刚接到部门领导分配的任务，任务是研究数字货币交易所的开发技术。一开始心里挺没底的。不过，经过一番努力，我终于成功编译了码云（Gitee）上开源的数字货币交易所CoinExchange的代码，并搭建了出来。在排查问题的过程中，我对系统架构有了初步的了解。现在，我想和大家分享一下这些经验。

数据存储探秘

项目采用了多种数据存储手段，包括三种常见的存储方式以及内存存储。在交易撮合引擎中，我们运用了Java的并发链表技术进行内存存储。而MongoDB则负责存储委托成交的详细信息以及K线数据。这些K线数据是根据特定的时间周期进行统计的，这样的存储方式能够充分满足对交易信息的记录需求。

数据存储方式因数据种类而异，旨在提高数据处理的效能和存储的适宜性。例如，委托成交明细和K线这类关键数据存放在MongoDB中，便于检索与分析；同时，内存存储则能迅速满足交易引擎的即时需求。

微服务架构特性

该系统依托于SpringCloud微服务架构进行构建，包含众多服务模块。通常情况下，服务间的通信会通过Euruka服务注册中心来实现，然而本系统却选择了Kafka作为通信方式。Kafka是一款具备高吞吐量的分布式消息发布订阅系统，擅长处理大规模的动作流数据。

交易系统对委托处理的速度和稳定性有较高要求，而Kafka恰好能够充分满足这些条件。它能在不同服务之间高效地传递信息，确保委托订单等数据能够迅速得到处理，从而保障交易过程的顺畅进行。

委托处理流程

用户在利用 Exchange - api 下单，其委托订单会被记录进数据库。同时，该订单信息也会被传输至 Kafka，继而被消费者 Exchange（即撮合引擎）接收。撮合完成后，成交详情将再次发送至 Kafka，并由消费者 Market（行情引擎）负责数据的存档。

整个委托处理过程紧密相连，Kafka在其中扮演了至关重要的桥梁角色。它确保了数据能在各个服务和模块之间迅速且精确地传递，使得交易系统能够高效运作。

前后端分离优势

该系统采纳了前后端完全分开的开发模式，这种做法在现今颇为流行。它使得后端和前端开发者能分别集中精力在各自的工作上，有效提升了开发的速度与品质。

前端采用了广受欢迎的vue框架，有效实现了MVC模式的解耦。开发者不必频繁操作HTML，只需专注于数据处理，这使前端开发过程更加流畅和高效。

交易机器人原理

架构图显示，交易机器人会同步收集不同交易所的交易信息，并在自己的平台上绘制K线图。在与作者交流的过程中，我得知了机器人的基本设计思路，发现其中许多参数的设置至关重要。

这些参数对机器人的性能和表现有直接影响，它们能使交易界面呈现出类似大型交易所的行情展示。通过合理调整这些参数，交易机器人能更逼真地模拟市场动态，从而为投资者提供更为精确的数据。

后续学习展望

经过这几天的编程和测试，我对交易所的整体系统结构有了初步的认识。不过，我明白自己的认识还不够深入，还有很多方面和技巧需要深入研究和掌握。

在学习后续阶段，我将持续深入探究代码及其相关技术。我的目标是全面了解数字货币交易所的开发技术。同时，我也会继续与大家分享我的学习体会。

在探讨数字货币交易所的系统构建时，大家是否遇到过一些特别难以解决的问题？