公司: BioCatch
行业: 技术
BioCatch 是行为生物识别领域的全球领导者。其颠覆性技术旨在通过细微的特征(例如握持手机或在屏幕上滑动的方式)识别各种用例中的用户。
BioCatch 拥有 7000 万用户,每秒操作次数高达 40,000 次,其数据库需要具有令人难以置信的响应速度、高可用性且易于扩展。
BioCatch 依赖于 Redis Cloud,一个完全托管的数据库即服务 (Database-as-a-Service),它在任何时候都能向为公司应用架构提供支持的众多微服务平均提供 3TB 数据和 2 亿个键。
由于 Redis Cloud 是一个完全托管服务,BioCatch 团队的时间和资源得以解放,可以专注于战略项目。此外,自部署 Redis Cloud 以来,BioCatch 实现了零停机,即使在流量高峰期,平均延迟也低于 0.96 毫秒。
詹姆斯通常用食指发短信。一天,他开车带着女儿,收到妻子发来的消息。他让女儿回复,女儿像大多数青少年一样,用拇指快速打出消息。
詹姆斯的妻子从未注意到这种差异,在这种情况下也无关紧要。但行为生物识别领域的全球领导者 BioCatch 利用其颠覆性技术记录用户处理手机方式的差异,用于欺诈检测和缓解。BioCatch 可以追踪用户握持手机或在屏幕上滑动等方面的细微差异,以识别各种用例中的用户。
然而,随着 BioCatch 的独特技术吸引了更多客户,其现有技术栈无法跟上公司每月处理的 50 亿笔交易。此外,扩展问题占据了技术团队的精力,导致几乎没有资源专注于新产品功能。
重新设计技术栈成为 BioCatch 下一代解决方案的首要任务。BioCatch 拥有 7000 万用户,每秒操作次数高达 40,000 次,需要其数据库具备高性能、高可用性和无缝扩展能力。另一个优先事项是解耦计算和状态,以使系统更具弹性。会话状态保存在许多虚拟机中——如果虚拟机发生故障,其所有会话都会丢失。这种配置在关键实时欺诈检测环境中是一个隐患,而且扩展起来非常困难且昂贵。
BioCatch 选择 Redis Cloud 是因为它易于实现和极高的性能。Redis Cloud 成为了 BioCatch 重新设计技术栈的核心——也是唯一有状态的组件。
“我们最初考虑使用 Redis Cloud 进行缓存,但很快发现它作为数据库也非常好用——不仅仅是一个简单的数据库,还是一个系统配置数据库,” BioCatch 运营副总裁兼首席信息安全官 Dekel Shavit 说。“我们的大部分数据现在存储在 Redis Cloud 中,因为它始终可用且响应迅速,无论您如何查询。”
Redis Cloud 安装在 BioCatch 位于 Microsoft Azure 公有云中的虚拟私有云内。Redis Cloud 在任何时候都能向为公司应用提供支持的众多微服务平均提供 3TB 数据和 2 亿个键。这家生物识别公司与 Redis Cloud 同时运行其他几个数据库,包括 Microsoft SQL Server、Apache Cassandra 和 Apache Impala,但一直在将越来越多的数据迁移到 Redis Cloud。
BioCatch 利用 Redis Enterprise 的许多特性和数据结构创建了一个单一可信数据源数据库,该数据库服务于整个组织各种任务关键型信息,包括在活动用户会话期间捕获的行为、元数据和 API 数据;用户行为画像子集;预定义欺诈行为画像;地理位置数据;以及系统配置。
作为数据库即服务,Redis Cloud 由 Redis 全权管理。自部署 Redis Cloud 以来,BioCatch 实现了平均延迟低于 0.96 毫秒,即使在流量高峰期也是如此,并且实现了零停机、零问题和零运维麻烦。这种可靠的托管服务方法使 BioCatch 能够有余力专注于服务公司核心使命的更具战略性的项目。
“它就是管用,” Shavit 说。“我们不再需要处理任何与大规模数据相关的事情,也不再需要提前 24 个月预测不断变化的市场未来的基础设施需求。我们只需随着需求的发展将构建块插入 Redis Cloud,然后就可以放心了,因为无论未来如何,Redis 都能满足我们的需求。
BioCatch 可能无法预测快速变化的身份欺诈市场会带来什么,但对于近期如何使用 Redis Cloud 有着清晰的思路。
“在 Flash 上实现 Redis 是重中之重,” Shavit 说。“我们有一个大数据集,但工作集很小,因此 Redis on Flash 将冷数据存储在经济高效的 Flash 中的能力将为我们节省大量基础设施成本。”
BioCatch 还想利用 Redis Cloud 的另一项能力是 Active-Active 地理分布式,这将改善对多区域客户端的支持以及欺诈行为画像的及时共享,以便从一个区域获得的洞察可以快速自动地惠及所有区域。作为 Apache Spark 的重度用户,BioCatch 也对研究如何利用 Redis 更好地弥合其机器学习操作的学习端和预测端之间的差距感兴趣。
“Redis Cloud 是我们的灵丹妙药,” Shavit 说。“它帮助我们完成了最初甚至没有计划去做的事情,而现在我们已经离不开它了,我们很高兴继续探索其众多多功能的能力。”