TradingAgents-CN 项目优化：数据源优先级统一与系统稳定性优化（10-30）

2025-10-31 12634点热度 0人点赞 0条评论

一、升级概览

2025 年 10 月 30 日，TradingAgents-CN 完成了一次全面的 系统稳定性 和 数据一致性 优化工作。

本次更新通过 19 个提交，解决了 数据源优先级不统一、MongoDB 批量写入超时、实时行情数据缺失、AKShare 股票代码格式不一致 等关键问题，显著提升了系统的 可靠性、可维护性和用户体验。

核心改进

数据源优先级统一：修复优先级逻辑，实现端到端一致性。
重试机制完善：为批量操作和数据同步添加智能重试。
MongoDB 超时优化：解决大批量历史数据处理超时问题。
实时行情增强：程序启动时自动从历史数据回填收盘数据。
AKShare 代码标准化：修复新浪接口返回股票代码带交易所前缀的问题。
工具与诊断优化：改进 Tushare 配置、数据源测试接口和日志系统。

二、数据源优先级统一

2.1 问题背景

相关提交：

719b9da：优化 数据源优先级管理 和股票筛选功能。
f632395：修复数据查询不按优先级的问题。
586e3dc：修复数据源状态列表排序顺序。
f094a62：添加数据源优先级修复说明文档。

此前系统中存在多处 数据源优先级逻辑不一致 的问题。

主要问题

优先级判断错误

代码中使用升序排序，等价于“数字越小优先级越高”；但系统配置期望的是降序，也就是 数字越大优先级越高。

错误逻辑示例：

# 错误：升序逻辑
source_priority = ["baostock", "akshare", "tushare"]

正确逻辑应为：

# 正确：降序逻辑
source_priority = ["tushare", "akshare", "baostock"]

查询不遵循优先级

多个模块存在绕过数据源优先级的问题：

app/routers/reports.py 中 get_stock_name() 直接查询，不按优先级。
app/services/database_screening_service.py 聚合查询可能混用不同数据源。
app/routers/stocks.py 中 get_fundamentals() 按时间戳查询，而不是按数据源优先级查询。

前端显示顺序混乱

数据源状态列表排序与配置不一致，用户无法直观看到当前实际使用的数据源。

2.2 解决方案

统一优先级规则

明确规则：数字越大，优先级越高。

DEFAULT_PRIORITIES = {
    "tushare": 3,
    "akshare": 2,
    "baostock": 1
}

从数据库动态加载优先级

class BaseDataSourceAdapter(ABC):
    def __init__(self):
        self._priority = None

    async def load_priority_from_db(self):
        """从数据库加载优先级配置"""
        db = await get_mongo_db()
        config = await db.datasource_groupings.find_one(
            {"source": self.source_name}
        )

        if config:
            self._priority = config.get("priority", 1)
        else:
            self._priority = DEFAULT_PRIORITIES.get(self.source_name, 1)

修复股票名称查询逻辑

async def get_stock_name(code: str) -> str:
    """按数据源优先级查询股票名称"""
    db = await get_mongo_db()

    for source in ["tushare", "akshare", "baostock"]:
        doc = await db.stock_basic_info.find_one(
            {"code": code, "source": source},
            {"name": 1}
        )
        if doc:
            return doc.get("name", code)

    doc = await db.stock_basic_info.find_one(
        {"code": code},
        {"name": 1}
    )
    return doc.get("name", code) if doc else code

修复股票筛选数据源逻辑

async def screen(self, criteria: ScreeningCriteria) -> List[Dict]:
    """股票筛选，只使用优先级最高的数据源"""
    primary_source = await self._get_primary_source()

    pipeline = [
        {"$match": {"source": primary_source}},
        # 其他筛选条件
    ]

    results = await db.stock_basic_info.aggregate(pipeline).to_list(None)
    return results

