OG-REQ-0001 服务端未收盘数据实时更新功能

[zillionare]

在omicron<2.0.0.a35中，以月线为例，获取未收盘的数据需要：

1. 从influxdb中取当月的周线
2. 从influxdb中取当周的日线
3. 从redis中取当天所有的分钟线，将其合成为日线
4. 将2和3合成为未收盘的周线
5. 将1和4合成为未收盘月线。
   上述过程在_get_day_level_bars中可以看到。
   显然，上述过程时比较耗时的。如果有一个监控条件，当股价击穿月线时买入，以分钟为单位进行检测，则每分钟就要重复一次上述计算。如果要同时监控上百支股票，可以想见，进程算力将几乎消耗殆尽，不再有能力做别的事。

提议中的feature将有以下功能：

1. 未收盘数据使用hash保存，key为"bars:unclosed:{frame_type.value}", field key为证券代码。
2. 每当omega获取到最新的分钟线并写入到redis之后，调用服务端update_unclosed函数。如果是分钟级的数据(比如5分钟），则在遇到09:36, 09:41的分钟线数据传来时，还要将bars:unclosed:5m中对应code的数据先写入到bars:5m:{code} hash中，其field key分别为 09:35, 09：40，...，再将unclosed_5m中对应的code的数据清空，接着执行以下逻辑。
3. update_unclosed函数接受参数为：frame_type(str), min_frame(datetime)
4. update_unclosed根据frame_type和frame，读取现有帧数据，并使用min_frame对应的分钟数据进行合成。合成逻辑如下：
   a. 如果frame对应的数据为空，则直接拷贝min_frame过去，但要修改时间为frame
   b. 否则，修改close为min_frame的close, high = max(frame_high, min_frame_high), low = min(frame_low, min_frame_low), volume = add(frame_volume, min_frame_volume), amount = add(frame_amount, min_frame_amount), open和factor保持不变。
5. 当某个日线级别的周期结束后，从redis中清除其对应的unclosed数据。这个清除时间一般是每天执行calibration的时间。
6. omega启动时，需要重建 bars:5m:{code}（其它分钟级类推）和bars:unclosed:{frame_type:value}的数据。重建过程可以简单地清空相关cache，再依次重建。这部分逻辑可以使用python来写。