如何在Python中实现跨文件传递持续更新的实时数据

针对实时行情接收+计算的场景，按实现复杂度、稳定性从高到低给三个可落地方案，按需选择即可。

方案1：同进程异步队列传递（首推，零依赖、延迟最低） #

不需要把两个文件拆成独立进程，直接调整入口逻辑，用Python标准库asyncio.Queue做数据缓冲即可，既不会阻塞websocket接收，也不会出现数据丢失，完全满足实时行情的传输需求。

代码修改示例 #

首先调整B.py，把websocket接收逻辑封装成可复用的协程，不再作为独立入口：

import asyncio
import json
import time
import websockets

async def binance_ws_consumer(data_queue: asyncio.Queue, symbol: str = "ethusdt"):
    url = f'wss://stream.binance.com:9443/stream?streams={symbol}@miniTicker'
    async with websockets.connect(url) as client:
        while True:
            raw_data = json.loads(await client.recv())['data']
            event_time = time.localtime(raw_data['E'] // 1000)
            event_time_str = f"{event_time.tm_hour}:{event_time.tm_min}:{event_time.tm_sec}"
            latest_price = float(raw_data['c'])
            # 数据放入队列，立即返回不阻塞接收
            await data_queue.put((event_time_str, latest_price))

然后把A.py作为唯一启动入口，启动时初始化队列、拉起B的接收协程作为后台任务，再循环从队列取数据做计算：

import asyncio
from B import binance_ws_consumer

async def run_strategy():
    # 初始化队列，maxsize可根据计算速度调整，避免内存溢出
    data_queue = asyncio.Queue(maxsize=100)
    # 后台启动websocket接收任务
    asyncio.create_task(binance_ws_consumer(data_queue))
    
    while True:
        # 阻塞等待新数据，不占CPU资源
        event_time, price = await data_queue.get()
        # 以下写你的计算逻辑即可
        print(f"[接收数据] 时间:{event_time} 最新价:{price}")
        data_queue.task_done()

if __name__ == "__main__":
    asyncio.run(run_strategy())

方案优势 #

• 无跨进程通信开销，无序列化/反序列化成本，传输延迟在微秒级
• 队列自带缓冲，就算计算逻辑有毫秒级耗时，也不会阻塞websocket接收导致断连或者丢包
• 全用Python标准库能力，不需要安装额外第三方依赖，问题排查成本极低
• 可灵活配置队列满后的处理策略，比如丢弃最旧数据优先保证实时性，非常适配行情场景

方案2：多进程队列传递（适配CPU密集型计算场景） #

如果你的计算逻辑是CPU密集型（比如大量指标计算、AI推理、复杂回测），会卡住异步事件循环影响websocket连接稳定性，就把两个逻辑拆成独立进程，用multiprocessing.Queue做跨进程数据传递：

• A作为主进程，启动时拉起B的子进程运行websocket接收逻辑
• B进程收到数据后直接放入跨进程队列
• A主进程循环从队列读取数据做计算，计算逻辑卡主也不会影响B进程的接收
  注意：进程间内存是隔离的，不要尝试用全局变量、普通函数调用的方式跨进程传数据，必须用Queue、Pipe这类专门的IPC机制。

方案3：本地消息中间件传递（适配多模块消费场景） #

如果后续你需要多个独立策略、多个模块同时消费这一份行情数据，可以用本地轻量消息通道做中转：B收到数据后统一推送到消息通道，所有需要数据的模块自行订阅消费即可，模块间完全解耦。

避坑提醒：不要用本地文件读写轮询、HTTP轮询这类方式传高频流式数据，延迟高还容易出现读写冲突，稳定性极差。

内容的提问来源于stack exchange，提问作者mohammadreza