前言 最近面了好几家量化、FinTech后端岗位,发现有一道实操题出现频率特别高: “如果给你原始Tick数据,要在服务端聚合成1分钟K线,你会怎么实现?会考虑哪些问题?” 很多人第一反应就是:简单啊,按分钟group by,算开高低收、累加成交量就完事。 但这道题 根本不是考你会不会算OHLCV 。面试官真正想看的,是你有没有做过真实行情流,知不知道线上各种边界异常,能不能把数据质量、乱序、重复、数据闭环这些工程细节讲清楚。 我第一次被问到这道题的时候,一开始也只答了基础聚合逻辑,被面试官不断追问“线上会出什么问题?”“报文乱序怎么办?”“断线重连重复数据怎么处理?”,才意识到这里面藏了非常多考点。 今天结合我自己项目踩坑+面试复盘,用聊天的口吻把这道面试题完整梳理一遍,也说说面试回答时,哪些点是基础分,哪些是加分项。 面试官:拿到A股 API的Tick,如何生成1分钟K线?你会考虑哪些问题? 我的初级版本回答(只能拿到基础分,容易被追问问住) 最开始我理解就是做数据聚合。拿到每一笔Tick,根据成交时间分到对应的自然分钟桶。同一...
后端相关
Git
Java
Spring 全家桶
Redis