雪球论三元股份

A. 雪球如何操作，是干什么的是炒股的吗

你好，雪球是一个交流股票观点的网站，可以互相讨论股票，也有不少大V会发一些干货或者荐股，可以学到知识，希望能帮到你。

B. 有人听说过雪球投资论坛吗这个站好象没有啊！

雪球投资主要是关于美股的，看你想参与哪些投资品种的交流，如果是外版汇和股票，可以上权“胖弟弟”交易分享平台，www.pangdidi.com

C. 雪球网中的短线高手是那位

股市泡沫（Bubble）指股票交易市场中的股票价格超过其内在的投资价值的现象。一般来说，在股票交易市场上的股票泡沫是一直存在的。念的触角能抵达到你的身

D. 雪球地球的提出假说

最早提出“雪球地球”理论的美国加州理工学院研究小组发现，使早期地球变成雪球的罪魁祸首很可能只是一种细菌，它释放出的氧气破坏了可使地球保持温暖的关键气体——甲烷。
科学家推测，在23亿年前，一种叫蓝菌或蓝绿藻的细菌突然发育出分解水及释放氧气的能力，大量的氧气使当时大气中丰富的温室气体甲烷很不稳定。在至少10万年的时间内，温室效应被破坏，地球没有了甲烷，全球温度下降到零下50摄氏度。地球进入冰河期后变得十分寒冷，赤道海洋被大约1.6千米厚的冰层覆盖，大量生物死亡，只有转入地下或在热温泉中的生物才能得以生存下来。 对于雪球地球观点的最早争辩始于1989年，之后持反对观点的科学家对此进行了更加猛烈的攻击，其中最具代表性的就是加拿大多伦多大学的三位物理学家。2008年4月，他们设计了一种新原生代末期二氧化碳计算机模拟，新原生代末期是海洋氧气生成的重要时期。
这三位物理学家指出，计算机模拟显示，持续的寒冷气温将使大气中的氧气散布到海洋底部，通过光合作用进而转化成为富含溶解有机碳的地质层，最终形成二氧化碳气体。这些二氧化碳气体将从海洋中释放回到大气层中，通过温室气体效应加热大气层空气，在地球冰冻冷却循环周期之前，诱导海洋冰层逐渐融化、冰河逐渐缩小。
换句话讲，地球在8.5亿—5.5亿年前的成冰纪并不是一个冰冻的雪球，当时的地球很可能是气候温和、土壤泥泞，热带地区的海水处于非冰冻状态，海水可以与阳光进行充足的光合作用。这个时期并没有大量火山喷发的二氧化碳气体，也没有持续冰冻上亿年。 J.L. Kirschvink认为，当时在中高纬度的反照率是很高的，形成大量冰川，然后海平面下降，导致了陆地面积增加，陆地增加进一步增加了地球的反照率；同时，热带地区大陆增加有利于硅酸岩风化，有利于大气中的CO2埋藏，加强了“冰室效应”。这两个因素的不断影响，导致了地球不断变冷，从而形成一个“雪球”。在形成“雪球”之后，因为地球的火山作用，不断释放出CO2等温室气体，经过长期积累，这些气体终于足够强大，产生了巨大的“温室效应”，地球温度升高，所以又融化了。

E. 如何通过雪球查询股票之前的变动状况

一. 雪球公司介绍

雪球 聪明的投资者都在这里。

web 1.0：新闻资讯，股价信息，K线图
web 2.0：SNS 订阅，分享，聊天
web 3.0：移动 APP，交易闭环
雪球现在员工数还不到100，其中技术人员占一半。去年9月C轮融资4kw刀。我们现在的技术栈由下列组件组成：Java，Scala，Akka，Finagle，Nodejs，Docker ，Hadoop。我们当前是租用IDC机房自建私有云，正在往“公私混合云”方向发展。

在雪球上，用户可以获取沪深港美2w+股票的新闻信息，股价变化情况，也可以获取债券，期货，基金，比特币，信托，理财，私募等等理财产品的各类信息，也可以关注雪球用户建立的百万组合，订阅它们的实时调仓信息，还可以关注雪球大V。雪球当前有百万日活跃用户，每天有4亿的API调用。App Store 财务免费榜第 18 名。历史上曾排到财务第二，总免费榜第 19。

