diff --git a/backend/service_implementation/qihuo_analyzer/data/__pycache__/data_fetcher.cpython-311.pyc b/backend/service_implementation/qihuo_analyzer/data/__pycache__/data_fetcher.cpython-311.pyc
index d4ab71b..1ba04d7 100644
Binary files a/backend/service_implementation/qihuo_analyzer/data/__pycache__/data_fetcher.cpython-311.pyc and b/backend/service_implementation/qihuo_analyzer/data/__pycache__/data_fetcher.cpython-311.pyc differ
diff --git a/backend/service_implementation/qihuo_analyzer/data/api_adapters/__pycache__/tqsdk_adapter.cpython-311.pyc b/backend/service_implementation/qihuo_analyzer/data/api_adapters/__pycache__/tqsdk_adapter.cpython-311.pyc
index b32ae97..31db358 100644
Binary files a/backend/service_implementation/qihuo_analyzer/data/api_adapters/__pycache__/tqsdk_adapter.cpython-311.pyc and b/backend/service_implementation/qihuo_analyzer/data/api_adapters/__pycache__/tqsdk_adapter.cpython-311.pyc differ
diff --git a/backend/service_implementation/qihuo_analyzer/data/api_adapters/tqsdk_adapter.py b/backend/service_implementation/qihuo_analyzer/data/api_adapters/tqsdk_adapter.py
index 86e86e8..be67c4a 100644
--- a/backend/service_implementation/qihuo_analyzer/data/api_adapters/tqsdk_adapter.py
+++ b/backend/service_implementation/qihuo_analyzer/data/api_adapters/tqsdk_adapter.py
@@ -393,6 +393,71 @@ class TqSdkAdapter(BaseDataAdapter):
         print(f"使用模拟主力合约数据: {mock_main_contracts}")
         return mock_main_contracts
     
+    def get_last_trading_day(self, symbol: str) -> Optional[str]:
+        """获取最后一个交易日
+        
+        Args:
+            symbol: 合约代码，如 'CU2603'
+            
+        Returns:
+            str: 最后一个交易日，格式为 'YYYY-MM-DD'
+        """
+        try:
+            if TQSDK_AVAILABLE and self.api:
+                # 转换合约代码为TQSDK格式
+                tq_symbol = self._convert_symbol(symbol)
+                print(f"使用TQSDK格式合约代码: {tq_symbol}")
+                
+                # 获取日线数据
+                klines = self.api.get_kline_serial(tq_symbol, 86400, data_length=30)  # 86400秒 = 1天
+                
+                # 等待数据准备就绪
+                import time
+                start_time = time.time()
+                timeout = 5  # 5秒超时
+                
+                while True:
+                    if hasattr(klines, 'datetime') and len(klines.datetime) > 0:
+                        break
+                    if time.time() - start_time > timeout:
+                        print("获取K线数据超时")
+                        return None
+                    time.sleep(0.1)
+                
+                # 转换为DataFrame
+                data = {
+                    'datetime': klines.datetime,
+                    'close': klines.close
+                }
+                df = pd.DataFrame(data)
+                df['datetime'] = pd.to_datetime(df['datetime'], unit='ns')
+                
+                # 过滤掉成交量为0的日期（非交易日）
