AlphaFuturesPro/docs/开发文档/数据存储与缓存策略.md

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。