二. 雪球当前总体架构

作为一个典型的移动互联网创业公司，雪球的总体架构也是非常典型的设计：

最上层是三个端：web端，android端和iOS端。流量比例大约为 2：4：4 。web3.0 的交易功能，在 web 端并不提供。
接入层以及下面的几个层，都在我们的自建机房内部。雪球当前只部署了一个机房，还属于单机房时代。正在进行“私有云+公有云混合部署”方案推进过程中。
我们当前使用 nodejs 作为 web 端模板引擎。nodejs 模块与android 和 ios 的 app 模块一起属于大前端团队负责。
再往下是位于 nginx 后面的 api 模块。跟 linkedin 的 leo 和微博的 v4 一样，雪球也有一个遗留的大一统系统，名字就叫 snowball 。最初，所有的逻辑都在 snowball 中实现的。后来慢慢的拆出去了很多 rpc 服务，再后来慢慢的拆出去了一些 http api 做成了独立业务，但即便如此，snowball 仍然是雪球系统中最大的一个部署单元。
在需要性能的地方，我们使用 netty 搭建了一些独立的接口，比如 quoto server，是用来提供开盘期间每秒一次的股价查询服务，单机 qps 5w+，这个一会再细说；而 IM 服务，起初设计里是用来提供聊天服务，而现在，它最大的用途是提供一个可靠的 push 通道，提供 5w/s 的消息下发容量，这个也一会再细说。
雪球的服务化拆分及治理采用 twitter 开源的 finagle rpc 框架，并在上面进行了一些二次开发和定制。定制的功能主要集中在 access log 增强，和 fail fast，fail over 策略及降级开关等。 finagle 的实现比较复杂，debug 和二次开发的门槛较高，团队内部对此也进行了一些讨论。
雪球的业务比较复杂，在服务层中，大致可以分为几类：第一类是web1.0，2.0 及基础服务，我们称为社区，包括用户，帖子，新闻，股价，搜索等等，类比对象就是新浪财经门户+微博；第二类是组合及推荐，主要提供股票投资策略的展示和建议，类比对象是美国的motif；第三类是通道，类似股市中的“支付宝”，接入多家券商，提供瞬间开户，一键下单等等各种方便操作的功能。
雪球的业务实现中，包含很多异步计算逻辑，比如搜索建索引，比如股票涨跌停发通知，比如组合收益计算等等，为此，我们设计了一个独立的 Thread/Task 模块，方便管理所有的后台计算任务。但随着这些 task 越来越多，逻辑差异越来越大，一个统一的模块并不是总是最佳的方案，所以，我们又把它拆成了两大类：流式的，和批量式的。
雪球的推荐体系包括组合推荐“买什么”和个性化推荐。我们最近正在重新梳理我们的大数据体系，这个感兴趣的话可以单聊。
最下面是基础设施层。雪球基础设施层包括：redis，mysql，mq，zk，hdfs，以及容器 docker。
线上服务之外，我们的开发及后台设施也很典型：gitlab开发，jenkins打包，zabbix 监控系统向 openfalcon 迁移，redimine向confluence迁移，jira，以及内部开发的 skiing 后台管理系统。
** 三. 雪球架构优化历程**

首先描述一下标题中的“股市动荡”定语修饰词吧：

上证指数从年初的3000点半年时间涨到了5000多，6月12号达到最高点5200点，然后就急转直下，最大单日跌幅 8.48%，一路跌回4000点以下。最近一周都在3900多徘徊。

3月最后一周，A股开户 166万户，超过历史最高纪录 2007年5月第二周165万户。

4月份，证监会宣布A股支持单用户开设多账户。

6月底，证金公司代表国家队入场救市。

7月份，证监会宣布严打场外配资。

中国好声音广告第一晚，带来超过平时峰值200倍的注册量

挑战：小 VS 大：

小：小公司的体量，团队小，机器规模小
大：堪比大公司的业务线数量，业务复杂度，瞬间峰值冲击

雪球的业务线 = 1个新浪财经 + 1 个微博 + 1 个 motif + 1 个大智慧/同花顺。由于基数小，API调用瞬间峰值大约为平时峰值的 30+ 倍。

挑战：快速增长，移动互联网 + 金融，风口，A股大盘剧烈波动。

首先，在app端，在我们核心业务从 web2.0 sns 向 3.0 移动交易闭环进化的过程中，我们开发了一个自己的 hybrid 框架：本地原生框架，加离线 h5 页面，以此来支撑我们的快速业务迭代。当前，雪球前端可以做到 2 周一个版本，且同时并行推进 3 个版本：一个在 app store 等待审核上线，一个在内测或公测，一个在开发。我们的前端架构师孟祥宇在今年的 wot 上有一个关于这方面的详细分享，有兴趣的可以稍后再深入了解。

