Panda Backtest 模块深度分析

src/panda_backtest 是量化平台的回测引擎核心，采用事件驱动架构，支持股票和期货策略的历史回测。它不仅复用了实盘交易的接口定义，还提供了完善的模拟撮合、风控管理和结果统计功能。

1. 目录结构概览

src/panda_backtest/
├── api/                        # [接口] 策略开发API (api.py, stock_api.py, future_api.py)
├── backtest_common/            # [核心] 回测系统通用组件
│   ├── constant/               # 常量定义 (redis_key, strategy_constant)
│   ├── data/                   # 内部数据结构与实现
│   │   ├── fund/               # 基金相关数据结构
│   │   ├── future/             # 期货相关数据结构
│   │   ├── stock/              # 股票相关数据结构
│   │   ├── order/              # 订单列表管理 (work_order_list)
│   │   ├── quotation/          # 行情数据结构 (bar_map, quotation_data)
│   │   └── result/             # 结果集结构 (portfolio)
│   ├── exception/              # 异常类定义
│   │   └── code/               # 错误码
│   ├── exchange/               # 交易所模拟逻辑 (stock, future, fund)
│   ├── model/                  # 数据模型定义 (account, position, order, trade)
│   ├── order/                  # 订单校验与构建逻辑 (verify, builder)
│   ├── result/                 # 结果计算基类
│   ├── risk/                   # 风控管理模块
│   ├── system/                 # 系统底层架构 (event, context, compile)
│   ├── type/                   # 类型定义
│   └── util/                   # 工具函数
├── config/                     # [配置] 环境初始化与配置 (dev_init.py)
├── data/                       # 数据与上下文定义
│   ├── context/                # 策略上下文 (strategy_context)
│   └── quotation/              # 行情数据源 (bar_data_source)
├── extensions/                 # [扩展] 具体回测模式实现
│   ├── common_api/             # 通用计算指标
│   └── trade_reverse_future/   # 期货/股票反向跟单模式（主要回测实现）
├── node/                       # 节点定义
├── router/                     # 路由定义
├── server/                     # 服务端工具（结果导出）
├── strategy/                   # 策略示例库
├── system/                     # 系统日志配置
├── util/                       # 全局工具
├── main_run.py                 # 通用回测启动入口
├── main_workflow_future.py     # 期货工作流回测入口
├── main_workflow_stock.py      # 股票工作流回测入口
└── main_local.py               # 本地回测入口

2. 核心子模块详解

2.1 根目录与入口文件

main_run.py
- 功能: 回测的通用启动入口。
- 逻辑: 负责接收命令行参数或配置字典，初始化 CoreContext，加载策略文件，并启动事件引擎循环。它是连接前端请求与后台回测逻辑的桥梁。
main_local.py
- 功能: 本地调试入口。
- 逻辑: 允许开发者在本地 IDE 中直接运行策略，方便调试。
main_workflow_future.py
- 功能: 专为工作流设计的期货回测启动脚本。
- 逻辑: 从工作流节点中解析特定的期货参数（如保证金率、手续费），配置回测环境，并调用底层的运行逻辑。
main_workflow_stock.py
- 功能: 专为工作流设计的股票回测启动脚本，支持多因子选股策略的自动化回测。
- start 函数核心流程:
  1. 参数解析: 接收 back_test_id, start_capital, df_factor (因子数据) 等关键参数。
  2. 上下文初始化:
    - 创建 StrategyContext 并注入因子数据 (init_factor_params)。
    - 初始化 CoreContext 单例，作为全局状态容器。
  3. 环境准备: 调用 DevInit 初始化日志系统，确保日志能正确输出和远程上报。
  4. 策略加载: 使用 FileStrategyLoader 动态加载策略代码文件，构建全局参数 global_args。
  5. 扩展加载: 动态导入 trade_reverse_future 扩展模块，这是实际执行回测逻辑的“反向跟单”引擎。
  6. 启动运行: 实例化 Engine 并调用 run() 方法，进入事件循环。
  7. 异常处理: 捕获运行时的所有异常并记录堆栈信息，确保日志系统的正确关闭。

