2. 金融数据基础
在构建实时回放与补数链路之前，必须先厘清“数据到底长什么样”。金融数据并非单一表格，而是由行情、交易、订单、成交等多条数据流交织而成。它们各自携带不同的时间戳、序列号，并以快照或增量的形式到达。理解这些基础概念，是后续设计回放引擎、补数策略和一致性校验的前提。
一、核心数据类型：四条并行的数据流
金融实时链路中，最常处理的数据类型可以归纳为四类，它们描述的市场视角完全不同：
- 行情数据（Market Data）：描述市场报价状态，包括买一卖一、盘口深度、最新价、成交量、涨跌幅等。行情又分为 Level-1（最优一档）和 Level-2（多档盘口、逐笔委托/成交）。
- 订单数据（Order）：描述“委托意图”，即某账户在某个时刻提交的买卖指令，包含订单号、方向、价格、数量、订单类型、状态（已报、部成、全成、撤单）。
- 成交数据（Trade）：描述“实际发生的撮合结果”，包含成交编号、成交价、成交量、买卖双方订单号、成交时间。成交是订单状态迁移的触发事件。
- 交易数据（Transaction/Account）：描述账户维度的资金与持仓变动，如出入金、冻结、解冻、持仓更新，通常由成交和结算驱动。
这四类数据在回放时往往需要按时间轴对齐。例如，一笔成交会同时改变订单状态、账户持仓和行情最新价。若只回放行情而忽略订单与成交，就无法还原真实的撮合过程。
二、时间戳：三种时间语义不可混用
时间戳是金融数据最容易被低估的字段。同一条数据通常携带多个时间戳，含义截然不同：
| 时间戳类型 | 含义 | 典型用途 |
|---|---|---|
| 事件时间（Event Time） | 交易所或撮合引擎产生该事件的时间 | 回放排序、行情还原、延迟分析 |
| 接收时间（Ingest Time） | 本地网关或采集程序收到数据的时间 | 链路延迟监控、补数边界判断 |
| 处理时间（Process Time） | 下游计算引擎实际处理该数据的时间 | 流式计算窗口、状态更新 |
回放链路必须明确以哪个时间戳作为排序基准。通常以事件时间为主，接收时间用于判断数据是否迟到或乱序。若混用，会导致回放出的行情与真实市场顺序不一致。
三、序列号：判断连续性与丢包的标尺
序列号是数据源为每条消息分配的单调递增编号。它的核心价值在于：通过序列号是否连续，可以判断是否丢包、重复或乱序。
不同数据源的序列号粒度不同：
- 交易所逐笔行情：通常按频道（Channel）或合约维护独立序列号。
- 订单/成交流：按账户或按市场维护序列号。
- 快照流：每个快照携带一个版本号或序列号区间。
# 序列号连续性检查示例
last_seq = 1001
for msg in stream:
if msg.seq == last_seq + 1:
process(msg)
elif msg.seq <= last_seq:
log.warn("duplicate or out-of-order", seq=msg.seq)
else:
log.error("gap detected", expect=last_seq+1, got=msg.seq)
trigger_backfill(last_seq+1, msg.seq-1)
last_seq = msg.seq
补数链路的核心触发条件之一，就是序列号出现空洞。发现 gap 后，需要向数据源或历史库请求缺失区间，再按事件时间插入回放队列。
四、快照与增量：两种数据到达形态
快照（Snapshot）是某一时刻的完整状态切片，增量（Increment/Delta）是相对上一状态的变化量。二者在回放与补数中的处理方式完全不同。
增量：只包含变化字段，体积小、频率高，必须依赖前序状态才能正确应用。
典型场景中，行情系统会先推送一次快照，随后持续推送增量。回放引擎需要维护一个“当前状态”，按序列号顺序应用增量。若中间丢失增量，状态就会漂移，必须通过下一次快照或补数来修复。
五、案例：一笔成交如何贯穿四类数据
假设账户 A 在 10:00:00.123 提交限价买单，订单号 O1001，价格 10.50，数量 1000。交易所撮合后产生成交 T2001，成交价 10.50，数量 500。这条链路会同时影响多个数据流：
- 订单流：O1001 状态从“已报”变为“部成”，剩余 500。
- 成交流：新增 T2001，携带买卖双方订单号、成交价量、事件时间。
- 行情流：最新价更新为 10.50，成交量增加 500，盘口买一数量减少。
- 交易流：账户 A 持仓增加 500，冻结资金相应扣减。
回放时，若只按行情流回放，会看到价格变化但无法解释原因；若只按订单流回放，又缺少市场背景。正确做法是以事件时间为主轴，将四类数据合并排序，按序列号校验连续性，再逐条应用到状态机。
六、误区与复盘
- 误区一：把接收时间当事件时间。补数批量导入时，接收时间集中且乱序，回放结果与真实市场顺序不符。复盘时应统一以事件时间排序，接收时间仅用于延迟统计。
- 误区二：忽略序列号粒度。不同频道、不同合约的序列号独立递增，若用全局序列号判断连续性，会误报大量空洞。应按数据源和频道分别维护水位线。
- 误区三：增量丢失后继续应用后续增量。状态会持续漂移，且无法通过后续增量自愈。正确做法是立即触发补数或等待下一次快照校准。
- 误区四：快照与增量混用同一套解析逻辑。快照可直接覆盖状态，增量必须依赖前序状态。解析层应明确区分消息类型，避免将快照当增量应用导致字段缺失。
掌握这些基础概念后，后续设计回放链路时就能明确：以事件时间排序、以序列号检测空洞、以快照校准状态、以增量驱动更新。这四条原则贯穿实时回放与补数的全过程，也是判断链路是否可靠的核心标尺。