交易撮合引擎原理与实现【含源码】

交易撮合引擎(Matching/Trading Engine),顾名思义是用来撮合交易的软件,广泛地应用在 金融、证券、加密货币交易等领域。交易引擎负责管理加密资产市场中所有的开口订单(Open Orders), 并在发现匹配的订单对(Trading Pair)时自动执行交易。本文将首先介绍有关加密资产交易撮合 引擎的基本概念,例如委托单、交易委托账本等,然后使用Golang实现一个原理性的撮合引擎。如果你正在 考虑实现类似交易所(Exchange)这样的产品,相信本文会对你有很大的帮助。

可以这样先思考一下:如果你要实现一个供人们将以太币兑换为比特币的市场,那么你就需要跟踪一些信息, 例如以太币的买/卖价格(以比特币计算)、哪些买单或卖单还没有执行等等,同时还要处理新进来的委托单。 将这一思路扩展到多个交易对,然后再集成钱包功能,你就实现了一个完整的交易引擎,就像 币安一样。

本文的完整源码下载地址:https://github.com/ezpod/crypto-exchange-engine

1、基本概念与术语

在开始打造交易撮合引擎之前,让我们首先熟悉相关的基本概念与术语。

撮合/交易引擎

正如前面所述,交易撮合引擎是用来撮合交易的软件,可以先把交易撮合引擎看作 一个黑盒子,它有一些输入和输出。

例如,可能的输入包括:

  • 创建新的委托单(NewOrder):一个新的委托单可以作为交易撮合引擎的输入,引擎会尝试将其与已有的 委托单进行撮合。
  • 取消已有的委托单(CancelOrder):用户也可以取消一个之前输入的委托单,如果它还没有执行的话,即开口订单。

当然你可以定义其他的输入,出于简化考虑,我们现在只定义上述两个输入。

交易撮合引擎的输出是一些事件,以便及时通知其他应用处理。例如,当 引擎撮合了一笔交易后,就会触发一个TradesGenerated事件;而当取消了 一个已有的委托单后,引擎就会触发OrderCancelled。同样,你可以根据自己 的需求来定义引擎的输出,这里我们还是简单点,只定义这两个输出事件。

交易委托账本

交易委托账本(Order Book)就是一个买方委托单或买方委托单的列表,通常按照 价格和时间排序。

当一个新的买方(买方)委托单进入引擎后,引擎就会将尝试其与现有的卖方(买方)委托账本 进行匹配,看是否存在执行交易的可能。如果找到了匹配的对手单,引擎就可以执行这两个 委托单了,也就是撮合成功了。

委托单

在任何交易引擎中,都可能有多种类型的委托单供用户选择。其中常见的类型包括:

  • 限价委托单

限价委托单是在当前的加密货币交易环境中最常用的委托类型。这种委托单允许用户 指定一个价格,只有当撮合引擎找到同样价格甚至更好价格的对手单时才执行交易。

对于一个买方委托单而言,这意味着如果你的委托价格是¥100,那么该委托单将会 在任何不高于¥100的价格成交 —— 买到指定的价格或者更便宜的价格;而对于一个 卖方委托单而言,同样的委托价格意味着该委托单将在任何不低于¥100的价格成交 —— 卖出指定的价格或者更高的价格。

  • 市价委托单

市价委托单的撮合会完全忽略价格因素,而致力于有限完成指定数量的成交。市价 委托单在交易委托账本中有较高的优先级,在流动性充足的市场中市价单可以保证成交。

例如,当用户委托购买2个以太币时,该委托单可以在¥900、¥1000、¥2000或任何 其他价位成交,这依赖于市场中当前的敞口委托单的情况。

  • 止损委托单

止损委托单尽在市场价格到达指定价位时才被激活,因此它的执行方式与市价委托单 相反。一旦止损委托单激活,它们可以自动转化为市价委托单或限价委托单。

如果你希望打造一个高级的交易所,那么还有其他一些需要了解的概念,例如流动性、 多/空交易、FIX/FAST协议等等,但是同样出于简化考虑,我们将这些内容留给你自己 去发现。

2、系统架构

现在,对于交易撮合引擎的构成我们已经有了一些了解,那么让我们看一下整个系统 的架构,以及我们将要使用的技术:

architecture

正如你上面看到的,我们的系统将包含引擎的多个客户端,这些客户端可以是交易所 系统中的其他组件,例如接收终端用户委托请求的App等等。

在客户端和引擎之间的通信是使用Apache Kafka作为消息总线来实现的,每个交易对 都对应Kafka的一个主题,这样我们可以确保当消息队列接收到用户委托单时,引擎 将以同样的先后顺序处理委托单。这保证了即使引擎崩溃重启我们也可以重建交易 委托账本。

引擎将监听Kafka主题,执行委托账本命令并将引擎的输出事件发布到消息队列中。 当然如果能够监测委托单的处理速度以及交易的执行情况会更酷。我们可以使用 Prometheus来采集性能指标,使用grafana来实现一个监视仪表盘。