2.2 `api` - 策略开发接口

此目录定义了策略开发者在编写策略时可以直接调用的 API。为了方便策略层直接使用，系统采用装饰器模式将常用函数注入到全局命名空间。

api.py
- 功能: 通用交易与控制接口，是策略编写时最常用的模块。
- 核心机制 (append_to_api_list): 这是一个装饰器，用于将被装饰的函数自动注册到 api_list 并注入到 globals() 中。这使得策略代码可以直接调用如 order_shares 而无需繁琐的导入语句。
- 关键 API:
  - order_shares(account_id, id_or_ins, quantity, ...): 股票下单核心函数。它会进行参数解析（如将正负数转换为买卖方向），并调用底层的 CoreContext 进行下单。
  - init_risk_control(api): 初始化风控组件接口。
  - init_sr_logger(): 初始化远程日志记录器
  - 特殊说明，官方文档中的API列表不全，剩余的API可在此文件中查找，例如卖出平空
  - 完整 API 列表补充:
    - 股票交易:
      - order_shares(account_id, id_or_ins, quantity, ...): 指定股数交易。
      - order_values(account_id, id_or_ins, amount, ...): 指定金额交易。
      - cancel_order(account_id, order_id): 撤销股票订单。
      - sub_stock(symbol_list): 订阅股票行情。
      - target_stock_group_order(account, symbol_dict, price_type=0): 股票批量目标下单。
      - get_today_order(account_id, order_id): 获取当日股票订单。
      - get_today_work_order(account_id): 获取当日未完成股票订单。
    - 期货交易:
      - buy_open(account_id, id_or_ins, amount, ...): 期货买入开仓。
      - sell_open(account_id, id_or_ins, amount, ...): 期货卖出开仓。
      - sell_close(account_id, id_or_ins, amount, ...): 期货卖出平仓。
      - buy_close(account_id, id_or_ins, amount, ...): 期货买入平仓。
      - cancel_future_order(account_id, order_id): 撤销期货订单。
      - long_future_target(account_id, id_or_ins, target_amount, ...): 期货多头调仓至目标手数。
      - short_future_target(account_id, id_or_ins, target_amount, ...): 期货空头调仓至目标手数。
      - target_future_group_order(account, long_symbol_dict, short_symbol_dict): 期货批量目标下单。
      - get_today_future_order(account_id, order_id): 获取当日期货订单。
      - get_today_work_future_order(account_id): 获取当日未完成期货订单。
      - auto_retry_cancel_future_order(order, max_retry=15): 自动重试撤单追单。
    - 基金交易:
      - purchase(account_id, symbol, amount, ...): 基金申购。
      - redeem(account_id, symbol, quantity, ...): 基金赎回。
    - 通用与辅助:
      - subscribe(id_or_symbols, frequency='1d'): 订阅行情数据。
      - export_data_to_file(data_frame): 导出数据到文件。
      - cash_moving(from_account, to_account, cash, move_type): 账户间资金划转。
      - draw(data): 绘图数据推送。
      - pub_data(pub_key, json_data): 推送策略消息。
      - sub_data(sub_keys, call_back): 订阅策略消息。
stock_api.py
- 功能: 股票专用数据接口。
- 关键 API:
  - stock_api_quotation: 获取股票历史行情 (Open/High/Low/Close/Volume)。
  - stock_api_pre_close: 获取股票昨日收盘价，常用于计算涨跌停板或持仓市值。
future_api.py
- 功能: 期货专用数据接口。
- 关键 API:
  - future_api_quotation: 获取期货多周期行情 (1m, 5m, 1d 等)。
  - future_api_domain_symbol: 查询主力合约代码。

2.3 `backtest_common` - 核心系统组件

此目录包含了回测引擎的底层基础设施，不依赖于具体的交易品种。

2.3.1 `constant` (常量定义)

集中管理系统中的枚举值和静态常量，避免硬编码。

strategy_constant.py: 交易核心常量。定义了买卖方向 (SIDE_BUY, SIDE_SELL)、订单类型 (MARKET, LIMIT)、交易所代码 (MKT_SZ, MKT_SH 等) 以及订单状态机 (WAIT, FILLED, CANCELLED)。
redis_key.py: Redis 键名规范定义。
string_constant.py: 通用字符串常量。

2.3.2 data (数据访问层)

