REST API для исторических рыночных данных: разработка под ключ

Торговый бот спотыкается на свечных данных — запросы уходят в тайм-аут, бэктестер грузит страницу по минуте. При датасете в 100 пар за год база падает, а пагинация offset плодит дубли. Знакомая боль? Мы разрабатываем REST API для исторических рыночных данных, которые выдерживают 1000 параллельных запросов и отдают свечи за 50 мс. Ниже — инженерные решения, которые мы закладываем в каждый проект: от выбора базы до стратегии кэширования.

Проблемы, которые решаем

Типичные ошибки в торговых API — медленные запросы при больших датасетах, негибкая фильтрация, отсутствие пагинации. Мы сталкивались с проектами, где выборка OHLCV за год по 100 парам убивала базу. Другая частая проблема — неконсистентность данных при использовании offset-пагинации: если между запросами добавились новые свечи, клиент получает дубли или пропуски. Нагрузочное тестирование наших решений показывает рост производительности до 200% за счёт шардирования по времени и агрессивного кэширования.

Дизайн эндпоинтов

Базовый набор эндпоинтов для маркет-данных:

GET /v1/ohlcv/{exchange}/{symbol}
  ?from=2024-01-01T00:00:00Z
  &to=2024-01-31T23:59:59Z
  &interval=1h
  &limit=1000

GET /v1/trades/{exchange}/{symbol}
  ?from=1704067200000
  &to=1704153600000
  &limit=10000

GET /v1/orderbook/{exchange}/{symbol}/snapshot
  ?timestamp=1704067200000
  &depth=20

GET /v1/tickers/{exchange}/{symbol}/history
  ?from=2024-01-01
  &to=2024-01-02
  &fields=close,volume

Использование ISO 8601 для пользовательского интерфейса и Unix timestamp (milliseconds) для программного доступа. Поддержка обоих форматов через автоматическое определение.

Параметры и валидация

from fastapi import FastAPI, Query
from datetime import datetime
from typing import Optional

@app.get("/v1/ohlcv/{exchange}/{symbol}")
async def get_ohlcv(
    exchange: str,
    symbol: str,
    interval: str = Query("1h", regex="^(1m|5m|15m|1h|4h|1d|1w)$"),
    from_time: datetime = Query(..., alias="from"),
    to_time: datetime = Query(..., alias="to"),
    limit: int = Query(1000, ge=1, le=50000),
):
    if (to_time - from_time).days > 365:
        raise HTTPException(400, "Date range cannot exceed 365 days")

    data = await candle_service.get_candles(
        exchange, symbol, interval, from_time, to_time, limit
    )
    return {"data": data, "count": len(data)}

Пагинация для больших датасетов

Cursor-based пагинация эффективнее offset для временных рядов:

{
  "data": [...],
  "cursor": {
    "next": "eyJ0aW1lc3RhbXAiOiAxNzA0MDY3MjAwMDAwfQ==",
    "has_more": true
  }
}

Cursor — base64-encoded JSON с последним timestamp в текущей странице. При следующем запросе клиент передаёт ?cursor=... вместо ?from=....

Стратегии кэширования

Исторические свечи не изменяются — идеальный кейс для кэширования. Если запрошенный диапазон полностью закрыт, кэшируем на 24 часа. Если включает текущий момент — кэшируем на 60 секунд.

Как спроектировать REST API для маркет-данных?

При проектировании используем REST с единообразными эндпоинтами, поддержкой нескольких таймфреймов и форматов. Ключевой принцип — ресурсно-ориентированный дизайн: /v1/ohlcv/{exchange}/{symbol}. Фильтры через query-параметры, пагинация курсором. Документируем через OpenAPI — клиенты могут сразу тестировать в Swagger UI.

Почему важно правильно кэшировать исторические данные?

Правильное кэширование снижает задержки в 3-5 раз и уменьшает нагрузку на базу. Наши настройки учитывают частоту запросов и статичность данных. Для популярных пар с глубокой историей используем ClickHouse с материализованными представлениями — это даёт прирост производительности до 40%.

