© 1995-2021 Компания «Инфосистемы Джет»
Ускорение работы платежных решений с In-Memory Computing
Информационная безопасность

Переход на цифровые платежи происходит в различных форматах: биткойны, мобильные кошельки, транзакции в одно касание, денежные переводы между пользователями. Глобальный рынок только мобильных платежей, как ожидается, вырастет с $235 млрд в 2013 году до почти $800 млрд в 2017 году и превысит триллион долларов к 2019 году.

Информационная безопасность Тема номера

Как ускорить работу платежных решений с In-Memory Computing

Автор
Никита Иванов Основатель и технический директор GridGain

13.12.2017

Посетителей: 168

Просмотров: 144

Время просмотра: 5.7 мин.

Переход на цифровые платежи происходит в различных форматах: биткойны, мобильные кошельки, транзакции в одно касание, денежные переводы между пользователями. Глобальный рынок только мобильных платежей, как ожидается, вырастет с $235 млрд в 2013 году до почти $800 млрд в 2017 году и превысит триллион долларов к 2019 году.

 

 

Однако переход к цифровым платежам связан с рядом трудностей. Чтобы улучшить пользовательский опыт, поставщики услуг должны обрабатывать транзакции в режиме реального времени и при этом обеспечивать их надежность. У них также должна быть возможность нарастить емкость раньше, чем появляется спрос. При этом необходимо использовать сложную аналитику для предотвращения мошенничества, соблюдения нормативных требований и выявления полезных результатов из данных, которые они собирают.

 

Особое значение для разработчиков платежных решений имеет защищенность. В цифровых платежных системах нередко находятся лазейки для мошенничества, взлома и других угроз безопасности. Новые правила кибербезопасности способствуют более надежной защите данных, но также повышают требования к производительности.

 

Что необходимо делать разработчикам в таком случае:

 

  •  Внедрять эффективные методы защиты и шифрования для аутентификации пользователей и конфиденциальности транзакционных данных.
  •  Соблюдать сложные и постоянно обновляемые правила безопасности, часто в режиме реального времени.
  •  Обеспечивать доступ к огромным объемам структурированных и неструктурированных данных, например, к истории данных поведения пользователей, которые помогут предсказать мошенничество в будущем.
  •  Идентифицировать и предотвращать действия злоумышленников в режиме реального времени с помощью интеллектуального моделирования, машинного обучения и других методов.

Еще одна задача, стоящая перед поставщиками ИТ-решений — успешная обработка данных, собираемых с широкого круга поставщиков услуг и получателей платежей, чтобы нащупать новые возможности для бизнеса. Например, можно объединять платежные данные с геолокационной информацией и данными клиентов из социальных сетей, а затем анализировать агрегированные данные для прогноза поведения клиентов и повышения их удовлетворенности. Другой пример — можно анализировать данные о платежах в режиме реального времени, чтобы мгновенно выявлять возможности продаж дополнительных продуктов и услуг. Если речь идет о персонифицированном обращении к клиенту, это может быть чат с личным помощником, который готов ответить на все вопросы и подсказать дальнейшие шаги.

И предотвращение мошенничества, и аналитика требуют обработки крупных массивов структурированных и неструктурированных данных из разных источников. Обработка должна происходить с беспрецедентной скоростью с использованием машинного обучения и других технологий искусственного интеллекта. Для реализации всех этих задач помимо масштабов и скорости, от базовой технологической инфраструктуры требуется:

 

  •  Гибкость и интероперабельность, возможность интеграции устаревших open-source и облачных систем, а также подключения вариантов оплаты с различных устройств.
  •  Отказоустойчивость и высокая доступность, обеспечивающие уровень надежности и восстановимости, необходимый для финансовых данных.
  •  Безопасность, обеспечивающая сохранность данных клиентов.

 

Чтобы достичь этого, многие поставщики платежных систем обращаются к решениям для вычислений в памяти компьютера (in-memory computing, IMC). Новый технический документ «Модернизируйте и ускоряйте платежные решения с помощью In-Memory Computing» от GridGain Systems раскрывает, как вычисления в памяти становятся одной из ключевых технологий в основе новых платежных решений.

 

Сохраняя данные в RAM-памяти, IMC устраняет проблему, которая снижает эффективность любой другой высокопроизводительной вычислительной стратегии: медленный доступ к диску. Вместо этого вычисления в памяти в сочетании с параллельной обработкой и распределением в вычислительном кластере дают поставщикам доступ к «тяжелой» аналитике и приложениям. Это позволяет обрабатывать транзакции примерно в 1000 раз быстрее в режиме реального времени за счет выполнения сотен или даже миллионов транзакций в секунду.

 

IMC-платформы относительно просты в развертывании. Они внедряются между слоем приложения и данных. Данные в базе данных RDBMS, NoSQL или Hadoop размещаются в RAM распределенного кластера платформы IMC, обеспечивая огромный скачок в производительности. Масштабируемость также перестает быть проблемой. Общая системная память может быть увеличена добавлением в кластер новых узлов. Система автоматически балансирует данные по узлам, добавляя производительность и RAM новых узлов. Актуальные версии IMC-платформ предлагают гибкость, интероперабельность и безопасность, необходимые поставщикам платежных решений.

 

До недавнего времени IMC-решения считались слишком дорогостоящими из-за высокой стоимости RAM. Однако с 1960-х годов издержки снижаются примерно на 30% в год. Сегодня память по-прежнему немного дороже дискового хранилища, но повышенная производительность компенсирует затраты. Многие провайдеры платежных решений и других финансовых сервисов, которые внедрили платформу IMC, добились десятикратного или даже большего улучшения ROI.

 

Например, Сбербанк — крупнейший банк в России и третий по величине в Европе — столкнулся с той же проблемой, с которой сталкиваются поставщики платежных решений: скорость, масштабируемость, доступность и безопасность перехода от традиционного, обремененного человеческим фактором инвестиционного консалтинга и трейдинга к онлайн-доступу к услугам в режиме реального времени 24/7. Чтобы справиться со значительным ростом объема транзакций, Сбербанк выбрал решение на основе IMC. По данным банка, платформа IMC, которая была построена на стандартном оборудовании, обеспечивала высокую производительность и надежность, хотя и была менее дорогостоящей, чем предыдущая технология.

Уведомления об обновлении тем – в вашей почте

Спасибо!
Вы подписались на обновления наших статей
Предложить
авторский материал





    Спасибо!
    Вы подписались на обновления наших статей
    Подписаться
    на тему







      Спасибо!
      Вы подписались на обновления наших статей
      Оформить
      подписку на журнал







        Спасибо!
        Вы подписались на обновления наших статей
        Оформить
        подписку на новости







          Спасибо!
          Вы подписались на обновления наших статей
          Задать вопрос
          редактору








            Оставить заявку

            Мы всегда рады ответить на любые Ваши вопросы

            * Обязательные поля для заполнения

            Спасибо!

            Благодарим за обращение. Ваша заявка принята

            Наш специалист свяжется с Вами в течение рабочего дня