Benchmark von Icon Solutions und MongoDB zeigt: IPF verarbeitet 6.000 Zahlungen pro Sekunde ohne Datenverlust bei Ausfällen

Gemeinsamer Benchmark auf MongoDB Atlas demonstriert nahezu lineare Skalierbarkeit, End-to-End-Latenz unter einer Sekunde sowie die Wiederherstellung nach Ausfällen von Anwendungs- und Datenbankknoten ohne Verlust einer einzigen Transaktion.

LONDON--(BUSINESS WIRE)--Icon Solutions und MongoDB haben heute die Ergebnisse eines gemeinsamen Benchmarks veröffentlicht, der zeigt, dass das Icon Payments Framework (IPF), das auf MongoDB Atlas läuft, 6.000 End-to-End-Zahlungstransaktionen pro Sekunde (etwa 430.000 Datenbankoperationen pro Sekunde) mit einer mittleren End-to-End-Latenz von 0,51 Sekunden verarbeitete und sich sowohl von Anwendungs- als auch von Datenbankknotenausfällen ohne Datenverlust erholte.

Das Volumen der Konto-zu-Konto-Zahlungen verlagert sich rasch in den Sofortzahlungsverkehr. Der Zahlungsverkehr wandert von Nettoabrechnungssystemen zu Sofortzahlungssystemen, und es wird erwartet, dass ein Teil des Lastschriftvolumens auf „Request-to-Pay“-Verfahren mit Abrechnung über Sofortzahlungssysteme umgestellt wird. Für Banken bedeutet dies stärkere Spitzen im Zahlungsverkehr, einen wachsenden Anteil an Zahlungen, die an System-SLAs von wenigen Sekunden gebunden sind, sowie null Toleranz für Ausfallzeiten. Die Bewältigung von mehreren tausend Zahlungen pro Sekunde bei gleichzeitiger Gewährleistung von Ausfallsicherheit, Verfügbarkeit und geringer Latenz wird von Instituten, die ihre Systeme selbst entwickeln, regelmäßig unterschätzt, und die Nachrüstung von Legacy-Plattformen für eine unterbrechungsfreie Verarbeitung stellt eine erhebliche Herausforderung dar.

IPF ist ein international bewährtes Entwicklungsframework für den Zahlungsverkehr, auf das Tier-1-Banken wie Citi, NatWest und BNP Paribas vertrauen. Es basiert auf einer cloud-nativen, ereignisgesteuerten Architektur und wurde von Anfang an für Umgebungen konzipiert, in denen Skalierbarkeit, Ausfallsicherheit und kontinuierliche Verfügbarkeit Grundvoraussetzungen sind. Der Benchmark wurde entwickelt, um genau dies zu testen.

Der Benchmark verwendete einen Referenzablauf für ausgehende SEPA-Sofortzahlungen, bei dem jede Zahlung 12 einzelne Verarbeitungsschritte durchläuft – darunter Duplikatsprüfung, Validierung von Nachrichten und Schema-Regeln, Betrugs- und Sanktionsprüfung, Abruf von Wechselkursen, Reservierung und Verbuchung von Geldern sowie die Generierung von Schema-Nachrichten –, wobei die umgebenden Systeme der Bank durch Simulatoren dargestellt wurden. IPF und MongoDB Atlas wurden einem „Ladder“-Test mit steigenden Zielwerten von 500 bis 6.000 Zahlungstransaktionen pro Sekunde unterzogen, sodass Durchsatz, Latenz und Datenbankauslastung in jeder Phase und nicht nur bei Spitzenauslastung beobachtet werden konnten. Anschließend wurden Ausfallszenarien unter Live-Transaktionslast ausgeführt.

