本文主要是介绍【miniQMT实盘量化4】获取实时行情数据，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
前言
上篇，我们介绍了如何获取历史数据，有了历史数据，我们可以进行分析和回测。但，下一步，我们更需要的是实时数据，只有能有效的监控实时行情数据，才能让我们变成市场上的“千里眼，顺风耳”。
接口汇总
与获取实时数据相关的接口，有以下几个
xtdata.get_full_tick()
xtdata.subscribe_whole_quote()
xtdata.subscribe_quote()
xtdata.unsubscribe_quote()
后文逐一展开说明。
实时行情 vs 历史行情
我们先探讨一下什么是实时行情，其实，实时，无非就是很近的历史，我们希望这个时间越近越好。获取到的最新行情的时间越接近他产生的时间，那就更多的获得了优先决策权。虽然几秒或者几百毫秒，对于人类而言微乎其微，但对于计算机来讲，可以做很多事。
订阅 vs 获取
熟悉编程设计模式的朋友，对“订阅”这个概念，不会陌生，但也有可能一部分非专业的朋友不太了解，我这里通俗易懂解释一下。
普通获取数据的接口，调用成功一次，会返回一次数据结果。那想想我们获取实时数据的场景，我们需要持续、不停的获取某一数据的最新值，那我就要持续轮询调用这个接口才能完成，对吧，比如，一秒调用一次。但这里存在一个问题，你也不知道最新数据是何时来的，假如若是最新数据0.5秒之后就已经更新了呢，那我们就浪费了0.5秒的机会，对吧。
而对于订阅模式的接口来讲，一旦这个接口被订阅成功，在之后的时间里，它会主动的给你推送数据最新数据，一般这种接口都会有一个callback函数作为参数，每次最新数据来的时候，该callback函数就会被调用一次（后面我们会结合具体例子演示）。这样，我们就降低了获取数据的延时性，数据会第一时间返回到我们的程序中。
那对应于本文要阐述的接口，get_full_tick就是普通获取接口，而subscribe_quote和subscribe_whole_quote就是订阅接口。另外，对于订阅接口，往往需要一个取消订阅的接口来解除订阅，不然数据将会一直推送，unsubscribe_quote的作用就是这个。
get_full_tick
这是全推数据的主动获取接口，所谓全推数据，就是当前时间最新的市场横截面数据。
这里没什么复杂的，只有一个参数，就是传入代码的数组，返回值是一个以股票代码为key的字典，对应的值就是该股票最新的tick数据。如果是非交易时间，这里返回了上一个交易日最后一个tick数据。
注意，此接口是不能传period参数，返回的数据默认是最新的tick周期数据。
from xtquant import xtdatares = xtdata.get_full_tick(['600519.SH'])res['600519.SH']
subscribe_whole_quote（推荐）
这是订阅全推数据的接口，与get_full_tick功能类似，只是模式不同，此接口采用订阅模式。
from xtquant import xtdatadef on_data (datas):print(datas)seq = xtdata.subscribe_whole_quote(code_list=['600519.SH'], callback=on_data)xtdata.run()
这里的xtdata.run()并不一定是必须的，这行代码只是为了阻塞该段代码一直处于运行状态，由于我们是订阅模式的接口，只要不取消订阅，就会一直返回数据。所以让程序处于一直运行状态比较好。
可以看到，on_data方法会被一直调用，每次都返回最新的tick。此接口只有两个参数code_list和callback，callback传入一个方法，具体的返回数据在这个方法中处理，落实到我们的例子中，就是on_data方法。
下面，我们再测试一下订阅的返回时间和速度，为代码解析返回数据的时间戳，并与当前系统时间做对比
from xtquant import xtdata
from datetime import datetime
import timedef on_data (datas):tick_time = datas['600519.SH']['time']timestamp_seconds = tick_time / 1000readable_time = datetime.fromtimestamp(timestamp_seconds).strftime('%Y-%m-%d %H:%M:%S.%f')# 获取当前时间戳（秒级）current_timestamp_seconds = time.time()current_readable_time = datetime.fromtimestamp(current_timestamp_seconds).strftime('%Y-%m-%d %H:%M:%S.%f')print(readable_time)print(current_readable_time)print(datas)seq = xtdata.subscribe_whole_quote(code_list=['600519.SH'], callback=on_data)xtdata.run()