3、开发语言选择

可以选择你熟悉的开发语言,不过由于交易撮合引擎计算量巨大,通常我们应当选择 底层系列的语言,例如:C/C++、GoLang、Rust、Java等等。在这个教程中,我们使用 Golang,因为它很快、容易理解、并发实现简单,而且我也有好久没有用C++了。

4、开发交易撮合引擎

我们将按照以下的步骤来开发交易撮合引擎:

  • 基础类型定义
  • Consumer实现
  • Order Book实现
  • Producer实现
  • Monitoring实现

4.1 基础类型定义

我们需要首先定义一些基础类型,这包括Order、OrderBook和Trade,分别表示委托单、 交易委托账本和交易:

下面是engine/order.go文件的内容:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
package engine

import "encoding/json"

type Order struct {
Amount uint64 `json:"amount"`
Price uint64 `json:"price"`
ID string `json:"id"`
Side int8 `json:"side"`
}

func (order *Order) FromJSON(msg []byte) error {
return json.Unmarshal(msg, order)
}

func (order *Order) ToJSON() []byte {
str, _ := json.Marshal(order)
return str
}

这里我们就是简单地创建了一个结构用来记录订单的主要信息,然后添加了一个 方法用于快速的JSON转换。

类似地engine/trade.go文件的内容:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
package engine

import "encoding/json"

type Trade struct {
TakerOrderID string `json:"taker_order_id"`
MakerOrderID string `json:"maker_order_id"`
Amount uint64 `json:"amount"`
Price uint64 `json:"price"`
}

func (trade *Trade) FromJSON(msg []byte) error {
return json.Unmarshal(msg, trade)
}

func (trade *Trade) ToJSON() []byte {
str, _ := json.Marshal(trade)
return str
}

现在我们已经定义了基本的输入和输出类型,现在看看交易委托账本 engine/order_book.go文件的内容:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
package engine

// OrderBook type
type OrderBook struct {
BuyOrders []Order
SellOrders []Order
}

// Add a buy order to the order book
func (book *OrderBook) addBuyOrder(order Order) {
n := len(book.BuyOrders)
var i int
for i := n - 1; i >= 0; i-- {
buyOrder := book.BuyOrders[i]
if buyOrder.Price < order.Price {
break
}
}
if i == n-1 {
book.BuyOrders = append(book.BuyOrders, order)
} else {
copy(book.BuyOrders[i+1:], book.BuyOrders[i:])
book.BuyOrders[i] = order
}
}

// Add a sell order to the order book
func (book *OrderBook) addSellOrder(order Order) {
n := len(book.SellOrders)
var i int
for i := n - 1; i >= 0; i-- {
sellOrder := book.SellOrders[i]
if sellOrder.Price > order.Price {
break
}
}
if i == n-1 {
book.SellOrders = append(book.SellOrders, order)
} else {
copy(book.SellOrders[i+1:], book.SellOrders[i:])
book.SellOrders[i] = order
}
}

// Remove a buy order from the order book at a given index
func (book *OrderBook) removeBuyOrder(index int) {
book.BuyOrders = append(book.BuyOrders[:index], book.BuyOrders[index+1:]...)
}

// Remove a sell order from the order book at a given index
func (book *OrderBook) removeSellOrder(index int) {
book.SellOrders = append(book.SellOrders[:index], book.SellOrders[index+1:]...)
}

在交易委托账本中,除了创建保存买/卖方委托单的列表外,我们还需要定义添加新委托单 的方法。

委托单列表应当根据其类型按升序或降序排列:卖方委托单是按降序排列的,这样在列表中 序号最大的委托单价格最低;买方委托单是按升序排列的,因此在其列表中最后的委托单价格 最高。

由于绝大多数交易会在市场价格附近成交,我们可以轻松地从这些数组中插入或移除成员。

现在让我们来处理委托单。

在下面的代码中我们添加了一个命令来实现对限价委托单的处理。

文件engine/order_book_limit_order.go的内容:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
package engine

// Process an order and return the trades generated before adding the remaining amount to the market
func (book *OrderBook) Process(order Order) []Trade {
if order.Side == 1 {
return book.processLimitBuy(order)
}
return book.processLimitSell(order)
}

// Process a limit buy order
func (book *OrderBook) processLimitBuy(order Order) []Trade {
trades := make([]Trade, 0, 1)
n := len(book.SellOrders)
// check if we have at least one matching order
if n != 0 || book.SellOrders[n-1].Price <= order.Price {
// traverse all orders that match
for i := n - 1; i >= 0; i-- {
sellOrder := book.SellOrders[i]
if sellOrder.Price > order.Price {
break
}
// fill the entire order
if sellOrder.Amount >= order.Amount {
trades = append(trades, Trade{order.ID, sellOrder.ID, order.Amount, sellOrder.Price})
sellOrder.Amount -= order.Amount
if sellOrder.Amount == 0 {
book.removeSellOrder(i)
}
return trades
}
// fill a partial order and continue
if sellOrder.Amount < order.Amount {
trades = append(trades, Trade{order.ID, sellOrder.ID, sellOrder.Amount, sellOrder.Price})
order.Amount -= sellOrder.Amount
book.removeSellOrder(i)
continue
}
}
}
// finally add the remaining order to the list
book.addBuyOrder(order)
return trades
}

