Java微服务金融项目智牛股项目简介与金融知识介绍及技术特点

项目简介

金融交易平台服务于金融衍生产品，包含外汇、贵金属、期货、股票。各产品具有不同属性与交易规则，本项目对标MT4等大型交易平台，遵循FIX全球最广泛的金融市场通用协议。实现从证券注册开户、行情订阅与呈现，股票撮合交易、入金出金等完整业务功能。项目特点：专业化金融交易平台、高性能支撑海量交易数据、完整的交易业务链，广泛兼容性、高扩展性。
项目采用前后分离、遵循Restful规范设计，微服务架构、领域驱动设计、以Spring Cloud生态为核心、采用众多主流组件实现。遵循OAUTH2授权标准，统一认证鉴权。
服务无状态化设计、支持采用集群模式部署、无缝水平扩展、全链路式监控、统一日志管理，完善的微服务治理体系。
技术栈：项目设计充分考虑性能，稳定性，扩展性与可维护性，技术选型上横向与纵向详细对比，选取最新且主流的技术方案，技术运用上，全面考虑，高效结合，充分发挥性能。业务实现上，针对不同业务场景选取最优技术方案，不墨守成规，保障业务稳定性的同时，提升业务处理性能，发挥系统整体优势。主要技术栈包含Spring Boot、Spring Cloud Alibaba、CAT全链路监控、Sentinel熔断限流、RocketMQ订阅分发、Seata Server分布式事务、Spring Security OAuth2 统一鉴权、Ceph分布式文件系统操作、XXL-JOB分布式任务调度平台，持续集成（Jenkins+Git+Maven+Docker）、微服务高效通讯方案（SpringBoot2.X+ Netty+Protobuf+gRpc集成运用）等等。

金融背景知识

什么是股票
股票是一种由股份制有限公司签发的用以证明股东所持股份的凭证，它表明股票的持有者对股份公司的部分资本拥有所有权。由于股票包含有经济利益，且可以上市流通转让，股票也是一种有价证券。我国上市公司的股票是在上海证券交易所和深圳证券交易所发行，投资者一般在证券经纪公司开户交易。
什么是K线
股市及期货市场中的K线图的画法包含四个数据，即开盘价、最高价、最低价、收盘价，所有的k线都是围绕这四个数据展开，反映大势的状况和价格信息。如果把每日的K线图放在一张纸上，就能得到日K线图，同样也可画出周K线图、月K线图。
基本规则
- 交易时间
  上午9：30 --11：30
  下午13：00 – 15：00
- 涨跌幅限制
  每只证券的交易价格相对上一个交易日收市价的涨跌幅度不得超过10% 。
- 交易单位
  股票的交易单位为“股”，100股=1手，委托买入数量必须为100股或其整数倍；
- 价格优先
  较高价格买进申报优先于较低价格买进申报，较低价格卖出申报优先于较高价格卖出申报；
- 时间优先
  买卖方向、价格相同的，先申报者优先于后申报者
如何交易
- 开设账户
  通过证券公司注册开设账户
- 传递买卖指令
  一般通过交易软件，下达买卖指令，由券商传递给交易所。
- 成交过程
  交易所接收到交易指令，按撮合方式进行交易。
- 撮合处理
所有的买委托按照委托限价由高到低的顺序排列，限价相同者按照进入系统的时间先后排列；所有卖委托按委托限价由低到高的顺序排列，限价相同者按照进入系统的时间先后排列。
依序逐笔将排在前面的买委托与卖委托配对成交，即按照“价格优先，同等价格下时间优先”的成交顺序依次成交，直至成交条件不满足为止，即不存在限价高于等于成交价的叫买委托、或不存在限价低于等于成交价的叫卖委托。所有成交都以同一成交价成交。
- 交割
  买卖股票成交后，买主付出现金取得股票，卖主交出股票取得现金。
- 过户
  交割完毕后，新股东应到他持有股票的发行公司办理过户手续，即在该公司股东名册上登记他自己的名字及持有股份数等。完成这个步骤，股票交易即算最终完成。过户是会收取一定手续费。