Wichtigste Ergebnisse

• 6.000 Zahlungen pro Sekunde, durchgängig. IPF verarbeitete 6.000 Zahlungsvorgänge pro Sekunde, wobei jeder alle 12 Verarbeitungsschritte durchlief. Dieser Geschäftsdurchsatz wurde durch rund 430.000 Datenbankoperationen pro Sekunde über zwei MongoDB Atlas-Cluster hinweg gestützt: etwa 236.000 im IPF Event Journal und 196.000 im IPF Operational Data Store.
• Latenz deutlich innerhalb der SLAs für Sofortzahlungen. Die durchschnittliche End-to-End-Latenz bei 6.000 Transaktionen pro Sekunde betrug 0,51 Sekunden – ein Bruchteil des 10-Sekunden-Fensters, das Sofortzahlungssysteme typischerweise zulassen. Die Persistenzlatenz blieb selbst in Spitzenzeiten unter 30 Millisekunden.
• Nahezu lineare, vorhersehbare Skalierung. Von 500 bis 6.000 Transaktionen pro Sekunde skalierten Anwendung und Datenbank im Gleichschritt: Die CPU-Auslastung pro Shard und die Einfügungsraten stiegen proportional mit jedem Schritt auf der Skala an, und die Latenz blieb bis zum oberen Ende des Bereichs im Wesentlichen konstant. Die Kapazität lässt sich daher zuverlässig prognostizieren, und das Wachstum kann als Funktion der Infrastruktur geplant werden, anstatt einen Sprung ins Ungewisse zu wagen.
• Ausreichend Spielraum. Bei Spitzenauslastung lag die CPU-Auslastung der „Hot-Shards“ auf MongoDB Atlas bei etwa 50 %, die IPF-Zahlungsdienst-Pods liefen mit etwa 60 %, die WiredTiger-Schreibwarteschlange blieb bei Null und die Replikationsverzögerung blieb durchgehend gering.
• Wiederherstellung nach einem Ausfall ohne Datenverlust. Unter einer Live-Last von 3.500 Transaktionen pro Sekunde erholte sich IPF von einem unkontrollierten Ausfall eines Anwendungsknotens in weniger als 90 Sekunden und von einem geplanten Knoten-Herunterfahren in etwa 60 Sekunden. In beiden Fällen erreichte jede Transaktion einen Endzustand ohne Datenverlust und ohne manuellen Eingriff: Die Shard-Neuverteilung von IPF verteilt laufende Transaktionen auf die verbleibenden Knoten um und stellt deren Zustand anhand persistierter Ereignisse wieder her.
• Datenbank-Failover im Sekundenbereich. Unabhängig davon wurde ein Failover des MongoDB Atlas-Primärknotens – durchgeführt mit dem in Atlas integrierten Failover-Test, den Kunden selbst ausführen können – im Durchschnitt in etwa 5 Sekunden abgeschlossen, wobei die Zahlungsabwicklung durchgehend fortgesetzt wurde und es zu keinen Zahlungsausfällen oder Anwendungsneustarts kam.
• Die Verbesserungen der Plattform schlagen sich direkt in der Zahlungsleistung nieder. Der Wechsel von MongoDB Atlas 8.0 auf 8.3 reduzierte die Persistenzlatenz um etwa 50 % – von rund 40 Millisekunden auf rund 20 Millisekunden bei 4.000 Transaktionen pro Sekunde.

Für Banken und Zahlungsdienstleister hat dies praktische Bedeutung: Kapazitäten, die geplant statt geschätzt werden können, Ausfälle, die ohne manuellen Eingriff behoben werden, und ein Weg zu einer modernen Zahlungsinfrastruktur, der weder den Aufbau einer komplett eigenen Lösung noch die Nachrüstung einer Altsystemplattform erfordert. Was diese Ergebnisse ermöglichte, ist die Architektur.

Die Ergebnisse wurden durch eine verteilte, skalierbare Architektur statt durch überdimensionierte Hardware erzielt. IPF lief als 12 Anwendungs-Pods auf Kubernetes über drei Verfügbarkeitszonen hinweg in einer einzigen Cloud-Region und nutzte Akka für die parallele, fehlertolerante Verarbeitung, die Back-Pressured-Streams des IPF Connector Frameworks, um zu verhindern, dass nachgelagerte Systeme für Betrugsbekämpfung, Sanktionen und Buchhaltung bei steigender Auslastung überlastet werden, sowie Kafka, um Verarbeitungsdaten an den Operational Data Store zu streamen. Die Persistenz folgt den Mustern von Event-Sourcing und CQRS, wobei MongoDB Atlas sowohl das IPF Event Journal (ein Cluster mit fünf Shards) als auch den IPF Operational Data Store (ein Cluster mit sechs Shards) unterstützt. Jeder Shard lief auf einer Instanz der M80-Klasse mit 32 vCPUs und 128 GB RAM.