// Process a limit sell order
func (book *OrderBook) processLimitSell(order Order) []Trade {
trades := make([]Trade, 0, 1)
n := len(book.BuyOrders)
// check if we have at least one matching order
if n != 0 || book.BuyOrders[n-1].Price >= order.Price {
// traverse all orders that match
for i := n - 1; i >= 0; i-- {
buyOrder := book.BuyOrders[i]
if buyOrder.Price < order.Price {
break
}
// fill the entire order
if buyOrder.Amount >= order.Amount {
trades = append(trades, Trade{order.ID, buyOrder.ID, order.Amount, buyOrder.Price})
buyOrder.Amount -= order.Amount
if buyOrder.Amount == 0 {
book.removeBuyOrder(i)
}
return trades
}
// fill a partial order and continue
if buyOrder.Amount < order.Amount {
trades = append(trades, Trade{order.ID, buyOrder.ID, buyOrder.Amount, buyOrder.Price})
order.Amount -= buyOrder.Amount
book.removeBuyOrder(i)
continue
}
}
}
// finally add the remaining order to the list
book.addSellOrder(order)
return trades
}

看起来我们将一个方法变成了两个,分别处理买方委托单和卖方委托单。这两个方法在每个方面 都很相似,除了处理的市场侧不同。

算法非常简单。我们将一个买方委托单与所有的卖方委托单进行匹配,找出任何与买方委托价格 一致甚至更低的卖方委托单。当这一条件不能满足时,或者该买方委托单完成后,我们返会撮合 的交易。

现在就快完成我们的交易引擎了,还需要接入Apache Kafka服务器,然后开始监听委托单。

main.go文件的内容:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
package main

import (
"engine/engine"
"log"

"github.com/Shopify/sarama"
cluster "github.com/bsm/sarama-cluster"
)

func main() {

// create the consumer and listen for new order messages
consumer := createConsumer()

// create the producer of trade messages
producer := createProducer()

// create the order book
book := engine.OrderBook{
BuyOrders: make([]engine.Order, 0, 100),
SellOrders: make([]engine.Order, 0, 100),
}

// create a signal channel to know when we are done
done := make(chan bool)

// start processing orders
go func() {
for msg := range consumer.Messages() {
var order engine.Order
// decode the message
order.FromJSON(msg.Value)
// process the order
trades := book.Process(order)
// send trades to message queue
for _, trade := range trades {
rawTrade := trade.ToJSON()
producer.Input() <- &sarama.ProducerMessage{
Topic: "trades",
Value: sarama.ByteEncoder(rawTrade),
}
}
// mark the message as processed
consumer.MarkOffset(msg, "")
}
done <- true
}()

// wait until we are done
<-done
}

//
// Create the consumer
//

func createConsumer() *cluster.Consumer {
// define our configuration to the cluster
config := cluster.NewConfig()
config.Consumer.Return.Errors = false
config.Group.Return.Notifications = false
config.Consumer.Offsets.Initial = sarama.OffsetOldest

// create the consumer
consumer, err := cluster.NewConsumer([]string{"127.0.0.1:9092"}, "myconsumer", []string{"orders"}, config)
if err != nil {
log.Fatal("Unable to connect consumer to kafka cluster")
}
go handleErrors(consumer)
go handleNotifications(consumer)
return consumer
}

func handleErrors(consumer *cluster.Consumer) {
for err := range consumer.Errors() {
log.Printf("Error: %s\n", err.Error())
}
}

func handleNotifications(consumer *cluster.Consumer) {
for ntf := range consumer.Notifications() {
log.Printf("Rebalanced: %+v\n", ntf)
}
}

//
// Create the producer
//

func createProducer() sarama.AsyncProducer {
config := sarama.NewConfig()
config.Producer.Return.Successes = false
config.Producer.Return.Errors = true
config.Producer.RequiredAcks = sarama.WaitForAll
producer, err := sarama.NewAsyncProducer([]string{"127.0.0.1:9092"}, config)
if err != nil {
log.Fatal("Unable to connect producer to kafka server")
}
return producer
}

利用Golang的Sarama Kafka客户端开发库,我们可以分别创建一个接入Kafka的消费者和生产者。

消费者将在指定的Kafka主题上等待新的委托单,然后进行撮合处理。生成的交易接下来使用 生产者发送到指定的交易主题。

Kafka消息采用字节数组编码,因此我们需要将其解码。反之,将交易传入消息队列时,我们 还需要进行必要的编码。

5、结语

现在你有了一个可伸缩的交易引擎!完整的代码可以在GITHUB下载:crypto-exchange-engine

不过这个引擎的目的是教学,另外代码还支持很多进一步的优化,例如:

  • 使用一种更高效的匹配算法
  • 添加取消订单的功能
  • 增强通信能力
  • 委托账本的备份与恢复
  • 添加监视功能

原文链接:How to Build a Trading Engine

汇智网翻译整理,转载请标明出处