Python 做高频交易系统适合哪个级别的延迟？

latency指tick to trade. 可以容许少数核心函数用cython或直接c来实现。

回复内容：

我对 Python 不算熟，不过可以提供一些思路。

首先做一个最基本的测试，连续取两次系统时间，精度在纳秒，看看延迟如何。先来看一段纯 C 代码：

#include <sys/time.h>
uint64_t nanotime(const struct timespec *ts)
{
   return (ts->tv_sec * kT_ns_in_s) + (ts->tv_nsec);
}

uint64_t    n=50000;
uint64_t    sum=0;
uint64_t    latency=0;

for (i = 0; i < n; i++) {
    clock_gettime(CLOCK_REALTIME, &start);
    clock_gettime(CLOCK_REALTIME, &end);
    sum += nanotime(&end) - nanotime(&start);
}

printf("Latency: %d ns\n", sum / n);

比较现实的说是1ms级别的，如果你用python现成的library(urlib, request)接收数据至少有100us级别的延迟，一般交易系统需要多线程，python的GIL又会增加延迟，而且交易最忙的时候因为处理大量数据，python的GC更容易发生。用C或Cython写核心部分不能提高很多，因为python的延迟是因为language design而不是computation造成的。当然这些问题可以改进，比如自己做一套tcp连接程序什么的，不过这些恐怕并不比写c++更容易。

另外上面的回答里的时间测试不一定有代表性，在一个简单的loop测时间的话compiler和CPU会做很多你想不到的事情，结果会和真实值差很多。