Розробка кастомних свічкових графіків для бірж та DeFi

Торгова платформа з мільйоном угод на годину — стандартний TradingView віджет не справляється: агрегація гальмує, кастомізація неможлива. В одному з проєктів для клієнта з 50 000 пар і 2 млн угод на хвилину ми побудували кастомний свічковий графік з нуля. Рішення на TimescaleDB для OHLCV, Go-агрегаторі для real-time та Lightweight Charts для рендерингу обробляє свічку за 3 мс і відображає дані без затримок. Розберемо, як уникнути типових помилок і отримати графік, який не лагає на 100k свічок. Наші рішення дозволяють знизити витрати на інфраструктуру вдвічі за рахунок ефективної агрегації. Зв'яжіться з нами, щоб обговорити вимоги до вашого графіка.

Чому варто обрати кастомний графік?

Готові віджети не дають контролювати логіку агрегації (наприклад, зважені ціни за об'ємом) і не дозволяють додавати індикатори на зразок VWAP з нестандартним періодом. Кастомний графік дає повний контроль над кожним етапом: від збору даних до рендерингу, що критично важливо для пропрієтарних торгових стратегій та швидкої реакції ринку.

Проблеми, які вирішуємо

Основні складнощі при побудові кастомних графіків — latency та кастомізація. Готові віджети не дозволяють міняти логіку агрегації (наприклад, використовувати зважені ціни за об'ємом) або додавати індикатори на зразок VWAP з нестандартним періодом. Друга проблема — продуктивність: при тисячах свічок і кількох індикаторах рендеринг може гальмувати. Ми вирішуємо це комбінацією TimescaleDB на сервері та Lightweight Charts на клієнті.

Як ми вирішуємо проблему latency?

Latency складається з трьох етапів: отримання угоди (trade event), агрегація свічки та відправка на клієнт. Кожен етап має укладатися в мілісекунди. Покроковий процес:

1. Отримання: WebSocket-шлюз обробляє до 100 000 повідомлень на секунду на один інстанс.
2. Агрегація: In-memory агрегатор на Go оновлює поточну свічку за <2 мкс, закриті свічки — за 5 мкс.
3. Доставка: Debounce оновлень до 10 разів на секунду, пакетна відправка — не більше 10 свічок в одному повідомленні.

Continuous aggregate в TimescaleDB автоматично оновлює матеріалізовані представлення. Ми налаштовуємо політику з інтервалом в 1 хвилину для свічок 1m, що дає свіжість даних до 1 хвилини. Для вищих таймфреймів агрегація виконується на льоту з 1m-свічок. У результаті end-to-end затримка від торгів до відображення на графіку не перевищує 200 мс.

Як реалізувати кастомні індикатори?

Індикатори (EMA, VWAP, об'ємний профіль) розраховуються на клієнті або сервері — вибір залежить від частоти перерахунку. Для індикаторів з постійним вікном (наприклад, EMA на 12 періодів) використовуємо серверну агрегацію: додаємо колонки в continuous aggregate. Для інтерактивних (переміщення точок) — клієнтський розрахунок у Web Worker, щоб не блокувати UI.

Приклад серверного індикатора — VWAP з налаштовуваним періодом:

CREATE MATERIALIZED VIEW vwap_1m
WITH (timescaledb.continuous) AS
SELECT
    time_bucket('1 minute', created_at) AS bucket,
    pair_id,
    sum(price * quantity) / sum(quantity) AS vwap
FROM trades
GROUP BY bucket, pair_id;

Як реалізувати кастомний свічковий графік?

Візьмемо типовий кейс: біржа хоче показувати 1-хвилинні свічки з Heikin-Ashi та EMA. Також підтримуємо Renko, kagi та point-and-figure. Серверна частина агрегує trades через TimescaleDB, а фронтенд використовує бібліотеку Lightweight Charts.

