138 lines
7.9 KiB
Markdown
138 lines
7.9 KiB
Markdown
# Plan: Daten-Ingest skalieren (Rate-Limits, Egress-Kanäle, Blockchain)
|
||
|
||
> Stand: 2026-07-12 · Status: **Richtung bestätigt** (Nutzer: beide Egress-Wege umschaltbar
|
||
> umsetzen, sofern Aufwand vertretbar). Kein Code in diesem Schritt.
|
||
> Problem: Polymarket-Rate-Limits bremsen den Datenimport teils extrem aus.
|
||
|
||
## 0. Ist-Zustand (verifiziert)
|
||
|
||
- `RateLimiterService` = **globaler Singleton-Token-Bucket**, feste Delays je Endpoint-Gruppe
|
||
(Gamma ≈28/s, Data ≈18/s, Clob ≈66/s).
|
||
- `PolymarketApiClient` = Singleton mit 3 benannten HttpClients, **ohne** Proxy/IP-Konfig →
|
||
ein einziger Ausgangs-IP, ein globales Budget. Das ist die echte Bremse.
|
||
|
||
**Zwei Hebel:** Nachfrage senken (Abschnitt 1, größter Gewinn) und Angebot erhöhen (Abschnitt 2,
|
||
Egress-Kanäle). Der Nutzer möchte in Abschnitt 2 **beide Egress-Arten (eigene IPs UND Proxys)
|
||
umschaltbar** — und das ist billig, weil beide **derselbe HttpClient-Seam** sind (Abschnitt 2).
|
||
|
||
---
|
||
|
||
## 1. Nachfrage senken — größter Hebel (zuerst)
|
||
|
||
### 1a. Historische Massendaten aus Blockchain/Subgraph statt REST
|
||
Polymarket-Trades sind On-Chain-Events auf Polygon. Für **Backfill/Deep-Resync** (größter
|
||
REST-Verbraucher) ist `/activity` die falsche Quelle.
|
||
- [ ] The-Graph-/Goldsky-Subgraph für Polymarket evaluieren: ein GraphQL-Call → tausende Fills
|
||
eines Wallets, statt seitenweiser rate-limitierter REST-Abrufe.
|
||
- [ ] Neue `IHistoricalTradeSource` neben dem REST-Provider; DeepResync (FIXPLAN A6) zieht Bulk
|
||
hierüber. **Effekt:** nimmt die teuerste Last komplett von der REST-API.
|
||
|
||
### 1b. Markt-Stammdaten aggressiv cachen
|
||
- [ ] Metadaten (Frage, Kategorie, Outcomes, `ConditionId`↔`TokenId`) einmal ziehen, lange cachen;
|
||
nur Volume/Liquidity/Auflösung periodisch aktualisieren. Geschlossene Märkte nie voll re-syncen.
|
||
|
||
### 1c. Ingest-Tiering (FIXPLAN D3)
|
||
- [ ] Ultra-HF-Trader im `SnapshotOnly`-Modus erzeugen null Trade-Calls (PnL aus `/positions` +
|
||
Leaderboard, wöchentliche Biopsie). Entfernt genau die Wallets, die das Budget auffressen.
|
||
|
||
### 1d. Redundanz vermeiden
|
||
- [ ] Worker-übergreifender Kurzzeit-Cache „gerade geholt", damit nicht mehrere Worker denselben
|
||
Markt/Trader kurz hintereinander abrufen.
|
||
|
||
---
|
||
|
||
## 2. Angebot erhöhen: umschaltbare **Egress-Kanäle** (eigene IPs UND Proxys — eine Mechanik)
|
||
|
||
**Die Schlüssel-Einsicht:** Ob eine Anfrage über eine **eigene Quell-IP** oder über einen
|
||
**Proxy** rausgeht, ist im HttpClient nur eine andere Konfiguration desselben `SocketsHttpHandler`.
|
||
Deshalb wird **nicht** zweimal gebaut, sondern **ein** Konzept: der **Egress-Kanal**. Umschalten =
|
||
Konfiguration, nicht Code. Damit bekommt der Nutzer „beides, umschaltbar" zu geringen Kosten.