需求分析与概要设计

项目需求分析

整个平台支持三个层级运作，包含 B 端交易商、营运中心与顶层集团。
本项目侧重 B2C 的业务，可以忽略营运中心层级，重点关注 B 端交易商与C 端用户的功能实现。

核心功能包含行情订阅、K线呈现、撮合交易、深度成交、市价成交、限价委托、手动撤单、仓位总览、资金总览等等。实现整个完整服务流程。

概要设计

技术架构设计
服务架构设计说明
- 接入层与前置服务
  在实际生产环境部署中，采用Nginx主备模式接入，通过Spring Cloud Gateway调用业务集群，根据请求路径，映射调用不同的微服务。
- 交易服务群
  代理服务负责交易与行情的处理，采用Netty对接，内部交易与行情微服务群采用SpringBoot2.X+Protobuf+gRpc连接调用，交易是整个项目的核心，主要分为代理服务，负责客户端接入与数据的分发；行情服务，负责第三方行情源接入，客户端的订阅与下发处理；交易服务，处理核心交易逻辑，包含撮合、深度、委托挂单、撤单等功能。还有仓位服务、资金服务、监控服务等，支撑完善交易服务功能。
- 基础服务群
  将系统底层基础模块抽离封装，划分为系统管理服务、用户中心服务、统一鉴权服务等。这些基础模块职能单一，划分清晰，不能存在过度耦合与复杂逻辑，便于扩展与其他业务服务的接入。
- 业务服务群
  包含派息分红、拆股强平服务、支付出金服务、报表服务，活动服务等等。业务服务的拆分，需要认清业务的核心环节，把控服务粒度，微观解耦，宏观统一，整体有序。在服务治理，部署，规划上，加强核心业务的管控与稳定性。
- 任务调度服务群
  整个交易平台存在异步计算、监听、返写、预警触发、通知记录以及业务数据处理等各种调度任务；解耦核心业务处理，保障稳定性；采用专业ElasticJob分布式任务调度与治理框架，提升系统吞吐能力与稳定性。
- 同步服务群
  交易数据与业务数据分离设计，保障核心交易数据的稳定性，同时提升业务数据处理的灵活性与扩展性，需要实现交易与业务数据的同步，主要分为用户信息与资金数据、产品配置与管理数据、订单交易与流水数据。金融场景对数据存在较高的敏感，同时又要求较高的实时性，需要充分考虑数据的安全，性能与稳定。
- 服务治理
  微服务架构设计有众多优点，但过多的服务也会带来一系列的治理问题， Spring Cloud 整个生态拥有丰富的开源服务治理组件，具备完整服务治理能力。包含负载均衡、动态路由、日志采集、全链路监控、熔断降级等。相比Istio服务网格治理理念，它是把微服务框架与服务治理进行拆分，适合更大规模的微服务群，而数十个规模的微服务，采用Spring Cloud 足够驾驭且便于研发人员设计与管控。
- 数据层服务
  数据库采用PostgreSQL主从模式存储交易数据； MariaDB集群模式存储业务数据。从规划上做好读写分离，保障主库数据处理的稳定性，集群模式提升数据库的可扩展性及高可用，支撑海量数据高效运行。

项目技术栈介绍

技术说明

整体服务层划分为前端交互、接入层、接口层、服务中间件、数据层服务组件、服务管理组件。
支持Jenkins持续集成， Docker虚拟化与DevOps管理，采用主流数据库技术， MariaDB集群作为业务数据库， PostgreSQL主从作为交易数据库，多种技术结合，发挥最佳性能，支持大型数据项目应用。

