A dataRain conduziu uma Proof of Concept (PoC) comparativa entre arquiteturas AWS Graviton e Intel para apoiar uma empresa do setor financeiro na análise de eficiência computacional, estabilidade operacional e desempenho em workloads financeiros relacionados ao processamento de boletos.
Acompanhe a jornada
Navegue pelas etapas da transformação deste projeto
O contexto: eficiência computacional no processamento de boletos
Workloads transacionais financeiros precisam responder simultaneamente a requisitos de desempenho, estabilidade e eficiência de infraestrutura. O desafio era entender se novos modelos de processadores poderiam reduzir os custos operacionais de computação sem comprometer a estabilidade necessária para o processamento da API de boletos do cliente.
Custos operacionais de computação crescem junto com o volume de boletos processados, sem clareza se um novo modelo de processador resolveria isso sem comprometer a estabilidade.
dataRain estrutura uma PoC comparativa entre processadores AWS Graviton (ARM) e Intel (x86) para responder a essa necessidade.
Perfil do cliente
O cliente é uma empresa brasileira que desenvolve soluções de infraestrutura para pagamentos. Operando serviços integrados via APIs, a companhia sustenta workloads transacionais em nuvem que exigem estabilidade, disponibilidade e eficiência operacional para suportar operações financeiras em escala.
Expertise da dataRain em arquitetura AWS
A dataRain é uma consultoria de tecnologia e parceira da AWS, especializada em arquitetura de nuvem, modernização de aplicações e otimização de infraestrutura, apoiando empresas a alcançarem o melhor equilíbrio entre investimento e performance em ambientes resilientes e preparados para workloads críticos de negócio.
O contexto: eficiência computacional no processamento de boletos
Em operações financeiras, workloads transacionais precisam responder simultaneamente a requisitos de desempenho, estabilidade e eficiência de infraestrutura. À medida que o volume de processamento cresce, decisões arquiteturais passam a impactar diretamente a sustentabilidade operacional do ambiente.
Dentro desse contexto, a busca contínua por eficiência operacional e financeira motivou a necessidade de avaliar alternativas às arquiteturas computacionais tradicionais. O desafio era entender se novos modelos de processadores poderiam reduzir os custos operacionais de computação sem comprometer a estabilidade necessária para o processamento da API de boletos do cliente.
Metodologia: engenharia e automação do benchmark
Para responder a essa necessidade, a equipe técnica da dataRain estruturou uma PoC comparativa entre processadores AWS Graviton (arquitetura ARM) e Intel (arquitetura x86).
Para garantir que o benchmark ocorresse de forma padronizada e com alta consistência metodológica, foi desenvolvido um processo automatizado de testes utilizando Python, baseado em premissas rigorosas de engenharia:
- Modularização do código: evitando sobreposição de responsabilidades e facilitando o diagnóstico de falhas.
- Uso de variáveis de ambiente: prevenindo a exposição de dados sensíveis e credenciais diretamente no código.
- Padronização de logs: assegurando rastreabilidade, consistência e facilidade de análise dos resultados.
- Controle de execução e tempo: incluindo gerenciamento de intervalos entre requisições, lógica de retentativas controladas em caso de falha e renovação automática de tokens expirados.
Essa abordagem estruturada permitiu reduzir interferências operacionais e aumentar a confiabilidade dos dados coletados durante o benchmark.
Telemetria e resultados: latência, throughput e eficiência financeira
Após o processamento contínuo de uma massa de dados contendo 3.123 boletos com status de sucesso (200), em um período de 01:33:17, os seguintes resultados consolidados foram obtidos:
| Métrica de Performance | Arquitetura Intel (x86) | Arquitetura Graviton (ARM) | Diferença |
|---|---|---|---|
| Latência Média | 1970.28 ms | 2122.10 ms | Intel ~7% mais veloz |
| Throughput Médio (TPS) | 0.530 TPS | 0.502 TPS | Intel ~5% maior vazão |
| Eficiência Financeira | Base comparativa | ~20% de redução de custo | Ganho financeiro com Graviton |
Análise dos resultados
Os testes comparativos demonstraram que a arquitetura AWS Graviton manteve níveis de desempenho próximos à arquitetura x86 nas métricas de latência e throughput, preservando estabilidade operacional ao longo de todo o processamento dos workloads avaliados.
Embora a Intel tenha apresentado vantagem moderada em métricas brutas de velocidade e vazão, a diferença observada foi significativamente inferior ao ganho financeiro proporcionado pela arquitetura Graviton. Os resultados consolidados da PoC apontaram redução aproximada de 20% nos custos operacionais de computação, diferencial que tende a se ampliar em operações de grande escala, além de contribuir para a modernização da infraestrutura, melhor eficiência operacional e potencial redução do consumo energético.
A estabilidade observada durante o processamento contínuo dos boletos demonstrou que o Graviton atende aos requisitos funcionais do workload com comportamento operacional consistente, consolidando-se como uma alternativa viável para ambientes financeiros críticos.
Stack de tecnologia AWS
- AWS EC2 (Elastic Compute Cloud): instâncias otimizadas da família c8*.medium em arquiteturas ARM (Graviton) e x86 (Intel).
- Python: linguagem utilizada para o desenvolvimento dos scripts de automação, execução e telemetria dos benchmarks comparativos.
Viabilidade para o ambiente de produção
A PoC conduzida pela dataRain permitiu ao cliente validar o comportamento operacional das arquiteturas avaliadas em workloads financeiros relacionados ao processamento de boletos.
Os resultados obtidos fornecem uma base técnica para futuras avaliações relacionadas à eficiência computacional, desempenho operacional e otimização de infraestrutura em ambientes AWS.
Em operações transacionais de grande escala, os diferenciais econômicos observados reforçam a viabilidade de adoção de arquiteturas ARM (Graviton) para ambientes que exijam equilíbrio entre performance, estabilidade e eficiência operacional.