修复前端排序

const sortedSources = computed(() => {
  return [...dataSources.value].sort((a, b) =>
    b.priority - a.priority
  )
})

添加当前数据源显示

<el-alert type="info" :closable="false">
  <template #title>
    当前数据源：{{ currentDataSource }}
    <el-tag :type="getSourceTagType(currentDataSource)">
      优先级 {{ currentPriority }}
    </el-tag>
  </template>
</el-alert>

2.3 优化效果

所有查询统一按数据源优先级执行。
前端显示顺序与配置一致。
用户可以清楚看到当前使用的数据源。
避免不同数据源的数据被混用。
股票筛选、报告查询和基本面查询结果更加一致。

三、批量操作重试机制

3.1 问题背景

相关提交：

1b97aed：为批量操作添加重试机制，改进超时处理。
281587e：为多源基础数据同步添加重试机制。
4da35a0：为 Tushare 基础数据同步添加重试机制。

在批量写入和数据同步过程中，系统经常遇到临时失败：

批量写入失败: mongodb:27017: timed out
同步失败: Connection reset by peer
API调用失败: Rate limit exceeded

主要原因

网络波动导致写入失败。
MongoDB 高负载时偶发超时。
数据源接口触发临时限流。
原先没有重试机制，一次失败就直接放弃，容易造成数据不完整。

3.2 解决方案

新增通用批量写入重试方法。

async def _execute_bulk_write_with_retry(
    self,
    symbol: str,
    operations: List,
    max_retries: int = 3
) -> int:
    """执行批量写入，支持重试"""
    saved_count = 0
    retry_count = 0

    while retry_count < max_retries:
        try:
            result = await self.collection.bulk_write(
                operations,
                ordered=False
            )
            saved_count = result.upserted_count + result.modified_count

            if retry_count > 0:
                logger.info(f"{symbol} 重试成功，保存 {saved_count} 条")

            return saved_count

        except asyncio.TimeoutError as e:
            retry_count += 1

            if retry_count < max_retries:
                wait_time = 2 ** retry_count
                logger.warning(
                    f"{symbol} 批量写入超时，第 {retry_count}/{max_retries} 次重试，"
                    f"等待 {wait_time} 秒后重试"
                )
                await asyncio.sleep(wait_time)
            else:
                logger.error(f"{symbol} 批量写入失败，已重试 {max_retries} 次: {e}")
                return 0

        except Exception as e:
            logger.error(f"{symbol} 批量写入失败: {e}")
            return 0

    return saved_count

应用到历史数据同步：

async def save_historical_data(
    self,
    symbol: str,
    data: List[Dict],
    period: str = "daily"
) -> int:
    """保存历史数据，使用重试机制"""
    operations = []

    for record in data:
        operations.append(
            UpdateOne(
                {"code": symbol, "date": record["date"], "period": period},
                {"$set": record},
                upsert=True
            )
        )

    saved_count = await self._execute_bulk_write_with_retry(
        symbol,
        operations
    )

    logger.info(f"{symbol} 保存完成: 新增 {saved_count} 条，共 {len(data)} 条")
    return saved_count

3.3 优化效果

网络波动时自动重试，避免数据丢失。
使用 指数退避策略，避免频繁重试加重负载。
区分超时错误和其他错误，避免无限重试。
提供详细重试日志，便于问题诊断。

四、MongoDB 超时优化

4.1 问题背景

相关提交：

45a306b：增加 MongoDB 超时参数配置，解决大量历史数据处理超时问题。
c3b0a33：改进 MongoDB 数据源日志，明确显示具体数据源类型。

处理大量历史数据时，系统频繁出现 MongoDB 超时错误：

mongodb:27017: timed out
configured timeouts: socketTimeoutMS: 20000ms, connectTimeoutMS: 10000ms

根本原因

socketTimeoutMS 只有 20 秒，大批量写入时不够。
connectTimeoutMS 只有 10 秒，高负载环境下连接可能较慢。
日志只显示 MongoDB，无法判断具体使用的是 Tushare、AKShare 还是 BaoStock 数据。

