fix redis 问题

freqtrade/templates/freqaiprimer.py

@@ -1072,7 +1072,6 @@ class FreqaiPrimer(IStrategy):
         获取趋势得分，优先从 Redis 缓存中读取，如果缓存未命中则计算并存储到 Redis。
         """
 
-
         # 创建 Redis 客户端
         if not hasattr(self, 'redis_client') and self.redis_url:
             try:
@@ -1082,8 +1081,10 @@ class FreqaiPrimer(IStrategy):
                 logger.error(f"❌ 初始化 Redis 客户端失败: {e}")
                 raise
 
-        # 生成缓存键
-        cache_key = f"trend_score:{pair}:{timeframe}:{timestamp}"
+        # 生成缓存键，使用新的命名格式
+        strategy_name = "freqaiprimer"
+        timeframes_str = "3m-15m-1h"  # 固定的多时间框架组合
+        cache_key = f"{strategy_name}|trend_score|{pair.replace('/', '-')}|{timeframes_str}|{timestamp}"
         logger.debug(f"[{pair}] 生成 Redis 缓存键：{cache_key} (时间戳: {timestamp})")
 
         # 尝试从 Redis 获取趋势得分
@@ -1102,9 +1103,6 @@ class FreqaiPrimer(IStrategy):
 
         # 缓存未命中，计算趋势得分
         logger.info(f"[{pair}] Redis 缓存未命中，开始计算趋势得分 (时间戳: {timestamp})")
-
-        # 缓存未命中，计算趋势得分
-        logger.info(f"[{pair}] Redis 缓存未命中，开始计算趋势得分")
         trend_score = self.get_market_trend(dataframe=dataframe, metadata=metadata)
         logger.info(f"[{pair}] 成功计算趋势得分: {trend_score:.2f}")
 
@@ -1138,37 +1136,65 @@ class FreqaiPrimer(IStrategy):
             
             # 计算最近20个周期的trend_score
             trend_scores_20 = []
+            
+            # 获取dataframe的实际索引长度
+            total_length = len(dataframe)
+            
             for i in range(-20, 0):
-                # 获取历史数据片段
-                hist_df = dataframe.iloc[:i+1] if i != -1 else dataframe
+                # 确保索引在有效范围内
+                if abs(i) > total_length:
+                    logger.warning(f"[{pair}] 索引 {i} 超出数据范围，使用默认趋势得分 50")
+                    trend_scores_20.append(50)
+                    continue
                 
-                # 确保索引是 DatetimeIndex 类型
-                if not isinstance(hist_df.index, pd.DatetimeIndex):
-                    try:
-                        hist_df.index = pd.to_datetime(hist_df.index)
-                        logger.debug(f"[{pair}] 成功将索引转换为 DatetimeIndex")
-                    except Exception as e:
-                        logger.error(f"[{pair}] 无法将索引转换为 DatetimeIndex: {e}")
-                        hist_df = pd.DataFrame()  # 如果转换失败，设置为空 DataFrame
-
-                # 检查 hist_df 是否为空
-                if len(hist_df) == 0:
+                # 获取历史数据片段 - 使用正确的切片方式
+                end_idx = i + 1 if i != -1 else None
+                hist_df = dataframe.iloc[:end_idx]
+                
+                if hist_df.empty:
                     logger.warning(f"[{pair}] 历史数据片段为空，使用默认趋势得分 50")
-                    trend_scores_20.append(50)  # 默认值
+                    trend_scores_20.append(50)
                     continue
 
-                # 获取时间戳并记录日志
+                # 获取时间戳 - 使用更可靠的方式
                 try:
-                    timestamp = int(hist_df.index[-1].timestamp())
-                    logger.debug(f"[{pair}] 生成时间戳：{timestamp}, 时间：{hist_df.index[-1]}")
+                    # 获取最后一个时间点的索引
+                    last_idx = hist_df.index[-1]
+                    
+                    # 如果是DatetimeIndex，直接获取timestamp
+                    if isinstance(last_idx, pd.Timestamp):
+                        timestamp = int(last_idx.timestamp())
+                    elif hasattr(last_idx, 'timestamp'):
+                        # 其他有timestamp属性的类型
+                        timestamp = int(last_idx.timestamp())
+                    else:
+                        # 如果是数值索引，使用时间戳作为标识
+                        timestamp = int(pd.Timestamp.now().timestamp()) + i
+                    
+                    logger.debug(f"[{pair}] 成功生成时间戳：{timestamp}, 对应时间：{last_idx}")
                 except Exception as e:
                     logger.error(f"[{pair}] 无法生成时间戳: {e}")
-                    timestamp = 0  # 如果生成失败，使用默认时间戳 0
+                    # 使用当前时间戳加上偏移量作为后备方案
+                    timestamp = int(pd.Timestamp.now().timestamp()) + i
+                    logger.warning(f"[{pair}] 使用后备时间戳：{timestamp}")
 
-                # 使用新的 get_trend_score_with_cache 方法替代直接调用 get_market_trend
-                score = self.get_trend_score_with_cache(pair=pair, timeframe=self.timeframe, timestamp=timestamp, dataframe=hist_df, metadata=metadata)
+                # 使用新的 get_trend_score_with_cache 方法
+                score = self.get_trend_score_with_cache(
+                    pair=pair, 
+                    timeframe=self.timeframe, 
+                    timestamp=timestamp, 
+                    dataframe=hist_df, 
+                    metadata=metadata
+                )
                 trend_scores_20.append(score)
             
+            # 验证结果数量
+            if len(trend_scores_20) < 20:
+                logger.warning(f"[{pair}] 只获取到 {len(trend_scores_20)} 个趋势得分，需要20个")
+                # 用默认值填充缺失的得分
+                while len(trend_scores_20) < 20:
+                    trend_scores_20.append(50)
+            
             # 分段计算加权得分
             # 第一段：最近1-3个周期 (索引-3到-1)
             segment1 = trend_scores_20[-3:]