QMT API 中 subscribe_whole_quote 订阅的数据会写入本地吗？

询问全量订阅subscribe_whole_quote的数据不会写入本地么

如题,使用 subscribe_whole_quote 订阅..再通过 get_market_data_ex 无法获取到数据..但是如果是用

subscribe_quote订阅数据就会自动写入本地,能通过 get_market_data_ex 获得数据...这样是正常的么

现象解答

这是完全正常的现象。

在 QMT（迅投/国信）量化平台中，subscribe_whole_quote（全量/全市场订阅）和 subscribe_quote（单票/指定标的订阅）在底层的数据处理机制上有着本质的区别。您所遇到的“全量订阅无法通过 get_market_data_ex 获取，而单票订阅可以”正是由这两种机制的设计初衷决定的。

核心原因解析

1. subscribe_whole_quote（全量订阅）的内存推送机制

全市场订阅通常涉及几千只股票的实时 Tick 数据。如果将这些高频、海量的数据实时写入本地硬盘，会造成极大的磁盘 I/O 瓶颈，导致系统卡顿甚至崩溃。因此，QMT 底层对全量订阅的设计是纯内存回调推送：

• 不写本地：数据到达后直接通过回调函数（Callback）推送到策略内存中，不会自动落盘。
• 无法被 get_market_data_ex 读取：因为 get_market_data_ex 的底层逻辑是优先从本地数据库/缓存中读取数据，既然全量订阅没有落盘，该函数自然无法获取到最新数据。

2. subscribe_quote（指定订阅）的落盘机制

subscribe_quote 主要用于订阅少数指定的合约（如主图合约或特定的股票池）。

• 自动落盘/缓存：由于数据量可控，QMT 底层会自动将这些订阅的数据写入本地缓存或数据库中。
• 支持 get_market_data_ex：当您调用 get_market_data_ex 时，系统能够从本地读取到刚刚通过 subscribe_quote 补充进来的最新数据。

解决方案与最佳实践

如果您需要处理全量行情数据，建议采用以下方式：

方案一：直接在回调函数中处理数据（推荐）

对于全量订阅，最标准的做法是直接在回调函数中接收并处理数据，而不是试图去本地读取。您可以将需要的数据存入 Python 的全局变量（如 dict）中供策略使用。

# 全量订阅回调处理示例逻辑
def on_whole_quote(datas):
    # datas 通常是一个字典，包含了推送过来的最新行情
    for stock_code, data in datas.items():
        # 直接在内存中处理或更新您的全局状态
        # 例如：ContextInfo.my_market_data[stock_code] = data
        pass

方案二：按需使用 subscribe_quote

如果您的策略只需要关注特定的股票池（例如沪深300成分股，或者几十只自选股），强烈建议使用 subscribe_quote 遍历订阅这些股票，而不是使用全量订阅。这样既能保证数据自动落盘，又能完美兼容 get_market_data_ex。

def init(ContextInfo):
    # 订阅特定股票池
    stock_list = ['000300.SH', '600000.SH', '000001.SZ']
    for code in stock_list:
        ContextInfo.subscribe_quote(code, period='1d', dividend_type='none', callback=on_quote)

def on_quote(datas):
    # 单票订阅的回调
    print("收到行情推送:", datas)

def handlebar(ContextInfo):
    # 此时可以通过 get_market_data_ex 获取到已订阅落盘的数据
    data = ContextInfo.get_market_data_ex(
        ['close'], ['000300.SH'], period='1d'
    )
    print(data)

总结

• 全量订阅 (subscribe_whole_quote) = 内存回调，不落盘，适合高频/全市场扫描，需在回调中自行维护状态。
• 指定订阅 (subscribe_quote) = 自动落盘，适合特定股票池，完美兼容 get_market_data_ex。