1.3.1.92版本已经重新设计并完全实现了以前到位的内存节省方案，尽管没有太多的吹捧和使用。
发布：https://github.com/mementum/backtrader/发布/标签/1.3.1.92
backtrader 在具有大量RAM的机器中（并将进一步开发），并且通过绘图进行视觉反馈是一个很好的，几乎是必须的，因此很容易做出设计决策：将所有内容保存在内存中。
这个决定有一些缺点：
-
array.array用于数据存储的，当超出某些边界时必须分配和行动数据 -
RAM 量 low 的计算机可能会受到影响
-
连接到即时 data feed 可以在线数周/数月，将数千秒/分钟的分辨率滴答输入系统
后者甚至比第1个更重要， 因为另一个设计决策是为 backtrader：
-
如果需要，可以纯Python允许在嵌入式系统中运行
未来的场景可以
backtrader连接到提供即时馈送的第 2台机器，而它本身在backtraderRaspberry Pi或更受限制的东西（如ADSL路由器（AVM Frit！带有Freetz图像的框7490）
因此，需要有backtrader 支持动态内存方案。现在可以 Cerebro 实例化或 run 使用以下语义：
-
精确柱 （默认值： False）
使用默认值
False，存储在 line 中的每个值都保存在内存中可能的值：
- `True` or `1`: all “lines” objects reduce memory usage to the automatically calculated minimum period. If a Simple Moving Average has a period of 30, the underlying data will have always a running buffer of 30 bars to allow the calculation of the Simple Moving Average - This setting will deactivate `preload` and `runonce` - Using this setting also deactivates **plotting** - `-1`: datas and indicators/operations at strategy level will keep all data in memory. For example: a `RSI` internally uses the indicator `UpDay` to make calculations. This subindicator will not keep all data in memory - This allows to keep `plotting` and `preloading` active. - `runonce` will be deactivated - `-2`: datas and indicators kept as attributes of the strategy will keep all data in memory. For example: a `RSI` internally uses the indicator `UpDay` to make calculations. This subindicator will not keep all data in memory If in the `__init__` something like `a = self.data.close - self.data.high` is defined, then `a` will not keep all data in memory - This allows to keep `plotting` and `preloading` active. - `runonce` will be deactivated
与往常一样，一个例子胜过千言万语。示例脚本显示了这些差异。它与雅虎1996年至2015年的每日数据一起运行，总共4965 几天。
注意
这是一个小样本。EuroStoxx50 期货每天交易 14 小时，在短短 1 个月的交易中将产生大约 18000 根 1 分钟柱线。
运行文稿 1st 以查看在没有请求内存节省的情况下使用了多少个内存位置：
$ ./memory-savings.py --save 0 Total memory cells used: 506430
对于级别 1（总节省）：
$ ./memory-savings.py --save 1 Total memory cells used: 2041
天哪!!!从五十万下降到2041。事实上。系统中的每个 lines 对象都使用 collections.deque as 缓冲区（而不是 array.array），并且长度限定为请求操作所需的绝对最小值。例：
- 在 data feed上使用 a
SimpleMovingAverage的周期30的策略。
在这种情况下，将进行以下调整：
-
data feed将具有仓位缓冲区
30，即生成下一个值所需的SimpleMovingAverage数量 -
将
SimpleMovingAverage有一个仓位缓冲区1，因为除非其他指针（依赖于移动平均线）需要，否则不需要保持更大的缓冲区。
注意
此模式最吸引人且可能最重要的功能是，在脚本的整个生命周期中，使用的内存量保持不变。
无论 data feed的大小如何。
例如，如果长时间连接到即时源，这将非常有用。
但要考虑到：
-
绘图不可用
-
还有其他内存消耗来源会随着时间的推移而累积，就像策略生成的一样
orders。 -
此模式只能在
runonce=False中使用cerebro。对于即时 data feed来说，这也是强制性的，但是在简单回溯测试的情况下，这比runonce=True慢。可以肯定的是，内存管理比分步运行回溯测试更昂贵，但这只能由平台的最终用户根据具体情况进行判断。
现在是负水准。这些旨在保持绘图可用，同时仍然节省相当多的内存。第一级-1：
$ ./memory-savings.py --save -1 Total memory cells used: 184623
在这种情况下，第 1 级 指针（在策略中声明的指针）保留其完整长度缓冲区。但是，如果此指针依赖于其他指针（情况确实如此）来完成其工作，则子对象将具有长度限制。在这种情况下，我们已经从：
506430内存位置为 ->184623
节省超过 50%。
注意
当然array.array ，已经交换了 collections.deque 对象，它们在内存方面更昂贵，尽管在操作方面更快。 collection.deque 但是对象相当小，节省接近粗略计算的内存位置。
现在的水准-2 ，这意味着也是为了节省在策略层面宣布的指针，这些指针已被标记为no要绘制：
$ ./memory-savings.py --save -2 Total memory cells used: 174695
现在节省的不多。这是因为单个指针已被标记为未绘制：TestInd().plotinfo.plot = False
让我们看看这个 last 例子中的绘图：
$ ./memory-savings.py --save -2 --plot Total memory cells used: 174695
对于感兴趣的读者，示例脚本可以对指针层次结构中遍历的每个 lines 对象进行详细分析。打开绘图的情况下运行（保存于-1）：
$ ./memory-savings.py --save -1 --lendetails -- Evaluating Datas ---- Data 0 Total Cells 34755 - Cells per Line 4965 -- Evaluating Indicators ---- Indicator 1.0 Average Total Cells 30 - Cells per line 30 ---- SubIndicators Total Cells 1 ---- Indicator 1.1 _LineDelay Total Cells 1 - Cells per line 1 ---- SubIndicators Total Cells 1 ... ---- Indicator 0.5 TestInd Total Cells 9930 - Cells per line 4965 ---- SubIndicators Total Cells 0 -- Evaluating Observers ---- Observer 0 Total Cells 9930 - Cells per Line 4965 ---- Observer 1 Total Cells 9930 - Cells per Line 4965 ---- Observer 2 Total Cells 9930 - Cells per Line 4965 Total memory cells used: 184623
相同但激活了最大节省 （1）：