Зберігання та агрегація OHLCV

Сирі угоди зберігаються в TimescaleDB. Для швидкої агрегації створюємо continuous aggregate:

CREATE MATERIALIZED VIEW candles_1m
WITH (timescaledb.continuous) AS
SELECT
    time_bucket('1 minute', created_at) AS bucket,
    pair_id,
    first(price, created_at) AS open,
    max(price) AS high,
    min(price) AS low,
    last(price, created_at) AS close,
    sum(quantity) AS volume,
    count(*) AS trades_count
FROM trades
GROUP BY bucket, pair_id;

SELECT add_continuous_aggregate_policy('candles_1m',
    start_offset => INTERVAL '3 hours',
    end_offset   => INTERVAL '1 minute',
    schedule_interval => INTERVAL '1 minute');

З 1-хвилинних свічок вищі таймфрейми збираються на льоту — той же SQL з time_bucket('1 hour', bucket).

Real-time оновлення на Go

type CandleAggregator struct {
    mu      sync.RWMutex
    current map[PairTimeframe]*Candle
}

func (ca *CandleAggregator) OnTrade(trade Trade) {
    ca.mu.Lock()
    defer ca.mu.Unlock()
    for _, tf := range TIMEFRAMES {
        key := PairTimeframe{trade.PairID, tf}
        bucket := truncateToTimeframe(trade.Time, tf)
        candle, exists := ca.current[key]
        if !exists || candle.Bucket != bucket {
            if exists {
                ca.publishClosedCandle(candle)
            }
            ca.current[key] = &Candle{
                Bucket: bucket, Open: trade.Price, High: trade.Price,
                Low: trade.Price, Close: trade.Price, Volume: trade.Quantity,
            }
        } else {
            if trade.Price > candle.High { candle.High = trade.Price }
            if trade.Price < candle.Low  { candle.Low  = trade.Price }
            candle.Close = trade.Price
            candle.Volume = candle.Volume.Add(trade.Quantity)
        }
        ca.publishLiveCandle(ca.current[key])
    }
}

Фронтенд: TradingView Lightweight Charts

import { createChart, CandlestickSeries } from 'lightweight-charts';

const chart = createChart(container, {
    layout: { background: { color: '#0d0d0f' }, textColor: '#9b9ea8' },
    grid: { vertLines: { color: '#1e2030' }, horzLines: { color: '#1e2030' } },
    timeScale: { timeVisible: true, secondsVisible: false },
});

const candleSeries = chart.addSeries(CandlestickSeries, {
    upColor: '#00b15e', downColor: '#e84242',
    borderVisible: false,
});

// Load historical + stream via WebSocket
candleSeries.setData(historicalData);
ws.onmessage = (event) => candleSeries.update(JSON.parse(event.data));

Індикатори (EMA, VWAP) додаються як LineSeries поверх. Для Heikin-Ashi конвертуємо дані на клієнті:

function toHeikinAshi(candles: OHLCV[]): OHLCV[] {
    return candles.map((c, i) => {
        const prev = i > 0 ? candles[i-1] : c;
        const haClose = (c.open + c.high + c.low + c.close) / 4;
        const haOpen = i === 0 ? (c.open + c.close)/2 : (prev.open + prev.close)/2;
        return {
            time: c.time,
            open: haOpen,
            high: Math.max(c.high, haOpen, haClose),
            low: Math.min(c.low, haOpen, haClose),
            close: haClose,
        };
    });
}

Порівняння продуктивності: Lightweight Charts vs інші бібліотеки

Lightweight Charts в 3-4 рази швидше D3.js при рендерингу 10 000 свічок і споживає в 3 рази менше пам'яті.

Які дані потрібні для старту?

Для початку достатньо доступу до trade events (сирі угоди) через API або файли. Ми самостійно налаштовуємо агрегацію. Якщо даних нема — допоможемо підключитися до біржових джерел через WebSocket або REST. Мінімальна конфігурація не вимагає специфічних схем — TimescaleDB адаптується під будь-яку структуру.