+                # 注意：TQSDK的K线数据中，如果当天没有交易，可能不会生成数据
+                # 所以我们只需要取最后一条数据的日期
+                if not df.empty:
+                    last_trading_day = df['datetime'].iloc[-1].strftime('%Y-%m-%d')
+                    print(f"最后一个交易日: {last_trading_day}")
+                    return last_trading_day
+                else:
+                    print("无法获取K线数据")
+                    return None
+            else:
+                # 返回模拟数据
+                print("无法获取真实数据，使用模拟最后交易日")
+                # 模拟返回前一天的日期
+                import datetime
+                last_trading_day = (datetime.datetime.now() - datetime.timedelta(days=1)).strftime('%Y-%m-%d')
+                print(f"使用模拟最后交易日: {last_trading_day}")
+                return last_trading_day
+        except Exception as e:
+            print(f"获取最后交易日失败：{e}")
+            # 返回模拟数据
+            import datetime
+            last_trading_day = (datetime.datetime.now() - datetime.timedelta(days=1)).strftime('%Y-%m-%d')
+            print(f"使用模拟最后交易日: {last_trading_day}")
+            return last_trading_day
+    
     def _get_mock_all_symbols(self) -> List[str]:
         """获取模拟品种列表"""
         # 返回exchange_map中映射的所有品种
diff --git a/backend/service_implementation/qihuo_analyzer/data/data_fetcher.py b/backend/service_implementation/qihuo_analyzer/data/data_fetcher.py
index 0dd3543..380ccb1 100644
--- a/backend/service_implementation/qihuo_analyzer/data/data_fetcher.py
+++ b/backend/service_implementation/qihuo_analyzer/data/data_fetcher.py
@@ -463,6 +463,36 @@ class DataFetcher:
             'NI': 'NI2603',  # 镍
             'SN': 'SN2603'   # 锡
         }
+    
+    def get_last_trading_day(self, symbol: str) -> Optional[str]:
+        """获取最后一个交易日
+        
+        Args:
+            symbol: 合约代码，如 'CU2603'
+            
+        Returns:
+            str: 最后一个交易日，格式为 'YYYY-MM-DD'
+        """
+        try:
+            # 使用适配器的get_last_trading_day方法
+            result = self.adapter.get_last_trading_day(symbol)
+            if result:
+                return result
+            else:
+                # 如果适配器返回空，使用模拟数据
+                print("使用模拟最后交易日")
+                return self._get_mock_last_trading_day()
+        except Exception as e:
+            print(f"获取最后交易日失败：{e}")
+            return self._get_mock_last_trading_day()
+    
+    def _get_mock_last_trading_day(self) -> str:
+        """获取模拟最后交易日"""
+        # 模拟返回前一天的日期
+        import datetime
+        last_trading_day = (datetime.datetime.now() - datetime.timedelta(days=1)).strftime('%Y-%m-%d')
+        print(f"使用模拟最后交易日: {last_trading_day}")
+        return last_trading_day
 
 
 # 导入numpy
diff --git a/backend/service_implementation/service/app.py b/backend/service_implementation/service/app.py
index dc3b923..da88e51 100644
--- a/backend/service_implementation/service/app.py
+++ b/backend/service_implementation/service/app.py
