提交

backend/app/api/_deps.py

@@ -0,0 +1,145 @@
+"""路由包共享件：JSON 直返缓存、复权换算、行转 Bar、共享常量与 SQL。
+
+各域路由模块（stocks/etfs/market/backtest/screener/user）从这里取公共工具，
+域内私有工具留在各自文件里。
+"""
+from __future__ import annotations
+
+import bisect
+
+import pandas as pd
+from fastapi import Response
+from sqlalchemy import text
+
+from .. import cache
+from ..domain import Bar
+
+# 复权模式白名单
+ADJUST_MODES = ("bfq", "qfq", "hfq")
+# MA 全量集合（前端已改为本地计算 MA，后端始终返回此集合以保证缓存一致）
+FULL_MA_SET = (5, 10, 20, 30, 60, 120, 250)
+# 指数 K 线支持的周期（日线基底聚合）
+INDEX_TIMEFRAMES = ("1d", "1w", "1M", "1y")
+
+
+def raw_json(resp) -> str:
+    """pydantic-core（Rust）序列化：与 response_model 直返时的字节完全一致（紧凑分隔符、
+    非 ASCII 直出、浮点小数形式），且比 stdlib json.dumps 快。大响应（preview ~250KB）
+    命中缓存时直接 Response 原样返回，跳过校验/再序列化。"""
+    return resp.model_dump_json()
+
+
+async def cached_json_response(key: str) -> Response | None:
+    """两级缓存读（进程内 → Redis）：命中返回可直接吐给客户端的 Response。
+    存的均为序列化好的 JSON 字符串（Redis 侧 json.loads 后仍是 str），Redis 命中顺手晋级本地。"""
+    raw = cache.local_get(key)
+    if raw is None:
+        raw = await cache.cache_get(key)
+        if not isinstance(raw, str):
+            return None
+        cache.local_set(key, raw, ttl=120)
+    return Response(content=raw, media_type="application/json")
+
+
+def series_to_jsonable(s: pd.Series) -> list[float | None]:
+    """NaN -> None（lightweight-charts 的 whitespace data，跳过指标预热期）。"""
+    out: list[float | None] = []
+    for v in s.tolist():
+        if v is None or (isinstance(v, float) and v != v):
+            out.append(None)
+        else:
+            out.append(float(v))
+    return out
+
+
+def rows_to_bars(rows) -> list[Bar]:
+    return [
+        Bar(
+            ts=r.ts, open=r.open, high=r.high, low=r.low, close=r.close, volume=r.volume,
+            amount=getattr(r, "amount", None), turnover=getattr(r, "turnover", None),
+        )
+        for r in rows
+    ]
+
+
+# 信息卡一条 SQL 拿全：stock_basic 基本信息 + 「优先与行情同日、缺则最新日」的 daily_snapshot
+# （LATERAL 单条替换原两条查询，语义不变：target 为 NULL 时全按最新日兜底）。
+# ETF 走 etf_basic 分支（代码前缀与股票不重叠，两分支至多一个命中）：
+# 名称/上市日来自表内，市值（元）换算成万元与快照口径一致，无 PE/PB。
+INFO_SQL = text(
+    """
+    SELECT ts_code, symbol, name, industry, area, market, list_date,
+           turnover_rate, pe_ttm, pb, total_mv, circ_mv
+    FROM (
+        SELECT sb.ts_code, sb.symbol, sb.name, sb.industry, sb.area, sb.market, sb.list_date,
+               ds.turnover_rate, ds.pe_ttm, ds.pb, ds.total_mv, ds.circ_mv
+        FROM stock_basic sb
+        LEFT JOIN LATERAL (
+            SELECT turnover_rate, pe_ttm, pb, total_mv, circ_mv
+            FROM daily_snapshot
+            WHERE ts_code = sb.ts_code
+            ORDER BY (trade_date = cast(:target AS timestamp)) DESC, trade_date DESC
+            LIMIT 1
+        ) ds ON true
+        WHERE sb.ts_code = :code
+        UNION ALL
+        SELECT eb.ts_code, eb.symbol, eb.name, NULL, NULL,
+               CASE eb.exchange WHEN 'SH' THEN '沪市' ELSE '深市' END, eb.list_date,
+               eb.turnover_rate, NULL, NULL,
+               eb.total_mv / 10000.0, eb.circ_mv / 10000.0
+        FROM etf_basic eb
+        WHERE eb.ts_code = :code
+    ) t
+    LIMIT 1
+    """
+)
+
+# 复权因子是阶梯函数（除权日之间不变）：只取「变化点」行，把每符号 ~7000 行日级因子压到
+# 几十行（600118 仅 32 行），传输量再降两个数量级；lag 窗口在覆盖索引上走 Index Only Scan。
+# upto 传全局最新交易日（非分页）或 end 日期（分页）；窗口首行 prev 为 NULL 恒被保留（窗口基线因子）。
+FACTOR_STEP_SQL = text(
+    """
+    SELECT trade_date, adj_factor FROM (
+        SELECT trade_date, adj_factor,
+               lag(adj_factor) OVER (ORDER BY trade_date) AS prev
+        FROM adj_factor
+        WHERE ts_code = :code AND trade_date <= :upto
+    ) t
+    WHERE adj_factor IS DISTINCT FROM prev
+    ORDER BY trade_date
+    """
+)
+
+
+def adjust_bars(bars: list[Bar], factors, from_mode: str, to_mode: str) -> list[Bar]:
+    """按复权因子把 K 线从 from_mode 换算到 to_mode（bfq/qfq/hfq）。
+
+    相对不复权的乘数：bfq=1，qfq=f(t)/f(latest)，hfq=f(t)。
+    因子缺失的日期向前沿用最近因子（因子是阶梯函数，除权日之间不变）。
+    """
+    fd = sorted((f[0].date(), float(f[1])) for f in factors)
+    fdates = [d for d, _ in fd]
+    f_latest = fd[-1][1]
+
+    def _f_at(d) -> float:
+        i = bisect.bisect_right(fdates, d) - 1
+        return fd[i][1] if i >= 0 else fd[0][1]
+
+    def _mult(mode: str, f: float) -> float:
+        if mode == "bfq":
+            return 1.0
+        return f / f_latest if mode == "qfq" else f
+
+    out: list[Bar] = []
+    for b in bars:
+        f = _f_at(b.ts.date())
+        m = _mult(to_mode, f) / _mult(from_mode, f)
+        out.append(Bar(
+            ts=b.ts,
+            open=round(b.open * m, 3), high=round(b.high * m, 3),
+            low=round(b.low * m, 3), close=round(b.close * m, 3),
+            volume=b.volume,
+            # 成交额/换手率是名义量，不随复权缩放
+            amount=b.amount, turnover=b.turnover,
+        ))
+    return out