Rate Limiting и аутентификация

from slowapi import Limiter
from slowapi.util import get_remote_address

limiter = Limiter(key_func=get_remote_address)

@app.get("/v1/ohlcv/{exchange}/{symbol}")
@limiter.limit("100/minute")
async def get_ohlcv(...):
    ...

Для коммерческого API — тарифные планы через API-ключи с разными лимитами: free (10 req/min, 30 дней истории), paid (1000 req/min, полная история).

Документация через OpenAPI

FastAPI автоматически генерирует OpenAPI схему. Дополнительно — примеры запросов/ответов в документации, описание форматов, коды ошибок. Swagger UI и ReDoc из коробки — клиенты смогут тестировать API прямо в браузере без дополнительных инструментов.

{
  "error": {
    "code": "INVALID_INTERVAL",
    "message": "Interval must be one of: 1m, 5m, 15m, 1h, 4h, 1d, 1w"
  }
}

Процесс работы

1. Аналитика: разбираем ваши данные, пиковую нагрузку, сценарии использования.
2. Проектирование: определяем схему эндпоинтов, формат ответов, пагинацию.
3. Реализация: пишем на FastAPI, подключаем TimescaleDB/ClickHouse, настраиваем кэширование.
4. Тестирование: нагрузочное тестирование (k6 + locust), стресс-тест на 10 000 RPS.
5. Деплой: развёртывание в вашем облаке или on-premise, настройка мониторинга (Prometheus + Grafana).

Сроки — от 2 до 4 недель в зависимости от сложности и объёма данных. Стоимость рассчитывается индивидуально.

Что входит в работу

• REST API с описанным выше функционалом (OHLCV, сделки, стакан, тикеры).
• Документация OpenAPI (Swagger/ReDoc).
• Примеры интеграции на Python, JavaScript, cURL.
• Развёртывание (Docker, Kubernetes, CI/CD).
• Гарантия 99.9% uptime (SLA).
• Месяц бесплатной поддержки после запуска.

Почему мы?

5+ лет опыта в разработке Web3-инфраструктуры, 30+ реализованных API для торговых систем на Ethereum, Solana и Binance Smart Chain. Решения выдерживают пиковые нагрузки до 50 000 запросов в минуту. Используем Tenderly, Slither, Mythril для аудита безопасности.

Свяжитесь с нами, чтобы обсудить ваш проект. Закажите разработку под ключ с гарантией производительности — получите консультацию инженера за 2 рабочих дня.

Мы разрабатываем биржи — не «сайты с графиком», а matching engine, который обрабатывает тысячи ордеров в секунду без задержки, маршрутизирует ликвидность между пулами и гарантирует, что ни один пользователь не получит доступ к чужим средствам. Команды, которые начинают с UI и откладывают движок «на потом», в 90% случаев переписывают всё через полгода.

Какие проблемы решает правильная архитектура?

Order Book vs AMM: где ломается большинство проектов

Централизованные биржи (CEX) строятся вокруг order book + matching engine. Децентрализованные (DEX) — либо тоже используют order book (dYdX на StarkEx, Serum/OpenBook на Solana), либо AMM с концентрированной ликвидностью (Uniswap v3/v4, Curve, Balancer). Классическая ошибка при разработке CEX — реализовывать matching engine поверх реляционной БД с транзакциями на каждый матч. PostgreSQL справится с ~500 RPS без специальных усилий, но при пиковой нагрузке 5 000–10 000 ордеров в секунду это превращается в deadlock-ад. Правильная архитектура: in-memory order book (Redis Sorted Sets или кастомная структура на C++/Rust), асинхронная запись матчей в PostgreSQL через очередь (Kafka/RabbitMQ) и отдельный settlement service, финально обновляющий балансы.

Для DEX самая болезненная проблема — sandwich атаки и MEV. Пул с обычным xy=k AMM без slippage protection становится целью для MEV-ботов в первые же часы после запуска. Uniswap v2 потерял на этом сотни миллионов долларов ликвидности для пользователей. Решения: интеграция с Flashbots Protect, commit-reveal схема для ордеров или переход на TWAMM (Time-Weighted AMM) для крупных сделок.

