cuemacro/tcapy项目在Linux系统上的安装指南

项目概述

tcapy是一个用于交易成本分析和市场影响研究的开源工具包，由cuemacro团队开发。该项目提供了完整的解决方案，包括数据处理、计算引擎和可视化界面，特别适合金融机构和量化研究人员使用。

系统要求

tcapy主要在Linux环境下开发和测试，支持以下发行版：

• Ubuntu（推荐选择，安装和使用更简单）
• Red Hat（可能需要订阅才能安装某些依赖）

项目已在Python 3.7环境下测试，不支持Python 2.x及更早的Python 3.x版本。推荐使用Pandas 1.0.5或更高版本。

安装方式选择

tcapy提供两种主要安装方式：

1. Docker容器安装（推荐）

   • 隔离性好，依赖管理简单
   • 适合生产环境部署
   • 包含所有服务组件

2. 传统安装方式

   • 直接在主机系统安装
   • 适合开发和调试
   • 需要手动管理依赖

Docker容器安装详解

准备工作

1. 确保已安装Docker引擎
2. 克隆项目到本地目录（建议使用/home/tcapyuser/cuemacro/tcapy）
3. 创建工作目录和日志目录

./batch_scripts/linux/installation/create_tcapy_working_folders.sh

环境配置

1. 创建.tcapy.env文件，设置数据库凭证等环境变量
2. 示例配置：

MYSQL_USER=root
MYSQL_PASSWORD=secure_password
MYSQL_ROOT_PASSWORD=secure_root_password
MONGO_INITDB_ROOT_USERNAME=admin
MONGO_INITDB_ROOT_PASSWORD=mongo_password

服务架构

docker-compose.yml定义了以下服务容器：

• Web服务层：nginx + gunicorn（主界面和交易上传界面）
• 计算服务：Celery + Redis + Memcached
• 数据存储：MongoDB（市场数据）+ MySQL（交易数据）
• 开发工具：Jupyter Notebook

构建与启动

docker-compose build  # 构建所有服务镜像
docker-compose up     # 启动所有容器

访问服务

• 主界面：http://localhost:9500/tcapy
• 交易上传界面：http://localhost:9500/tcapyboard/
• Jupyter Notebook：http://localhost:8888

传统安装方式

基础环境准备

1. 安装Anaconda Python发行版
2. 创建虚拟环境：

conda env create -f environment_linux_py37tca.yml

依赖安装

执行安装脚本：

# 基础工具和Apache
source install_python_tools_apache.sh

# 虚拟环境设置
source install_virtual_env.sh

# SQL Server驱动（可选）
sudo ./install_sql_driver.sh

# Python包安装
source install_pip_python_packages.sh

# Web服务
source install_nginx.sh
source install_tcapy_on_nginx_gunicorn.sh

# 数据库
source install_mongo.sh
source increase_file_limits.sh  # MongoDB文件限制
source install_mysql.sh

# 任务队列
source install_memcached.sh

配置详解

关键配置文件

1. constants.py：主配置参数

   • 数据存储路径
   • 外部数据源配置
   • 计算参数
   • 数据库连接

2. constantsgen.py：GUI相关配置

   • 图表显示设置
   • 回调函数配置

3. constantscred.py（建议创建）：

   • 敏感信息（用户名/密码）
   • 不应加入版本控制

数据库配置

• MongoDB：市场数据存储
  • 修改mongo.conf中的日志路径
• MySQL：交易数据存储
  • 配置连接参数
• Redis：缓存和消息代理
  • 调整内存策略

测试与验证

Docker测试环境

使用专用测试配置：

make test
# 或
docker-compose -f docker-compose.test.yml run sut

常见问题解决

1. 端口冲突：确保主机服务不占用容器所需端口
2. 权限问题：检查文件和目录权限
3. 数据库连接：验证环境变量设置

最佳实践建议

1. 生产环境推荐使用Docker部署
2. 开发环境可使用传统安装方式
3. 定期备份配置文件
4. 使用强密码保护数据库
5. 监控关键服务状态

通过以上步骤，您可以成功在Linux系统上部署tcapy项目，无论是用于生产环境还是开发研究。项目提供了完整的交易分析解决方案，从数据存储到可视化分析一应俱全。