Разработка торгового движка (matching engine)

Представьте: ваша криптобиржа теряет миллисекунды на каждом ордере, хайп-трейдеры уходят к конкурентам с latency в 10 мкс. Matching engine — это сердце биржи, и его производительность напрямую конвертируется в выручку. Ошибка в логике matching может стоить миллионы, а каждая микросекунда задержки снижает конкурентоспособность. Мы разрабатываем кастомные matching engine для бирж, работающих на Ethereum, Solana и других L1/L2. Разберём, как мы строим системы, выдерживающие 10 000+ ордеров в секунду с latency менее 10 микросекунд. Наш опыт — 10+ лет в high-load системах, 50+ проектов в финансовом секторе. Свяжитесь с нами — оценим ваш проект бесплатно.

Почему стоит использовать integer цены?

Floating point arithmetic недопустима в финансовых расчётах — 0.1 + 0.2 != 0.3 в IEEE 754. Вместо этого используем integer с фиксированной точностью (10^8). Это исключает ошибки округления и ускоряет сравнения.

const PRICE_PRECISION: i64 = 100_000_000;
let price: i64 = 4_375_050_000_000; // 43750.50000000

fn float_to_price(f: f64) -> Price {
    (f * PRICE_PRECISION as f64).round() as Price
}

Как работает price-time priority?

Стандартный алгоритм: Price priority — ордер с лучшей ценой исполняется первым. При равной цене — Time priority (FIFO). Для покупок лучшая цена — выше (готов платить больше), для продаж — ниже.

Структура Order Book

Используем BTreeMap для ценовых уровней (O(log n)) и HashMap для быстрого доступа по ID ордера. Это даёт баланс между скоростью вставки и поиска. В высоконагруженных системах альтернативы — SkipList (Java ConcurrentSkipListMap) или array-based структуры с биннингом цен.

pub struct OrderBook {
    pub bids: BTreeMap<Reverse<Price>, PriceLevel>,
    pub asks: BTreeMap<Price, PriceLevel>,
    pub orders: HashMap<OrderId, Order>,
}

Алгоритм matching: от limit до stop orders

Limit order matching работает так: taker ищет лучший противоположный ордер, исполняет по цене maker-а, частично или полностью. Market order не имеет price limit — исполняется до конца книги, остаток отменяется. Stop orders активируются при достижении триггерной цены. Fill-or-Kill (FOK) требует полного исполнения, иначе отмена. Iceberg orders маскируют реальный объём. Реализация всех типов с event sourcing гарантирует консистентность.

// Упрощённый matching loop
while taker.remaining() > 0 {
    let best_ask = self.asks.keys().next()?;
    if taker.price < best_ask { break; }
    // execute against level
}

Как LMAX Disruptor повышает производительность?

LMAX Disruptor — lock-free ring buffer для inter-thread коммуникации. Он использует CAS-операции вместо мьютексов, обеспечивая latency 1-2 ns против ~100 ns у mutex. Мы применяем его в Java-решениях, в Rust — аналоги (crossbeam channel). В тестах Rust с crossbeam показывает P99 ниже 100 µs даже под нагрузкой 20 000 ордеров в секунду.

Типичные bottlenecks и их решения

1. Memory allocation — object pool/arena allocator
2. Serialization — FlatBuffers/Cap'n Proto вместо JSON
3. Locking — single-threaded per-symbol + lock-free queues
4. Cache misses — SoA вместо AoS

Сравнение языков по latency:

P99.9 особенно важен — туда попадают жалобы трейдеров на "тормоза". Rust в 20 раз быстрее Python для matching engine, что напрямую влияет на прибыль биржи.

Сравнение структур данных для Order Book

Какие тесты гарантируют корректность?

Используем event sourcing: все события пишутся в Kafka, downstream консьюмеры асинхронно обновляют базу. При рестарте состояние восстанавливается из snapshot + replay.

class MatchingEngineRecovery:
    def restore_order_book(self, symbol):
        snapshot = self.load_snapshot(symbol)
        book = OrderBook.from_snapshot(snapshot)
        for event in self.kafka.get_events_after(symbol, snapshot.sequence):
            book.apply_event(event)
        return book

Тестируем тысячами unit-тестов, property-based fuzzing, сравнением с reference implementation. Это гарантирует корректность даже в экзотических сценариях. Согласно исследованиям IEEE, property-based тестирование выявляет на 60% больше ошибок в финансовых системах.

Что входит в разработку matching engine?

• Документация по API и архитектуре
• Доступ к репозиторию с CI/CD
• Обучение вашей команды (2 дня)
• Поддержка 3 месяца после запуска
• Интеграция с вашей системой через Kafka и REST/WebSocket
• Нагрузочное тестирование с эмуляцией рыночных данных

Процесс и сроки

Аналитика → проектирование (архитектура, выбор языка) → реализация (core, тесты) → интеграция с вашей системой → нагрузочное тестирование → деплой. Сроки: от 2 до 6 месяцев в зависимости от сложности. Стоимость рассчитывается индивидуально. Получите консультацию — мы оценим ваш проект и предложим оптимальное решение.

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.