Етапи роботи

Що входить у роботу

У результат входить повний пакет: документація (схеми БД, API-специфікація, інструкція з розгортання), доступ до вихідного коду в Git-репозиторії, навчання вашої команди (воркшоп на 2 дні), 2 тижні безкоштовної підтримки після запуску та SLA з відповіддю до 4 годин. Ми забезпечуємо плавний перехід і самостійну експлуатацію.

Стек

Терміни та вартість

Терміни орієнтовні, розраховуються індивідуально:

• Базовий графік (live-оновлення, 2–3 індикатори): 4–6 тижнів.
• Повнофункціональний charting (всі таймфрейми, 10+ індикаторів, малювання, Heikin-Ashi/Renko): 2–3 місяці.
• Серверна частина (TimescaleDB + агрегатор + WebSocket): 3–5 тижнів паралельно.

Вартість розраховується під ваш обсяг даних і вимоги. Гарантуємо прозорість: попередня оцінка безкоштовно, фіксація бюджету після затвердження ТЗ. Наші клієнти економлять до 40% часу на розробку за рахунок готових компонентів і перевірених рішень.

Наш досвід та гарантії

Ми — команда блокчейн-розробників з 5+ роками досвіду в Web3. Реалізували 30+ проєктів для криптобірж, DeFi-платформ та трейдингових терміналів. Використовуємо перевірені інструменти та надаємо офіційну гарантію на код.

Замовте розробку кастомного свічкового графіка — ми реалізуємо під ключ, від архітектури до деплою. Отримайте консультацію — обговоримо ваш проєкт і запропонуємо оптимальне рішення.

Розробка бірж: matching engine визначає успіх

Ми розробляємо біржі, де matching engine обробляє тисячі ордерів на секунду без затримки, маршрутизує ліквідність між пулами та гарантує, що жоден користувач не отримає доступ до чужих коштів. Команди, які починають з UI і відкладають движок «на потім», у 90% випадків переписують все через півроку. Наш досвід — 15+ запущених біржових проєктів. Оцініть ваш проєкт — отримайте консультацію.

Типові проблеми архітектури бірж

Order Book vs AMM

Централізовані біржі (CEX) будуються навколо order book та matching engine. Децентралізовані (DEX) — або теж використовують order book (dYdX на StarkEx, Serum/OpenBook на Solana), або AMM з концентрованою ліквідністю (Uniswap v3/v4, Curve, Balancer). Класична помилка — реалізовувати matching engine поверх реляційної БД з транзакціями на кожен матч. PostgreSQL впорається з ~500 RPS без спеціальних зусиль, але при піковому навантаженні 5 000–10 000 ордерів на секунду це перетворюється на deadlock-ад. Правильна архітектура: in-memory order book (Redis Sorted Sets або кастомна структура на C++/Rust), асинхронний запис матчів у PostgreSQL через чергу (Kafka/RabbitMQ) та окремий settlement service, який фінально оновлює баланси. Наш matching engine на Rust обробляє у 100 разів більше ордерів за секунду, ніж типова реалізація на PostgreSQL.

Для DEX найболючіша проблема — sandwich атаки та MEV. Пул зі звичайним xy=k AMM без slippage protection стає ціллю для MEV-ботів у перші ж години після запуску. Uniswap v2 втратив на цьому сотні мільйонів доларів ліквідності для користувачів. Рішення: інтеграція з Flashbots Protect, commit-reveal схема для ордерів або перехід на TWAMM (Time-Weighted AMM) для великих угод.

Як захистити DEX від MEV-атак?

Flashbots Protect дозволяє відправляти транзакції напряму в блок без публічного mempool. Commit-reveal схема робить неможливим front-running, приховуючи параметри ордера до моменту виконання. Для децентралізованих order book-бірж (на кшталт dYdX) це критично — без захисту MEV-боти викачують прибуток маркет-мейкерів. Ми реалізовували таку інтеграцію для клієнта на Arbitrum: після підключення Flashbots частка sandwich-атак знизилась з 12% до 0.2% від усіх угод.

