ninja 和 make 是一样属于 build system，不过提供了更好的编译速度，尤其对于大型开发项目，可以节省大量的编译时间。

c++ 标准库 <queue> 提供了优先队列 priority_queue，以 log(1) 的算法获取队列头部、并以 log(n) 的算法插入元素。其原型为

1
2
3
4
5

template<
    class T,
    class Container = std::vector<T>,
    class Compare = std::less<typename Container::value_type>
> class priority_queue;

在低延迟场景中，我们对性能有极致的要求。为了方便对比不同函数的开心，需要借助一些测试手段。这些测试的基本流程是：

1. 在函数调用开始是计算 rdtsc 初始值
2. 函数调用结束后，计算 rdtsc 的差值
3. 循环以上流程若干次
4. 最终得到一个平均的函数开销时间

整个测试流程其实是非常的标准化，我们完全可以利用一些框架进行快速的测试。比如我现在使用的 google benchmark。

中金所推出了多个股指期货合约，这些合约以相应的股票指数为基础标的。为了更好的预测股指期货波动，我们需要更准确的指数信息。而构建指数的基础数据包括：

• 成份股
• 成份权重
• 基准日期的自由流通市值（中证指数）

无论对于历史数据的复原，还是实盘数据的更新，一份合理、准确的指数构建都至关重要。上述三个项目当中，尤其以指数的成份权重尤为关键。

中证指数官网有偿提供每日权重的更新数据，不过收费巨贵。为此，我们可以通过模拟中证指数的构建方法和计算规则，生成一份准确的指数数据。具体的规则，可以参考《中证指数有限公司股票指数计算与维护细则V13.1》

我们的工作主要有部分：

1. 复原历史指数权重数据
2. 实现每日权重数据更新
3. 根据样本权重，利用逐笔成交数据(last_px)、快照数据(vwap)计算得到每一个点位上的指数价格

使用 dlopen 可以在程序运行时加载动态库(.so, shared object)，允许我们在 runtime 阶段执行判断需要的函数。