開発記録#155(2025/3/25)「論文ベースのbot開発フローpart.17」

前回の記事に引き続き、今回も仮想通貨botの開発状況をまとめていきます。

本記事では「暗号通貨のパンプ＆ダンプスキームの検出」に関する論文をベースにbot開発の過程をまとめていきます。

Detecting Crypto Pump-and-Dump Schemes: A Thresholding-Based Approach to Handling Market Noisehttps://t.co/ctCJEV1MBs

— よだか(夜鷹/yodaka) (@yodakablog) March 22, 2025

初週チェック結果の分析とシステム調整

次のステップでは、初週チェック結果の分析を行い、その結果をもとにシステムの最適化を実施します。

1. 初週チェックの分析項目

以下の指標に基づき、システムの状態とパフォーマンスを評価します。

パフォーマンス評価指標

2. データ収集と分析

ログデータの取得

各Podのログを収集し、データを分析します。

kubectl logs <data_collector_pod> > data_collector.log
kubectl logs <pnd_detector_pod> > pnd_detector.log
kubectl logs <trade_executor_pod> > trade_executor.log

データの統合

収集したログデータをもとに、評価指標を算出します。

データ統合スクリプト (log_analyzer.py)

Plain text

Copy to clipboard

Open code in new window

EnlighterJS 3 Syntax Highlighter

import pandas as pd

# データ読み込み

data_collector_log = "./data_collector.log"

pnd_detector_log = "./pnd_detector.log"

trade_executor_log = "./trade_executor.log"

# データ分析

def analyze_logs():

with open(data_collector_log, "r") as file:

data_lines = file.readlines()

with open(pnd_detector_log, "r") as file:

pnd_lines = file.readlines()

with open(trade_executor_log, "r") as file:

trade_lines = file.readlines()

# 指標の集計

total_trades = sum("Trade Executed" in line for line in trade_lines)

successful_trades = sum("Trade Successful" in line for line in trade_lines)

pnd_events = sum("P&D Event Detected" in line for line in pnd_lines)

successful_pnd_events = sum("P&D Success" in line for line in pnd_lines)

api_errors = sum("API Error" in line for line in trade_lines)

# 評価指標計算

trade_success_rate = successful_trades / total_trades * 100

pnd_success_rate = successful_pnd_events / pnd_events * 100

api_error_rate = api_errors / total_trades * 100

# 結果出力

print(f" 取引成功率: {trade_success_rate:.2f}%")

print(f" P&D検出成功率: {pnd_success_rate:.2f}%")

print(f" APIエラー率: {api_error_rate:.2f}%")

if __name__ == "__main__":

analyze_logs()

import pandas as pd # データ読み込み data_collector_log = "./data_collector.log" pnd_detector_log = "./pnd_detector.log" trade_executor_log = "./trade_executor.log" # データ分析 def analyze_logs(): with open(data_collector_log, "r") as file: data_lines = file.readlines() with open(pnd_detector_log, "r") as file: pnd_lines = file.readlines() with open(trade_executor_log, "r") as file: trade_lines = file.readlines() # 指標の集計 total_trades = sum("Trade Executed" in line for line in trade_lines) successful_trades = sum("Trade Successful" in line for line in trade_lines) pnd_events = sum("P&D Event Detected" in line for line in pnd_lines) successful_pnd_events = sum("P&D Success" in line for line in pnd_lines) api_errors = sum("API Error" in line for line in trade_lines) # 評価指標計算 trade_success_rate = successful_trades / total_trades * 100 pnd_success_rate = successful_pnd_events / pnd_events * 100 api_error_rate = api_errors / total_trades * 100 # 結果出力 print(f" 取引成功率: {trade_success_rate:.2f}%") print(f" P&D検出成功率: {pnd_success_rate:.2f}%") print(f" APIエラー率: {api_error_rate:.2f}%") if __name__ == "__main__": analyze_logs()

import pandas as pd

# データ読み込み
data_collector_log = "./data_collector.log"
pnd_detector_log = "./pnd_detector.log"
trade_executor_log = "./trade_executor.log"

# データ分析
def analyze_logs():
    with open(data_collector_log, "r") as file:
        data_lines = file.readlines()
    with open(pnd_detector_log, "r") as file:
        pnd_lines = file.readlines()
    with open(trade_executor_log, "r") as file:
        trade_lines = file.readlines()

    # 指標の集計
    total_trades = sum("Trade Executed" in line for line in trade_lines)
    successful_trades = sum("Trade Successful" in line for line in trade_lines)
    pnd_events = sum("P&D Event Detected" in line for line in pnd_lines)
    successful_pnd_events = sum("P&D Success" in line for line in pnd_lines)
    api_errors = sum("API Error" in line for line in trade_lines)

    # 評価指標計算
    trade_success_rate = successful_trades / total_trades * 100
    pnd_success_rate = successful_pnd_events / pnd_events * 100
    api_error_rate = api_errors / total_trades * 100

    # 結果出力
    print(f" 取引成功率: {trade_success_rate:.2f}%")
    print(f" P&D検出成功率: {pnd_success_rate:.2f}%")
    print(f" APIエラー率: {api_error_rate:.2f}%")

if __name__ == "__main__":
    analyze_logs()

スクリプトの実行

python log_analyzer.py

3. システムの調整

改善すべき点と調整方法

システムの再デプロイ

1. 新しいDockerイメージのビルドとプッシュ

docker build -t your_dockerhub_username/crypto_bot:latest .
docker push your_dockerhub_username/crypto_bot:latest

2. Kubernetesデプロイの更新

kubectl apply -f deployment.yaml
kubectl apply -f hpa.yaml

4. 最終評価

システムの安定性を再確認
取引成功率、P&D検出率、エラー率の再測定
必要に応じて、さらなる微調整を実施

5. 次のステップ

次は、以下のタスクに進みます：

デプロイ後の安定性確認

• システムの長期運用状況を確認し、安定稼働を確保
• CPU、メモリ、APIエラー、データ損失の発生有無を重点的にチェック

Yodaka

次のステップでは、システムの安定性を確保するためのポイントについてまとめます。