ВСЕХ, КОМУ ИНТЕРЕСЕН МИР ТРЕЙДИНГА, ИНВЕСТИЦИЙ, АЛГОТРЕЙДИНГА И ВООБЩЕ
ПОЛУЧЕНИЕ ДОХОДА ПРИ ПОМОЩИ БИРЖЕВЫХ ОПЕРАЦИЙ, ПРИГЛАШАЮ В СВОЮ
ЗАКРЫТУЮ ГРУППУ «ДЕНЕЖНЫЙ ПОТОК». ПОДПИСЫВАЙТЕСЬ, УЗНАВАЙТЕ НОВУЮ ДЛЯ СЕБЯ, ИНТЕРЕСНУЮ
ИНФОРМАЦИЮ, ДЕЛИТЕСЬ С НОВИЧКАМИ СВОИМ ОПЫТОМ, РАБОТАЮЩИМИ СТРАТЕГИЯМИ.
ВСЕМ ДОБРА, ПРОЦВЕТАНИЯ И УДАЧНОГО ПРОФИТА!
vk.com/public219060971
20220915,090000,61420,61497,61406,61464,241
20220915,090100,61460,61476,61420,61451,160
20220915,090200,61444,61489,61436,61479,185
Осмелюсь предположить, что эти строки ты заливаешь в массив с помощью string.match. Это готовый парсер строки с разделителем. Работает достаточно шустро. Я на нем сидел пару лет.
Когда данных не много, такой метод загрузки не напрягает. Но когда за день 20-30 раз загружаешь сотни тысяч или миллион строк, то потери времени становятся невыносимыми.
Стал искать способ ускорить этот процесс. И он таки нашелся. Выяснил следующее:
Если строки в файле истории сконвертировать в такой вид (делается 1 раз):
table.insert(MyTable,{«20220915»,«090000»,61420,61497,61406,61464,241})
table.insert(MyTable,{«20220915»,«090100»,61460,61476,61420,61451,160})
table.insert(MyTable,{«20220915»,«090200»,61444,61489,61436,61479,185})
Александр Волков — отвечает за публичный API Тинькофф Инвестиций. Рассказал нам, как не остаться без своего капитала, как API справляется с десятком тысяч заявок в секунду на бирже, как построена архитектура HighLoad проекта, и чем Тинькофф отличается от Forex.
Смотрите первый выпуск подкаста kotelov digital finance
1 ордер — 98 мс (прогрев)
2 ордер — 56 мс (прогрев)
3 ордер — 26 мс
4 ордер — 20 мс
5 ордер — 30 мс
6 ордер — 28 мс
7 ордер — 18 мс
8 ордер — 19 мс
9 ордер — 16 мс