Концентрована ліквідність та impermanent loss

Uniswap v3 ввів концентровану ліквідність — LP вибирають ціновий діапазон, в якому надають ліквідність. Капітальна ефективність зросла в 4 000 разів порівняно з v2 для стабільних пар. Але реалізувати цей механізм правильно — нетривіальне завдання. Контракт ліквідності Uniswap v3 використовує tick-based accounting: простір цін розбито на дискретні тики (tick = log₁.0001(price)), кожен тик зберігає накопичені fee growth і liquidity delta. При створенні позиції обчислюються нижній та верхній тик, контракт перераховує всі активні позиції при кожному swap. Storage layout тут критичний — неправильна упаковка змінних в slots легко додає 40–60% до вартості gas на swap.

Ми реалізовували форк Uniswap v3 для клієнта на Polygon з кастомною fee tier системою. Початкова версія витрачала 180k gas на swap через 2 тики. Після slot packing змінних у Tick.Info та інлайнінгу кількох internal викликів — 112k gas. Це знизило gas-витрати на 38% і зекономило клієнту понад $5,000 щомісяця на комісіях мережі. Застосовані техніки описані в Uniswap v3 Whitepaper та підтверджені нашим досвідом аудиту. Замовте розробку біржі з гарантією якості — отримайте безкоштовну оцінку вашого проєкту.

Matching engine: ядро розробки бірж

Production-ready matching engine будується за наступною схемою:

• Order ingestion layer — WebSocket gateway (Go або Rust), приймає ордери, валідує підпис, перевіряє баланс через Redis, ставить у чергу. Latency на цьому рівні має бути <1ms.
• Matching core — single-threaded event loop (усуває race conditions без м'ютексів). У пам'яті тримаємо два Sorted Set на кожен торговий інструмент: bids та asks. FIFO matching для limit ордерів, immediate-or-cancel для маркет. Throughput при правильній реалізації на Rust — 500k–1M матчів на секунду на одному ядрі.
• Settlement service — читає матчі з Kafka, атомарно оновлює баланси в PostgreSQL (UPDATE accounts SET balance = balance - $1 WHERE id = $2 AND balance >= $1). Optimistic locking через версіонування рядків.
• Withdrawal pipeline — окремий сервіс з cold/hot wallet архітектурою. Гарячий гаманець тримає 5–10% від сумарних депозитів, решта — cold storage з multi-sig (Gnosis Safe або кастомний HSM). Автоматичні виведення тільки з hot wallet, великі суми — ручна авторизація.

Як будувати on-chain DEX: смарт-контракти та газ-оптимізація

Для DEX на EVM (Ethereum, Arbitrum, Optimism, Polygon) весь критичний шлях живе в Solidity. Основні контракти: Pool, Factory, Router, PositionManager (для v3-like) та Quoter для off-chain розрахунків. Типові помилки, які ми бачимо в аудитах:

Reentrancy через callback. Uniswap v3 використовує flash swap з callback (uniswapV3SwapCallback). Якщо у вашому роутері немає nonReentrant guard і ви не перевіряєте msg.sender == pool, контракт дренується через вкладений виклик. Це не гіпотетика — кілька форків v3 втрачали кошти саме так.

Oracle manipulation в AMM. Якщо ваш контракт використовує spot price з пулу для розрахунку collateral — це front-runnable. Правильно: TWAP за 30+ хвилин (Uniswap v3 OracleLib) або зовнішній оракул Chainlink.

Unbounded loops в liquidity range. Якщо swap перетинає багато тиків поспіль (price impact 80%+), gas може перевищити block limit. Потрібен MAX_TICKS_CROSSED з partial fill і поверненням залишку.

Як оптимізувати газ для смарт-контрактів DEX?