Концентрированная ликвидность и impermanent loss

Uniswap v3 ввёл концентрированную ликвидность — LP выбирают ценовой диапазон, в котором предоставляют ликвидность. Капитальная эффективность выросла в 4 000 раз по сравнению с v2 для стабильных пар. Но реализовать этот механизм правильно — нетривиальная задача. Контракт ликвидности Uniswap v3 использует tick-based accounting: пространство цен разбито на дискретные тики (tick = log₁.0001(price)), каждый тик хранит накопленные fee growth и liquidity delta. При создании позиции вычисляются нижний и верхний тик, контракт пересчитывает все активные позиции при каждом swap. Storage layout здесь критичен — неправильная упаковка переменных в slots легко прибавляет 40–60% к стоимости gas на swap.

Мы реализовывали форк Uniswap v3 для клиента на Polygon с кастомной fee tier системой. Первоначальная версия тратила 180k gas на swap через 2 тика. После slot packing переменных в Tick.Info и инлайнинга нескольких internal вызовов — 112k gas. Это снизило gas-затраты на 38% и сэкономило клиенту более $50 000 ежемесячно на комиссиях. Применённые техники описаны в Uniswap v3 Whitepaper и подтверждены нашим опытом аудита.

Что такое matching engine и почему он критичен?

Production-ready matching engine строится по следующей схеме:

• Order ingestion layer — WebSocket gateway (Go или Rust), принимает ордера, валидирует подпись, проверяет баланс через Redis, ставит в очередь. Latency на этом уровне должна быть <1ms.
• Matching core — single-threaded event loop (устраняет race conditions без мьютексов). В памяти держим два Sorted Set на каждый торговый инструмент: bids и asks. FIFO matching для limit ордеров, immediate-or-cancel для маркет. Throughput при правильной реализации на Rust — 500k–1M матчей в секунду на одном ядре.
• Settlement service — читает матчи из Kafka, атомарно обновляет балансы в PostgreSQL (UPDATE accounts SET balance = balance - $1 WHERE id = $2 AND balance >= $1). Optimistic locking через версионирование строк.
• Withdrawal pipeline — отдельный сервис с cold/hot wallet архитектурой. Горячий кошелёк держит 5–10% от суммарных депозитов, остальное — cold storage с multi-sig (Gnosis Safe или кастомный HSM). Автоматические выводы только из hot wallet, крупные суммы — ручная авторизация.

Как мы строим on-chain DEX: смарт-контракты и gas-оптимизация

Для DEX на EVM (Ethereum, Arbitrum, Optimism, Polygon) весь критический путь живёт в Solidity. Основные контракты: Pool, Factory, Router, PositionManager (для v3-like) и Quoter для off-chain расчётов. Типичные ошибки, которые мы видим в аудитах:

Reentrancy через callback. Uniswap v3 использует flash swap с callback (uniswapV3SwapCallback). Если в вашем роутере нет nonReentrant guard и вы не проверяете msg.sender == pool, контракт дренируется через вложенный вызов. Это не гипотетика — несколько форков v3 теряли средства именно так.

Oracle manipulation в AMM. Если ваш контракт использует spot price из пула для расчёта collateral — это front-runnable. Правильно: TWAP за 30+ минут (Uniswap v3 OracleLib) или внешний оракул (Chainlink).

Unbounded loops в liquidity range. Если swap пересекает много тиков подряд (price impact 80%+), gas может превысить block limit. Нужен MAX_TICKS_CROSSED с partial fill и возвратом остатка.

Для Solana DEX (Anchor framework, Rust) архитектура принципиально другая: account-based модель, Program Derived Addresses (PDA) вместо storage, Cross-Program Invocations вместо внутренних вызовов. Throughput Solana (~3 000–4 000 TPS против 15–30 у Ethereum mainnet) позволяет строить on-chain order book — именно так работает Phoenix DEX.