策略交互层。此模块并不存储底层数据，而是作为策略层与底层数据模型之间的适配器（View Layer）。为了适配回测和实盘（或仿真）环境，部分模块分拆为 back_test 和 real_time 两个子目录。

fund/ & stock/ & future/:
- Common: 定义了抽象基类（如 BaseFundAccount），规范了账户必须具备的接口（如 cash, positions）。
- back_test/: 回测专用的账户 (...Account) 和持仓 (...Positions) 实现。它们适配了回测引擎的数据结构，通常从 dailyResult 等层级获取历史数据。
- real_time/: 实盘/仿真专用的账户和持仓实现。它们直接适配实时状态数据结构（如 xb_back_test_account），并可能包含针对实时环境的特殊逻辑。
quotation/:
- quotation_data.py: 单例容器，作为当前时间切片行情数据 (bar_dict) 的全局访问点。
- back_test/: 回测专用的行情数据源实现（如 BarMap），负责从历史数据库中加载数据。
order/:
- common/work_order_list.py: 通用的待成交订单列表管理，基于内存字典实现，适用于回测。
- real_time/: 包含 StockWorkOrderList 和 FutureWorkOrderList。引入了数据库持久化机制（如 MongoDB），确保在实盘/仿真环境下即使进程重启，订单状态也不会丢失。
result/:
- back_test/portfolio.py: 回测模式下的投资组合信息。从每日结算的历史结果中聚合资金和盈亏数据。
- real_time/portfolio.py: 实盘模式下的投资组合信息。直接从当前的实时账户状态中聚合数据。

2.3.3 `exception` (异常体系)

统一系统的错误处理与异常定义。

error_exception.py: 定义了标准异常基类 ErrorException，包含错误码 (code)、错误信息 (message) 和服务源 (service)。
risk_control_exception.py: 风控阻断异常。当风控规则触发时抛出此异常，阻断下单流程。
code/error_code.py: 系统全局错误码定义。

2.3.4 exchange (交易所模拟)

模拟交易所的核心逻辑，处理订单撮合、结算、资金划转等。为了支持不同的运行模式，各资产目录下通常分为 back_test（回测模式）和 real_time（实时模式）两个子模块。

common/: 通用模拟驱动组件。
- back_test/trade_time_manager.py: 回测时间驱动器。负责构建和管理回测的时间轴 (all_date_list)。它从数据库加载交易日历，根据设定的回测频率（日线/分钟）推进时间，是整个回测循环的“时钟”。
- back_test/quotation_subscribe.py: 行情驱动器。配合时间驱动器工作，在每个时间切片上，根据策略订阅的股票、期货或基金代码，从数据源拉取最新行情。它负责发布 QUOTATION_CHANGE（行情更新）和 ORDER_CROSS（尝试撮合）事件，从而驱动交易所模块处理挂单。
stock/:
- back_test/:
  - stock_exchange.py: 股票交易所模拟。维护一个 work_order 列表，处理每日分红 (dividend_manager)、ETF 拆分 (etf_split_manager) 和收盘后的未成交单撤单。
  - dividend_manager.py: 股票分红管理逻辑。
  - etf_split_manager.py: ETF 拆分管理逻辑。
- real_time/:
  - stock_order_quotation_verify.py: 实时行情订单校验。在实盘或仿真环境中，利用实时行情数据（如盘口价格）对订单价格进行修正（如市价单转限价）和有效性检查。
future/:
- back_test/:
  - future_exchange.py: 期货交易所模拟。处理期货特有的结算 (future_settle_manager)、保证金计算 (future_margin_map) 和开平仓拆分 (future_order_split_manager)。它通过 add_order_verify 机制挂载校验逻辑。
  - future_settle_manager.py: 期货每日结算逻辑。
  - future_rate_manager.py: 期货费率管理。
- real_time/:
  - future_order_quotation_verify.py: 实时行情订单校验。负责在实时环境下检查行情有效性，并将市价单根据最小变动价位转换为限价单。
fund/:
- back_test/:
  - fund_exchange.py: 基金交易模拟。
  - fund_rate_manager.py: 基金费率管理。
- 根目录:
  - fund_bonus_manager.py: 基金分红管理。
  - fund_split_manager.py: 基金拆分管理。

2.3.5 `model` (数据模型)