Оптимізація gas включає packing змінних у storage slots, використання inline assembly для критичних операцій та мінімізацію зовнішніх викликів. Правильне розміщення полів у структурі Tick.Info дозволяє зменшити gas на 20–30% порівняно з базовою реалізацією. Для Solana DEX (Anchor framework, Rust) архітектура принципово інша: account-based модель, Program Derived Addresses (PDA) замість storage, Cross-Program Invocations замість внутрішніх викликів. Throughput Solana (~3 000–4 000 TPS проти 15–30 у Ethereum mainnet) дозволяє будувати on-chain order book — саме так працює Phoenix DEX.

Liquidity bootstrapping та інтеграція з агрегаторами

Запустити пул мало — потрібно забезпечити ліквідність на старті. Практичні механізми:

• Liquidity Bootstrapping Pool (LBP) — початкова ціна висока, вагові коефіцієнти активів динамічно зміщуються, створюючи тиск продажів і рівномірний розподіл токена. Реалізовано в Balancer v2.
• Initial Liquidity Offering через Uniswap v3 — додавання ліквідності у вузький діапазон навколо початкової ціни, потім поступове розширення зі зростанням обсягу. Вимагає active liquidity management або інтеграції з Arrakis/Gamma.
• Інтеграція з 1inch, Paraswap, Li.Fi — агрегатори дають трафік, але вимагають відповідності стандартам: пул повинен мати коректний getAmountsOut, підтримувати ERC-20 approval/permit і не мати кастомних transfer hooks, які ламають routing агрегатора.

Використовуйте LBP для створення початкового цінового діапазону, а потім підключайте агрегатори для забезпечення постійного потоку замовлень. Активне управління ліквідністю через професійні протоколи допомагає уникнути втрат від impermanent loss. Наш досвід — 15+ запущених біржових проєктів, які пройшли незалежний аудит. Середня економія клієнтів на gas-комісіях після оптимізації — $5,000 щомісяця.

Процес розробки

Аналітика та проектування починаються з вибору архітектурної моделі: CEX з кастодіальним зберіганням, non-custodial DEX або гібрид (off-chain order book + on-chain settlement, як dYdX v3). Це рішення визначає все — регуляторне навантаження, технічний стек, команду.

Як проходить тестування смарт-контрактів?

Ми використовуємо Foundry для unit-тестів, fuzzing та invariant testing. Fork testing на mainnet дозволяє відтворити реальні умови ліквідності, що критично для верифікації поведінки контрактів.

Розробка йде шарами: спочатку смарт-контракти з повним покриттям Foundry (fuzzing, invariant testing), потім backend сервіси, потім інтеграційний шар, фронтенд останнім. Тестування включає fork testing на mainnet через Foundry — ми відтворюємо реальні умови ліквідності, не синтетичні. Foundry запускає тести в 5 разів швидше за Hardhat.

Аудит обов'язковий перед деплоєм на mainnet. Для DEX контрактів мінімально — одна фірма з ручним рев'ю (Trail of Bits, Spearbit, Code4rena contest). Для CEX custody — аудит процесів зберігання ключів. Ми гарантуємо, що всі контракти проходять формальну верифікацію та fuzzing-тестування (Echidna, Foundry invariant). Середня вартість незалежного аудиту для DEX — $15,000–30,000.

Що входить в роботу (deliverables)

Після завершення проєкту ви отримуєте:

• Вихідний код смарт-контрактів та backend-сервісів під вашу ліцензію
• Повну технічну документацію (архітектурні схеми, API-специфікації, інструкції з деплою)
• Доступи до репозиторію та CI/CD pipeline
• Навчання вашої команди роботі з кодом (2–3 сесії)
• Гарантія на знайдені в процесі експлуатації баги до 6 місяців
• Сертифікат проходження стороннього аудиту безпеки

Орієнтири за строками

Вартість розраховується індивідуально після технічного брифінгу: вибір чейну, вимоги до throughput, кастодіальна модель. Сертифіковані інженери з досвідом більше 10 років допоможуть підібрати оптимальну архітектуру та не допустити типових помилок.

Зв'яжіться з нами для консультації — ми підберемо архітектуру під ваш проєкт і назвемо точні терміни. Замовте розробку біржі з гарантією якості та подальшою підтримкою.