Python自动化炒股：使用FastAPI和Docker Compose部署股票数据服务的实战案例

Python自动化炒股：使用FastAPI和Docker Compose部署股票数据服务的实战案例

在当今数字化时代，自动化炒股已经成为许多投资者和交易者的首选。Python以其强大的库和框架，成为实现自动化炒股的理想工具。本文将带你了解如何使用FastAPI和Docker Compose来部署一个股票数据服务，为你的自动化炒股策略提供实时数据支持。

为什么选择FastAPI和Docker Compose？

FastAPI 是一个现代、快速（高性能）的Web框架，用于构建APIs，使用Python 3.6+基于标准Python类型提示。它天生支持异步请求处理，非常适合处理高并发的股票数据请求。

Docker Compose 是一个工具，用于定义和运行多容器Docker应用程序。使用Docker Compose，我们可以轻松地配置和部署多个服务，这对于构建复杂的股票数据服务系统尤为重要。

环境准备

在开始之前，请确保你已经安装了以下软件：

• Python 3.8+
• Docker
• Docker Compose

步骤1：创建FastAPI应用

首先，我们需要创建一个FastAPI应用来提供股票数据服务。

1. 创建项目结构

mkdir stock_data_service
cd stock_data_service

2. 初始化虚拟环境并安装依赖

python -m venv venv
source venv/bin/activate  # 在Windows上使用 venv\Scripts\activate
pip install fastapi uvicorn

3. 创建主应用文件

# main.py
from fastapi import FastAPI
from typing import List

app = FastAPI()

@app.get("/stock/{symbol}", response_model=List[float])
async def read_stock(symbol: str):
    # 这里只是一个示例，实际应用中你需要从数据库或API获取数据
    return [100.0, 101.0, 102.0]  # 假设的股票价格数据

步骤2：使用Docker Compose部署

1. 创建Dockerfile

# 使用官方Python镜像
FROM python:3.8-slim

# 设置工作目录
WORKDIR /app

# 安装依赖
COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt

# 复制项目文件
COPY . .

# 运行命令
CMD ["uvicorn", "main:app", "--host", "0.0.0.0", "--port", "8000"]

2. 创建requirements.txt

fastapi
uvicorn

3. 创建docker-compose.yml

version: '3.8'
services:
  web:
    build: .
    ports:
      - "8000:8000"

步骤3：运行和测试

1. 构建和运行Docker容器

docker-compose up --build

2. 测试API

使用浏览器或Postman访问 http://localhost:8000/stock/AAPL，你应该能看到返回的股票数据。

步骤4：扩展服务

为了使服务更加健壮和实用，我们可以添加以下功能：

1. 数据库集成：使用SQLite或PostgreSQL存储股票数据。
2. 数据更新：定时从金融数据API（如Alpha Vantage）获取最新数据。
3. 错误处理：增加异常处理和日志记录。
4. 安全性：使用OAuth2或JWT进行API安全认证。

示例：集成数据库

1. 安装数据库依赖

pip install sqlalchemy asyncpg

2. 修改main.py以集成数据库

from fastapi import FastAPI, HTTPException
from sqlalchemy import create_engine, Column, String, Float, Integer
from sqlalchemy.ext.asyncio import AsyncSession, AsyncEngine
from sqlalchemy.orm import sessionmaker
from pydantic import BaseModel

app = FastAPI()

# 数据库模型
class Stock(BaseModel):
    symbol: str
    price: float

# 数据库连接
DATABASE_URL = "postgresql://user:password@postgres/dbname"

engine = create_engine(DATABASE_URL, echo=True)
async_engine = AsyncEngine(engine)

async_session = sessionmaker(
    async_engine, expire_on_commit=False, class_=AsyncSession
)

@app.on_event("startup")
async def startup_event():
    async with async_engine.begin() as conn:
        await conn.run_sync(Base.metadata.create_all)

@app.get("/stock/{symbol}", response_model=Stock)
async def read_stock(symbol: str):
    async with async_session() as session:
        stock = session.query(Stock).filter(Stock.symbol == symbol).first()
        if not stock:
            raise HTTPException(status_code=404, detail="Stock not found")