定义了回测系统中的底层数据实体。与 data 模块不同，这里定义的是实际存储数据的类，通常与数据库表结构或底层传输协议一一对应。

info/:
- run_info.py: 策略运行配置信息。包含回测 ID、起止日期、资金初始值、滑点、手续费倍率、运行频率（日线/分钟）以及运行模式（回测/模拟）等关键配置。它是整个回测任务的元数据描述。
quotation/:
- bar_quotation_data.py: K线数据模型。定义了标准 OHLCV 字段，以及 ask/bid 盘口数据（支持多档）、涨跌停板价等扩展字段。它是行情数据在系统内部流转的标准载体。
- dividend.py: 分红数据模型。
- ..._split.py: ETF/基金拆分数据模型。
result/:
- 通用模型:
  - panda_backtest_account.py: 账户状态实体（资金、权益）。
  - panda_backtest_position.py: 持仓实体。
  - panda_backtest_trade.py: 成交记录实体（回测结果专用）。
  - order.py: 订单实体。
  - panda_backtest_instrument.py: 合约信息实体。存储合约类型（股票/期货）、乘数、最小交易单位、保证金率、手续费率等基础属性。
  - panda_backtest_profit.py: 回测收益概览实体。记录每日的策略累计收益率、基准收益率（如沪深300）、超额收益以及当日买卖总额。
  - trade_data.py: 通用成交数据实体。相比 panda_backtest_trade，它更偏向于底层或实盘接口的原始成交回报结构，包含 tradeID, orderID, direction, offset 等字段。
- 实盘/仿真专用 (real / simulation):
  - panda_real_daily_value.py: 实盘每日权益快照。记录每日的总权益、累计收益率、当日盈亏等，用于生成实盘资金曲线。
  - panda_real_minute_value.py: 实盘分钟级权益快照。
  - panda_simulation_minute_value.py: 模拟交易分钟级权益快照。
  - panda_real_withdraw_deposit.py: 实盘出入金记录。用于精确计算实盘收益率（需剔除出入金影响）。

2.3.6 `order` (订单校验)

负责对发出的订单进行合规性校验和风控检查，确保订单在逻辑上有效且符合交易规则。该模块采用了责任链模式或组合模式，将不同的校验逻辑解耦。

order_verify.py: 校验基类。定义了 OrderVerify 抽象基类，所有具体的校验器（如资金校验、持仓校验、停牌校验）都必须实现 can_submit_order 接口。
common/:
- order_risk_control_verify.py: 通用风控校验。通过事件总线发布 RISK_CONTROL_ORDER_VERIFY 事件，将订单提交给风控系统进行二次确认。
- order_quotation_verify.py: 通用行情校验。
stock/, future/, fund/:
- common/: 定义了该资产类别通用的校验逻辑和订单构建器。
  - ..._order_account_verify.py: 账户资金校验。检查账户是否有足够的可用资金（买入）或持仓（卖出/平仓）。
  - ..._order_builder.py: 订单构建器。负责将策略层的下单指令封装成标准的 Order 对象。
  - stock_order_susp_verify.py (Stock特有): 停牌校验。检查股票当前是否处于停牌状态。
- back_test/: 回测环境专用校验。
  - ..._order_limit_price_verify.py: 涨跌停板校验。回测中通常禁止在涨跌停板价位成交，模拟真实市场的流动性枯竭。
  - ..._order_volume_verify.py: 成交量校验。检查订单量是否超过了当根 Bar 的总成交量（防止回测过拟合）。
- simulation/: 仿真/实盘环境专用校验。
  - ..._trade_time_verify.py: 交易时间校验。严格检查当前时刻是否在交易所规定的交易时间段内，防止非交易时间下单。
  - ..._order_limit_price_verify.py: 实盘环境下的价格限制校验。

2.3.7 `risk` (风控管理)

risk_control_manager.py: 风控管理器。从 MongoDB 加载风控规则，并在交易的关键生命周期（如 handle_bar, order_verify）触发风控检查。它支持多级风控的动态加载和参数配置。
risk_api.py: 定义了风控模块可调用的 API 接口。

2.3.8 `result` (结果计算)

