optimizing-performance

This article was produced by the Quantitative Trading Lab at https://www.itrade.icu. Visit for more benefits.

✅ 一图总结：减少 Freqtrade 内存占用的方法

分类
方法
是否推荐
说明

🧹 精简策略

减少用到的技术指标 / pandas 操作

✅ 强烈推荐

每个指标都会产生历史缓存和多列数据

📉 减少交易对数量

配置里精简 pair_whitelist

✅ 推荐

每个交易对都会加载历史 K 线 + 分析缓存

⏱ 减少历史数据长度

设置 startup_candles 数量更少

✅ 推荐

默认是 1000，改成 300 就能省下很多内存

📦 使用轻量策略模式

使用 MinimalStrategy 模式进行测试

✅ 可选

用最轻的模板策略进行调试或开发

📁 减少 cached 数据保存

关闭 dry-run-wallet, edge, trade_models 等多余模块

✅ 仅在非 dry-run 实盘使用

🚫 禁用某些功能

禁用 Plot、Telegram、Webserver、TradeModel 等模块

✅ 推荐（尤其是 dry-run 不需要）

🔧 改用 PostgreSQL

避免 SQLite 的文件锁 / 缓存机制

✅ 推荐

SQLite 会占内存缓存，Postgres 更稳定

🐍 不用 pandas 变量保留历史值

不在策略中 self.df = dataframe

✅ 很重要

避免内存残留历史 DataFrame

🧠 实用技巧详解：

✅ 1. 减少 startup_candles

在 config.json 或 CLI 添加：

"startup_candle_count": 300

或命令行参数：

--startup-candle-count 300

默认是 1000，代表每个交易对启动时加载 1000 根 K 线，如果你策略只用到最近的 100 根，那么没必要加载那么多。

✅ 2. 精简 pair_whitelist

每个交易对会：

  • 下载历史数据

  • 每分钟跑一遍 populate_indicators、populate_entry_trend

  • 占一份策略缓存空间

如果你部署杠杆策略，但 whitelist 里有 20 个币对，那么内存很快就突破 500MB。

只保留你需要的核心交易对，比如：

✅ 3. 精简策略中指标数量和变量

  • 避免无用的指标，比如加了 MACD、RSI、EMA 但策略实际没用；

  • 避免写：

会导致旧数据常驻在内存中，改为：

✅ 4. 关闭用不到的组件（适合 dry-run 或轻量实盘）

在 config 中关闭以下内容：

这些组件虽然实用，但会启用后台线程和内存缓冲区，实盘中可以开启，测试阶段建议关闭。

✅ 5. 启用 swap 或限制内存上限（不减占用但防止崩）

  • 启用系统 swap 分区

  • 或用 PM2 加参数限制：

🛠 可选进阶：换用 PostgreSQL 数据库

SQLite 虽然方便，但会在本地占用缓存，且写入时锁文件，适合轻量单策略。如果你部署多个策略实例：

PostgreSQL 会更稳定，CPU/内存占用都更好控制。

✅ 总结建议（快速执行版）

推荐立即做的操作：

  • ✅ 设置 "startup_candle_count": 300

  • ✅ 限制 pair_whitelist 数量到 3～5 个

  • ✅ 删除策略中未用的指标

  • ✅ 不要在策略中使用 self.df = dataframe

  • ✅ 关闭 telegram / webserver / trade_models

  • ✅ 添加 --max-memory-restart 500M 保护机制

Previousmulti-strategy-deploymentNextproxy

Last updated