接入层技术
- 业务服务，集成Spring Cloud Gateway，能够支持自定义路由转发，支持OATUH2鉴权。
- 交易服务，采用高效Netty NIO接入，内部采用高性能的gRPC+ PB方式通讯。
服务注册与统一配置
- 采用Nacos集群模式，以MariaDB作为数据源。支持所有微服务的注册发现与统一配置管理，能够按不同环境管理不同的配置信息，同实支持配置信息的动态更新。
应用层与通信技术
- 分为内部服务与外部服务，业务服务通过Gateway与外部对接，交易与行情服务通过代理服务与外部对接。代理服务根据头部信息做路由转发处理。内部通信采用异步架构设计，结合RocketMQ集群，提升吞吐量与处理效率。
  - 采用Spring Boot Starter gRPC + ProtoBuf实现，gRpc通讯性能要高于基于http方式的feign，PB数据效率要高于Json，优点便捷、高效、广泛兼容性，主要用来实现用户交易数据的处理。
  - 采用Netty作为长连接的NIO框架，处理交易数据与行情数据，因为交易数据存在异步处理特征，以及行情数据的高频度特征，使用高效的NIO框架加上长连接的方式更为合适。
  - 业务数据对外HTTP接口，遵循RestFul规范，前后分离方式，实现管理后台以及配置数据的处理。
中间件
- REDIS集群：三主三从集群部署模式，支撑更多数据量及灵活扩展，同实保障高可用。主要处理用户数据、产品数据等热点信息。
- Mongo集群：对于高频次存取，同实要保障数据的持久化， MongoDB相比传统DB更为合适。主要负责支付信息数据以及二次加工数据的处理。
- Ceph分布式文件存储：强一致性，保障数据的可靠，基于此特征，适合金融交易平台，主要处理一些小文件，比如用户证明文件，图像，验证码等信息。
- ElasticSearch集群：在搜索方面目前有最为广泛的应用及优越的性能表现，主要处理用户埋点信息，登陆操作日志行为等搜索功能。
- XXL-JOB分布式任务调度框架： XXL-JOB是一个轻量级分布式任务调度平台，其核心设计目标是开发迅速、学习简单、轻量级、易扩展。现已开放源代码并接入多家公司线上产品线，开箱即用。目前已有多家公司接入xxl-job，包括比较知名的大众点评，京东，优信二手车，北京尚德，360金融 (360)，联想集团 (联想)，易信 (网易)等等。在分布式任务的管理与调度实现上有着非常优越的表现。适合处理异步任务，回调任务，返写任务，统计报表等。
- Seata Server（Fescar）分布式事务框架：阿里开源组件，用于微服务架构的分布式事务解决, 特点是高性能且易于使用，代码侵入性低，底层采用Netty实现，有较好的性能表现。负责处理交易服务与业务服务模块之间的事务处理。
技术特色
- 前后分离架构设计，职责单一，功能明确，便于服务的扩展与维护。
- 交易服务采用基于NIO非阻塞式Netty框架，内部采用gRPC+Protobuf通讯，保障交易服务的稳定可靠，又能具有较好的性能。
- 业务服务采用Spring Cloud GateWay作统一网关接入，相比ZUUL其他网关有2-3倍性能提升；前置采用Nginx作反向代理， Nginx是采用广泛且是高性能的反向WEB代理服务。支持RestFul（短连接）与Netty（长连接）方式接入。
- 主流成熟且先进的技术，采用Nacos作服务注册发现与统一配置管理，在这方面，相比Eureka与Spring Cloud Config在性能与稳定性方面，也是有非常明显的改进；采用Sentinel作为熔断限流组件，相比Hystrix性能更优，功能丰富；采用主流的RocketMQ，适合互联网海量数据的同步处理；
  采用ElasticSearch，在搜索方面目前有最为广泛的应用及优越的性能表现。
- 采用Spring Cloud最新版本及核心生态组件，集成Nacos作统一配置化管理， Sentinel作熔断降级控制， ELK作统一日志管理，以及CAT组件完善的链路监控功能，完善的服务治理功能，便于线上维护。
- 数据层服务采用Redis集群作热点缓存， Ceph作分布式文件存储， MongoDB作NoSQL缓存，支撑海量交易服务。
- Seata(fescar) Server 优秀的分布式事务TCC框架，快速、高效、侵入性低。
- Spring Boot 2.X + Gateway + Spring Security OAuth2 统一认证鉴权与Token增强技术运用。
- 采用Jenkins+Git+Maven+Docker+Registry 持续集成技术、便于服务的管理与发布。
- 采用众多集群技术： MariaDB集群、Redis集群、RocketMQ集群、XXL-JOB集群、ES集群等，生产级实践验证，支撑海量数据与高并发场景。
技术选型
技术是为业务服务，脱离业务的技术是空中楼阁。

