一次调用18个模型一次输出信号，DLL批量计算的设计与实践

当18次重复计算变成1次共享，DLL性能优化的真实落地

「量化实战手记」— 记录从想法到落地的真实开发历程

引言：一张图看懂所有信号

想象一下：通达信主图上，所有 18 个选股模型的买卖信号一次性标注在K线上，每个信号值里自带模型编号——看到 5107 就知道是 S0005 的买点，看到 -1403 就知道是 S0014 的卖点。一张图，所有模型的信号一目了然。

这就是批量计算要实现的效果。在这之前，fqcopilot 的 18 个选股模型（S0000 ~ S0017）各自独立计算，每次都要从头做一轮完整的缠论分析——识别笔、线段、中枢，再算 MA5、MACD、ATR。18 个模型做的是同一套缠论分析，但每个都从头算一遍。

这不是算法问题，是架构问题。解法很清晰：把缠论分析的结果提取出来，让 18 个模型共享。一次分析，全部信号输出。这一次的升级更新，解决的就是这个问题。

第一章：问题分析

先看原来的计算流程。每个模型的 Calculator 类内部有个 initialize() 方法，负责做缠论分析和指标计算：

缠论分析的输入是 K 线的 OHLCV 数据和参数选项。只要输入相同，recognise_swing、recognise_bi、recognise_duan、recognise_trend 这些函数的输出就完全一致。MA5、MACD、ATR 这些指标同理。

这意味着 18 次计算中有 17 次是纯浪费。对于一根日 K 线有几千根的标的，这种冗余在实盘中会拖慢信号刷新速度。

原则：当多个消费者处理相同数据时，先识别不变量，再设计共享机制。冗余计算的本质是架构缺失。

第二章：方案设计

核心思路：把缠论分析的结果提取成一个独立的数据包，所有模型共享这个数据包。

有两种实现方式。第一种是让每个模型直接接收外部计算好的数据，第二种是在内部建一个批量计算器，一次做完所有分析再分发给各模型。

选择了内部批量计算器的方案。原因是不破坏原有接口——单个模型的导出函数（Func3、SXXXX、FQ_CLXS）完全不动，只在旁边加新的批量导出函数。

具体设计分三层：

第一层：ChanContext 结构体，把缠论分析的所有输出打包在一起。

第二层：BatchCalculator 类，构造时做一次缠论分析填充 ChanContext，然后创建 18 个 Calculator 共享这份数据。

第三层：各平台导出函数，消费 BatchCalculator 的结果，按平台特性输出。

原则：向后兼容不是给旧代码加补丁，而是在旁边铺新路。老路不动，新路更快。

第三章：核心实现

ChanContext：缠论分析的快照

从 BaseCalculator::initialize() 提取共享数据，定义一个纯粹的数据结构：

struct ChanContext {
    std::vector<float> swing_sigs;    // 分型信号
    std::vector<float> wave_sigs;    // 笔信号
    std::vector<float> stretch_sigs; // 线段信号
    std::vector<float> trend_sigs;   // 趋势信号
    std::vector<StdBar> std_bars;    // 标准化K线
    std::vector<float> ma5;          // MA5
    std::vector<float> dif, dea, macd; // MACD
    std::vector<float> atrs;         // ATR
    int length = 0;
};

这个结构体没有行为，只有数据。它的职责很清晰：一次缠论分析的完整快照。18 个模型拿到同一份快照，各自做信号判断。

BatchCalculator：一次分析，分发所有

构造函数复刻了原来 initialize() 的逻辑，但把结果存到 ctx 而不是 Calculator 自己的成员变量里：

BatchCalculator::BatchCalculator(
    const vector<float> &high, ..., const ChanOptions &options)
{
    int length = static_cast<int>(high.size());
    ctx.length = length;
    // recognise_* 接受非 const 引用，需要局部可变拷贝
    vector<float> h(high), l(low), c(close);
    ChanOptions mut_options(options);

    ctx.swing_sigs  = recognise_swing(length, h, l);
    ctx.wave_sigs   = recognise_bi(length, h, l, mut_options);
    ctx.stretch_sigs = recognise_duan(length, ctx.wave_sigs, h, l);
    ctx.trend_sigs  = recognise_trend(length, ctx.stretch_sigs, h, l);
    ctx.std_bars    = recognise_std_bars(length, h, l);
    ctx.ma5         = MA(c, 5);
    tie(ctx.dif, ctx.dea, ctx.macd) = MACD(c, 12, 26, 9);
    ctx.atrs        = ATR(h, l, c, 20);
}

