3. 错序缺帧的检测与定位方法

逐笔回放出现“画面跳变、成交明细对不上、K线缺口”时，根因往往不是回放引擎本身，而是数据在采集、传输或落盘环节发生了错序或缺帧。本节聚焦三类可落地的检测手段——序列号、时间戳、快照比对，并给出日志与监控指标的设计方法，目标是让问题从“用户反馈”变成“系统自动报警并定位到具体通道与时间段”。

一、三类检测手段的定位能力差异

三种手段并非互相替代，而是覆盖不同的故障面。序列号检测擅长发现“丢了哪一帧”，时间戳检测擅长发现“顺序乱了、延迟大了”，快照比对擅长发现“内容错了但序号连续”的隐蔽问题。实际排障中通常组合使用。

二、序列号检测：最直接的缺帧证据

逐笔数据通常带有交易所或网关分配的递增序列号（seq）。检测逻辑很朴素：对同一通道，维护 last_seq，新帧到达时计算 delta = seq - last_seq。若 delta == 1 正常；delta > 1 说明中间缺了 delta - 1 帧；delta <= 0 则是重复或回退，属于错序。示例：某通道上一帧 seq=100238，新帧 seq=100245，则缺口为 6 帧，区间为 [100239, 100244]。

工程上要注意两点。其一，序列号可能按通道独立编号，也可能全局编号，检测前必须确认作用域，否则跨通道比较会误报。其二，网关重连后序列号可能重置，需在日志中记录 session_id，重置时清空 last_seq 并打一条 seq_reset 事件，避免把正常重置当成大规模缺帧。

三、时间戳检测：捕捉错序与延迟

时间戳检测关注两个量：单调性和滞后度。同一通道内，若后到帧的 ts 小于前一帧，即出现倒挂，说明消息在队列或网络中被乱序投递。滞后度用 recv_ts - ts 衡量，反映从产生到接收的端到端延迟。示例阈值可设为：倒挂即记 disorder 事件；recv_ts - ts > 500ms 记 slow 事件并计入 p99 延迟指标。

需要提醒的是，不同来源的时间戳精度不同（毫秒、微秒、纳秒），比较前统一到同一单位；跨主机时钟未同步时，倒挂可能是时钟偏差而非真乱序，因此建议同时记录本机接收时间，用 recv_ts 序列做二次判断。

四、快照比对：发现“序号连续但内容缺失”

有些缺帧发生在更上游——交易所推送本身就漏了，序列号在网关侧被重新连续编号，此时前两种手段都会失效。快照比对用“累计量守恒”来兜底：每隔固定周期（如 3 秒）取一次行情快照，快照中的累计成交量、累计成交额是权威值。将本周期内逐笔记录的成交量累加，与快照增量比较：

快照增量 = 本周期快照累计量 - 上周期快照累计量
逐笔累加 = Σ(本周期内各笔成交量)
差值 = 快照增量 - 逐笔累加
若 差值 > 0 → 本周期内存在未被采集到的成交（缺帧）
若 差值 < 0 → 存在重复帧或跨周期错位

示例：某标的 09:30:00 快照累计成交量 12000 手，09:30:03 快照为 12650 手，增量 650 手；而该 3 秒内逐笔累加仅 620 手，差值 30 手，说明约 30 手对应的逐笔帧缺失，定位窗口即这 3 秒。差值不为零时，应把该时间窗内的通道、seq 区间、ts 区间一并写入复核工单。

五、日志与监控指标设计

检测要可运维，必须落到结构化日志和可聚合指标上。日志建议每批（如每 100 帧或每 200ms）输出一条汇总记录，字段包括：channel、session_id、seq_start、seq_end、gap_cnt、disorder_cnt、ts_lag_max、snapshot_diff。单帧级异常另打一条明细日志，保留前后各 3 帧的 seq 与 ts，便于回放复现。

监控指标按“量、率、时延”三类组织：gap_total（累计缺口帧数）、gap_rate（缺口帧/总帧）、disorder_total、ts_lag_p99、snapshot_diff_total。告警策略建议分级：缺口大于 0 且持续 2 个周期即告警；倒挂次数 1 分钟内超过 5 次告警；快照差值绝对值超过该标的近 1 小时均量的 0.5% 触发复核。所有告警都应携带通道号与时间窗，直接指向可排查的区间，而不是只报“数据异常”。