|
||
|
||
### 2a. Abstraktion `EgressChannel`
|
||
Ein Kanal ist genau eine Ausgangsroute, per Config als einer von zwei Typen definiert:
|
||
```jsonc
|
||
"Egress": {
|
||
"Channels": [
|
||
{ "id": "ip-a", "type": "SourceIp", "value": "203.0.113.10" }, // eigene IP
|
||
{ "id": "ip-b", "type": "SourceIp", "value": "203.0.113.11" },
|
||
{ "id": "prox-1", "type": "Proxy", "value": "http://user:pass@proxy.example:8080" }
|
||
]
|
||
}
|
||
```
|
||
- [ ] Pro Kanal **ein** `SocketsHttpHandler`:
|
||
- `SourceIp` → `ConnectCallback`, Socket vor Connect an die lokale IP binden
|
||
(`socket.Bind(new IPEndPoint(ip, 0))`).
|
||
- `Proxy` → `handler.Proxy = new WebProxy(url); handler.UseProxy = true;`.
|
||
- [ ] `IEgressPool` verteilt Requests round-robin/least-loaded über die aktiven Kanäle.
|
||
Leere/❑ Kanalliste = heutiges Verhalten (ein Default-Ausgang).
|
||
- [ ] Umschalten „nur eigene IPs" ↔ „nur Proxys" ↔ „Mix" = Config ändern, kein Deploy-Umbau.
|
||
|
||
### 2b. Rate-Limiter **pro Kanal** (Generalisierung des globalen Limiters)
|
||
- [ ] Limiter-Schlüssel wird `{platform}-{endpointGroup}-{channelId}`. Jeder Kanal hält sein
|
||
eigenes Budget → N Kanäle ≈ N× Durchsatz, jeder Kanal bleibt unter dem Per-Route-Limit.
|
||
- [ ] 429 sperrt **nur den betroffenen Kanal** kurz, nicht alle.
|
||
|
||
### 2c. Betrieb
|
||
- [ ] Bei eigenen IPs prüfen: sind es echte getrennte Egress-IPs (multi-homed), nicht NAT hinter einer.
|
||
- [ ] Health/Statistik je Kanal (Erfolg, 429-Rate, Latenz), damit tote Proxys automatisch pausiert werden.
|
||
|
||
**Aufwand:** moderat und **einmalig** — durch die gemeinsame Abstraktion kostet „beides
|
||
umschaltbar" kaum mehr als „nur IPs".
|
||
|
||
---
|
||
|
||
## 3. Proxys & Header-Rotation — Einordnung (korrigiert)
|
||
|
||
**Klarstellung (Korrektur einer früheren Fassung):** Predictalytics betreibt **kein Trading und
|
||
keine Wallet** — es ist reine Analysesoftware, die ausschließlich **öffentliche** Marktdaten liest.
|
||
Das frühere „Ban gefährdet die Trading-Wallet"-Argument gehört zu **PolyTrader** (getrenntes
|
||
Projekt) und trifft hier **nicht** zu. Damit ist die Proxy-Wahl eine reine Engineering-Entscheidung
|
||
des Nutzers — freie Proxys eingeschlossen.
|
||
|
||
Was real bleibt (ehrliche Hinweise, keine Blocker — Entscheidung liegt beim Nutzer):
|
||
- **ToS-Grauzone:** Rate-Limit-Umgehung per Routen-/Header-Rotation widerspricht vermutlich
|
||
Polymarkets Nutzungsbedingungen. Realistische Konsequenz **hier**: einzelne IPs/Proxys werden
|
||
geblockt und müssen ersetzt werden — mehr nicht (kein Kapital, keine Wallet betroffen).