雪球App实践—构建灵活、可靠的Hybrid框架 http://wot.51cto.com/2015mobile/ http://down.51cto.com/data/2080769

另外，为了保障服务的可用性，我们做了一系列的“端到端服务质量监控”。感兴趣的可以搜索我今年4月份在环信SM meetup上做的分享《移动时代端到端的稳定性保障》。其中在 app 端，我们采用了一种代价最小的数据传输方案：对用户的网络流量，电池等额外消耗几乎为0

每个请求里带上前一个请求的结果

succ or fail ： 1 char
失败原因：0 - 1 char
请求接口编号： 1 char
请求耗时：2 - 3 char
其它：网络制式，etc
炒股的人大多都会盯盘：即在开盘期间，开着一个web页面或者app，实时的看股价的上下跳动。说到“实时”，美股港股当前都是流式的数据推送，但国内的A股，基本上都是每隔一段时间给出一份系统中所有股票现价的一个快照。这个时间间隔，理论上是3秒，实际上一般都在5秒左右。 交了钱签了合同，雪球作为合作方就可以从交易所下属的数据公司那里拿到数据了，然后提供给自己的用户使用。

刚才介绍总体架构图的时候有提到 quote server ，说到这是需要性能的地方。

业务场景是这样的，雪球上个人主页，开盘期间，每秒轮询一次当前用户关注的股票价格变动情况。在内部，所有的组合收益计算，每隔一段时间需要获取一下当前所有股票的实时价格。起初同时在线用户不多，这个接口就是一个部署在 snowball 中的普通接口，股价信息被实时写入 redis ，读取的时候就从 redis 中读。后来，A股大涨，snowball 抗不住了。于是我们就做了一个典型的优化：独立 server + 本地内存存储。开盘期间每次数据更新后，数据接收组件主动去更新 quote server 内存中的数据。 后续进一步优化方案是将这个接口以及相关的处理逻辑都迁移到公有云上去。

对于那些不盯盘的人，最实用的功能就是股价提醒了。在雪球上，你除了可以关注用户，还可以关注股票。如果你关注的某只股票涨了或跌了，我们都可以非常及时的通知你。雪球上热门股票拥有超过 50w 粉丝（招商银行，苏宁云商）粉丝可以设置：当这支股票涨幅或跌幅超过 x%（默认7%）时提醒我。曾经连续3天，每天超过1000股跌停，证监会开了一个会，于是接下来2天超过1000股涨停

原来做法：

股票涨（跌）x%，扫一遍粉丝列表，过滤出所有符合条件的粉丝，推送消息
新做法：

预先建立索引，开盘期间载入内存
1%：uid1，uid2
2%：uid3，uid4，uid5
3%：uid6
问题：有时候嫌太及时了：频繁跌停，打开跌停，再跌停，再打开。。。的时候
内部线上记录：

4台机器。
单条消息延时 99% 小于 30秒。
下一步优化目标：99% 小于 10 秒
IM 系统最初的设计目标是为雪球上的用户提供一个聊天的功能:

送达率第一
雪球IM：Netty + 自定义网络协议
Akka ： 每个在线client一个actor
推模式：client 在线情况下使用推模式
多端同步：单账号多端可登录，并保持各种状态同步
移动互联网时代，除了微信qq以外的所有IM，都转型成了推送通道，核心指标变成了瞬间峰值性能。原有架构很多地方都不太合适了。

优化：

分配更多资源：推送账号actor池
精简业务逻辑：重复消息只存id，实时提醒内容不推历史设备，不更新非活跃设备的session列表等等
本地缓存：拉黑等无法精简的业务逻辑迁移到本地缓存
优化代码：异步加密存储，去除不合理的 akka 使用
akka这个解释一下：akka 有一个自己的 log adapter，内部使用一个 actor 来处理所有的 log event stream 。当瞬间峰值到来的时候，这个 event stream 一下子就堵了上百万条 log ，导致 gc 颠簸非常严重。最后的解决办法是，绕过 akka 的 log adapter，直接使用 logback 的 appender

