חזרה לפיד
articlesמקור: MongoDB Official Blog (general)9.9.2026

בדיקות עומסים ואמינות למערכות תשלומים

אמ;לק

תוצאות מבחני עומס מראות יכולת עיבוד של אלפי תשלומים בשנייה ללא אובדן מידע. רציפות ושרידות המידע (Data Resilience) הן אבני היסוד של כל מערכת פיננסית בטוחה.

סיכום בעברית: מערכת VibeSec · מדיניות המקורות

נוסף ל-VibeSec:

כותרת מקורית: Benchmark Shows MongoDB Atlas Manages Thousands of Payments Per Second with Zero Data Loss

בדיקות עומסים ואמינות למערכות תשלומים

התוכן המלא בעברית

תרגום אוטומטי מהמקור; מונחים טכניים נשארו באנגלית. לנוסח המחייב — הכתבה המקורית.

מכיוון שמסילות תשלום מיידי מחליפות מערכות אצווה מדור קודם ברחבי העולם, בנקים זקוקים להוכחה פומבית לכך שארכיטקטורות נתונים מודרניות יכולות להתרחב מבלי לפגוע בחוסן. לאחרונה העברנו את ה-Icon Payments Framework (IPF), שזוכה לאמון מצד בנקים בדירוג Tier 1, כולל Citi, NatWest ו-BNP Paribas, סדרה של מבחני עומס וכשל קיצוניים ב-MongoDB Atlas.

התוצאות מדברות בעד עצמן: 6,000 תשלומים מקצה לקצה בשנייה, השהיית עסקאות תשלום בתת-שנייה, 430,000 פעולות מסד נתונים בשנייה ואפס אובדן נתונים במהלך כשלים בצמתים. להלן תצוגה מקדימה של הדגשים הבולטים, כאשר פירוט ארכיטקטוני מלא ומתודולוגיות בדיקה יהיו זמינים בדוח הקרוב שלנו.

דחיפת גבולות ההיקף וההשהיה

כדי להבין כיצד הפלטפורמה מתמודדת עם הדרישות הקיצוניות הללו, הערכנו מדדי ביצועים מרכזיים במבחן סולם קפדני. בעומס שיא, ⁦MongoDB Atlas⁩ תמך בנוחות ב-6,000 עסקאות תשלום מקצה לקצה בשנייה. זה דרש מהמערכת לטפל בכ-430,000 פעולות מסד נתונים בו-זמנית בשנייה: בערך 236,000 פעולות ב-⁦IPF⁩ ⁦Event Journal⁩ ו-196,000 פעולות ב-⁦Operational Data Store⁩.

למרות התפוקה האדירה הזו, זמן האחזור של ההתמדה (persistence latency) נשאר מתחת ל-30 מילי-שניות. יעילות זו תמכה בהשהיית תשלום ממוצעת מקצה לקצה של 0.51 שניות בלבד. שדרוג גרסת מסד הנתונים שיחק כאן תפקיד משמעותי; מעבר מ-MongoDB Atlas 8.0 ל-8.3 הפחית את זמן האחזור של ההתמדה בכ-50%. לדוגמה, ב-4,000 עסקאות תשלום בשנייה, זמן האחזור של ההתמדה ירד מ-40 מילי-שניות לכ-20 מילי-שניות בקירוב. על פני כל טווח הבדיקה של 500 עד 6,000 עסקאות בשנייה, התפוקה גדלה באופן צפוי בתהליך ליניארי כמעט, זמן ההשהיה נותר קבוע עד לשיא המוחלט, וניצול ה-CPU ב-hot-shard עמד על כמחצית בלבד.

תוכנן לחוסן קיצוני

מהירות עצומה אינה רלוונטית אם המערכת קורסת תחת כשל. כדי לאמת זמינות גבוהה, סימולצינו תנאי אסון בעולם האמיתי. במהלך מבחן failover ראשי ב-MongoDB Atlas, צומת ראשי חדש נבחר בתוך חמש שניות בממוצע. עיבוד התשלומים נמשך בצורה חלקה ללא אובדן של תשלום בודד או צורך בהפעלה מחדש של האפליקציה.

בדקנו גם כשל בצומת אפליקציה לא מתוכנן.

איור 2. מנגנון לאיזון מחדש של shards כדי לאפשר התאוששות חלקה.

כאשר צומת נפל, המערכת הפחיתה באופן אוטומטי וזמני את התפוקה תוך חלוקה מחדש של התעבורה בין הצמתים הנותרים. האפליקציה חזרה ליציבות של 3,500 עסקאות בשנייה תוך כ-90 שניות. והכי חשוב, כל עסקה בודדת הגיעה למצב סופי עם אפס אובדן נתונים מוחלט.

קראו את הדו"ח המלא לצלילה עמוקה לתוך המתודולוגיה, הארכיטקטורה והממצאים המלאים: Scale Without Sacrifice, How Icon Solutions and MongoDB Power Always-On Payments.

הערה: אם אתם נמצאים בכנס Sibos 2026 במיאמי בין ה-28 בספטמבר ל-1 באוקטובר, הצטרפו ל-Luis Pazmino Diaz מ-MongoDB ול-Matt Piper מ-Icon Solutions בזמן שהם מציגים את התוצאות.

#mongodb#load-testing#data-resilience#payments
קרא במקור

קריאה וכלים קשורים

אבטחת MongoDBמונחי אבטחה והסברים בעברית