@@ -68,6 +68,22 @@ def get_main_contracts():
     except Exception as e:
         return jsonify({'status': 'error', 'message': str(e)}), 500
 
+# 最后交易日获取接口
+@app.route('/api/last-trading-day', methods=['GET'])
+def get_last_trading_day():
+    try:
+        symbol = request.args.get('symbol', 'CU2603')  # 默认使用CU2603合约
+        print(f"正在获取最后交易日，合约：{symbol}")
+        last_trading_day = data_fetcher.get_last_trading_day(symbol)
+        print(f"获取到最后交易日：{last_trading_day}")
+        
+        return jsonify({'status': 'success', 'data': {
+            'symbol': symbol,
+            'last_trading_day': last_trading_day
+        }})
+    except Exception as e:
+        return jsonify({'status': 'error', 'message': str(e)}), 500
+
 # K线数据获取接口
 @app.route('/api/kline', methods=['GET'])
 def get_kline():
diff --git a/backend/service_implementation/service/data/futures_analysis.db b/backend/service_implementation/service/data/futures_analysis.db
index fa05b4b..d81896d 100644
Binary files a/backend/service_implementation/service/data/futures_analysis.db and b/backend/service_implementation/service/data/futures_analysis.db differ
diff --git a/backend/src/services/marketService.ts b/backend/src/services/marketService.ts
index 19f0f62..1ba324f 100644
--- a/backend/src/services/marketService.ts
+++ b/backend/src/services/marketService.ts
@@ -316,7 +316,7 @@ export const fetchKlineData = async (symbol: string, period: string) => {
         
         // 获取K线数据
         logger.log(`获取合约${contractSymbol}K线数据，周期: ${duration}...`);
-        const klineResponse = await serviceImplementationClient.getKlineData(contractSymbol, duration, 30);
+        const klineResponse = await serviceImplementationClient.getKlineData(contractSymbol, duration, 50);
         const klineData = klineResponse.data;
         
         if (klineData.length > 0) {
diff --git a/docs/开发文档/数据存储与缓存策略.md b/docs/开发文档/数据存储与缓存策略.md
new file mode 100644
index 0000000..cdbe97f
--- /dev/null
+++ b/docs/开发文档/数据存储与缓存策略.md
@@ -0,0 +1,123 @@
+# 数据存储与缓存策略
+
+## 1. 缓存服务 (Redis + MySQL)
+
+### 代码位置
+- **文件**：`backend/src/services/cacheService.ts`
+- **核心方法**：
+  - `set(key, value, options)`: 写入Redis缓存
+  - `saveToMySQL(symbol, type, data)`: 写入MySQL数据库
+
+### 写入场景
+1. **数据首次获取**：
+   - 当从数据源获取新数据时，会同时写入Redis和MySQL
+   - 代码路径：`cacheService.get()` → 数据源获取 → `set()` + `saveToMySQL()`
+
+2. **MySQL数据同步到Redis**：
+   - 当从MySQL获取数据时，会将数据同步到Redis
+   - 代码路径：`cacheService.get()` → MySQL获取 → `set()`
+
+## 2. 市场服务 (使用缓存服务)
+
+### 代码位置
+- **文件**：`backend/src/services/marketService.ts`
+
+### 写入场景
+1. **市场概览数据**：
+   - 方法：`fetchMarketOverview()`
+   - 缓存键：`market:overview`
+   - 过期时间：5分钟
+
+2. **品种详情数据**：
+   - 方法：`fetchMarketDetail(symbol)`
+   - 缓存键：`market:detail:{symbol}`
+   - 过期时间：5分钟
+
+3. **K线数据**：
+   - 方法：`fetchKlineData(symbol, period)`
+   - 缓存键：`market:kline:{symbol}:{period}`
+   - 过期时间：10分钟
+