4.2 解决方案

增加 MongoDB 超时配置

class Settings(BaseSettings):
    MONGO_CONNECT_TIMEOUT_MS: int = 30000
    MONGO_SOCKET_TIMEOUT_MS: int = 60000
    MONGO_SERVER_SELECTION_TIMEOUT_MS: int = 5000

.env.example 和 .env.docker 中新增：

MONGO_MAX_CONNECTIONS=100
MONGO_MIN_CONNECTIONS=10

MONGO_CONNECT_TIMEOUT_MS=30000
MONGO_SOCKET_TIMEOUT_MS=60000
MONGO_SERVER_SELECTION_TIMEOUT_MS=5000

应用到 MongoDB 连接

_mongo_client = AsyncIOMotorClient(
    settings.MONGO_URI,
    maxPoolSize=settings.MONGO_MAX_CONNECTIONS,
    minPoolSize=settings.MONGO_MIN_CONNECTIONS,
    connectTimeoutMS=settings.MONGO_CONNECT_TIMEOUT_MS,
    socketTimeoutMS=settings.MONGO_SOCKET_TIMEOUT_MS,
    serverSelectionTimeoutMS=settings.MONGO_SERVER_SELECTION_TIMEOUT_MS
)

改进数据源日志

async def get_daily_data(self, symbol: str) -> Optional[pd.DataFrame]:
    """获取日线数据，显示具体数据源"""
    tried_sources = []

    for source in ["tushare", "akshare", "baostock"]:
        logger.debug(f"[MongoDB查询] 尝试数据源: {source}, symbol={symbol}")

        cursor = self.db[collection].find(
            {"code": symbol, "source": source}
        )
        docs = await cursor.to_list(length=None)

        if docs:
            logger.info(f"[MongoDB-{source}] 找到 {len(docs)} 条 daily 数据: {symbol}")
            return pd.DataFrame(docs)
        else:
            tried_sources.append(source)

    logger.warning(
        f"[数据来源: MongoDB] 所有数据源({', '.join(tried_sources)})都没有 daily 数据: {symbol}"
    )
    return None

4.3 优化效果

大批量数据处理不再频繁超时。
用户可以根据环境灵活调整 MongoDB 超时时间。
日志清晰显示具体数据源，便于定位问题。
保持向后兼容，默认值更加合理。

五、实时行情启动回填

5.1 问题背景

相关提交：

cf892e3：程序启动时自动从历史数据导入收盘数据到 market_quotes。

在非交易时段启动系统时，market_quotes 集合可能为空，导致：

股票列表没有价格信息。
K 线图无法显示。
无法按涨跌幅筛选。
无法按价格筛选。
用户需要手动触发实时行情同步。

5.2 解决方案

新增从历史数据回填最新收盘行情的方法。

async def backfill_from_historical_data(self) -> Dict[str, Any]:
    """
    从历史数据导入最新交易日的收盘数据到 market_quotes
    仅当 market_quotes 集合为空时执行
    """
    db = await get_mongo_db()

    count = await db[self.collection_name].count_documents({})
    if count > 0:
        logger.info(f"market_quotes 已有 {count} 条数据，跳过回填")
        return {"skipped": True, "reason": "collection_not_empty"}

    historical_count = await db.stock_daily_quotes.count_documents({})
    if historical_count == 0:
        logger.warning("stock_daily_quotes 集合为空，无法回填")
        return {"skipped": True, "reason": "no_historical_data"}

    pipeline = [
        {"$group": {"_id": None, "max_date": {"$max": "$date"}}},
    ]
    result = await db.stock_daily_quotes.aggregate(pipeline).to_list(1)

    latest_date = result[0]["max_date"]

    cursor = db.stock_daily_quotes.find(
        {"date": latest_date},
        {"_id": 0}
    )
    historical_records = await cursor.to_list(length=None)

