feat(data): 15min数据补全—路径参数化+cron入口+回填+设计文档

- download_minute.py: STOCK_ROOT环境变量参数化(Mac/NAS兼容); 修tencent备源amount聚合 last→sum - refresh_15min_daily.py: 新建cron入口(交易日判断baostock/直连pop代理/日志) - 回填470缺口(170 SH/SZ成功, 300 BSE源不支持) - docs/data/15min-data-design.md: 15min数据层设计文档(源/覆盖/脚本/刷新/约束/路径映射)
2026-07-12 08:26:30 +08:00
parent 10508db11d
commit cf4b3a2cb0
3 changed files with 332 additions and 4 deletions
@@ -0,0 +1,195 @@
+# 15min 数据层设计文档
+
+**项目**: sanguo_vnpy_v2 数据层
+**日期**: 2026-07-12（2026-07-08~10 审计+回填后落地）
+**范围**: A 股 15 分钟 K 线数据层（数据源、覆盖现状、脚本、刷新机制、硬约束、已知问题）
+**相关文档**: [`docs/data-platform/daily-update-design.md`](../data-platform/daily-update-design.md)（日线+15min+vNpy DB 早期多源架构 v1~v3，本文件聚焦 15min 最终落地的实现）
+
+---
+
+## 一、数据源
+
+| 源 | 用途 | 协议 | 特点 |
+|----|------|------|------|
+| 新浪财经 15min API | **主源·增量刷新** | HTTP | `datalen=800`（≈2.5 个月）/ 次，有真实 `amount`，不复权，无法回填历史 |
+| 腾讯 minute/query + 聚合 | 备源·仅当天 | HTTP | sina 失败时用，拉 1min 聚合成 15min |
+| baostock | **历史回填** | TCP | `adjustflag=3` 不复权，2024-01-01 起，0.4s/票，单连接，**不支持 BSE** |
+
+### 1.1 新浪 15min API（主源）
+
+- URL: `https://quotes.sina.cn/cn/api/jsonp_v2.php/.../CN_MarketDataService.getKLineData?symbol={symbol}&scale=15&ma=no&datalen=800`
+- `datalen` 最大有效值 **800**（超过返回 null），即 15min ≈ 2.5 个月
+- 字段: `day, open, high, low, close, volume, amount`，`amount` 为真实成交额
+- 时间戳为 end-of-bar 格式（09:45, 10:00 ...）
+- 返回 JSONP，需正则提取 JSON 数组
+- 不复权，无法指定起始日期 → **只能增量刷新最近 2.5 月，不能回填更早历史**
+
+### 1.2 腾讯 minute/query（备源）
+
+- URL: `http://web.ifzq.gtimg.cn/appstock/app/minute/query?code={symbol}`
+- 仅返回**当天** 1min 数据，聚合为 15min（`_aggregate_1m_to_15m`）
+- 仅在 sina 主源失败时兜底
+
+### 1.3 baostock（历史回填）
+
+- `query_history_k_data_plus`，`adjustflag="3"`（不复权，与 sina 主源一致）
+- 起点 2024-01-01，可按日期范围全量拉取
+- 0.4s/票，单连接（并发会崩），每 400 票 relogin 防断会话
+- **不支持 BSE（北交所 920xxx）**
+
+### 1.4 源降级链（15min）
+
+```
+增量刷新（每日 15:30 cron）:
+  sina 15min（主，800 条/次）→ 腾讯 minute/query（备，仅当天）
+
+历史回填（一次性）:
+  baostock adjustflag=3（全量历史，2024-01-01 起，不含 BSE）
+```
+
+---
+
+## 二、覆盖现状（2026-07-12 审计+回填后）
+
+| 维度 | 数值 |
+|------|------|
+| 全市场 universe | **5493** |
+| 主板 SH/SZ 覆盖 | **5193** = 5023 老股（≥2.5 年，sina 长期累积）+ 170 新股（baostock 回填至上市日）|
+| BSE 北交所缺口 | **300**（baostock + sina 均不支持，待 akshare/腾讯另接）|
+| 15min 主目录文件数 | 5403 |
+| 数据新鲜度 | 2026-07-08 ~ 2026-07-10 |
+
+### 2.1 数据深度
+
+| 股票类型 | 深度 | 起点 |
+|----------|------|------|
+| 成熟股（5023 只） | ≈ 2.5 年 | 2024-01-01（sina 长期累积 + baostock 回填）|