+4. **市场热点数据**：
+   - 方法：`fetchMarketHotspots()`
+   - 缓存键：`market:hotspots`
+   - 过期时间：5分钟
+
+## 3. Python服务数据存储 (SQLite)
+
+### 代码位置
+- **文件**：`backend/service_implementation/qihuo_analyzer/data/data_storage.py`
+
+### 写入场景
+1. **分析结果**：
+   - 方法：`save_analysis_result(result)`
+   - 表：`analysis_results`
+   - 场景：当AI分析完成后保存分析结果
+
+2. **K线数据**：
+   - 方法：`save_kline_data(symbol, duration, df)`
+   - 表：`kline_data`
+   - 场景：当获取K线数据后保存到数据库
+
+3. **交易建议**：
+   - 方法：`save_trade_recommendation(recommendation)`
+   - 表：`trade_recommendations`
+   - 场景：当生成交易建议后保存
+
+4. **风险监控数据**：
+   - 方法：`save_risk_monitoring(monitoring_data)`
+   - 表：`risk_monitoring`
+   - 场景：当监控交易风险时保存
+
+## 4. Flask API服务 (调用Python存储)
+
+### 代码位置
+- **文件**：`backend/service_implementation/service/app.py`
+
+### 写入场景
+1. **K线数据**：
+   - 路径：`/api/kline`
+   - 代码：当数据库中没有K线数据时，从数据源获取并保存
+   - 调用：`data_storage.save_kline_data()`
+
+2. **分析结果**：
+   - 路径：`/api/analyze`
+   - 代码：当AI分析完成后保存分析结果
+   - 调用：`data_storage.save_analysis_result()`
+
+3. **风险监控数据**：
+   - 路径：`/api/risk`
+   - 代码：当监控交易风险时保存
+   - 调用：`data_storage.save_risk_monitoring()`
+
+## 5. 数据流动路径
+
+### 前端 → 后端 API → 缓存服务 → 数据源
+1. 前端请求数据
+2. 后端API调用市场服务
+3. 市场服务调用缓存服务
+4. 缓存服务按优先级获取数据：
+   - Redis → MySQL → 数据源
+5. 如果从数据源获取数据，同步写入MySQL和Redis
+
+### Python服务内部
+1. Flask API接收请求
+2. 调用数据获取器获取数据
+3. 将数据保存到SQLite数据库
+4. 返回数据给前端
+
+## 6. 缓存策略
+
+- **Redis**：短期缓存，用于高频访问数据
+  - 市场概览：5分钟
+  - 品种详情：5分钟
+  - K线数据：10分钟
+  - 市场热点：5分钟
+
+- **MySQL**：持久化存储，用于长期数据
+  - 存储所有从数据源获取的数据
+
+- **SQLite**：Python服务本地存储
+  - 存储分析结果、K线数据、交易建议、风险监控数据
+
+这种多层缓存策略确保了数据的快速访问和持久化存储，同时减少了对外部数据源的请求频率。
\ No newline at end of file
diff --git a/docs/开发文档/最后交易日获取接口.md b/docs/开发文档/最后交易日获取接口.md
new file mode 100644
index 0000000..eacd90a
--- /dev/null
+++ b/docs/开发文档/最后交易日获取接口.md
@@ -0,0 +1,161 @@
+# 最后交易日获取接口
+
+## 1. 功能概述
+
+本接口用于获取期货合约的最后一个交易日，支持通过TQSDK实时获取或使用模拟数据作为fallback。
+
+## 2. 实现方案
+
+### 2.1 核心代码位置
+
+- **TQSDK适配器**：`backend/service_implementation/qihuo_analyzer/data/api_adapters/tqsdk_adapter.py`
+  - 实现了`get_last_trading_day(symbol)`方法，使用TQSDK获取最后一个交易日
+
+- **数据获取器**：`backend/service_implementation/qihuo_analyzer/data/data_fetcher.py`
+  - 实现了`get_last_trading_day(symbol)`方法，作为适配器方法的包装
+
+- **API服务**：`backend/service_implementation/service/app.py`
+  - 添加了`/api/last-trading-day`接口，提供HTTP访问方式
+
+### 2.2 技术实现
+
+#### TQSDK适配器实现
+
+```python
+def get_last_trading_day(self, symbol: str) -> Optional[str]:
+    """获取最后一个交易日
+    
+    Args:
+        symbol: 合约代码，如 'CU2603'
+        
+    Returns:
+        str: 最后一个交易日，格式为 'YYYY-MM-DD'
+    """
+    try:
+        if TQSDK_AVAILABLE and self.api:
+            # 转换合约代码为TQSDK格式
+            tq_symbol = self._convert_symbol(symbol)
+            
+            # 获取日线数据
+            klines = self.api.get_kline_serial(tq_symbol, 86400, data_length=30)  # 86400秒 = 1天
+            
+            # 等待数据准备就绪
+            # 处理数据...
