Decadimento delle prestazioni nella build 143

Quando si eseguono simulazioni Monte Carlo o Walk-Forward Matrix sulla versione 143, si nota un notevole calo delle prestazioni complessive (con un continuo aumento dell'utilizzo della memoria) rispetto alla versione 142. Inoltre, la versione 143 si blocca spesso con errori fuori memoria. Inoltre, la versione 143 si blocca spesso con errori di memoria esaurita. SQX limita sempre la memoria a 8 GB, ma anche aumentandola l'applicazione si blocca.

Il mio PC è un AMD Ryzen 9 5900X con 32 GB di RAM. L'ho testato sia con GraalVM che con Azul Java, con lo stesso comportamento.

Qualcun altro ha notato questo problema?

Sono tornato a utilizzare la versione 142, poiché la versione 143 non è attualmente sostenibile.

La nuova versione è davvero deludente. Anch'io ho lo stesso problema. Ho un pc potente eppure rallenta notevolmente all'ultimo gruppo di strategie durante il retest con poco utilizzo di RAM, il che è frustrante.

Lorena, puoi condividere la configurazione del tuo builder e condividere anche lo screenshot con le impostazioni di CPU/Memoria? Lo testerò in entrambe le versioni

Potete inviare al nostro indirizzo e-mail [email protected]

Credo di avere lo stesso problema. Ho 256GiG di Ram libera per usarne 248Gig e 64 CPU. Ho installato in una nuova directory e ho copiato attraverso

Nella 142 la memoria aumentava progressivamente, nella 143 sembra che si esaurisca abbastanza rapidamente.

Sì, sta accadendo lo stesso a me.

Se lascio che SQx determini l'utilizzo della RAM, continua a fermarsi a causa del consumo di memoria dell'85%, forse tornerò al 142 come suggerisci, dato che l'IA di AlgoWizard è completamente inutile per me.

Proverò a fare un'altra prova con un Project personalizzato e vi farò sapere.

Inoltre, sto eseguendo solo un'attività sulla 143 quando ero abituato ad avere un costruttore e un ritestatore che andavano nella 142 senza problemi.

Ciao ragazzi, sono tornato di nuovo al 142, il 143 era completamente instabile e si bloccava continuamente.

Vediamo se il mio flusso di lavoro in 142 è migliore.

ho sondato il 143 e sono dovuto passare al 142. Un lavoro per cui il costruttore del 142 processava 100.000 algoritmi per ora, mentre il 143 ne processava la metà o la terza parte.

Stesso problema qui, abbiamo scritto all'assistenza ma lo stesso problema dopo alcuni test. stiamo provando a reinstallare

HI, e il problema è ora risolto? Hai trovato la soluzione allora?

Sono tornato al 143 per fare alcuni test e sono rimasto qui, ho solo lasciato il garbage collector alle decisioni di Java, ho fatto 30 minuti di raccolta della spazzatura e ho ridotto la ram e i core a 1/2 di quelli disponibili, e funziona bene.

Estou na versão 143 brasileira, e coloquei os erros em anexo, não consigo resolver isso.
Server dedicato da NETCUP con 20 nuclei 64 GB di RAM e 3 TB di spazio di archiviazione. Non riesco a lavorare per più di 2 ore. In alcuni casi ha lavorato a lungo senza eseguire alcun progetto o prova.

Ciao a tutti,

Desidero rispondere ai problemi di prestazioni sollevati dalla build 143.

In questa versione non sono state apportate modifiche intenzionali al motore principale e, dopo aver effettuato confronti interni tra le build 142 e 143, non abbiamo riscontrato differenze misurabili nelle prestazioni del motore in condizioni controllate. Tuttavia, poiché StrategyQuant X è basato su Java, le prestazioni possono variare in modo significativo a seconda dell'hardware, del sistema operativo e della distribuzione di Java, fattori al di fuori del nostro controllo.

Dopo aver esaminato le segnalazioni degli utenti interessati, ho scoperto che la maggior parte dei problemi può essere risolta seguendo queste linee guida per la configurazione:

Java e GC:

• Non attivate manualmente la Garbage Collection (GC). Java la gestisce automaticamente; forzarla può effettivamente danneggiare le prestazioni. Prendete in considerazione la GC manuale solo se si verificano errori fuori memoria.
• Utilizzare il Garbage Collector G1 quando si lavora con allocazioni di heap più grandi.
• Per le macchine di fascia alta, si consiglia GraalVM + G1GC per ottenere le migliori prestazioni e stabilità.
• Testate più distribuzioni Java e confrontate i risultati sulla vostra configurazione specifica. È sufficiente scaricare la distribuzione Java dalle fonti ufficiali, decomprimerla e sostituire il file /j64 nella cartella dell'installazione di StrategyQuant con la versione scaricata.

Dati e memoria:

• Evitare di memorizzare un gran numero di strategie nei database SQX. Queste sono sempre conservate nella memoria heap (RAM) e consumano risorse anche quando non vengono utilizzate. Memorizzate le strategie esternamente e caricatele solo quando necessario.
• Lo stesso vale per i risultati delle simulazioni Monte Carlo e Walk-Forward: mantenete le banche dati snelle.
• Impostate la memoria heap massima (RAM allocata a SQX) a circa 80% della RAM totale. In questo modo SQX dispone di una quantità di memoria sufficiente per lavorare, lasciando spazio al sistema operativo e ai processi in background.

Sistema:

• Limitare i processi in background durante l'esecuzione di SQX.
• Fate corrispondere il numero di thread di SQX al numero di core fisici della CPU (non ai core logici/hyperthreaded).
• Oltre alle raccomandazioni di cui sopra, evitate di modificare la configurazione di SQX o i flag di Java a meno che non abbiate un motivo specifico e ne conosciate le implicazioni.

Seguendo questi passaggi è stato possibile risolvere la maggior parte dei problemi di prestazioni riscontrati e, nella maggior parte dei casi, la causa principale non era SQX.

Se i problemi persistono anche dopo aver provato questi passaggi, contattateci all'indirizzo e-mail dell'assistenza.

Siamo felici di aiutarvi

Cordiali saluti,

Petr
Assistenza tecnica SQX

Caro Petr,

Grazie ancora per il vostro supporto ora il nostro 143 Ultimate funziona perfettamente!!!

Cordiali saluti

È interessante notare che nei test controllati non c'è una vera differenza tra 142 e 143, ma nei progetti reali tutto sembra dipendere fortemente dalla configurazione e dal carico di lavoro. Questo dimostra quanto sia importante una corretta ottimizzazione dell'ambiente.