负责回测结果的实时计算与状态维护。它不仅是数据的存储容器，更是核心的清算逻辑所在。该模块在每一个 Bar 结束时更新账户的权益、持仓盈亏，并处理分红、拆分等除权除息事件。

base_all_result.py: 总结果聚合器。管理所有子账户（股票、期货、基金）的结果对象，负责计算整体策略的净值曲线和风险指标。
stock/, future/, fund/: 针对不同资产类别的具体清算逻辑。
- back_test/: 回测模式下的清算实现。
  - base_trade_reverse_result.py (Stock): 股票清算基类。实现了股票特有的 T+1 交易制度、分红派息处理、交易成本计算等逻辑。
  - base_future_reverse_result.py (Future): 期货清算基类。实现了期货特有的每日无负债结算制度（Mark-to-Market），处理保证金占用、浮动盈亏、交割结算等复杂逻辑。
  - base_fund_reverse_result.py (Fund): 基金清算基类。

2.3.9 `system` (系统架构)

这是整个回测引擎的核心中枢，负责协调各个模块的运作。它采用了事件驱动架构 (Event-Driven Architecture) 和依赖注入模式，确保了系统的高度解耦和可扩展性（特别是支持回测与实盘模式的无缝切换）。

context/:
- core_context.py: 全局上下文管理器 (Singleton)。
  - 它是系统的“上帝对象”，持有并管理所有核心组件的实例，包括事件总线 (event_bus)、策略上下文 (strategy_context)、事件处理器 (event_process)、操作代理 (operation_proxy) 和风控管理器 (risk_control_manager)。
  - 通过单例模式，确保系统各处都能访问到统一的全局状态。
event/:
- engine.py: 事件引擎。系统的动力核心，负责启动主循环并驱动事件流转。
- event.py: 事件总线与定义。
  - EventBus: 实现了发布-订阅模式。策略函数、风控模块、交易模块都通过它进行解耦通信。
  - ConstantEvent: 定义了系统中所有的事件类型，如 STRATEGY_INIT (策略初始化), STRATEGY_HANDLE_BAR (行情切片到达), ORDER_CROSS (订单撮合), RISK_CONTROL_VERIFY (风控校验) 等。
compile/:
- strategy.py: 策略加载器。负责解析用户的策略代码，将用户定义的 initialize, handle_data, before_trading 等函数注册为 EventBus 上的事件回调。这解释了为什么用户只需要写这几个函数就能被系统自动调用。
- risk_control_loader.py: 风控模块加载器。
interface/:
- base_event_process.py: 事件处理抽象基类。定义了如何生成和分发事件。回测模式下由 EventProcess 实现（基于历史数据生成事件），实盘模式下则由实时行情驱动生成事件。
- base_operation_proxy.py: 操作代理抽象基类。定义了 place_order, cancel_order, get_account_info 等标准交易接口。
  - 在回测中，它调用模拟撮合引擎。
  - 在实盘中，它调用真实的柜台交易接口 (CTP/XTP等)。
  - 这种设计使得策略代码完全不需要修改即可在回测和实盘间切换。

2.3.10 `type` (类型定义)

定义强类型的参数对象，用于规范 API 调用，提供比字典更明确的类型约束。

order_type.py: 定义了订单风格类。
- LimitOrderStyle: 限价单风格，包含 limit_price 属性。
- MarketOrderStyle: 市价单风格。

2.3.11 `util` (通用工具)

提供独立于具体业务逻辑的基础工具函数。

date_util.py: 日期处理工具。核心功能是基于 MongoDB 中的交易日历表 (trading_calendar_all) 提供交易日推算功能，如 get_pre_date (获取前 N 个交易日) 和 get_next_trade_date (获取后 N 个交易日)。

2.4 `extensions` - 扩展模块

此目录包含系统的插件化扩展功能，用于适配不同的回测场景或提供通用计算能力。

common_api/: 通用指标计算。
- 提供 IndexCalculate 等工具类，用于计算 Alpha、Beta、Sharpe 等策略评价指标，支持独立调用或被其他模块集成。
trade_reverse_future/: 反向跟单回测模式（核心实现）。
- 这是系统当前默认的模拟交易引擎，通过“反向跟单”的逻辑模拟真实交易环境。
- 核心组件:
  - main.py: 扩展入口，负责将特定的事件处理器 (EventProcess) 和操作代理 (OperationProxy) 注入全局上下文。
  - reverse_operation_proxy.py: 回测总控中心，协调行情驱动、风控检查与策略执行。
  - reverse_event_process.py: 封装标准的回测事件流。
  - trade/: 包含股票、期货和基金的模拟交易接口实现，负责将策略指令转化为模拟交易所的订单。
  - result/: 负责各品种的每日结算与盈亏统计。

