QMT 平台 get_full_tick 获取实时价格延迟的排查与解决方法

在 QMT 平台中，如果你通过定时器（如 run_time 或 Python 原生的 time.sleep）每 200ms 轮询调用 get_full_tick，出现 5 秒左右的延迟，通常是因为轮询机制与 QMT 底层行情推送机制不匹配，或者本地计算阻塞了行情接收线程。为了降低延迟，建议从以下几个方面进行优化：

1. 改用 subscribe_quote 行情订阅模式（强烈推荐）

QMT 提供了基于事件驱动的行情订阅接口 ContextInfo.subscribe_quote。相比于主动轮询，订阅模式会在底层接收到新 tick 数据时立即触发回调函数，这是获取最低延迟实时行情的最佳实践。

优化代码示例：

#coding:gbk

def init(ContextInfo):
    # 订阅平安银行的 tick 行情，数据到来时自动触发 on_quote 回调
    ContextInfo.sub_id = ContextInfo.subscribe_quote('000001.SZ', period='tick', dividend_type='none', callback=on_quote)

def on_quote(datas):
    # datas 是一个字典，key 为合约代码，value 为包含行情数据的 DataFrame
    for code, data in datas.items():
        # 获取最新价
        last_price = data['close'].iloc[-1] 
        print(f"收到 {code} 最新 tick，最新价: {last_price}")

def handlebar(ContextInfo):
    pass

2. 利用 handlebar 的 Tick 驱动机制

QMT 的 handlebar 函数在实时行情下，是由主图品种的 tick 数据驱动的。如果你的策略只需要获取主图品种的最新价，可以直接在 handlebar 中处理，而不需要额外设置 200ms 的定时器。

#coding:gbk

def init(ContextInfo):
    ContextInfo.set_universe(['000001.SZ'])

def handlebar(ContextInfo):
    # 实时行情下，每个 tick 都会触发一次 handlebar
    # 直接获取最新分笔数据
    tick_data = ContextInfo.get_full_tick(['000001.SZ'])
    if '000001.SZ' in tick_data:
        last_price = tick_data['000001.SZ']['lastPrice']
        print(f"当前最新价: {last_price}")

3. 避免在回调或主循环中执行耗时操作

如果你在 200ms 的轮询或 handlebar 中执行了复杂的计算、长时间的 I/O 操作（如写入本地文件、请求外部网络接口），会导致 QMT 的主线程被阻塞，底层的行情数据无法及时更新到 Python 层，从而产生严重的“积压延迟”。

• 解决方案：将耗时操作放入异步线程中处理，确保 handlebar 或 on_quote 能够瞬间执行完毕。

4. 检查客户端行情源与网络状态

• 行情源节点：检查 QMT 客户端右下角的网络连接状态，尝试切换到延迟更低的行情服务器节点。
• Level-2 权限：普通的 Level-1 行情本身是 3 秒刷新一次（快照）。如果你需要毫秒级的真实逐笔数据，需要确保你的券商账户开通了 Level-2 行情权限，并在 QMT 中正确登录和启用了 L2 行情源。

总结：放弃 200ms 轮询 get_full_tick 的做法，改用 ContextInfo.subscribe_quote 订阅 tick 周期数据，并确保代码中没有阻塞主线程的耗时逻辑，通常可以将延迟降低到毫秒级别。