延迟瓶颈实测为本机 CPU 而非机房位置，跨站对比主指标改为 compute_ms

用户指出本机选新加坡是因为 Bitget 机房在新加坡。查证下来 ws.bitget.com 解析
到的是 CloudFront（dxotqhr62n6z4.cloudfront.net），落在新加坡 AS16509
（Amazon），即连的是 AWS 的 CDN 边缘而非 Bitget 自有机房。

腾讯云 ap-singapore（AS132203）到该边缘实测：ICMP 往返 2.1ms、TCP 握手
3.3ms、TLS 完成 9.0ms、首字节 87.8ms。首字节减 TLS 那约 79ms 是 CloudFront
回源开销，与我们的位置无关。

延迟构成（33 根样本）：数据到达中位 506ms、信号计算中位 646ms、合计 1315ms。
随机房位置变化的只有那 2ms 往返，占总延迟 0.15%。而 646ms 的信号计算是每根
在 2000 根 1m 加 800 根 5m 上重建缠论结构，本机 2 核、2 个计算进程，三币同时
收盘时第三个还要排队——这才是有改善空间的一项。

因此：
- 新增 deploy/netprobe.sh，把网络那一段单独量出来并入运行元数据。用到达
  延迟去比两个机房等于用公斤秤称克，必须把可变的那段拿出来单独看。
- compare_sites.py 主指标改为 compute_ms，lag_data_ms 降为自检项（两站应当
  接近；若差很多，先怀疑时钟而非网络）。元数据表加 nproc/cpu_model/往返。
- README 改写：第二台机器该测 CPU 规格而非地理位置，WORKERS 按核数减一给，
  币数多于 worker 数时排队时间直接计入 compute_ms。

另修正站点标签：本机是腾讯云而非 Hetzner，sg-hetzner → sg-tencent，标错的
33 行数据已清掉重采。

Co-authored-by: Cursor <cursoragent@cursor.com>

research/live/compare_sites.py

@@ -1,8 +1,17 @@
 """对比两个（或多个）采集站点的数据差异。
 
-部署第二台机器的目的就是这个：延迟是「本地接收 − 交易所 K 线收盘」，直接
-取决于机器到交易所的网络距离，换个地理位置这个数会变。而滑点里最大的一项
-是延迟漂移，所以站点选址本身就是一个可优化的参数。
+## 该比什么（2026-08-28 实测修正）
+
+原以为该比地理位置，实测下来不是。腾讯云新加坡的延迟构成：
+
+    数据到达   506ms   其中网络仅 2ms 往返（ws.bitget.com 是 CloudFront 边缘）
+    信号计算   646ms   本机 2 核，三币同时收盘还要排队
+    合计      1315ms
+
+换机房只能动那 2ms。**主指标是 compute_ms，不是 lag_data_ms。**
+
+lag_data_ms 仍然要看，但作用是**自检**：两站应当几乎相同；若差很多，先怀疑
+时钟没对齐——那比网络差异的可能性大得多。
 
 ## 判读前必须先看的两件事
 
@@ -68,10 +77,21 @@ def show_meta(out_dirs: list[Path]) -> None:
     if not rows:
         return
     df = pd.DataFrame(rows)
-    keep = [c for c in ("site", "clock_offset_ms", "git_commit", "git_dirty",
-                        "image_digest", "nproc", "mem_gb", "tz",
+    # net 是嵌套 dict，摊平出关心的几项
+    if "net" in df.columns:
+        for k in ("icmp_min_ms", "tcp_connect_min_ms", "ttfb_min_ms",
+                  "self_org", "edge_org"):
+            df[k] = df["net"].apply(
+                lambda v, k=k: v.get(k) if isinstance(v, dict) else None)
+    keep = [c for c in ("site", "clock_offset_ms", "nproc", "cpu_model",
+                        "icmp_min_ms", "ttfb_min_ms", "git_commit",
+                        "git_dirty", "image_digest", "mem_gb", "tz",
                         "started_utc") if c in df.columns]
     print(df[keep].to_string(index=False))
+    if "icmp_min_ms" in df and df["icmp_min_ms"].notna().any():
+        x = df["icmp_min_ms"].astype(float)
+        print(f"\n  到 Bitget 边缘的往返：{x.min():.1f}~{x.max():.1f}ms。"
+              f"站间极差 {x.max() - x.min():.1f}ms 就是换机房的全部空间")
     if "clock_offset_ms" in df and df["clock_offset_ms"].notna().any():
         o = df["clock_offset_ms"].astype(float)
         spread = float(o.max() - o.min())
@@ -94,7 +114,10 @@ def compare_latency(df: pd.DataFrame, col: str = "lag_data_ms") -> None:
               f"等第二台机器的数据到齐")
         return
 
-    print(f"\n########## 二、到达延迟（{col}） ##########")
+    label = {"compute_ms": "信号计算耗时（主指标，取决于 CPU）",
+             "lag_data_ms": "数据到达延迟（自检项，两站应当接近）",
+             "lag_signal_ms": "合计到可下单"}.get(col, col)
+    print(f"\n########## {label}（{col}） ##########")
     print("\n  全量（各站各自的样本，时段可能不同）")
     for s in sites:
         x = df[df["site"] == s][col].dropna().astype(float)
@@ -176,7 +199,11 @@ def main() -> None:
 
     show_meta([p for p in metas if p.is_dir()])
     df = load(lat)
-    compare_latency(df)
+    # compute_ms 是主指标：它是延迟里唯一有大幅改善空间的一项（646ms vs
+    # 网络的 2ms）。lag_data_ms 放后面，作用是自检两站是否可比
+    compare_latency(df, "compute_ms")
+    compare_latency(df, "lag_data_ms")
+    compare_latency(df, "lag_signal_ms")
     compare_drift(drf)