    operations = []
    for record in historical_records:
        quote = {
            "code": record["code"],
            "name": record.get("name", ""),
            "price": record.get("close", 0),
            "open": record.get("open", 0),
            "high": record.get("high", 0),
            "low": record.get("low", 0),
            "volume": record.get("volume", 0),
            "amount": record.get("amount", 0),
            "change_pct": record.get("change_pct", 0),
            "timestamp": datetime.now(self.tz),
            "source": "historical_backfill",
            "date": latest_date
        }
        operations.append(
            UpdateOne(
                {"code": quote["code"]},
                {"$set": quote},
                upsert=True
            )
        )

    result = await db[self.collection_name].bulk_write(operations, ordered=False)

    return {
        "success": True,
        "date": latest_date,
        "total": len(historical_records),
        "upserted": result.upserted_count,
        "modified": result.modified_count
    }

启动时自动调用：

async def backfill_last_close_snapshot_if_needed(self):
    """
    启动时检查并回填行情数据
    """
    db = await get_mongo_db()
    count = await db[self.collection_name].count_documents({})

    if count == 0:
        logger.info("market_quotes 为空，尝试从历史数据回填")
        await self.backfill_from_historical_data()
    else:
        latest_doc = await db[self.collection_name].find_one(
            {},
            sort=[("timestamp", -1)]
        )

        if latest_doc:
            latest_time = latest_doc.get("timestamp")
            if latest_time:
                age = datetime.now(self.tz) - latest_time
                if age.total_seconds() > 3600:
                    logger.info(f"行情数据已陈旧 {age}，尝试更新")
                    await self._fetch_and_save_quotes()

5.3 优化效果

非交易时段启动也能看到行情数据。
自动化处理，无需手动干预。
使用历史收盘价作为基准，数据更加稳定。
不影响交易时段的实时行情更新。

六、AKShare 股票代码标准化

6.1 问题背景

相关提交：

cc32639：修复 AKShare 新浪接口股票代码带交易所前缀的问题。

AKShare 的新浪财经接口返回股票代码时会带交易所前缀：

sz000001
sh600036
bj430047

但系统数据库中使用的是 6 位标准股票代码，例如：

000001
600036
430047

这会导致：

数据库查询失败。
前端显示异常。
跨模块代码格式不一致。
不同数据源返回格式不统一。

6.2 解决方案

新增股票代码标准化方法。

@staticmethod
def _normalize_stock_code(code: str) -> str:
    """
    标准化股票代码为 6 位数字

    支持：
    - sz000001 -> 000001
    - sh600036 -> 600036
    - bj430047 -> 430047
    - 000001 -> 000001
    """
    if not code:
        return code

    code = code.lower()
    if code.startswith(("sz", "sh", "bj")):
        code = code[2:]

    return code.zfill(6)

应用到实时行情获取：

async def get_realtime_quotes(
    self,
    symbols: Optional[List[str]] = None
) -> List[Dict[str, Any]]:
    """获取实时行情，标准化股票代码"""
    df = ak.stock_zh_a_spot()

    quotes = []
    for _, row in df.iterrows():
        code = self._normalize_stock_code(row.get("代码", ""))

        if not code:
            continue

        quote = {
            "code": code,
            "name": row.get("名称", ""),
            "price": float(row.get("最新价", 0)),
            "open": float(row.get("今开", 0)),
            "high": float(row.get("最高", 0)),
            "low": float(row.get("最低", 0)),
        }
        quotes.append(quote)

    return quotes

应用到行情入库服务：

async def _bulk_upsert(self, quotes: List[Dict]) -> int:
    """批量更新行情，标准化股票代码"""
    operations = []

    for quote in quotes:
        code = self._normalize_stock_code(quote.get("code", ""))

        if not code or len(code) != 6:
            logger.warning(f"跳过无效代码: {quote.get('code')}")
            continue

        quote["code"] = code

        operations.append(
            UpdateOne(
                {"code": code},
                {"$set": quote},
                upsert=True
            )
        )

    result = await self.collection.bulk_write(operations, ordered=False)
    return result.upserted_count + result.modified_count