技术价值来源于用户与业务的需要，如果没有业务支撑，再好的技术也无从发挥。每个公司有自己的业务背景，比如早期淘宝的服务结构，从烟囱式架构到服务化架构再到高并发分布式架构，技术不是一步到位，而是不断演进提升，跟随业务不断去改进，不是越高大上的技术就越好，找到适合的技术才是最好的。
技术选型对初创公司尤为重要，合适的选型能少走很多弯路，让产品更快推向市场，更快赢得客户，才能拓展更广阔的市场，这样的公司在市场中才具备更强的竞争力。
要搭建一个新的技术平台，先必须先了解其业务特性，核心的业务场景，交互的复杂度、用户规模、峰值请求量、推广营运计划等等，做出版本规划，迭代计划，对于互联网产品，版本计划周期不能太长，一般两周左右一个版本，这个时候你要做出合理的系统架构设计以及技术发展规划。互联网发展，日新月异，需求千变万化，没有人能够一开始就把所有设计做好。从本源做起，业务形态各式各样，但不变的是底层，比如用户管理、系统管理、权限管理，这些在大部份项目中基本上都脱离不了，那么这块我们就可以充分考虑，花时间去考究，把这些功能统一设计，统一管理、统一鉴权，提供单点登陆功能，做成系统底层平台，支持公司其他项目的接入，不必再重复设计实现，虽然只是一个功能模块，但我们却可以做成一个平台服务，用户规模增长越快，其价值体现也就越大，如果后面再去重构，可能就要花费数倍代价，而且容易产生风险。
对于复杂多变的业务，比如活动推广，今天想做一个充一百送二十的活动，运作半个月，发现效果不理想，业务方把它拿掉，又做一个用户推荐送赠金活动，发现还是没用户进来，又做一个抽奖活动，不断在市场中试验各种业务模式，对于这些业务，我们就没必要把一个功能当作一个平台去充分考虑设计，以实现功能为主，快速推出，在市场中看反映结果如何，如果有一定效应，那么再做第二版的时候，我们再去改进底层，再充分考虑其性能，稳定性与扩展性，这样在激烈的竞争市场中我们能强得先机，同时再加大投入也不会带来较多成本的开销，这些是需要我们站在更高的角度去规划与把控。

技术比对

互联网的不断发展，沉淀了很多优秀的开源技术，对于众多的同类技术，我们如何去选型，怎么去分析做最终的决策，前面说过，合适的技术才是最好的，下面我们拿MQ来做比对选型。
MQ技术众多，包含RocketMQ、KAFKA、RabbitMQ、ActiveMQ、ZeroMQ等。技术比对要有横纵深度：

