tushare retry 使用该怎样正确设置重试机制
摘要:
tushare retry 使用可通过装饰器或手动循环实现，关键参数包括重试次数、延迟和异常类型，避免频繁请求导致IP封禁。
tushare retry 使用的基础方法
tushare 的接口调用依赖于网络环境，在获取股票、期货数据时可能遇到连接超时、服务器限流或临时故障。直接抛出异常会中断策略执行，因此需要引入重试机制。tushare 官方并未内置 retry 功能，开发者需要自行实现。常见做法是使用 Python 的 retry 库或 tenacity 库，也可以编写简单的循环逻辑。
以 retry 库为例，安装命令为 pip install retry。在调用 tushare 接口的函数上添加 @retry 装饰器，可以指定重试次数、延迟时间和异常类型。
import tushare as ts
from retry import retry
pro = ts.pro_api('your_token')
@retry(tries=3, delay=2, backoff=2, exceptions=(Exception,))
def get_stock_daily(ts_code, start_date, end_date):
return pro.daily(ts_code=ts_code, start_date=start_date, end_date=end_date)
df = get_stock_daily('000001.SZ', '20240101', '20240131')
print(df)
该装饰器在函数抛出异常时自动重试，tries 控制总尝试次数，delay 为首次重试等待秒数，backoff 为每次重试的延迟倍数。exceptions 指定捕获的异常类型，通常可设为 Exception 以覆盖网络错误和 API 返回的错误码。
处理 tushare 特有的限流与错误码
tushare 对免费用户有每分钟调用次数限制，超出后返回错误信息或抛出异常。直接使用通用重试可能加剧限流。需要识别 tushare 返回的特定错误，调整重试策略。tushare 的 pro_api 接口在限流时通常抛出 Exception，异常信息包含“抱歉，您每分钟最多访问该接口”等文字。可以编写自定义判断函数，在异常信息匹配限流关键词时延长等待时间。
import time
import tushare as ts
from retry import retry
pro = ts.pro_api('your_token')
def is_rate_limit_error(exception):
msg = str(exception)
return '每分钟最多访问' in msg or 'hour' in msg or '频率' in msg
@retry(tries=5, delay=10, backoff=3, exceptions=(Exception,))
def get_futures_daily(ts_code, trade_date):
try:
return pro.fut_daily(ts_code=ts_code, trade_date=trade_date)
except Exception as e:
if is_rate_limit_error(e):
time.sleep(60)
raise e
fut_df = get_futures_daily('CU2401.SHF', '20240115')
print(fut_df)
在函数内部先捕获异常，若为限流错误则强制休眠 60 秒，再重新抛出异常触发装饰器重试。这种方式比单纯增加延迟更有效，因为限流窗口通常为 60 秒。
针对股票和期货数据获取的定制重试
股票数据接口如 daily、daily_basic、moneyflow 等，期货数据接口如 fut_daily、fut_holding、fut_wsr 等，调用频率和错误模式相似。可以封装一个通用重试函数，接受接口名称和参数，内部动态调用。
import time
import tushare as ts
from retry import retry
pro = ts.pro_api('your_token')
def call_tushare_with_retry(api_name, max_retries=4, base_delay=5, **kwargs):
"""
通用重试调用 tushare 接口
api_name: 接口名称，如 'daily', 'fut_daily'
max_retries: 最大重试次数
base_delay: 基础延迟秒数
kwargs: 接口参数
"""
for attempt in range(max_retries):
try:
func = getattr(pro, api_name)
return func(**kwargs)
except Exception as e:
msg = str(e)
if '每分钟最多访问' in msg or '频率' in msg:
wait = 60
elif 'timeout' in msg.lower() or 'connection' in msg.lower():
wait = base_delay * (2 ** attempt)
else:
wait = base_delay
if attempt == max_retries - 1:
raise e
time.sleep(wait)
return None
stock_data = call_tushare_with_retry('daily', ts_code='600000.SH', start_date='20240101', end_date='20240131')
futures_data = call_tushare_with_retry('fut_daily', ts_code='AU2406.SHF', trade_date='20240120')
该函数根据异常信息区分限流与网络超时，限流固定等待 60 秒，网络错误采用指数退避。max_retries 控制总尝试次数，避免无限重试。getattr(pro, api_name) 动态获取接口方法，适用于股票和期货各类数据接口。
使用 tenacity 实现更灵活的重试
tenacity 库功能更丰富，支持重试条件、停止条件、等待策略和自定义回调。安装 pip install tenacity。
import tushare as ts
from tenacity import retry, stop_after_attempt, wait_exponential, retry_if_exception_type
pro = ts.pro_api('your_token')
@retry(