6.3 优化效果

所有股票代码统一为 6 位标准格式。
数据库查询正常。
前端显示正确。
跨模块格式一致。
降低不同数据源之间的适配成本。

七、工具与诊断优化

7.1 Tushare 配置优化

相关提交：

fd372c7：改进 Tushare Token 配置优先级和测试超时。

优化后，Tushare Token 获取优先级为：

优先使用数据库配置。
数据库 Token 测试失败时，降级到 .env 配置。
如果都不存在，则抛出明确错误。

db_token = await self._get_token_from_db()
if db_token:
    try:
        await self._test_connection(db_token, timeout=10)
        return db_token
    except Exception:
        logger.warning("数据库 Token 测试失败，尝试 .env 配置")

env_token = os.getenv("TUSHARE_TOKEN")
if env_token:
    return env_token

raise ValueError("未找到有效的 Tushare Token")

优化效果：

用户在 Web 后台修改 Token 后可以立即生效。
网络波动或 Token 失效时自动降级。
测试连接更快，不会长时间等待。
日志显示当前 Token 来源和降级流程。

7.2 数据源测试简化

相关提交：

8e4eecc：简化数据源连通性测试接口。
b17deee：修复数据源测试接口参数传递问题。

之前的数据源测试会拉取完整数据，速度慢、占用 API 配额。

优化前：

stocks = await adapter.get_stock_list()
financials = await adapter.get_financials()

优化后：

await adapter.test_connection()

响应格式也从复杂嵌套结构简化为扁平结构：

{
  "source": "tushare",
  "available": true,
  "message": "连接成功"
}

优化效果：

测试速度提升 10 倍以上。
减少网络带宽消耗。
不占用大量 API 配额。
用户体验更好。

7.3 DeepSeek 日志优化

相关提交：

88149c7：修复 DeepSeek 市场分析问题和日志显示问题。
66ed4c6：改进 DeepSeek 新闻分析日志和错误处理。

此前 DeepSeek 分析时只传股票代码，模型可能无法理解任务。

优化前：

initial_message = ("human", "601179")

优化后：

initial_message = HumanMessage(
    content=f"请对股票 {company_name}({symbol}) 进行全面分析"
)

同时改进日志：

日志预览长度从 200 字符增加到 500 字符。
添加元组消息的特殊处理。
记录 LLM 原始响应内容。
记录调用参数、返回结果长度和完整异常堆栈。

优化效果：

DeepSeek 能正确理解分析任务。
日志更清晰，便于问题诊断。
显示真实数据来源，而不是模糊的 current_source。

7.4 其他改进

相关提交：

e2e88c8：增加中文字体支持。
dfbead7：添加 2025-10-29 工作博客。
1a4b1ca：补充系统日志功能说明到 2025-10-29 工作博客。

改进内容：

添加中文字体支持，优化 PDF 和 Word 导出的中文显示。
完善文档，补充工作日志和系统日志说明。

八、影响范围

8.1 后端文件

文件	改动说明
`app/core/config.py`	添加 MongoDB 超时配置
`app/core/database.py`	应用 MongoDB 超时配置
`app/routers/reports.py`	修复优先级查询
`app/routers/stocks.py`	修复优先级查询
`app/routers/multi_source_sync.py`	优化测试接口
`app/services/historical_data_service.py`	添加重试机制
`app/services/basics_sync_service.py`	添加重试机制
`app/services/multi_source_basics_sync_service.py`	添加重试机制
`app/services/database_screening_service.py`	修复优先级筛选
`app/services/quotes_ingestion_service.py`	添加启动回填
`app/services/data_sources/base.py`	动态加载优先级
`app/services/data_sources/akshare_adapter.py`	股票代码标准化
`tradingagents/dataflows/providers/china/tushare.py`	Token 优先级
`tradingagents/dataflows/cache/mongodb_cache_adapter.py`	改进日志
`tradingagents/agents/analysts/news_analyst.py`	改进日志