+| 新股（170 只） | = 上市日 | baostock 回填至各自上市日 |
+| 5 年深度扩展（未来） | 2.5yr → 5yr | baostock 从 2020 起回填（大工程，未来阶段）|
+
+### 2.2 BSE 缺口说明
+
+- 300 只北交所股票（920xxx）baostock 和 sina 均不支持
+- 多为小盘新股，多数策略可剔除
+- 待后续用 akshare / 腾讯另接（东财接口有封 IP 风险，建议按需）
+
+---
+
+## 三、脚本清单（`scripts/data_platform/`）
+
+| 脚本 | 作用 | 关键点 |
+|------|------|--------|
+| `download_minute.py` | sina 增量刷新 | `STOCK_ROOT` 环境变量参数化（默认 `/Volumes/stock`，NAS 用 `/volume1/stock`）；0.3s/票单线程；断点续传 `download_progress.json`；`--scope all/hs300`、`--codes`、`--resume` |
+| `backfill_15min_baostock.py` | baostock 历史回填 | 全量重建 + 备份 `backup_sina/`；`adjustflag=3`；0.4s/票；marker 防重；每 400 票 relogin |
+| `refresh_15min_daily.py`（新） | cron 入口 | pop 代理直连；交易日判断（周末短路 + baostock `query_trade_dates`）；调 `download_minute --scope all --resume`；日志 `$STOCK_ROOT/logs/daily_update/` |
+
+### 3.1 `download_minute.py` 关键参数
+
+| 参数 | 值 / 说明 |
+|------|----------|
+| `STOCK_ROOT` | `os.environ.get("STOCK_ROOT", "/Volumes/stock")`（line 47）|
+| `OUTPUT_DIR` | `$STOCK_ROOT/minute_kline/15min` |
+| `REQUEST_INTERVAL` | 0.3s |
+| `MAX_RETRIES` | 3 |
+| 连续失败暂停 | 5 次连续失败 → 暂停 60s |
+| 写入策略 | 增量合并：`concat` + `drop_duplicates(subset=["day"], keep="last")` + 原子写 `.tmp` → `rename` |
+
+### 3.2 `backfill_15min_baostock.py` 关键参数
+
+| 参数 | 值 / 说明 |
+|------|----------|
+| `NAS_ROOT` | 硬编码 `/Volumes/stock`（line 43，**待参数化**）|
+| `adjustflag` | `"3"`（不复权，line 131）|
+| `RELOGIN_EVERY` | 400 祒（line 268）|
+| 防重 marker | `.{stem}.baostock` 空文件（line 98/208）|
+| 旧数据备份 | `$MINUTE_15_DIR/backup_sina/` |
+
+### 3.3 `refresh_15min_daily.py` 职责
+
+1. pop 全部代理环境变量（`http_proxy/https_proxy/...`）保证直连
+2. 交易日判断：周末短路；工作日用 baostock `query_trade_dates`，失败降级为"默认交易日"
+3. 交易日 → `subprocess` 调 `download_minute.py --scope all --resume`，继承 `STOCK_ROOT`
+4. 日志写 `$STOCK_ROOT/logs/daily_update/refresh_15min_YYYYMMDD.log`
+
+---
+
+## 四、刷新机制（本次新落地）
+
+### 4.1 调度
+
+- **NAS Synology 任务计划**，每交易日 **15:30**（A 股 15:00 收盘后半小时）
+- 之前无任何自动刷新（crontab / Synology / 容器 cron 全空），7-08~10 的数据新鲜是手动跑的；本次补 cron
+
+### 4.2 执行命令
+
+容器 `sanguo_vnpy_v2` bind-mount `/volume1/stock`，路径在容器内不变：
+
+```bash
+docker exec sanguo_vnpy_v2 bash -c "cd /app && python3 scripts/data_platform/refresh_15min_daily.py"
+```
+
+### 4.3 交易日判断
+
+- 周末（weekday ≥ 5）→ 直接跳过
+- 工作日 → baostock `query_trade_dates` 查节假日
+- baostock 不可用 → 降级为"工作日默认交易日"（非交易日跑也只是全部 skip，幂等）
+
+---
+
+## 五、硬约束
+
+> 来源：CLAUDE.md 全局约定 + 数据下载经验（见 MEMORY.md）