2.5 `config` - 环境配置模块

负责回测环境的初始化配置，特别是日志系统和运行模式的设定。

dev_init.py
- 功能: 开发与运行环境初始化工具。
- init_log_env(project_name): 初始化本地文件日志系统，设置日志路径和格式。
- init_remote_sr_log(...): 初始化远程日志 (SRLogger)。它会建立与日志服务器的连接，用于实时上报回测进度和关键错误信息，支持回测 ID (back_test_id) 的关联，方便后续追踪。

2.6 `server` & `util`&system - 辅助模块

server/tools.py
- 功能: 结果导出工具。
- 逻辑: 包含 python2html（将 DataFrame 转为 HTML 表格用于前端展示）和 save_dataframe_to_mongo（异步保存回测结果数据）。
system/panda_log.py: 系统的日志配置，定义了日志格式和输出级别。
util/annotation/singleton_annotation.py: 单例模式装饰器，用于保证 Context 等对象的全局唯一性。

2.7 `data` - 数据与上下文

此目录主要定义了回测运行时所需的数据容器和上下文对象，连接了底层数据源与上层策略逻辑。

context/strategy_context.py
- 功能: 策略运行上下文对象。
- 核心职责:
  - 状态容器: 持有所有的账户实例 (stock_account_dict, future_account_dict, fund_account_dict) 和投资组合结果 (portfolio)。
  - 运行配置: 通过 RunInfo 对象记录回测的元数据（如起止日期、初始资金、手续费率等）。
  - 数据访问: 提供了 df_factor (因子数据) 的访问接口。
  - 辅助功能: 提供了时间管理 (now, trade_date), 订阅管理 (sub_stock_symbol, sub_future_symbol) 以及判断是否为交易日等便捷方法。
  - 策略交互: 它是策略代码中 context 参数的实际载体，策略通过它获取账户资金、持仓信息和当前时间。
quotation/bar_data_source.py
- 功能: 行情数据源适配器。
- 核心职责:
  - 数据获取: 封装了对底层 MongoDB 数据库的访问逻辑，负责根据 symbol 和 date 拉取日线或分钟线数据。
  - 多级缓存: 实现了 stock_daily_bar, stock_minute_bar 等内存字典缓存，避免对同一数据的重复数据库查询，提高回测性能。
  - 多品种支持: 统一处理了股票 (stock), 期货 (future), 基金 (fund) 以及指数/ETF 的不同数据集合 (collection) 映射逻辑。
  - 数据标准化: 将数据库返回的原始字典转换为标准的 BarQuotationData 对象，统一了 open, high, low, close, volume 等字段的访问方式。

3. 关键工作流总结

启动: main_run.py 或 main_workflow_stock.py 初始化 CoreContext，加载策略代码，实例化 EventEngine。
初始化: ReverseOperationProxy 建立交易所模拟器 (Exchange) 和账户，注册事件监听。
运行:
- Engine 推进时间，发布 BAR 事件。
- ReverseOperationProxy 捕获事件，更新 BarDataSource。
- 触发 RISK_CONTROL (风控) -> STRATEGY (策略)。
交易:
- 策略调用 context.order -> api.py。
- 转发至 FutureTradeApi -> FutureExchange。
- Exchange 调用 OrderVerify 链进行校验。
- 校验通过后，订单进入 WorkOrderList 等待撮合。
结算: 每日收盘后，Exchange 处理结算，Result 模块计算当日权益和风险指标。
输出: 回测结束，tools.py 将结果生成报表并存入 MongoDB。

Panda Backtest 模块深度分析

1. 目录结构概览

2. 核心子模块详解

2.1 根目录与入口文件

2.2 api - 策略开发接口

2.3 backtest_common - 核心系统组件

2.3.1 constant (常量定义)

2.3.2 data (数据访问层)

2.3.3 exception (异常体系)

2.3.4 exchange (交易所模拟)

2.3.5 model (数据模型)

2.3.6 order (订单校验)

2.3.7 risk (风控管理)

2.3.8 result (结果计算)

2.3.9 system (系统架构)

2.3.10 type (类型定义)

2.3.11 util (通用工具)

2.4 extensions - 扩展模块

2.5 config - 环境配置模块

2.6 server & util&system - 辅助模块

2.7 data - 数据与上下文