Die Kapazität lässt sich durch weitere Sharding-Maßnahmen und durch die Aufteilung von Diensten erweitern: indem Massenzahlungen von Einzelzahlungen getrennt werden, Zahlungsflüsse in Zahlungsauslösung, -ausführung und -abwicklung aufgeteilt werden oder eine geografische Trennung erfolgt. Der Benchmark zeigt somit einen klaren Weg hin zu mehr als 6.000 Transaktionen pro Sekunde für die Banken und Zahlungsdienstleister auf, die dies benötigen. Jeder einzelne, abgetrennte Dienst ist für sich genommen zu mehreren tausend Transaktionen pro Sekunde fähig.

„Banken benötigen eine Zahlungsinfrastruktur, die sich an eine Instant-Economy anpassen kann“, sagte Toine van Beusekom, Strategy Director bei Icon Solutions. „Es ist jedoch nicht einfach, Tausende von Zahlungen pro Sekunde aufrechtzuerhalten und dabei Ausfallsicherheit, Verfügbarkeit, Skalierbarkeit und extrem niedrige Latenzzeiten zu gewährleisten – insbesondere für Institute, die auf veraltete Architekturen angewiesen sind oder alles selbst aufbauen. Dieser Benchmark-Test zeigt, dass IPF einen alternativen Ansatz bietet, der speziell darauf ausgelegt ist, den beispiellosen Anforderungen einer rund um die Uhr aktiven Welt gerecht zu werden, und es Banken ermöglicht, den Zahlungsverkehr mit Zuversicht voranzutreiben.“

„Bei 6.000 Zahlungen pro Sekunde verarbeitet die Datenschicht fast eine halbe Million Datenbankoperationen pro Sekunde – mit einer Wiederherstellungszeit nach Knotenausfall von fünf Sekunden und ohne Datenverlust“, sagte Boris Bialek, Vice President of Industries und Global Field CTO bei MongoDB. „Sofortzahlungen erfordern eine dynamische, ereignisgesteuerte Datengrundlage und nicht nur ein statisches Aufzeichnungssystem. Dieser Benchmark zeigt, was MongoDB in Echtzeit leistet – und das mit reichlich Spielraum. Skalierbarkeit, Ausfallsicherheit und operative Leistung in einer einzigen verwalteten Plattform. Das ist der Motor moderner Zahlungsabwicklung.“

Hier geht es zum Benchmark-Bericht: Scale Without Sacrifice: How Icon Solutions and MongoDB Power Always-On Payments .

Der vollständige Datensatz, einschließlich der vollständigen Metrik-Skala für jeden Schritt von 500 bis 6.000 Zahlungsvorgängen pro Sekunde sowie weiterer Details dazu, wie die Ergebnisse erzielt wurden, ist auf Anfrage bei Icon Solutions oder MongoDB erhältlich.

Über Icon Solutions

Icon Solutions ist ein Fintech-Unternehmen, das seit 2009 modernste Zahlungssysteme entwirft und implementiert. Sein Kernprodukt, das Icon Payments Framework (IPF), ist ein international bewährtes Entwicklungsframework für den Zahlungsverkehr, auf das Tier-1-Banken wie Citi, NatWest und BNP Paribas vertrauen. Das IPF hilft Banken dabei, die Transformation ihrer Zahlungsinfrastruktur zu beschleunigen, indem es ihnen ermöglicht, Lösungen zur Zahlungsabwicklung schneller zu entwickeln, zu testen und bereitzustellen und dabei die Kontrolle über Zeitpläne und Kosten zu behalten.

Über MongoDB

MongoDB mit Hauptsitz in New York hat es sich zum Ziel gesetzt, Innovatoren dabei zu unterstützen, mit Software Branchen zu gestalten, zu verändern und zu revolutionieren. Die einheitliche, intelligente Datenplattform des Unternehmens wurde entwickelt, um die nächste Generation von Anwendungen zu ermöglichen, und verfügt über integrierte Funktionen für Betriebsdaten, Suche, Echtzeitanalysen und KI-gestütztes Abrufen. Millionen von Entwicklern und mehr als 67.000 Kunden aus nahezu allen Branchen, darunter rund 75 % der Fortune-100-Unternehmen, vertrauen bei ihren wichtigsten Anwendungen auf MongoDB.

Die Ausgangssprache, in der der Originaltext veröffentlicht wird, ist die offizielle und autorisierte Version. Übersetzungen werden zur besseren Verständigung mitgeliefert. Nur die Sprachversion, die im Original veröffentlicht wurde, ist rechtsgültig. Gleichen Sie deshalb Übersetzungen mit der originalen Sprachversion der Veröffentlichung ab.