BaoAI 框架选型

前端和后端框架选型，深思熟虑

前端和后端实现目的：建立一个简洁、直观、强大和易于掌握的前端和后端SPA开发框架，支持国际化，以模块为基础，让WEB应用、人工智能、大数据和量化系统开发更迅速、更简单。实现大型企业项目的模块化开发，快速部署，无需编译，快速运行。

前端选型：

开发框架选型上，基于当前热门的AngularJS、Angular、VueJS、ReactJS中选择，

Angular功能强大，但基于Typescript，学习曲线较高，没有采用

ReactJS国际是最为热门的前端开发框架，并支持Android和iOS跨平台App开发，考虑到采用es6需要编译转码，没采用

VueJS国人最爱的开发框架，易学，上手快，组件支持多。但由于现有浏览器的限制，代码采用es6，需要编译转码，使JS语言最大的优点，无需编译，快速运行优势缺失，开发项目需要编译成一个大的app.js文件，由于app.js文件过大，导致初次加载js文件时间过长，不适应于大型应用，未采用。

BaoAI平台最后选型上采用了AngularJS框架，

AngularJS是出现较早，使用最为广泛，是上面多种框架的参考祖先，参考学习资料很多，易于学习，使用简单，原生支持ES5，无需编译即可运行于各种浏览器中，非常适应模块化平台构建。

BaiAI平台设计思路是将大型企业应用项目分解成很多小模块，每个模块由控制器、模板和第三方依赖库所构成。使用AngularJS懒加载，可以独立异步加载所使用的控制器、模板和第三方依赖库，无需将所有模块的内容合并成一个app.js文件，解决了初次加载js文件时间过长的缺陷，对于常用第三方依赖，可以单独使用CDN加速它们的加载，为大型应用的开发扫清障碍。

使用基于AngularJS的Ionic，同一代码由Ionic工具支持，实现一次开发，Android和iOS平台都可运行的跨平台APP应用。

BaoAI平台支持动态路由、异步独立加载模块控制和模块。

BaoAI平台实现了细粒度的基于角色的权限控制。

前端和后端代码无需编译，快速运行

后端选型：

选型目的：实现平台的模块化开发，快速部署，无需编译，快速运行，学习简单。实现应用Restful服务，大数据采集、处理，人工智能和金融量化。

在C、C++、JAVA、.NET、PHP、Javascript（NodeJS服务环境）中选择。

其中C、C++功能强大，其它语言的基础。但使用和学习复杂，不适合Web应用服务快速开发。

.NET无法跨平台，不适合在linux、unix和MacOS环境运行。

PHP和Javascript互联网使用最为广泛的语言。但实现大数据采集、处理，人工智能和金融量化较为复杂。

JAVA排行第一的语言，表面上语法简单，但要构造企业级应用需要很多框架支持，由于常用的框架太多，造成学习曲线极其复杂。大数据采集、处理，人工智能和金融量化应用实现很复杂。

BaoAI平台后端采用Python 3.6及以上语言，跨平台脚本语言，无需编译，各平台快速运行。Python是上述语言中，最容易学习和掌握的。非常适合开发桌面、Web应用、嵌入式等应用，在大数据采集、处理，人工智能和金融量化应用等方面使用广泛。

API服务文档及测试选型：

基于Swagger，API服务文档动态产生，无需专门编写。开发人员仅需在代码中增加注释，将自动产生Restful服务风格文档 swagger.json，由Swagger UI加载后，实现了每个服务说明、输入参数，输入出结果，数据模型，仿真测试等功能。

数据库选型：

由于基于mongodb开发的ORM代码很难支持关系型数据库，因此平台还是采用了使用最为广泛的关系型数据。后端代码基于ORM框架SQLAlchemy，基本支持市面上各种流型的数据库。

人工智能选型：

基于numpy、Pandas对大数据处理和分析，机器学习采用了主流的scikit-learn，深度学习主要基于tensorflow和keras实现。

消息队列和定时任务选型：

使用稳定可靠的Celery，并将celery按需求完美整合到各个模块中，实现定时任务的可视化操作。每个模块可以动态产生各自的定制任务，任务生产和消费的队列服务器默认使用Redis，也可方便修改其它流行的消息队列如：RabbitMQ、mqtt等。

大数据采集选型：

大数据采集主要使用成熟的scrapy网络爬虫框架和celery定时任务实现定时多任务抓取。

金融数据采集：

主要基于tushare，每天自动更新股票、指数、基本面、财务等多种金融数据。

量化分析选型：

量化分析和策略采用backtrader和talib，分析报表使用backtrader-plotting。