|
||
- **Datenintegrität (der eigentlich relevante Punkt):** Ein kaputter/bösartiger (v. a. gratis)
|
||
Proxy kann Antworten **verfälschen** → korrupte Analyse („garbage in, garbage out"). Da die
|
||
gesamte Auswertung darauf aufbaut, lohnt sich eine **Plausibilitätsprüfung** der Antworten
|
||
(Feldtypen, Wertebereiche, z. B. Preise ∈ [0,1]) und — wo Genauigkeit zählt — das Bevorzugen
|
||
kontrollierter Proxys/eigener IPs. Rein informativ, kein Zwang.
|
||
- **DB-Verbindung NIE über Proxy** (ausdrücklicher Nutzer-Wille): Die MySQL-Verbindung läuft
|
||
**immer direkt**. Der Egress-Pool gilt **ausschließlich** für ausgehende Polymarket-HTTP-Calls,
|
||
niemals für die DB.
|
||
|
||
### 3a. Header-Rotation (separat aktivierbar, standardmäßig AUS)
|
||
Auf Wunsch integriert, bewusst opt-in:
|
||
- [ ] Config `Egress.HeaderRotation.Enabled` — **Default `false`**. Bei `false` wird ein einziger,
|
||
konsistenter Standard-Header-Satz gesendet (heutiges Verhalten).
|
||
- [ ] Rotiert **kohärente Header-SETS**, nicht nur den User-Agent isoliert: je Eintrag ein
|
||
zusammenpassendes Bündel (`User-Agent` + `Accept` + `Accept-Language` + `Sec-CH-UA`…), damit
|
||
die Kombination realistisch bleibt — ein moderner UA mit widersprüchlichen Accept-Headern
|
||
fällt eher auf als gar keine Rotation. Set-Pool aus Config ladbar.
|
||
- [ ] Auswahl pro Kanal **oder** pro Request (konfigurierbar).
|
||
- [ ] Greift nur für Polymarket-Read-Calls; unabhängig vom Kanaltyp (IP oder Proxy) nutzbar.
|
||
|
||
---
|
||
|
||
## 4. Reihenfolge
|
||
1. **1b + 1d** (Caching/Dedup) — sofort, klein, spürbar.
|
||
2. **2a–2c** (Egress-Kanäle + Per-Kanal-Limiter) — moderat, liefert „eigene IPs UND Proxys umschaltbar".
|
||
3. **1c** (Tiering) — hängt an FIXPLAN D3.
|
||
4. **1a** (Blockchain/Subgraph-Bulk) — größter struktureller Hebel; eigener Rechercheschritt
|
||
(welcher Subgraph deckt Fills sauber ab?), dann als `IHistoricalTradeSource`.
|
||
|
||
## 5. Tests / Abnahme
|
||
- [ ] Per-Kanal-Limiter: unabhängige Budgets (kein globales Blocken); 429 sperrt nur einen Kanal.
|
||
- [ ] Egress-Binding: Smoke gegen einen Dienst, der die Quell-IP zurückgibt → Round-Robin nutzt
|
||
wirklich verschiedene IPs; Proxy-Kanal geht über den Proxy.
|
||
- [ ] Kanal-Health: toter Proxy wird automatisch pausiert, Pool weicht aus.
|
||
- [ ] Blockchain-Quelle: Stichproben-Abgleich Bulk-Historie ↔ REST-`/activity` eines Wallets,
|
||
bevor sie produktiv wird.
|
||
- [ ] **Header-Rotation:** bei `Enabled=false` wird genau ein konsistenter Standard-Satz gesendet
|
||
(kein Rotieren); bei `Enabled=true` stammt jeder gesendete Header-Satz **unverändert** aus dem
|
||
Pool (kohärent, keine zusammengewürfelten Felder).
|
||
- [ ] **DB-Guard:** die MySQL-Verbindung nutzt nie den Egress-Pool/Proxy (Regressionsschutz).
|
||
- [ ] **Response-Plausibilität:** grob unplausible Provider-Antworten (z. B. Preis außerhalb
|
||
[0,1]) werden erkannt und verworfen statt in die DB zu wandern.
|