$ ./memory-savings.py --save 1 --lendetails -- Evaluating Datas ---- Data 0 Total Cells 266 - Cells per Line 38 -- Evaluating Indicators ---- Indicator 1.0 Average Total Cells 30 - Cells per line 30 ---- SubIndicators Total Cells 1 ... ---- Indicator 0.5 TestInd Total Cells 2 - Cells per line 1 ---- SubIndicators Total Cells 0 -- Evaluating Observers ---- Observer 0 Total Cells 2 - Cells per Line 1 ---- Observer 1 Total Cells 2 - Cells per Line 1 ---- Observer 2 Total Cells 2 - Cells per Line 1
第 2个输出立即显示data feed中的lines如何被限制为38内存位置，4965而不是包含完整数据源长度的内存位置。
指针和 observers*在可能的情况下被限制在1 产出 last lines 中。
脚本代码和用法
可作为样品在源。backtrader用法：
$ ./memory-savings.py --help
usage: memory-savings.py [-h] [--data DATA] [--save SAVE] [--datalines]
[--lendetails] [--plot]
Check Memory Savings
optional arguments:
-h, --help show this help message and exit
--data DATA Data to be read in (default: ../../datas/yhoo-1996-2015.txt)
--save SAVE Memory saving level [1, 0, -1, -2] (default: 0)
--datalines Print data lines (default: False)
--lendetails Print individual items memory usage (default: False)
--plot Plot the result (default: False)
代码：
from __future__ import (absolute_import, division, print_function,
unicode_literals)
import argparse
import sys
import backtrader as bt
import backtrader.feeds as btfeeds
import backtrader.indicators as btind
import backtrader.utils.flushfile
class TestInd(bt.Indicator):
lines = ('a', 'b')
def __init__(self):
self.lines.a = b = self.data.close - self.data.high
self.lines.b = btind.SMA(b, period=20)
class St(bt.Strategy):
params = (
('datalines', False),
('lendetails', False),
)
def __init__(self):
btind.SMA()
btind.Stochastic()
btind.RSI()
btind.MACD()
btind.CCI()
TestInd().plotinfo.plot = False
def next(self):
if self.p.datalines:
txt = ','.join(
['%04d' % len(self),
'%04d' % len(self.data0),
self.data.datetime.date(0).isoformat()]
)
print(txt)
def loglendetails(self, msg):
if self.p.lendetails:
print(msg)
def stop(self):
super(St, self).stop()
tlen = 0
self.loglendetails('-- Evaluating Datas')
for i, data in enumerate(self.datas):
tdata = 0
for line in data.lines:
tdata += len(line.array)
tline = len(line.array)
tlen += tdata
logtxt = '---- Data {} Total Cells {} - Cells per Line {}'
self.loglendetails(logtxt.format(i, tdata, tline))
self.loglendetails('-- Evaluating Indicators')
for i, ind in enumerate(self.getindicators()):
tlen += self.rindicator(ind, i, 0)
self.loglendetails('-- Evaluating Observers')
for i, obs in enumerate(self.getobservers()):
tobs = 0
for line in obs.lines:
tobs += len(line.array)
tline = len(line.array)
tlen += tdata
logtxt = '---- Observer {} Total Cells {} - Cells per Line {}'
self.loglendetails(logtxt.format(i, tobs, tline))
print('Total memory cells used: {}'.format(tlen))
def rindicator(self, ind, i, deep):
tind = 0
for line in ind.lines:
tind += len(line.array)
tline = len(line.array)
thisind = tind
tsub = 0
for j, sind in enumerate(ind.getindicators()):
tsub += self.rindicator(sind, j, deep + 1)
iname = ind.__class__.__name__.split('.')[-1]
logtxt = '---- Indicator {}.{} {} Total Cells {} - Cells per line {}'
self.loglendetails(logtxt.format(deep, i, iname, tind, tline))
logtxt = '---- SubIndicators Total Cells {}'
self.loglendetails(logtxt.format(deep, i, iname, tsub))
return tind + tsub
def runstrat():
args = parse_args()
cerebro = bt.Cerebro()
data = btfeeds.YahooFinanceCSVData(dataname=args.data)
cerebro.adddata(data)
cerebro.addstrategy(
St, datalines=args.datalines, lendetails=args.lendetails)
cerebro.run(runonce=False, exactbars=args.save)
if args.plot:
cerebro.plot(style='bar')
def parse_args():
parser = argparse.ArgumentParser(
formatter_class=argparse.ArgumentDefaultsHelpFormatter,
description='Check Memory Savings')
parser.add_argument('--data', required=False,
default='../../datas/yhoo-1996-2015.txt',
help='Data to be read in')
parser.add_argument('--save', required=False, type=int, default=0,
help=('Memory saving level [1, 0, -1, -2]'))
parser.add_argument('--datalines', required=False, action='store_true',
help=('Print data lines'))
parser.add_argument('--lendetails', required=False, action='store_true',
help=('Print individual items memory usage'))
parser.add_argument('--plot', required=False, action='store_true',
help=('Plot the result'))
return parser.parse_args()
if __name__ == '__main__':
runstrat()