一、LTtx是一个分布式数据中心，基于Python语言开发，为分布式服务架构提供基础的通信服务。本项目代码完全开源，由于处于开源初期，相应的代码未完全整理，作者主要是用在股票量化的开发，实际运用中对于**股市全市场Tick行情推送可以胜任推送。基于LTtx数据中心，可以实现许多程序的拆分，各个模块间相互独立，相互配合，也可以做成常用的服务端————客户端模型。在新版本中，新增文件传输功能，为实际开发提供更加全面的功能支持，此外本项目会根据实际生产环境需要，开发新的功能。
二、同时还是一个开发综合函数库，方便使用的各种基础函数（持续更新中），提高代码的开发效率，对于没有安装的Python库再第一次使用时会报错，需要留意，为了代码的轻量化，需要自行安装，一般来说，大部分库Python都会自带，比如再使用特定函数时才会需要依赖库。
1、分布式量化交易系统
2、聊天系统
3、网络认证
4、中间件
5、个人云盘
6、其他网络应用
1、本项目是基于服务端———客户端的架构方式，在使用时需要先运行服务端程序。启动方式也特别简单，git clone在对应的服务器（可以是Windows,Linux,只要能运行Python文件即可）后通过Python启动，如果是在Linux服务器中请留意放开对应的端口。
-
需要配置Config.txt，也可以只使用默认的模式运行(可选)
-
启动命令
python LTtx_server.py
2、由于Python的GIL属性，服务端采用了大量的子线程进行功能实现，为保证性能发挥，建议部署在Linux服务器上，并且通过绑定核心运行的方法使用服务端性能达到最优。绑定核心启动命令示例：
taskset -c 2 python LTtx_server.py
- 本命令可将程序绑定在CPU2上。绑定核心后经本人测试发现在高并发时可以提高大约80%以上的性能。如果您的CPU是12代英特尔，请务必让他运行在性能（大核）核心上。
3、采用守护进程功能，通过使用如下命令启动服务端，这会在LTtx_server意外退出时能第一时间自动重启，如果要人工停止，可以通过连续的Ctrl+c停止。此种方法部署方式为：
./check
- 如果无法启动，请注意环境中python3的变量名为python，可以通过修改check.sh里的命令启动。
#需要提前执行start_tx()函数,此处的tx1为txl实例化以后的对象
tx1.put("a","b") #把云变量“a"赋值为“b",二者均为字符串，新版本中V3中将不再对b进行字符串数据类型进行限制。
tx1.get("a") #获取云变量“a"的值。当put时传入的是一个Python对象，那么获得的值也是一个Python对象。
tx1.put_df('a',dataframe) #把云变量“a"赋值为传入的dataframe，此处的变量类型为dataframe，此处的云变量与上方的云变量独立存在
tx1.get_df('a') #获取云变量"a"对应的dataframe。
tx1.get_dict_value('a','b') #获取云变量字典"a"中对应的"b"这个key的值，方便从一个大字典中只取需要的那部分数据，不用把整个字典都取出来，从而提升效率。
tx1.get_list_value('a',-1) #获取云变量列表"a"对应下标为-1的值。方便从一个大列表中只取需要的那部分数据，提升效率。
tx1.dict_change(var,key,value) #把云对象var字典对象进行key和value的更新，同本地字典操作方法一致。
tx1.list_pop(var,data) #把云对象var列表对象进行列表的pop操作，同本地列表操作方法一致。
tx1.list_remove(var,data) #把云对象var列表对象进行列表的remove操作，同本地列表操作方法一致。
tx1.push("a","abc","test") #向“test“信道发送消息
tx1.push_plus("a","abc","test") #是push的升级版本，可以快速完成数据推送，使用前需要先start_plus()，该方法需要大于V4版本才能使用
一、引用示例
from tx import *
tx1 = txl('192.168.1.65',2025,'LTtx') #连接服务器 'LTtx'为认证的token,因服务端变化而变化。
tx1.start_tx() #开启put/get/push功能
tx1.start_txg("test") #开启接收信道"test"消息的功能，若不用可以不开启该功能，所有的数据通过tx1.Q.get()进行获取
tx1.push_plus("a","abc","test") #是push的升级版本，可以快速完成数据推送，使用前需要先start_plus()，该方法需要大于V4版本才能使用
二、更多使用方法请参考examply.py
1、 客户端在使用时注意子线程的死循环，最好是加上0.1秒的延迟或者阻塞队列，不要让CPU空转导到客户端无法接收消息
1、新增tx.py的升级模式。
2、更新代码开发辅助函数。
1、put-get模式中增加保存dataframe的功能，对应put_df和get_df方法
2、调整LTtx服务端部署方式，新增Config.txt配置文件
3、引入Centos中守护进程功能，确保服务端高可用
1、新增python字典和列表操作方式，方便对云数据进行个性化处理，详情见上方函数说明
1、升级整体架构，原功能方法保持不变，提升高并发数据时数据的推送性能。
2、新增push_plus()方法，该方法是push()方法的升级版本，推送性能有2至3倍提升，更适合交易行情的推送。
3、新版本服务端将自动绑定CPU核心，默认会绑定最后一颗CPU核心以提升性能（有2倍左右的性能提升）
1、新增文件传输功能，支持文件上传和下载，云端文件保存目录在/file_data/路径中，文件传输为单次短连接，传输完成后会有MD5校验，但没有重传机制。
2、更新内部代码逻辑，在put时可以传入基础的Python对象（只要是Json库支持的即可，例如字典，列表等，但不支持dataframe，如果要保存dataframe请先将dataframe转为字典进行保存，然后再通过 字典转dataframe完成存储）。注意，当传入一个字典对象时，通过get得到的将是一个字典对象，不再是字符串。这也意味着不用每次云变量赋值时进行json.dumps()操作。
3、新增基础的云变量量字典对象操作，详请见方法说明dict_change(var,key,value)。
4、新增基础的列表操作方法list_pop()和list_remove(),原理和正常的操作一样。
1、升级服务端消息推送方式，防止因为单个客户端不能接受消息而造成其他客户端不能收到消息，这主要是在大通量数据推送时会发生。
1、新增多信道订阅，在start_txg()时传入"hq_center@cb_hq_center"表示同时订阅hq_center信道和cb_hq_center信道。
2、优化代码逻辑，防止粘包。
1、开发配套同步程序，该程序会使各个LTtx数据中心的新增云变量保持一致，为分布式部署提供保障，防止因为单个服务端故障后影响其他程序正常运行。
2、新增信道取消功能。
3、其他。
4、升级服务端为异步版本，进一步提升性能。
1、作者微信
- zlt19950214
2、作者邮箱
1、天行量化系统