dde指标详解(dde指标源码)

2023-08-08 09:00分类：江恩理论阅读：

大盘和个股没有顶和底

绝大多数来A股玩的人，都在极尽自己所能去干一件事，预测。所以各种技术类书籍层出不穷，其本质都是利用了大家想预测股票的心态。

集合竞价主要关注成交量、高开幅度和竞价分时;盘中观察量能是否放大、分时形态以及市场承接。

如下的案例康强电子，从DDE指标来看，2月24日至3月3日是放量建仓的波段，DDXDDY红柱都非常明显，成交量也很大。之后连续缩量洗盘，至3月16日时成交量已经缩小到了极限，说明已经没有短线筹码愿意卖出，短线筹码清理非常充分。而10元的价格位置是主力资金2月24日开始建仓时的最低成本。显然已经到了极限低点。

D.吸引新的散户入场。

买点：参与集合竞价，一定要在9：24分左右下单，迟了的话追涨成本会比较高，太早的话容易出现变故，所以在时间的把握上要精准一些。

B、原则：短期趋势服从于中期趋势，中期趋势服从于长期趋势。趋势周期的标准：短期4周以内，中期的标准：4—13周，长期的标准：1年以上。

根据多密集峰的形态种类又可分为下跌多峰和上涨多峰。

Lombok 之 @Builder 注解与 JSON 反序列化的冲突

@Builder @Data public class ItemData { /** * 商品id */ public Long itemId; /** * 商品标题 */ public String itemTitle; }

ItemData itemData = ItemData.builder() .itemId(123456L) .itemTitle("闲小鱼") .build();

ItemData itemData = ItemData.builder() .itemId(123456L) .itemTitle("闲小鱼") .build(); //fastjson序列化 String itemString = JSONObject.toJSONString(itemData); //fastjson反序列化 ItemData deserializeItem = JSON.parseObject(itemString, ItemData.class);

通过源码分析得知，fastjson 实例化对象优先使用无参构造函数，其次再使用 public 修饰的带参构造函数。因此反编译看下 @Builder 注解帮我们生成的代码，可以看到只有一个带全部参数的构造函数供 Builder 类内部类使用，并且该构造函数没有被 public 修饰，因此反序列化时 fastjon 无法进行实例化对象。

@Builder @Data @NoArgsConstructor @AllArgsConstructor public class ItemData { /** * 商品id */ public Long itemId; /** * 商品标题 */ public String itemTitle; }

如何动态设置日志输出级别

对于单台机器，可以使用arthas（阿里巴巴开源的超实用JAVA监控诊断工具）来快速的查看和重置指定Logger的日志打印级别。输入命令logger，查看当前机器上所有Logger的相关信息。

那么对于线上机器集群，如何实现日志级别动态调整呢？答：通过配置中心 + LoggingSystem（org.springframework.boot.logging.LoggingSystem)来实现。LoggingSystem会帮我们屏蔽掉底层具体的日志框架，实现统一的日志操作。这里，笔者为大家提供一个工具类。

@Service public class LoggerLevelAdjustService { @Autowired private LoggingSystem loggingSystem; /** * 设置主日志（ROOT Logger）的日志输出级别 * @param newLevel 要设置到的日志输出级别 * @return void */ public void setRootLoggerLevel(String newLevel){ setLoggerLevel(ROOT_LOGGER_NAME, newLevel); } /** * * @param loggerName logger name * @param newLevel 要设置到的日志输出级别 * @return void */ public void setLoggerLevel(String loggerName, String newLevel){ if (StringUtils.isEmpty(newLevel)) { return; } for (LogLevel level : LogLevel.values()) { if (level.name().equals(newLevel)) { loggingSystem.setLogLevel(loggerName, level); } } } }

JWT的生成原理和误区

在最终的JWT令牌中，Header和Payload会使用Base64Url算法编码为最终传输信息的前二部分。为了防止信息交换的过程中被篡改，JWT设计了第三部分Signature。Signature通过将Header和Payload的信息进行加密的方式生成，常见支持的加密算法有HS256（一种引入密钥的摘要算法），非对称加密RS256等。若我们采用HS256，则Signature的生成公式为：Signature = HS256(base64UrlEncode(header) + "." + base64UrlEncode(payload), secret) 在设定HS256特定密钥后，我们可以得到Signature为zYAABCrTH4trLliHsSbmCA3Rrn0Fym5aZ5MgrlnkW9Y。最终将编码后的Header、Payload和生成的Signature使用“.”连接起来，便得到了JWT令牌（红色部分为Header，紫色为Payload，蓝色为Signature）。

显然，若在传输过程中Payload被进行了篡改，接收方使用预先定义的密钥便会生成截然不同的Signature。因此，JWT可以实现信息传输过程中的防篡改。此外，因为Payload部分仅仅是进行了编码（而非加密)，所以在接收方或者第三方可以被解码为明文userId。因此，切记不能使用Payload传输密码等敏感信息。

Java 8 parallelStream 避坑指南

1. 并行流与串行流的执行结果可能会不一致

IntStream.of(1, 2, 3).reduce(4, Integer::sum); 这是一段简单的数组元素相加，得到执行结果为 10，符合预期。 IntStream.of(1, 2, 3).parallel().reduce(4, Integer::sum);
接下来我们将这段代码改写为使用并行流来处理，在其他条件都不变的基础上，得到结果为 18，与预期结果不一致。造成这种差异的原因主要是 Stream 的并行流底层采用的是 ForkJoinPool 来执行，其线程数为运行机器的 cpu 核数-1（因此cpu核数会影响执行结果），其主要原理是把任务分成多个部分，每个部分进行独立计算最后合并。复原一下上面的例子，如下图所示：
1. 2. 串行流并不是在所有场景下都可以带来性能提升
  1. 3. 长耗时任务需要单独指定处理任务的线程池
    
    parallel stream 默认使用的执行线程池为 ForkJoinPool 内部的静态 commonPool，主要用于处理没有为其单独分配线程池的任务。该线程池的大小默认为 cpu 核数-1，因此如果在其中运行长耗时的任务，极有可能造成线程池阻塞，影响当前业务甚至其他用了 parallel stream 的业务。此时更建议手动开启一个新的线程池进行任务处理，或者为 parallel stream 单独指定一个专用线程池，如下所示：
    
    ForkJoinPool businessPool = new ForkJoinPool(4); int sum = businessPool.submit( () -> IntStream.of(1, 2, 3).parallel().reduce(0, Integer::sum)).get(); businessPool.shutdown();
    
    引用