+            
+            # 转换为DataFrame并提取最后交易日
+            if not df.empty:
+                last_trading_day = df['datetime'].iloc[-1].strftime('%Y-%m-%d')
+                return last_trading_day
+        else:
+            # 返回模拟数据
+            import datetime
+            last_trading_day = (datetime.datetime.now() - datetime.timedelta(days=1)).strftime('%Y-%m-%d')
+            return last_trading_day
+    except Exception as e:
+        # 异常处理，返回模拟数据
+        import datetime
+        last_trading_day = (datetime.datetime.now() - datetime.timedelta(days=1)).strftime('%Y-%m-%d')
+        return last_trading_day
+```
+
+#### API接口实现
+
+```python
+# 最后交易日获取接口
+@app.route('/api/last-trading-day', methods=['GET'])
+def get_last_trading_day():
+    try:
+        symbol = request.args.get('symbol', 'CU2603')  # 默认使用CU2603合约
+        last_trading_day = data_fetcher.get_last_trading_day(symbol)
+        
+        return jsonify({'status': 'success', 'data': {
+            'symbol': symbol,
+            'last_trading_day': last_trading_day
+        }})
+    except Exception as e:
+        return jsonify({'status': 'error', 'message': str(e)}), 500
+```
+
+## 3. 使用方法
+
+### 3.1 API接口调用
+
+**请求URL**：`http://localhost:5000/api/last-trading-day`
+
+**请求方法**：GET
+
+**参数说明**：
+- `symbol`（可选）：合约代码，如 'CU2603'，默认值为 'CU2603'
+
+**返回格式**：
+
+```json
+{
+  "status": "success",
+  "data": {
+    "symbol": "CU2603",
+    "last_trading_day": "2026-02-23"
+  }
+}
+```
+
+**示例请求**：
+```
+GET http://localhost:5000/api/last-trading-day?symbol=AU2603
+```
+
+**示例响应**：
+```json
+{
+  "status": "success",
+  "data": {
+    "symbol": "AU2603",
+    "last_trading_day": "2026-02-23"
+  }
+}
+```
+
+### 3.2 代码调用
+
+```python
+from qihuo_analyzer.data.data_fetcher import DataFetcher
+
+data_fetcher = DataFetcher()
+data_fetcher.connect()
+last_trading_day = data_fetcher.get_last_trading_day('CU2603')
+print(f"最后一个交易日: {last_trading_day}")  # 输出：最后一个交易日: 2026-02-23
+```
+
+## 4. 技术特点
+
+1. **实时数据**：通过TQSDK获取实时的最后交易日数据
+2. **容错机制**：当TQSDK不可用时，自动使用模拟数据
+3. **异常处理**：实现了多层异常捕获，确保接口稳定性
+4. **灵活调用**：支持通过API接口或直接代码调用
+5. **默认值**：当未指定合约代码时，默认使用CU2603合约
+
+## 5. 注意事项
+
+1. **网络连接**：使用TQSDK获取数据需要稳定的网络连接
+2. **合约代码格式**：请使用正确的合约代码格式，如 'CU2603'
+3. **数据延迟**：由于需要从TQSDK获取数据，可能会有一定的网络延迟
+4. **模拟数据**：当TQSDK不可用时，会返回前一天的日期作为模拟数据
+
+## 6. 故障排查
+
+### 6.1 常见问题
+
+| 问题 | 可能原因 | 解决方案 |
+|------|---------|--------|
+| 返回模拟数据 | TQSDK连接失败或网络问题 | 检查网络连接，确保TQSDK账号配置正确 |
+| 接口返回错误 | 合约代码格式错误 | 使用正确的合约代码格式，如 'CU2603' |
+| 数据延迟 | 网络延迟或TQSDK服务器响应慢 | 耐心等待，或使用模拟数据 |
+
+### 6.2 日志查看
+
+- **Python服务日志**：在启动Python服务的终端中查看
+- **API日志**：通过访问API端点，查看返回结果和错误信息
+
+## 7. 总结
+
+本接口提供了一种便捷的方式来获取期货合约的最后一个交易日，支持实时数据和模拟数据两种模式。通过简单的API调用或代码调用，用户可以轻松获取所需的最后交易日信息，为交易策略和风险管理提供支持。
\ No newline at end of file