8.2 前端文件

文件	改动说明
`frontend/src/views/Screening/index.vue`	添加当前数据源显示
`frontend/src/components/Sync/DataSourceStatus.vue`	修复排序
`frontend/src/components/Dashboard/MultiSourceSyncCard.vue`	修复排序
`frontend/src/api/sync.ts`	更新 API 接口

8.3 配置文件

文件	改动说明
`.env.example`	添加 MongoDB 超时配置
`.env.docker`	添加 MongoDB 超时配置

8.4 文档

文件	改动说明
`docs/blog/2025-10-29-data-source-unification-and-report-export-features.md`	补充相关文档说明

九、验证方法

9.1 数据源优先级验证

curl http://localhost:8000/api/multi-source-sync/status

测试股票筛选：

curl http://localhost:8000/api/screening/screen \
  -H "Content-Type: application/json" \
  -d '{"pe_min": 0, "pe_max": 20}'

前端验证：

访问股票筛选页面，查看“当前数据源”显示。

9.2 重试机制验证

查看历史数据同步日志：

tail -f logs/app.log | grep "重试"

可以在同步过程中模拟网络波动，观察是否自动重试，并检查最终数据完整性。

9.3 MongoDB 超时验证

检查 MongoDB 连接日志：

tail -f logs/app.log | grep "MongoDB连接"

触发大量历史数据同步：

curl -X POST http://localhost:8000/api/scheduler/trigger/sync_historical_data

观察是否还有超时错误：

tail -f logs/app.log | grep "timed out"

9.4 启动回填验证

清空 market_quotes 集合：

mongo tradingagents --eval "db.market_quotes.deleteMany({})"

重启后端服务，检查回填结果：

mongo tradingagents --eval "db.market_quotes.countDocuments({})"

访问前端，确认股票列表可以看到行情数据。

9.5 股票代码标准化验证

触发 AKShare 实时行情同步：

curl -X POST http://localhost:8000/api/scheduler/trigger/akshare_quotes_sync

检查 market_quotes 中的代码格式：

mongo tradingagents --eval "db.market_quotes.find({}, {code: 1}).limit(10)"

确认所有代码都是 6 位数字，没有 sz、sh、bj 前缀。

十、升级指引

10.1 更新环境变量

在 .env 文件中添加 MongoDB 超时配置：

MONGO_CONNECT_TIMEOUT_MS=30000
MONGO_SOCKET_TIMEOUT_MS=60000
MONGO_SERVER_SELECTION_TIMEOUT_MS=5000

10.2 重启服务

Docker 部署：

docker-compose down
docker-compose up -d

本地部署：

停止后端服务后重新启动。

10.3 验证升级

检查服务状态：

curl http://localhost:8000/health

检查数据源状态：

curl http://localhost:8000/api/multi-source-sync/status

测试数据同步：

curl -X POST http://localhost:8000/api/scheduler/trigger/sync_stock_basic_info

10.4 可选：清理旧数据

如果需要重新同步数据以应用新的优先级逻辑，可以先备份，再清空基础数据集合。

备份数据：

mongodump --db tradingagents --out /backup/$(date +%Y%m%d)

清空基础数据：

mongo tradingagents --eval "db.stock_basic_info.deleteMany({})"