Liquidity bootstrapping и интеграция с агрегаторами

Запустить пул мало — нужно обеспечить ликвидность на старте. Практические механизмы:

• Liquidity Bootstrapping Pool (LBP) — начальная цена высокая, весовые коэффициенты активов динамически смещаются, создавая давление продаж и равномерное распределение токена. Реализован в Balancer v2.
• Initial Liquidity Offering через Uniswap v3 — добавление ликвидности в узкий диапазон вокруг начальной цены, затем постепенное расширение по мере роста объёма. Требует active liquidity management или интеграции с Arrakis/Gamma.
• Интеграция с 1inch, Paraswap, Li.Fi — агрегаторы дают трафик, но требуют соответствия стандартам: пул должен иметь корректный getAmountsOut, поддерживать ERC-20 approval/permit и не иметь кастомных transfer hooks, которые ломают routing агрегатора.

Процесс разработки

Аналитика и проектирование начинаются с выбора архитектурной модели: CEX с кастодиальным хранением, non-custodial DEX или гибрид (off-chain order book + on-chain settlement, как dYdX v3). Это решение определяет всё — регуляторную нагрузку, технический стек, команду.

Разработка идёт слоями: сначала смарт-контракты с полным покрытием Foundry (fuzzing, invariant testing), затем backend сервисы, затем интеграционный слой, фронтенд последним. Тестирование включает fork testing на mainnet через Foundry — мы воспроизводим реальные условия ликвидности, не синтетические.

Аудит обязателен перед деплоем на mainnet. Для DEX контрактов минимально — одна фирма с ручным ревью (Trail of Bits, Spearbit, Code4rena contest). Для CEX custody — аудит процессов хранения ключей. Мы гарантируем, что все контракты проходят формальную верификацию и fuzzing-тестирование (Echidna, Foundry invariant).

Что входит в работу (deliverables)

По завершении проекта вы получаете:

• Исходный код смарт-контрактов и backend-сервисов под вашу лицензию
• Полную техническую документацию (архитектурные схемы, API-спецификации, инструкции по деплою)
• Доступы к репозиторию и CI/CD pipeline
• Обучение вашей команды работе с кодом (2–3 сессии)
• Гарантию на найденные в процессе эксплуатации баги до 6 месяцев
• Сертификат прохождения стороннего аудита безопасности

Ориентиры по срокам

• DEX (AMM, xy=k) — от 3 до 5 месяцев: контракты + backend + UI
• DEX с концентрированной ликвидностью (v3-like) — от 6 до 10 месяцев
• CEX (matching engine + custody + торговый UI) — от 8 до 14 месяцев
• Интеграция с существующим протоколом — от 4 до 8 недель

Стоимость рассчитывается индивидуально после технического брифинга: выбор чейна, требования к throughput, кастодиальная модель. Наши сертифицированные инженеры с опытом более 10 лет помогут подобрать оптимальную архитектуру и не допустить типичных ошибок.

Типичные грабли при запуске

• Забывают про price oracle в AMM. Spot price манипулируется flash loan’ом за одну транзакцию. Если ваш lending protocol использует spot price из своего же пула — это баг, а не фича.
• Горячий кошелёк без лимитов. CEX без суточных лимитов на автоматические выводы — приглашение для атакующего. Компрометация одного ключа должна потерять максимум 10% от суммарных средств.
• Отсутствие circuit breaker. Резкое падение цены на 40% за 5 минут должно останавливать автоматические ликвидации или выводы до ручного ревью. Без этого cascading liquidation spiral уничтожает весь TVL.
• Неправильный decimal handling. USDC использует 6 decimals, WBTC — 8, большинство токенов — 18. Смешивание без нормализации даёт либо потерю точности, либо overflow. В Solidity нет float — работаем с fixed-point через FullMath (mulDiv с overflow protection).

Хотите избежать этих проблем? Свяжитесь с нами для консультации — мы подберём архитектуру под ваш проект и назовём точные сроки. Закажите разработку биржи с гарантией качества и последующей поддержкой.