根据下面的结果，我们可以得知：
1、该数据每三秒返回一次，也就是每三秒产生一个tick，这就是目前实时数据的最小时间单位。
2、返回的时间戳时间解析后，是大于系统时间的，大致是大个0.5~0.6秒之间，我认为这个时间戳应该是做了提前处理，以保证获取到数据的时间与系统时间接近。
subscribe_quote
这是，单股订阅接口。最大的特点是，每次订阅只能传入一只股票代码，且该接口具有period参数，可以不止获取tick级别的数据。
from xtquant import xtdata
from datetime import datetime
import timedef on_data (datas):tick_time = datas['600519.SH'][0]['time']timestamp_seconds = tick_time / 1000readable_time = datetime.fromtimestamp(timestamp_seconds).strftime('%Y-%m-%d %H:%M:%S.%f')# 获取当前时间戳（秒级）current_timestamp_seconds = time.time()current_readable_time = datetime.fromtimestamp(current_timestamp_seconds).strftime('%Y-%m-%d %H:%M:%S.%f')print(readable_time)print(current_readable_time)print(datas)seq = xtdata.subscribe_quote(stock_code='600519.SH', period='tick', callback=on_data)xtdata.run()
可以看到，返回结果与subscribe_whole_quote区别不大，只是值多了一层数组。
这个接口可以将peroid设为1m，1h，1d等，但其订阅频率依旧是三秒一次，比如，当订阅1m也就是分钟线时，会每三秒返回当前分钟线的最新值，也就是分钟线的收盘价会不停变化。
另外，根据迅投官方的声明，这个单股订阅的接口不宜订阅过多，性能上也不如全推订阅。
所以，个人建议订阅实时数据时，最好还是使用全推订阅接口。如果想监听分钟线、小时线、或日线这种频率较低的数据，完全可以用轮询获取最新历史数据的方法，来代替。
unsubscribe_quote
这是取消订阅的接口，其实也是相当重要，订阅模式的接口，不同于普通接口，一旦订阅成功，就会有一个进程一直在监听并返回数据，当不在需要订阅时，需要显示的调用取消订阅接口，才能停止此次订阅。若大量调用订阅且不及时取消时，可能会造成大量的CPU和内存占用。
from xtquant import xtdata
import timedef on_data (datas):print(datas)seq = xtdata.subscribe_whole_quote(code_list=['600519.SH'], callback=on_data)time.sleep(10)xtdata.unsubscribe_quote(seq)print('取消订阅成功')
在本例中，我们首先调用全推订阅接口，该接口会返回一个订阅号seq，然后我们阻塞程序10秒钟，10秒钟后取消订阅。可以看到下图，程序运行10秒后终止，且订阅也被取消。
在实际使用中，可以根据自己的需要，在适合的时机调用unsubscribe_quote，比如程序终止前，或者有GUI的应用，也可以设计一个按钮负责取消订阅。
交易时间段内使用
需要注意的是，本文提到的两个订阅接口，在非交易时间都是无法触发callback的，也就是说，在使用或者测试这两个接口时，要选在开盘时间内，盘后在测试实时数据接口，是比较困难的。
总结
关于如何获取实时数据的内容，就讨论到这里。实时数据，是做量化实盘交易的数据基础，一个稳定，好用的实时数据源，可以更好的帮我们实现实盘量化策略。
miniQMT在这个功能上提供了实时订阅的模式，功能相对来说比较完善。
miniQMT具体开通方法及要求，可以参看《QMT开通规则分享》
这篇关于【miniQMT实盘量化4】获取实时行情数据的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
