前言
很多国内期货量化的研究阶段在Jupyter Notebook里进行：改两行均线参数就 Shift+Enter 重跑，比整脚本重启方便。天勤TqSdk的TqApi在创建时会建立与行情、交易服务的连接并维护订阅；若每个单元格都api = TqApi(...)而从不api.close()，旧连接和缓冲仍占内存，表现为越跑越卡、行情乱跳、甚至连接数超限——这在期货量化教学群里非常常见，并非天勤“泄漏”，而是资源未释放的使用习惯。
本文说明 Notebook 场景下如何正确关闭 Api、与wait_update循环的关系、异步register_update_notify的注意点，并区分研究用 Notebook与7×24 实盘进程。不默认你已区分 TqSim 与 TqKq。
一、期货研究在 Notebook 里常做什么
典型操作：拉几分钟 1 分钟或 5 分钟 K 线、看datetime是否推进、试一笔模拟TargetPosTask、画均线。这些都需要TqApi活着。问题在于：同一内核里重复创建多个 Api，每个都在后台收国内期货行情，内存与连接叠加。
错误模式示意：
# 单元格 1api=TqApi(TqSim(),auth=TqAuth(...))# 跑 while 或若干 wait_update# 单元格 2 再次执行api=TqApi(TqSim(),auth=TqAuth(...))# 旧 api 未 close二、正确习惯：单例 + 先关后建
if"api"inglobals()andapiisnotNone:api.close()api=TqApi(TqSim(),auth=TqAuth("快期账户","密码"))或研究一段结束后Kernel → Restart，再只创建一个 Api。长而久的while True建议放到.py用命令行跑，Notebook 只跑有限次wait_update做片段验证。
三、try/finally 保证 close
api=TqApi(TqSim(),auth=TqAuth(...))try:for_inrange(50):api.wait_update()# 观察 kl.iloc[-1].datetime 是否变化finally:api.close()回测单元格捕获BacktestFinished后同样应close()，否则同一内核里第二次TqBacktest可能遇到资源未释放问题。
四、异步 notify 与 Notebook
若在协程 demo 里使用register_update_notify，官方建议async with api.register_update_notify() as update_chan；若手动拿 channel，用完需await update_chan.close()，否则会泄漏。另：不要在协程里直接wait_update()，天勤会报错；Notebook 里混同步 while 与 async task 时要只保留一套模型。
五、调试循环不要无限占着 Api
调试可加次数上限或wait_update(deadline=...)，避免单元格永远运行导致无法 close。实盘部署在国内服务器上时，用 systemd 等单进程守护，不要用合盖休眠的笔记本扛夜盘。
六、与期货实盘的关系
Notebook 适合验证“K 线 datetime 触发是否正确”“一笔模拟单持仓是否变化”；国内期货连续交易与风控，应放到独立.py进程，配置与实盘相同的is_changing规则，避免 Notebook 特有的一次性变量残留进生产。
总结
Jupyter 反复运行天勤策略导致内存涨，主因是多个TqApi未close()。期货量化研究应在单内核保持单 Api，重跑前先close()或重启内核；长循环用脚本；异步 notify 用 async with 或显式 close。
弄清TqApi是长连接资源，而不是普通变量，Notebook 体验会稳定很多。
FAQ
1）%reset 够吗？
建议先api.close()再 reset。
2）两个 Notebook 同账户？
每内核独立，避免同账户多端抢线。
3）内存仍涨？
检查是否缓存巨大 DataFrame；del 不再用的表。
4）能否 pickle Api？
不要；每会话重建。
风险提示
本文讨论开发环境，不构成投资建议。
