Дослідження методів масштабування розподілених високонавантажених фінансових застосунків, що працюють в режимі реального часу

Abstract

У контексті постійного розвитку світу фінансових транзакцій та послуг у реальному часі, ця кваліфікаційна робота магістра досліджує важливі аспекти ефективності, надійності та швидкості обробки даних у фінтех-галузі. З урахуванням зростання попиту на фінансові послуги в реальному часі від нових учасників, таких як Facebook, Google та інших, вивчається роль хмарної інфраструктури в низькозатримкових транзакціях. Основною спрямованістю роботи є проблеми високочастотної фінансової торгівлі та автоматизованої торгівлі, де мільйони доларів можуть бути втрачені через найменші затримки. Обґрунтовується необхідність багаторегіонального розгортання та георозбиття даних у фінансових установах, які мають операції в різних регіонах. Висвітлюється роль технологій, таких як CockroachDB, Apache Spark та інших, які пропонують георозбиття для ефективного розгортання в кількох регіонах, забезпечуючи максимальну швидкість та конфіденційність даних. Детально розглядаються виклики, пов'язані із стрімким зростанням обсягу фінансових даних, використанням передових технологій для оптимізації обчислень, а також проблеми аналітики великих даних. Зазначається, що затримка стає критичним елементом у вирішенні завдань, пов’язаних з великим обсягом фінансових даних у реальному часі. В роботі висвітлюється також роль глибокого навчання у фінансовій аналітиці, висунуті вимоги до програмного/апаратного забезпечення, а також розглядаються методи масштабування для оптимізації ефективності обчислень і досягнення наднизьких затримок. Завдяки детальному аналізу наведених викликів із затримкою в обробці фінансових даних, робота надає важливий внесок у розуміння та розв'язання цих проблем у фінтех-галузі.