stop=stop_after_attempt(5),
wait=wait_exponential(multiplier=2, min=4, max=60),
retry=retry_if_exception_type(Exception),
reraise=True
)
def get_stock_basic(list_status='L'):
return pro.stock_basic(list_status=list_status)
df_basic = get_stock_basic()
print(df_basic)
stop_after_attempt(5) 表示最多尝试 5 次，wait_exponential 生成指数退避等待时间，retry_if_exception_type(Exception) 捕获所有异常，reraise=True 在重试耗尽后重新抛出最后一次异常。针对限流，可以在函数内部先休眠再抛出异常，配合 tenacity 的等待策略。
import time
from tenacity import retry, stop_after_attempt, wait_fixed
@retry(stop=stop_after_attempt(6), wait=wait_fixed(10), reraise=True)
def get_futures_holding(ts_code, trade_date):
try:
return pro.fut_holding(ts_code=ts_code, trade_date=trade_date)
except Exception as e:
if '每分钟最多访问' in str(e):
time.sleep(60)
raise e
fut_hold = get_futures_holding('IF2403.CFE', '20240118')
print(fut_hold)
重试机制在量化策略中的实际应用
量化回测或实盘交易中，获取股票和期货的历史数据往往需要批量调用接口。批量循环时，每个品种独立重试可能累积大量时间。可以结合超时控制和并发限制。建议将重试逻辑与数据缓存结合，成功获取的数据写入本地数据库，避免重复请求。
import os
import pandas as pd
import tushare as ts
from tenacity import retry, stop_after_attempt, wait_exponential
pro = ts.pro_api('your_token')
def load_cached_or_fetch(api_name, cache_dir='./cache', **kwargs):
key = f"{api_name}_{'_'.join(f'{k}={v}' for k,v in kwargs.items())}"
cache_file = os.path.join(cache_dir, f"{key}.parquet")
if os.path.exists(cache_file):
return pd.read_parquet(cache_file)
@retry(stop=stop_after_attempt(4), wait=wait_exponential(multiplier=2, min=5, max=90), reraise=True)
def fetch():
func = getattr(pro, api_name)
try:
return func(**kwargs)
except Exception as e:
if '每分钟最多访问' in str(e):
import time
time.sleep(60)
raise e
df = fetch()
os.makedirs(cache_dir, exist_ok=True)
df.to_parquet(cache_file)
return df
# 获取股票日线
stock_daily = load_cached_or_fetch('daily', ts_code='000001.SZ', start_date='20240101', end_date='20240131')
# 获取期货日线
fut_daily = load_cached_or_fetch('fut_daily', ts_code='RB2405.SHF', trade_date='20240125')
缓存层显著减少重试次数，尤其适合多次回测同一批股票或期货合约。注意缓存键应包含所有参数，避免不同参数混淆。
常见陷阱与规避措施
重试次数不宜过多，否则可能被 tushare 记为滥用。一般 3 到 5 次足够。延迟时间不能过短，建议基础延迟 5 秒以上，指数退避最大不超过 120 秒。捕获异常时避免捕获 KeyboardInterrupt 和 SystemExit，防止程序无法终止。对于股票停牌、期货合约到期等业务错误，重试无意义，应直接跳过或记录日志。
import logging
logging.basicConfig(level=logging.INFO)
def safe_call(api_name, **kwargs):
try:
return call_tushare_with_retry(api_name, max_retries=3, **kwargs)
except Exception as e:
logging.error(f"调用 {api_name} 失败，参数 {kwargs}，错误 {e}")
return pd.DataFrame()
# 期货数据批量获取示例
fut_codes = ['CU2401.SHF', 'AL2401.SHF', 'ZN2401.SHF']
for code in fut_codes:
df = safe_call('fut_daily', ts_code=code, trade_date='20240110')
if not df.empty:
print(f"{code} 获取成功，行数 {len(df)}")
safe_call 在重试耗尽后返回空 DataFrame，不中断批量任务。日志记录失败参数便于后续排查。股票数据批量获取同理，使用 daily 或 daily_basic 接口。
总结 tushare retry 使用的关键配置
正确使用 retry 需要结合 tushare 限流规则。推荐组合：tenacity 或 retry 库 + 指数退避 + 限流特殊等待 + 本地缓存。对于高频批量任务，优先实现缓存，再设置最多 3 次重试，每次延迟 5 秒起步。股票和期货数据接口均适用以上模式。避免在循环中无延迟直接重试，否则会快速耗尽配额。合理配置后，数据获取成功率显著提升，策略回测和实盘信号生成更加稳定。
声明
转载声明：欢迎分享本文，转载请注明出处！
点击复制：