07 — Observability & Diagnostiek

← 06 — Risk & Safety | 07 — Observability | 08 — Operations →

Dit document beschrijft hoe Krakenbot inzicht geeft in zijn eigen werking, van real-time logging tot lange-termijn performance analyse (Forward-Returns).

Navigatiemenu

• Logging Taxonomie
• Trading Funnel & Events
• Forward-Return Observability
• Edgeboard & CDV Snapshots
• Resource Telemetry
• Fill Feedback & Slippage

Logging Taxonomie

Krakenbot gebruikt gestructureerde logging via het tracing crate. Om ruis te minimaliseren, zijn logs strikt ingedeeld:

• ERROR: Kritieke fouten die actie vereisen (bijv. DB verbinding verloren, API keys ongeldig).
• WARN: Onverwachte situaties (bijv. L2 checksum mismatch, order rejected).
• INFO: Belangrijke lifecycle events (bijv. order geplaatst, fill ontvangen, positie gesloten).
• DEBUG: Hoog-volume diagnostiek (bijv. elke evaluatie-tick, heartbeat, interne state-updates).

Opmerking: Tijdens de cleanup-ronde zijn veel repetitieve INFO logs gedegradeerd naar DEBUG om de live-observatie werkbaar te houden.

Trading Funnel & Events

De bot houdt een "funnel" bij om te zien waar signalen afvallen. Dit wordt opgeslagen in de trading_funnel_events tabel.

Forward-Return Observability

Dit is het hart van de leer-lus van de bot. Het meet de kwaliteit van signalen, ook als ze niet zijn uitgevoerd.

• directional_forward_observations: Elke keer dat de pipeline een signaal ziet, wordt dit gelogd in de RESEARCH database.
• Sweeper: Een achtergrondtaak controleert na 5, 10 en 15 minuten wat de prijs heeft gedaan t.o.v. het signaal.
• Markout: Dit levert de "markout curve" op, die laat zien of onze entry-timing statistisch voordeel (edge) heeft.

Edgeboard & CDV Snapshots

• CDV (Candidate Decision Vector): Een rijke JSON-dump van alle features en scores op het moment van een beslissing.
• Edgeboard: Een real-time overzicht van de top-kandidaten per symbool, horizon en strategie. Dit wordt gebruikt voor de UI en voor handmatige inspectie van de "markt-kansen".

Resource Telemetry

De bot bewaakt zijn eigen "footprint" om degradatie op de server te voorkomen.

• CPU/RAM: Gelogd via observability::resource_telemetry.
• DB Latency: Meet de tijd van SQL-queries om trage indexen of locks te detecteren.
• Event Loop Lag: Meet of de Tokio runtime de ticks op tijd kan verwerken.

Fill Feedback & Slippage

Na elke fill berekent de bot de slippage: het verschil tussen de prijs waarop we wilden traden en de prijs die we kregen.

• fill_feedback: Deze data wordt gebruikt om de cost_model in de pipeline te verfijnen, zodat de bot in de toekomst realistischer rekent.

← 06 — Risk & Safety | 07 — Observability | 08 — Operations →

Document gegenereerd voor technische documentatie. Laatst bijgewerkt: 2026-04-13.