Uppsats
Fault-Tolerant HFT Architecture via Process Isolation
Kandidat-uppsats
Linköpings universitet/Institutionen för datavetenskap
Publicerad: 2026
Språk: Svenska
Sammanfattning
Rapporten beskriver kandidatprojektet Fault-Tolerant HFT Architecture via Process Iso-lation. Projektet utfördes på uppdrag från Alexandria Invest AB och innebar en över-gripande omstrukturering av en högfrekvenshandelsplattform som använde en monolitiskenkeltrådad struktur till att bli en felisolerad multiprocessarkitektur. Syftet med projek-tet är att skapa ett mer robust system som motsvarar det befintliga i exekveringshas-tighet samt att samla kunskap och erfarenheter till framtida projekt. Omstruktureringengjordes för att öka systemets robusthet. Under projektets gång användes C++23 i denetablerade kodbasen för att uppnå de strikta kraven kring latens som krävs för att va-ra konkurrenskraftig inom högfrekvenshandel. Under utvecklingens gång genom samrådmed kunden togs beslutet att nyttja stora språkmodeller som Codex och Gemini för attsnabbare komma igång med arbetet och för att producera ett resultat av tillräcklig kva-litet. De resultat som nåddes var att IPC-lagret introducerar ett latenspåslag jämförtmed in-process-körning, med en uppmätt median på 36 μs för out-of-process mot 0,69 μsin-process, men arkitekturen håller sig inom de latenskrav som definierats för feltolerantstrategikörning. Återhämtningstiden efter att en process kraschat uppmättes till 118 msvilket passerar målet på 1 s med god marginal. Rapporten lyfter de metoder, hjälpmedel,arbetsprocesser och nödvändig teori som använts under projektets gång. Ytterligare försen djupgående diskussion kring de fördelar och nackdelar som tillkommer i brukandetav stora språkmodeller och de konsekvenser för lärande, arbetsprocess och kvalitet dessabrukande får.
Information
- Författare
- Näs, Oskar, Eriksson, Jonathan, Genar, Axel, Drevet, Oliver, Ljungberg, Noah, Pakulnis, Alanas, Törnudd, Erik, Wihren, Lucas, Helwany, Mhd Khaled
- Lärosäte / institution
- Linköpings universitet/Institutionen för datavetenskap
- Publiceringsdatum
- 2026
- Uppsatstyp
- Kandidat-uppsats
- Språk
- Svenska