项目介绍 自动执行任务，每天可以通过执行任务赚取收益。当任务类型种类越来越多的时候，将没有充足的时间将所有的任务全部执行完毕。为了使收益最大化，因此需要优先执行单位时间回报率较高的任务。 实现说明 1.启动生产者线程，当达到一定条件时，向任务队列添加相应任务。任务队列为优先队列，优先级由该类型任务的单位时间回报率决定。 2.启动消费者线程，监听任务队列，获取优先级最高的任务，找到该类型任务的执行流程，向执行线程池创建执行线程。 3.执行线程池的任务执行完毕之后，记录该类任务执行时间以及收益 4.启动分析线程，根据已执行任务的执行时间和收益，计算该类型任务的单位时间回报率。对回报率较高的任务类型设置较高的优先级，对回报率较低的任务类型设置较低的优先级。

在Alcor市场根据FW代币汇率差套利 一、简要概述 FW代币是当前火爆链游农民世界发行的代币，目前共有3种：FWW、FWG、FWW，分别对应了游戏中的木材、金子、食物三种资源。游戏中的资源可以随时提现为对应的代币，代币也可以在游戏中进行充值兑换相应的资源。玩家可以随时在Alcor交易市场进行代币交易。游戏中的木材、金子、食物存在着某种平衡，也会影响到Alcor市场的FW的汇率。FW间的汇率波动便带来了套利空间。 二、准备条件 1.Alcor市场FWG、FWF、FWW连续3个月的交易记录，分别准备1min，15min，30min间隔的记录。 三、实现 1.从Alcor市场ws接口获取实时交盘数据 2.计算FW间汇率的兑换比 3.计算FW在某个时期内兑换比的分布概率 4.在不同概率分布下进行模拟交易 5.选择最优兑换比进行兑换

项目背景: 商家手中有拥有大量用户清单，其中包含了用户的各类属性特征，数量级千万一级。为了更精准的向用户推荐产品，商家梳理出一系列的推荐规则，随之向符合其中规则的用户推荐指定的产品。产品数量级为百一级。 诉求: 推荐规则需要根据反馈调整，因此需要允许灵活配置 输入: 用户清单，推荐规则，以及产品清单 输出: 已添加了推荐产品信息的用户清单 实现: 1.从上游接入数据，用户数据以分批次或流式输入 2.启用多线程或多进程并行处理 3.利用规则引擎解析推荐规则 4.利用pandas按推荐规则的步骤进行数据处理 5.为处理过后的用户数据分别打上对应的推荐标签 6.给用户数据按标签对应的商品添加推荐商品信息 7.数据传递给下游