Сообщество инвесторов и трейдеров

Почему стандартных лимитов API недостаточно для арбитража

• []Задержка данных: бесплатные тарифы обновляются раз в 15-60 минут — для скальпинга это вечность;
  []Отсутствие вебсокетов: приходится опрашивать API каждые 10 секунд, быстро исчерпывая лимит;
  []Нет пакетных запросов: вместо одного запроса на 10 монет — 10 отдельных вызовов;
  []Слабая документация по ошибкам: код 429 (Too Many Requests) не всегда понятен новичкам;

Вывод: для автоматизации нужен платный тариф с вебсокетами и пакетными запросами. Бесплатные — только для обучения и долгосрочных стратегий.

Вебсокеты vs REST API: когда что использовать

import websocket
import json
def on_message(ws, message):
data = json.loads(message)
print(f"Новое событие: {data['indicator']} = {data['value']}")
def on_error(ws, error):
print(f"Ошибка: {error}")
def on_close(ws, close_status_code, close_msg):
print("Соединение закрыто")
def on_open(ws):
# Подписка на метрику MVRV для BTC
subscribe_msg = {
"api_key": "YOUR_API_KEY",
"indicator": "mvrv_usd",
"asset": "btc",
"interval": "1m"
}
ws.send(json.dumps(subscribe_msg))
ws = websocket.WebSocketApp(
"wss://api.glassnode.com/v1/ws",
on_open=on_open,
on_message=on_message,
on_error=on_error,
on_close=on_close
)
ws.run_forever()

Кэширование и обработка ошибок: как не слить лимиты

Правило 3-х уровней кэша:

• Уровень 1 (память): кэшировать ответы на 1-5 минут для метрик, которые меняются редко (фундаментал)
• Уровень 2 (Redis/файл): хранить исторические данные локально, чтобы не запрашивать повторно
• Уровень 3 (пакетные запросы): группировать запросы по монетам/метрикам, если платформа поддерживает

import requests
import time
from requests.exceptions import RequestException
def fetch_with_retry(url, headers, params, max_retries=3):
for attempt in range(max_retries):
try:
response = requests.get(url, headers=headers, params=params, timeout=30)

        if response.status_code == 429:  # Rate limit
            retry_after = int(response.headers.get('Retry-After', 60))
            print(f"Лимит исчерпан. Ждём {retry_after} сек...")
            time.sleep(retry_after)
            continue
            
        if response.status_code >= 500:  # Server error
            print(f"Ошибка сервера {response.status_code}, повтор {attempt+1}")
            time.sleep(2 ** attempt)  # Экспоненциальная задержка
            continue
            
        return response.json()
        
    except RequestException as e:
        print(f"Сетевая ошибка: {e}")
        if attempt == max_retries - 1:
            raise
        time.sleep(2 ** attempt)

return None

Мой опыт: как я сократил количество запросов на 80%

Результаты аудита:

• Внедрил 3-уровневое кэширование — сократил повторные запросы на 60%
• Перешёл на вебсокеты для алертов — убрал 30% опросных запросов
• Настроил пакетные запросы там, где поддерживается — ещё -10%
  Итог: 2000 запросов/день вместо 10 000, экономия $160/мес

Чек-лист перед запуском автоматизации

Технический чек-лист:

• □ Протестировали обработку ошибок (429, 500, таймауты);
• □ Настроили логирование всех запросов и ответов;
• □ Реализовали кэширование хотя бы на уровне памяти;
• □ Проверили работу при разрыве соединения (переподключение);
• □ Убедились, что ключи хранятся в переменных окружения;
• □ Настроили алерты на аномальную активность;
• □ Провели нагрузочное тестирование на демо-счёте;

Итог: автоматизация — это не «настроил и забыл». Это постоянный мониторинг и оптимизация. Но правильно настроенная система экономит часы ручной работы и снижает эмоциональные ошибки.