Jupyter Notebook 反复运行天勤策略内存涨：close 与内核习惯

前言

很多国内期货量化的研究阶段 在 Jupyter Notebook 里进行：改两行均线参数就 Shift+Enter 重跑，比整脚本重启方便。天勤 TqSdk 的 TqApi 在创建时会建立与行情、交易服务的连接并维护订阅；若每个单元格都 api = TqApi(...) 而从不 api.close()，旧连接和缓冲仍占内存，表现为越跑越卡、行情乱跳、甚至连接数超限------这在期货量化教学群里非常常见，并非天勤"泄漏"，而是资源未释放的使用习惯。

本文说明 Notebook 场景下如何正确关闭 Api、与 wait_update 循环的关系、异步 register_update_notify 的注意点，并区分研究用 Notebook 与7×24 实盘进程。不默认你已区分 TqSim 与 TqKq。

一、期货研究在 Notebook 里常做什么

典型操作：拉几分钟 1 分钟或 5 分钟 K 线、看 datetime 是否推进、试一笔模拟 TargetPosTask、画均线。这些都需要 TqApi 活着。问题在于：同一内核里重复创建多个 Api，每个都在后台收国内期货行情，内存与连接叠加。

错误模式示意：

python 复制代码

# 单元格 1
api = TqApi(TqSim(), auth=TqAuth(...))
# 跑 while 或若干 wait_update

# 单元格 2 再次执行
api = TqApi(TqSim(), auth=TqAuth(...))  # 旧 api 未 close

二、正确习惯：单例 + 先关后建

python 复制代码

if "api" in globals() and api is not None:
    api.close()
api = TqApi(TqSim(), auth=TqAuth("快期账户", "密码"))

或研究一段结束后 Kernel → Restart ，再只创建一个 Api。长而久的 while True 建议放到 .py 用命令行跑，Notebook 只跑有限次 wait_update 做片段验证。

三、try/finally 保证 close

python 复制代码

api = TqApi(TqSim(), auth=TqAuth(...))
try:
    for _ in range(50):
        api.wait_update()
        # 观察 kl.iloc[-1].datetime 是否变化
finally:
    api.close()

回测单元格捕获 BacktestFinished 后同样应 close()，否则同一内核里第二次 TqBacktest 可能遇到资源未释放问题。

四、异步 notify 与 Notebook

若在协程 demo 里使用 register_update_notify，官方建议 async with api.register_update_notify() as update_chan；若手动拿 channel，用完需 await update_chan.close()，否则会泄漏。另：不要在协程里直接 wait_update()，天勤会报错；Notebook 里混同步 while 与 async task 时要只保留一套模型。

五、调试循环不要无限占着 Api

调试可加次数上限或 wait_update(deadline=...)，避免单元格永远运行导致无法 close。实盘部署在国内服务器上时，用 systemd 等单进程守护，不要用合盖休眠的笔记本扛夜盘。

六、与期货实盘的关系

Notebook 适合验证"K 线 datetime 触发是否正确""一笔模拟单持仓是否变化"；国内期货连续交易与风控，应放到独立 .py 进程，配置与实盘相同的 is_changing 规则，避免 Notebook 特有的一次性变量残留进生产。

总结

Jupyter 反复运行天勤策略 导致内存涨，主因是多个 TqApi 未 close()。期货量化研究应在单内核保持单 Api，重跑前先 close() 或重启内核；长循环用脚本；异步 notify 用 async with 或显式 close。

弄清 TqApi 是长连接资源，而不是普通变量，Notebook 体验会稳定很多。

FAQ

1）%reset 够吗？

建议先 api.close() 再 reset。

2）两个 Notebook 同账户？

每内核独立，避免同账户多端抢线。

3）内存仍涨？

检查是否缓存巨大 DataFrame；del 不再用的表。

4）能否 pickle Api？

不要；每会话重建。

风险提示

本文讨论开发环境，不构成投资建议。