YuWuKunCheng
b7c4e60420
kline_py.rs 中 BSP_CACHE、KLINE_IDENTITY、BAR_IDENTITY 使用了 thread_local!。主线程调用 识别买卖点() → 买卖点信息.add() 写入的是主线程的 PySet，backtrader 策略线程读取的是自己线程独立的空 PySet。 修复：将三个缓存从 thread_local! 改为全局 static + std::sync::LazyLock<RwLock<HashMap<...>>> 影响分析 这些身份缓存的影响与 KLINE_IDENTITY/BAR_IDENTITY 不同——它们只影响 Python 对象身份（is 比较），不直接影响数据内容（因为 Rust 数据通过 Arc 共享，读写都是同一份）。 具体后果： - 不同线程访问同一个 Rust Arc 会得到不同的 Python wrapper 对象 - a is b 跨线程比较返回 False，哪怕它们包装同一个底层 Rust 对象 - 每个线程维护一份独立缓存，内存浪费（不过 wrapper 很小）
chanlun — 缠论技术分析 Python 绑定
基于 chanlun Rust 核心库的 PyO3 高性能 Python 绑定，API 与 chan.py 完全兼容。
安装
pip install chanlun
快速开始
import chanlun
# 创建配置（全部默认值）
config = chanlun.缠论配置()
# 读取 K 线数据文件，创建观察者
obs = chanlun.观察者.读取数据文件("path/to/data.nb", config)
# 查看各层级序列
print(f"K线数量: {len(obs.普通K线序列)}")
print(f"笔数量: {len(obs.笔序列)}")
print(f"线段数量: {len(obs.线段序列)}")
print(f"中枢数量: {len(obs.中枢序列)}")
# 或使用立体分析器进行多周期分析
analyzer = chanlun.立体分析器("BTCUSD", ["1min", "5min", "30min"], config)
# 逐根投喂 K 线...
从源码构建
pip install maturin
# 开发模式（直接安装到当前 venv）
maturin develop
# 或构建 wheel
maturin build --release
pip install target/wheels/chanlun-*.whl
也可使用项目内的 build.sh:
./build.sh develop # 开发安装
./build.sh wheel # 构建 wheel
./build.sh test # 运行集成测试
导出类
| 类别 | 类名 | 说明 |
|---|---|---|
| 枚举 | 买卖点类型, 相对方向, 分型结构 |
缠论基础枚举 |
| 数据 | 缺口, K线, 缠论K线 |
K 线数据结构 |
| 结构 | 分型, 虚线, 线段特征, 特征分型 |
分析层级结构 |
| 指标 | 平滑异同移动平均线, 相对强弱指数, 随机指标 |
MACD/RSI/KDJ |
| 算法 | 笔, 线段, 中枢, 背驰分析 |
识别算法 |
| 业务 | 缠论配置, 基础买卖点, 买卖点, 观察者, K线合成器, 立体分析器 |
分析框架 |
兼容性
- Python 3.9+
- 类名 / 方法名 / 字段名 / 签名与
chan.py一致 - 支持
.nb/.dat二进制文件格式（大端字节序）
许可
MIT