线上记录：5w/s （主动限速）的推送持续 3 分钟，p99 性能指标无明显变化

7月10号我们在中国好声音上做了3期广告。在广告播出之前，我们针对广告可能带来的对系统的冲击进行了压力测试，主要是新用户注册模块，当时预估广告播出期间2小时新注册100万

压测发现 DB 成为瓶颈：

昵称检测 cache miss > 40%
昵称禁用词 where like 模糊查询
手机号是否注册 cache miss > 80%
注册新用户：5 insert
优化：

redis store：昵称，手机号
本地存储：昵称禁用词
业务流程优化：DB insert 操作同步改异步
下一步优化计划：

将 sns 系统中所有的上行操作都改成类似的异步模式
接口调用时中只更新缓存，而且主动设置5分钟过期，然后写一个消息到 mq 队列，队列处理程序拿到消息再做其它耗时操作。
为了支持失败重试，需要将主要的资源操作步骤都做成幂等。
前置模块HA：

合作方合规要求：业务单元部署到合作方内网，用户的敏感数据不允许离开进程内存
业务本身要求：业务单元本身为有状态服务，业务单元高可用
解决方案：

使用 Hazelcast In-Memory Data Grid 的 replication map 在多个 jvm 实例之间做数据同步。

java 启动参数加上 -XX:+DisableAttachMechanism -XX:-UsePerfData，禁止 jstack，jmap 等等 jdk 工具连接

关于前置模块，其实还有很多很奇葩的故事，鉴于时间关系，这里就不展开讲了。以后有机会可以当笑话给大家讲。

组合净值计算性能优化：

一支股票可能在超过20万个组合里（南车北车中车，暴风科技）
离线计算，存储计算后的结果
股价3秒变一次，涉及到这支股票的所有组合理论上也需要每 3 秒重新计算一次
大家可能会问，为什么不用户请求时，实时计算呢？这是因为“组合净值”中还包括分红送配，分股，送股，拆股，合股，现金，红利等等，业务太过复杂，开发初期经常需要调整计算逻辑，所以就设计成后台离线计算模式了。当前正在改造，将分红送配逻辑做成离线计算，股价组成的净值实时计算。接口请求是，将实时计算部分和离线计算部分合并成最终结果。

实际上，我们的计算逻辑是比较低效的：循环遍历所有的组合，对每个组合，获取所有的价值数据，然后计算。完成一遍循环后，立即开始下一轮循环。

优化：

分级：活跃用户的活跃组合，其它组合。
批量：拉取当前所有股票的现价到 JVM 内存里，这一轮的所有组合计算都用这一份股价快照。
关于这个话题的更详细内容，感兴趣的可以参考雪球组合业务总监张岩枫在今年的 arch summit 深圳大会上的分享：构建高可用的雪球投资组合系统技术实践 http://sz2015.archsummit.com/speakers/201825

最后，我们还做了一些通用的架构和性能优化，包括jdk升级到8，开发了一个基于 zookeeper 的 config center 和开关降级系统

四. 聊聊关于架构优化的一些总结和感想

在各种场合经常听说的架构优化，一般都是优化某一个具体的业务模块，将性能优化到极致。而在雪球，我们做的架构优化更多的是从问题出发，解决实际问题，解决到可以接受的程度即可。可能大家看起来会觉得很凌乱，而且每个事情单独拎出来好像都不是什么大事。

我们在对一个大服务做架构优化时，一般是往深入的本质进行挖掘；当我们面对一堆架构各异的小服务时，“架构优化”的含义其实是有一些不一样的。大部分时候，我们并不需要（也没有办法）深入到小服务的最底层进行优化，而是去掉或者优化原来明显不合理的地方就可以了。

在快速迭代的创业公司，我们可能不会针对某一个服务做很完善的架构设计和代码实现，当出现各种问题时，也不会去追求极致的优化，而是以解决瓶颈问题为先。

即使我们经历过一回将 snowball 拆分服务化的过程，但当我们重新上一个新的业务时，我们依然选择将它做成一个大一统的服务。只是这一次，我们会提前定义好每个模块的 service 接口，为以后可能的服务化铺好路。

