Motor de backtest C++23
De 7 capas y 5 procesos a 4 capas y 2 procesos. Un motor de ejecución diseñado específicamente para la velocidad de investigación cuantitativa.
Evolución de la arquitectura
Tres generaciones de refinamiento: eliminando sobrecarga en cada capa.
V1: Multi-proceso
Más de 7 capas de abstracción, 5 procesos separados, sobrecarga de serialización IPC. Ejecución solo en Python con alta complejidad arquitectónica.
V2: Consolidación
Reducción del número de procesos, introducción de componentes C++. Arquitectura de transición que prueba el concepto de ejecución embebida.
V3: Motor embebido
4 capas, 2 procesos, 1 protocolo. Executor C++ con Python embebido via pybind11. Flujo de datos Apache Arrow a NumPy de copia cero.
Benchmarks de rendimiento
Medidos con temporización RDTSC, anclaje de afinidad de CPU y seguimiento de percentiles P50/P90/P99/P999.
| Métrica | Medido | Objetivo |
|---|---|---|
| Latencia por barra | 2,15 ns | < 1 µs |
| Tiempo de adquisición GIL | 26,62 ns | < 10 µs |
| Tiempo de retención GIL | 203,30 ns | < 100 µs |
| Aceleración SIMD (AVX2) | 2,48x | ≥ 2x |
| Rendimiento sin bloqueo | 15,73 M ops/s | > 10 M ops/s |
| General vs Python | 500-1000x | > 100x |
Pipeline de datos de copia cero
Desde los datos de mercado hasta la ejecución de la estrategia sin copias de memoria.
Ingesta de Parquet
Datos de mercado almacenados en formato Apache Parquet con compresión columnar. El acceso a archivos mapeados en memoria elimina la sobrecarga de deserialización.
Formato en memoria Arrow
Apache Arrow proporciona un diseño de memoria columnar agnóstico al lenguaje. C++ y Python comparten la misma memoria sin ninguna copia o conversión.
Acceso NumPy de copia cero
pybind11 expone los buffers Arrow como arrays NumPy en el mismo espacio de memoria. El código Python de la estrategia lee datos de propiedad de C++ sin asignaciones.
Proceso de optimización
De la arquitectura a los nanosegundos: un enfoque sistemático del rendimiento.
El executor de proceso único V3 eliminó la serialización IPC, la generación de procesos y el marshaling de datos entre procesos. La mayor ganancia provino de la simplificación arquitectónica.
Temporización RDTSC con anclaje de afinidad de CPU. Seguimiento de percentiles P50/P90/P99/P999 en 12 programas de benchmark. Se estableció infraestructura de medición reproducible.
LTO, -march=native, abstracción SIMD xsimd, asignador mimalloc, logging de baja latencia Quill, contenedores Abseil. Optimizaciones a nivel de compilador y librería.
Infraestructura PMR, asignadores alineados a caché, cero asignaciones en la ruta crítica. Objetivo: fallos de caché L1 < 5% y fallos TLB < 0,5%.
Experimente la velocidad
Clone, compile y ejecute su primer backtest en minutos. El motor está incluido en el nivel gratuito.
git clone https://github.com/StratCraft/StratCraft.git\ncd StratCraft\npnpm install && pnpm dev:desktop