+
+| 约束 | 说明 | 实现 |
+|------|------|------|
+| **直连不走代理** | 避免被识别为异常流量 / akshare 代理污染 | 脚本入口 pop `http_proxy/https_proxy/...`；`download_minute._make_opener()` 用 `ProxyHandler({})` |
+| **单线程限速，0 并发** | baostock 单连接并发会崩；新浪猛打封 IP | sina 0.3s/票，baostock 0.4s/票，无并发 |
+| **间隔别太大** | baostock 长空闲断会话 | sina 0.3s / baostock 0.4s |
+| **NAS 内存紧** | swap 近满，分块+断点续传，别全市场并发 | 历史踩过 macOS Jetsam 崩溃（见 MEMORY 数据下载崩溃教训）|
+| **见空就停** | 连续 5 空 = 会话掉了 | `MAX_CONSECUTIVE_FAILS=5` → 暂停 60s |
+
+---
+
+## 六、路径映射表（Mac / NAS / 容器 三端）
+
+| 端 | `STOCK_ROOT` | 15min 目录 |
+|----|--------------|-----------|
+| Mac 开发 | `/Volumes/stock`（NAS 挂载） | `/Volumes/stock/minute_kline/15min` |
+| NAS host | `/volume1/stock` | `/volume1/stock/minute_kline/15min` |
+| 容器 `sanguo_vnpy_v2` | `/volume1/stock`（bind-mount） | 同 NAS |
+
+> 对应 `config/data_platform.yaml` 路径键：`minute_15_dir: /volume1/stock/minute_kline/15min`（容器/NAS 视角）。脚本通过 `STOCK_ROOT` 环境变量切换，不写死。
+
+---
+
+## 七、已知问题 / 后续
+
+| 优先级 | 问题 | 说明 | 处理 |
+|--------|------|------|------|
+| **HIGH bug** | `download_minute.py` `_aggregate_1m_to_15m` 的 `amount=("amount","last")` 应为 `"sum"` | 腾讯备源路径 amount 聚合错误（sina 主源不受影响） | 待修（line 147）|
+| MEDIUM | BSE 920 缺口 300 只 | baostock + sina 均不支持 | 待 akshare/腾讯另接（东财有封 IP 风险，建议按需）|
+| LOW | 5 年深度扩展（5023 老股 2.5yr → 5yr） | baostock 从 2020 起回填，大工程 | 未来阶段 |
+| LOW | `backfill_15min_baostock.py` 的 `NAS_ROOT` 仍硬编码 `/Volumes/stock` | Mac 视角写死，NAS 跑需手改 | 建议后续也参数化为 `STOCK_ROOT` |
+
+---
+
+## 八、相关文件索引
+
+| 文件 | 路径 | 说明 |
+|------|------|------|
+| 15min 主目录 | `$STOCK_ROOT/minute_kline/15min/` | 5403 个 `_15min.parquet` 文件 |
+| 断点续传进度 | `$STOCK_ROOT/minute_kline/15min/download_progress.json` | `download_minute.py --resume` 用 |
+| 审计清单 | `/volume1/stock/minute_kline/15min/backfill_target.json` | 470 个回填目标 |
+| 回填进度 | `/volume1/stock/minute_kline/15min/backfill_470_progress.json` | `done=170`, `bse_unsupported=300` |
+| 旧文件备份 | `/volume1/stock/minute_kline/15min/backup_sina/` | baostock 全量重建前的 sina 旧数据 |
+| 日刷新日志 | `$STOCK_ROOT/logs/daily_update/refresh_15min_YYYYMMDD.log` | cron 每日产出 |
+| 配置 | `config/data_platform.yaml` | `minute_15_dir` 路径键 |
+| 配置加载 | `sanguo_data/config.py` | `DataConfig.data_paths["minute_15_dir"]` |
+
+---
+
+## 变更记录
+
+| 日期 | 变更 | 作者 |
+|------|------|------|
+| 2026-07-12 | 初始版本：15min 数据层落地后真实数据（5493 universe / 5193 覆盖 / 300 BSE 缺口 / cron 15:30 / sina主源+baostock回填） | 文档 Sub Agent |