在创业公司里，重写是不能接受的；大的重构，从时间和人力投入上看，一般也是无法承担的。而“裱糊匠”式做法，哪里有性能问题就加机器，加缓存，加数据库，有可用性问题就加重试，加log，出故障就加流程，加测试，这也不是雪球团队工作方式。我们一般都采用最小改动的方式，即，准确定义问题，定位问题根源，找到问题本质，制定最佳方案，以最小的改动代价，将问题解决到可接受的范围内。

我们现在正在所有的地方强推3个数据指标：qps，p99，error rate。每个技术人员对自己负责的服务，一定要有最基本的数据指标意识。数字，是发现问题，定位根源，找到本质的最重要的依赖条件。没有之一。

我们的原则：保持技术栈的一致性和简单性，有节制的尝试新技术，保持所有线上服务依赖的技术可控，简单来说，能 hold 住。

能用cache的地方绝不用db，能异步的地方，绝不同步。俗称的：吃一堑，长一智。

特事特办：业务在发展，需求在变化，实现方式也需要跟着变化。简单的来说：遗留系统的优化，最佳方案就是砍需求，呵呵。

F. 雪球股票走势图怎么出不来

一根K线记录的是股票在一天内价格变动情况。将每天的K线按时间顺序排列在一起，就组成了股票价格的历史变动情况，叫做K线图。K线将买卖双方力量的增减与转变过程及实战结果用图形表示出来。经过近百年来的使用与改进，K线理论被投资人广泛接受。

什么是K线？K线又被称为蜡烛图，据说起源于十八世纪日本的米市，当时日本的米商用来表示米价的变动，后因其标画方法具有独到之处，因而在股市及期市中被广泛引用。它是以每个交易日（或每个分析周期）的开盘价、最高价、最低价、和收盘价绘制而成，K线的结构可分为上影线、下影线及中间实体三部分。
K线是一条柱状的线条，由影线和实体组成。中间的矩形称为实体，影线在实体上方的细线叫上影线，下方的部分叫下影线。实体分阳线和阴线。
K线可以分为日K线、周K线、月K线，在动态股票分析软件中还常用到分钟线和小时线。K线是一种特殊的市场语言，不同的形态有不同的含义。

K线图有直观、立体感强、携带信息量大的特点，蕴涵着丰富的东方哲学思想，能充分显示股价趋势的强弱、买卖双方力量平衡的变化，预测后市走向较准确，是各类传播媒介、电脑实时分析系统应用较多的技术分析手段。

K线将买卖双方力量的增减与转变过程及实战结果用图形表示出来。经过近百年来的使用与改进，K线理论被投资人广泛接受。

· 当收盘价高于开盘价时，实体部分一般绘成红色或空白，称为“阳线”

· 当收盘价低于开盘价时，实体部分一般绘成绿色或黑色，称为“阴线”

举些例子说明

K线的形成是一种多空心理演变的过程，反映出股票某个周期的走势和多空实力的变化。不少投资者形象地把它比喻为交战双方战斗的阵地。为了便于投资者分析，我们不妨将它分为三个阶段，并站在多方的立场对这些组合进行解释。

进攻阶段：

吞噬和上升三法模式

吞噬线是多空中被动的一方绝地反击模式，可分为多头吞噬和空头吞噬。多头吞噬是一根阳线完全包含前一日或前几日的K线。这种图形常见于底部和震荡上行阶段，是买入信号。如果第二日成交量能够维持，则可以及时跟进。上升三法模式是一次大幅上涨之后出现几天调整，但是调整的幅度不大，这是买人信号。从战术考虑，上升三法实际是进攻中的一种策略，多方为进一步扩大战果，取得胜利做更充分的准备。

相持阶段：

下跌三颗星和红三兵模式

三颗星模式是股价下跌过程中的一种调整模式。一般是由一根阴线和三根以上的小十字星构成，是卖出信号。从战略上看，为了减少伤亡，多方必须快速撤退以保存实力，坚守阵营、抗到底只是无谓的牺牲。红三兵模式是由一根大阴线和其后的三根小阳线共同构成。三根小阳线出现之后并没有创出新高。红三兵是卖出信号。从战略上看，红三兵是空方故意示弱实际是进攻时布下的疑兵。