注意一个小细节：recognise_swing、recognise_bi 等函数接受非 const 引用（vector<float>&），但构造函数接收的是 const 引用。所以需要创建局部可变拷贝 h、l、c。这不是多余，是类型系统的保护——调用方的数据不该被内部函数意外修改。

双构造函数：新老并存

每个 S00XX_Calculator 增加一个新的构造函数，接收 ChanContext：

// 原有构造函数 —— 单模型调用，自己算缠论
S0005_Calculator(high, low, open, close, vol, switch_opt, options);

// 新增构造函数 —— 批量调用，复用共享数据
S0005_Calculator(high, low, open, close, vol, switch_opt, options, ctx);

原有的 calculate() 逻辑完全不动。新构造函数只是换了个数据来源。

导出函数：各平台的输出适配

不同平台对 DLL 导出函数的接口要求不同：

通达信和交易师只有一根输出线，所以每根 K 线只能输出一个信号值。策略是遍历 18 个模型，取第一个非零信号。信号值里已经编码了模型 ID（如 5107 = S0005），下游可以区分。

MT5 和 Python 能传大数组，所以返回完整的 count × 18 结果。

原则：同一个计算核心，通过不同的导出层适配不同平台。不要为每个平台重写逻辑。

第四章：实战踩坑

S0013/S0014 的依赖问题

S0013（二买信号）和 S0014（线段中枢上方信号）内部依赖 S0008（背驰信号）的计算结果。原来的单模型模式下，它们直接创建 S0008_Calculator 来获取 S0008 信号。

但在批量模式下，S0008_Calculator 的类定义在 S0008.cpp 内部，其他编译单元看不到。直接用会报 未定义标识符 错误。

解法是暴露函数，不暴露类。每个 S00XX.cpp 新增一个非成员函数 F_S00XX_ctx，内部创建 Calculator 并返回结果：

// S0008.cpp 中新增
vector<int> F_S0008_ctx(
    const vector<float> &high, ..., const ChanContext &ctx)
{
    return S0008_Calculator(high, ..., ctx).result();
}

// S0013.cpp 中使用
s0008_cache = F_S0008_ctx(high, low, open, close, vol, 0, options, ctx);

S0013 在构造时先通过 F_S0008_ctx 拿到 S0008 的结果并缓存，然后在 calculate() 中使用缓存而不是重新计算。

中间变量清理

最初的实现中，BatchCalculator 构造函数有两个局部变量 bi_sigs 和 stretch_sigs，用作 recognise_bi 和 recognise_duan 的返回值暂存，再赋给 ctx。

实际上完全不需要——直接赋值到 ctx.wave_sigs 和 ctx.stretch_sigs，下游函数直接读取 ctx 成员即可。减少两个变量，逻辑更紧凑。

原则：编译错误有时不是语法问题，而是架构边界问题。把类藏在 .cpp 里，只暴露函数签名，是控制可见性的有效手段。

第五章：最终架构

改动完成后，fqcopilot 的信号计算架构变成了两条并行路径：

这种设计保证了零迁移成本。通达信用户如果只想用 S0005，继续用 S0005 函数；如果想一次性看所有模型信号，改用 Func4 即可。两条路径互不干扰。

总结

整个改动涉及 25 个文件（3 个新增 + 22 个修改），净增约 750 行代码。核心变更：

• ChanContext 结构体：缠论分析数据的独立快照
• BatchCalculator：一次分析 + 18 模型复用
• 每个 Calculator 增加双构造函数（复用 ctx）
• 新增 Func4（通达信）、SALL（交易师）、FQ_CLXS_ALL（MT5/Python）

原有导出函数完全不动，DLL 的 API 是纯增量的。

核心原则：性能优化的第一步不是算法优化，而是消除冗余。当 N 个流程在做同一件事，先让它们共享结果，再考虑加速单次计算。共享数据结构的引入，往往比任何算法优化都更有效。

附录：技术速查表

给技术读者的关键信息：

信号编码格式：direction × (model_id × 1000 + occurrence × 100 + entrypoint)

BatchCalculator 调用链：

OHLCV 数据
  → BatchCalculator 构造
  → ChanContext（一次缠论分析）
  → 18 个 F_S00XX_ctx 函数
  → 18 × vector<int> 信号结果
  → 导出函数按平台格式输出

S0013/S0014 依赖处理：构造时预缓存 F_S0008_ctx 结果，避免跨编译单元引用 Calculator 类。

const 引用兼容：recognise_* 系列函数接受非 const 引用，BatchCalculator 通过局部可变拷贝适配。