重新同步：

curl -X POST http://localhost:8000/api/scheduler/trigger/sync_stock_basic_info

注意：清理旧数据会删除所有基础数据，请谨慎操作。

十一、总结

本次更新通过 19 个提交，全面提升了 TradingAgents-CN 的系统稳定性和数据一致性。

主要成果包括：

数据源优先级统一：修复多处优先级逻辑不一致问题，实现端到端一致性。
重试机制完善：为批量写入和数据同步添加智能重试，大幅提升成功率。
MongoDB 超时优化：解决大批量历史数据处理超时问题，并支持灵活配置。
实时行情增强：启动时自动从历史数据回填收盘行情，改善非交易时段体验。
股票代码标准化：统一 AKShare 返回代码格式，消除跨模块不一致。
工具与日志优化：改进 Tushare Token 配置、数据源测试接口和 DeepSeek 日志系统。
前端体验优化：统一数据源排序，并在筛选页显示当前数据源。

这些改进显著提升了系统的 可靠性、可维护性、数据一致性和用户体验，也为后续更多数据源和分析功能的扩展打下了更稳固的基础。

✅ 官方唯一渠道：📦 GitHub 仓库：https://github.com/hsliuping/TradingAgents-CN

Aekor AI-API 中转站，让全球顶尖 AI 大模型“触手可及”！你是否曾为这些烦恼头疼？

🔹 人在国内，却总被海外官网 API 的高延迟、掉线、甚至无法访问困扰？

🔹 想用最强的 GPT、Claude 等模型，却卡在海外信用卡、支付审核等重重阻碍？

🔹 官方 API 太贵？Aekor 为你打通“网络-支付-成本”的任督二脉！

💡 Aekor 核心价值：好用、便宜、快 💡

🚀 高速稳定，告别掉线国内专线加速，API 响应低延迟，告别「转圈圈」的焦虑，开发效率瞬间拉满！

🧠 顶尖模型，随需而调涵盖 GPT 系列、Claude 系列等全球主流大厂模型，一次接入，轻松调用！

🎁 免费白嫖，诚意拉满！

注册即送 20 美元体验额度，够你狠狠测试一轮模型质量与线路稳定性了！

🚪 入口：https://api.aekor.com

⚠️ 温馨提示：API 中转市场虽多但良莠不齐（甚至有些会偷工减料换小模型糊弄事儿）。Aekor 坚持提供正版稳定的服务，但还是建议：先用免费的 20 刀测试是否契合自身需求，满意了再小额充值上车，理性消费不盲目。

本作品采用知识共享署名 4.0 国际许可协议进行许可

TradingAgents-CN 项目优化：数据源优先级统一与系统稳定性优化（10-30）

一、升级概览

核心改进

二、数据源优先级统一

2.1 问题背景

主要问题

优先级判断错误

查询不遵循优先级

前端显示顺序混乱

2.2 解决方案

统一优先级规则

从数据库动态加载优先级

修复股票名称查询逻辑

修复股票筛选数据源逻辑

修复前端排序

添加当前数据源显示

2.3 优化效果

三、批量操作重试机制

3.1 问题背景

主要原因

3.2 解决方案

3.3 优化效果

四、MongoDB 超时优化

4.1 问题背景

根本原因

4.2 解决方案

增加 MongoDB 超时配置

应用到 MongoDB 连接

改进数据源日志

4.3 优化效果

五、实时行情启动回填

5.1 问题背景

5.2 解决方案

5.3 优化效果

六、AKShare 股票代码标准化

6.1 问题背景

6.2 解决方案

6.3 优化效果

七、工具与诊断优化

7.1 Tushare 配置优化

7.2 数据源测试简化

7.3 DeepSeek 日志优化

7.4 其他改进

八、影响范围

8.1 后端文件

8.2 前端文件

8.3 配置文件

8.4 文档

九、验证方法

9.1 数据源优先级验证

9.2 重试机制验证

9.3 MongoDB 超时验证

9.4 启动回填验证

9.5 股票代码标准化验证

十、升级指引

10.1 更新环境变量

10.2 重启服务

10.3 验证升级

10.4 可选：清理旧数据

十一、总结

文章评论

使用AI教程

分类