反击阶段：

孕育线、贯穿和阴阳相切模式

上升孕育线是由一根大阴线和其后的一根小阳线组成。小阳线的实体和上下影线全都包含在阴线之内，是买入信号。贯穿模式是由一根大阴线和其后的一根大阳线组成。其中阳线以低位开盘，最终以较大阴线实体的中部价位还高的价位收盘，是买入信号。阳切阴模式是由一根光脚的大阴线和其后的一根光脚阳线组成。表明股价以同前收盘价一样的的价格开盘，之后股价直接向上最终以中阳获大阳线收盘，也是买入信号。“阳切阴”是一种战略上的一个转折，多方一改往日步步撤退的作风，当日没有让空方侵犯一寸土地，从而扭转被动局面。

K线组合还有助于成交量的配合，只有量能配合才能更容易判断市场信息的变化。当然，K线组合有很多种，实际战术也有很多种。我们不能把他当作制胜法宝，而应多观察、灵活运用。

追问：
比如说小阳星 是结合白线和黄线一天的走势看的么
回答：
最好是能用这个时期或者这几天的阴阳线的组合来看，一天的K线只能代表当天的报价，如果再配合均线和股票的成交量一起来分析参考，就更有价值。

G. 雪球股票 · 为什么大多数人不能在股市挣钱

1、股市里流传这么一句话：七赔二平一赚。
但中国股市里，能赚钱的散户不会版超权过5％
希望打算新入市的兄弟姐妹们能仔细思量一下，自己凭什么进入这5％的队伍。
2、对股市新手学习的建议
第一步：了解证券市场最基础的知识和规则（证券从业资格考试中，基础和交易两科，基本就能解决这一步）
第二步：学习投资分析传统的经典理论和方法（证券从业资格考试中，投资分析科目，能初步满足这步的要求，另外还有些股市投资分析类的经典书籍，要看看）
第三步：在前两步基础上，对股市投资产生自己的认识，对股价变动的原因形成自己的理解和理论
第四步：在自己对证券市场认识和理解的指导下，形成自己的方法体系和工具体系以及交易规则
3、上述过程中，去游侠股市开个股票模拟账户做模拟操作，或者用极少量极少量的钱谨慎操作，这样理论结合实际效果会更好些。
4、股市上的绝大多数人希望直接把别人的方法拿来用，希望找到个神奇的软件或指标来帮助自己赚钱。这种思维是典型的以为找到屠龙宝刀就能威震江湖了，而实际上，如果没有深厚内力和高超技艺来驾驭，屠龙宝刀比菜刀的用处多不到哪里去。
努力提升自己对市场的理解和认识，这是想在股市有所造诣之人的唯一途径。

H. 雪球怎么样

雪球就是一个rubbish,没有多大的能量却故作清高，无端封号，新浪、东方财富、同花顺比它好太多，这就是小姐和丫鬟的差别

I. 《巫师3》狂猎跟希里打雪球这一剧情应该如何选择

结局：

结局1. Ciri(希里)在最后White Frost, 死亡/下落不明。Geralt愤怒和伤心地独自找回Ciri 的项链。

结局2. Ciri(希里)在最后White Frost,存活。但最后要被迫跟Geralt 分开, 变成Empoer 的公主。

结局3. Ciri(希里) 在最后White Frost, 存活。最后跟Geralt 一起当狩魔猎人(个人觉得最好结局)。

影响三个结局的事件是Ciri 回来之后，在Kaer Morhen狂猎入侵战之后的Geralt对Ciri选择。

Ciri 在Vesemir死后对自己能力不足感到惯怒，Ciri问Geralt 有何方法可以解决:

选择一:叫她放松。带她去饮酒。

选择二:Geralt 知道一个传统方法可以解决- 跟Ciri玩雪球去!

选择二：在完成上面事件后，Ciri 会叫你到Velen 跟狂猎将军Imheir 硬干，Geralt会选择是否带Ciri回皇宫见她那个不知所谓的皇帝老爸，如果你选择带回，无论之后任何选择，你只会得到结局1跟结局2，不带回则结局3会有机会出现。