对比点	ActiveMQ	RabbitMQ	RocketMQ	ZeroMQ	Kafka
成熟度	成熟	成熟	比较成熟	不成熟	成熟
社区活跃度	高	高	中	低	高
文档	多	多	中	中	多
优点	功能齐全，大量开源项目使用	Erlang 语言开发，并发能力，性能很好	支持上万个队列；多种消费模式；可靠性好	低延时，低开销，高性能	多文件并发写入，高吞吐量
授权方式	开源	开源	开源	开源	开源
协议	OpenWire、STOMP、REST、XMPP、AMQP	AMQP	自定义协议	TCP、UDP	仿AMQP
持久化	内存、文件、数据库	内存、文件	磁盘文件	在消息发送端保存	磁盘文件
事务	支持	不支持	支持	不支持	支持
集群	支持	支持	支持	不支持	支持
负载均衡	支持	支持	支持	不支持
管理界面	一般	好	可视化管理	无	一般
顺序	不严格	不严格	保证严格顺序	无法保障	不严格
单机性能	万级	万级	10万级	10万级	10万级

以上表格，我们可以对比看出各消息队列的的优缺陷，那么结合实际业务，该如何选择？

我们做的是金融交易平台，要求较高的性能与数据的一致性。
ActiveMQ和RabbitMQ虽然成熟度较高，但是并非针对高吞吐量设计，不适合互联网大数据量应用；
ZeroMQ有较好的吞吐性能，但是其成熟度不高，事务、集群与接入都不完善；
那么剩下RocketMQ和Kafka，这两种队列都是针对大数据设计，高吞吐性能，特征都比较相似；但是Kafka吞吐性能单机可以达到百万级，而RocketMQ在十万级，是不是就可以采用Kafka？性能问题解决了，但是数据的一致性呢？ Kafka正因为其高性能，每个Partition一个物理文件，带来的弊端是不能严格保证顺序，这样就会导致数据出现错乱，而金融场景对这点是非常严格苛刻， RocketMQ正是借鉴Kafka架构重新设计，可以支持上千个Topic而不衰减。

在这里插入图片描述
RocketMQ消息投递保证了严苛的顺序，虽然单机吞吐量不及Kafka，但是可以通过集群方式弥补，没有完美的技术，基于这些特征， RocketMQ更适合金融场景的运用，也是经过阿里支付场景的运用验证。

我们熟知的熔断器组件有hystrix，但其已停止开发，官方推荐采用Resilience4j替代。阿里也开源了一个流量控制组件Sentinel, 其覆盖了阿里的所有核心场景，积累了大量的流量归整场景及生产实践。

结合Hystrix、Resilience4j和Sentinel作个对比：

对比点	Sentinel	Hystrix	Resilience4j
隔离策略	信号量隔离（并发线程数限流）	线程池隔离/信号量隔离	信号量隔离
动态规则配置	支持多种数据源	支持多种数据源	有限支持
扩展性	多个扩展点	插件的形式	接口的形式
限流	基于 QPS，支持基于调用关系的限流	有限的支持	Rate Limiter
系统自适应保护	支持	不支持	不支持
控制台	提供开箱即用的控制台，可配置规则、查看秒级监控、机器发现等	简单的监控查看	不提供控制台，可对接其它监控系统

再来分析Sentinel与Resilience4j的设计：

Hystrix采用的是执行模型，基于RxJava实现，通过线程池执行； Sentinel采用的是资源模型，资源定义与配置耦合度更低。
Hystrix提供两种隔离策略：线程池隔离与信号量隔离，线程池方式隔离度高，但是代价是上下文切换的资源开下过高，要要求低延迟的调用有较大影响; Sentinel 可以通过并发线程数模式的流量控制来提供隔离功能，并且结合基于响应时间的熔断降级模式，可以在不稳定资源的平均响应时间比较高的时候自动降级，防止过多的慢调用占满并发数，影响整个系统。
Sentinel还支持基于平均响应时间的熔断降级，可以防止调用非常慢造成的级联阻塞情况。
综合比较， Sentinel 在流量控制，系统保护和实时监控方面有更多的支持，设计考虑更为完善，是一款轻量、高性能的流量管控组件，适合金融交易场景的性能要求及各种复杂业务要求。