golang的Sarama Kafka客户端开发库,我们可以分别创建一个接入Kafka的消费者和生产者。

消费者将在指定的Kafka主题上等待新的委托单,然后进行撮合处理。生成的交易接下来使用生产者发送到指定的交易主题。

Kafka消息采用字节数组编码,因此我们需要将其解码。反之,将交易传入消息队列时,我们还需要进行必要的编码。

5、结语

现在你有了一个可伸缩的交易引擎!完整的代码可以在GITHUB下载:crypto-exchange-engine

不过这个引擎的目的是教学,另外代码还支持很多进一步的优化,例如:

  • 使用一种更高效的匹配算法
  • 添加取消订单的功能
  • 增强通信能力
  • 委托账本的备份与恢复
  • 添加监视功能

如果你想学习区块链并在Blockchain Technologies建立职业生涯,那么请查看我们分享的一些以太坊、比特币、EOS、Fabric等区块链相关的交互式在线编程实战教程


原文链接:交易撮合引擎原理与实现 — 汇智网

网友评论

登录后评论
0/500
评论
ezpod
+ 关注