Teste de carga em plataformas de trading: erros no lançamento que importam

Racks de servidores que representam o teste de carga de uma plataforma de trading antes do lançamento de um produto
Photo by panumas nikhomkhai on Pexels

Passar em um teste de vazão de pico não prova que uma plataforma de trading está pronta para o lançamento. Uma única execução na taxa máxima pode esconder confirmações lentas de ordens, filas crescentes, serviços downstream frágeis e um processo de recuperação incapaz de acompanhar o ritmo.

Os testes de lançamento precisam estabelecer um envelope operacional: o que a plataforma consegue sustentar, como se comporta durante picos curtos e o que acontece quando uma dependência fica lenta ou falha. Isso significa modelar o produto e seus clientes, não simplesmente gerar requisições até um painel ficar vermelho.

Comece pela carga de trabalho real do produto

As equipes muitas vezes começam com um número de destaque, como 5,000 ordens por segundo. Esse número só é útil se refletir o produto que será lançado, as contas ativas, os instrumentos, os tipos de ordem e os serviços conectados. Uma plataforma que oferece um novo produto de CFD, por exemplo, pode registrar um pico acentuado na abertura, seguido por uma taxa menor, mas com atualizações contínuas de cotações, cancelamentos e verificações de margem.

Monte uma carga de trabalho com base nas jornadas esperadas dos usuários e nas restrições conhecidas. Separe o envio de ordens de alterações e cancelamentos. Inclua logins, consultas de conta, atualizações de saldo, assinaturas de preços e recálculos de risco. Um primeiro modelo útil atribui uma parcela a cada ação e, em seguida, varia a composição.

Para um modelo inicial, as equipes podem testar 40-60% de envios de ordens, 20-35% de cancelamentos ou alterações, e o restante distribuído entre consultas e atividade de sessão. Essas são faixas para modelagem, não uma previsão: use a telemetria do produto ou um lançamento comparável, quando disponível.

Concorrência e taxa de chegada não são intercambiáveis. Um grupo fixo de clientes que aguarda cada resposta pode reduzir sua própria taxa de requisições à medida que a latência aumenta, ocultando a sobrecarga.

Use um modelo de chegada aberta para uma parte definida da carga de trabalho, junto com sessões com estado que mantenham assinaturas e atividades de conta realistas. Execute casos separados para atividade normal, um pico curto e um período movimentado sustentado.

Registre as premissas que determinam o teste: sessões ativas esperadas, ordens por conta ativa, símbolos por sessão, relação entre pico e média e a parcela de clientes que usa FIX ou uma API web. Se esses dados forem incertos, teste cenários baixo, central e alto. As equipes que acompanham mudanças em plataformas e na infraestrutura de mercado podem usar a cobertura de infraestrutura de brokers como contexto, mas a carga de trabalho deve vir do produto que será lançado.

Meça o fluxo da ordem, não apenas um tempo de resposta

Uma confirmação de ordem não é uma execução, e nenhuma das duas conta a história toda. Meça cada etapa importante: do cliente ao gateway, do gateway às verificações de risco, do risco à venue ou ponte e o caminho de volta ao cliente.

Registre os horários com relógios sincronizados. Acompanhe confirmações, rejeições e execuções separadamente e diferencie o tempo de processamento da plataforma do atraso da venue ou do simulador.

As faixas abaixo são valores típicos de mercado para planejamento e diagnóstico, não resultados auditados de nenhum provedor. Elas variam conforme a distância de rede, a venue, o produto, a arquitetura e o ponto em que cada cronômetro começa. Defina os limites de lançamento com base no nível de serviço prometido pelo produto, não em um número genérico.

MétricaFaixa típica de mercado, indicativaO que verificar
Confirmação interna de ordem, p9520-100 msGateway, verificações de risco, enfileiramento e caminho da resposta
Confirmação interna de ordem, p9950-250 msLatência de cauda, pausas, contenção de bloqueios e vizinhos ruidosos
Entrega de dados de mercado, p9510-100 msProcessador de feeds, distribuição, número de assinaturas e localização do cliente
Folga de capacidade em períodos movimentados30-50% acima do pico previstoSe a latência e as taxas de erro permanecem dentro dos limites
Recuperação da fila após um picoSegundos a alguns minutosTaxa de esvaziamento do backlog, trabalho duplicado e atualizações desatualizadas

Informe p50, p95 e p99, além da profundidade máxima da fila e da taxa de erro. A média pode parecer saudável enquanto um pequeno grupo de ordens espera por segundos.

Verifique a distribuição por endpoint, tipo de ordem e protocolo do cliente. Se a API for rápida, mas o caminho FIX for lento, um percentil agregado pode ocultar o segmento relevante para uma determinada coorte de lançamento.

Gere tráfego de teste confiável

A carga gerada só é útil quando exercita os mesmos controles usados em produção. Um teste que ignora autenticação, verificações de risco, estado da conta ou permissões de símbolos mede um atalho. Use dados representativos de contas e instrumentos, assinaturas realistas e os mesmos principais trechos de rede. Deixe explícito o comportamento da venue: um simulador deve modelar atrasos de confirmação, rejeições, execuções parciais e reinicializações de conexão, em vez de retornar sucesso imediato para todas as ordens.

Os dados de teste podem distorcer os resultados. Um conjunto pequeno de contas ou símbolos pode criar chaves muito acessadas e acertos de cache que ocultam a pressão sobre o banco de dados. O problema oposto é usar dados aleatórios sem limites, o que impede o uso de caches e gera uma carga diferente do tráfego de lançamento. Use uma distribuição controlada, com diversidade suficiente de contas, símbolos e ordens para refletir o produto esperado. Redefina ou versiona os dados mutáveis entre as execuções para que um teste não herde o estado de outro.

Os geradores de carga também precisam de verificações de integridade. Monitore o uso de CPU e rede do gerador, as conexões abertas, os eventos descartados e o atraso do event loop.

Valide se o gerador mantém a taxa de chegada planejada enquanto a plataforma fica mais lenta. Reutilize o padrão de conexão previsto, incluindo TLS e renovação de sessão, quando aplicável. Uma única máquina atrás de um endereço de origem pode acionar limites de taxa que clientes reais não atingiriam, enquanto poucas sessões persistentes podem subestimar os custos de gerenciamento de conexões.

  • Confirme se os envios gerados, os cancelamentos e as respostas são conciliados pelo identificador da ordem.
  • Verifique se os timestamps dos eventos, o tratamento da sequência FIX e o comportamento da sessão do cliente correspondem ao protocolo de produção.
  • Registre a versão do software, a configuração, o conjunto de dados, a versão do gerador e o perfil de teste em cada execução.

Mantenha uma execução de controle com baixa carga antes e depois de cada teste importante. Ela ajuda a distinguir uma regressão da plataforma de uma mudança no gerador, na rede ou no ambiente. A paridade com a produção é importante, mas a duplicação exata raramente é viável. Documente diferenças como conectividade com a venue, tipo de instância em nuvem, tamanho do banco de dados e sobrecarga de observabilidade, e trate essas diferenças como limites do que o resultado pode comprovar.

Teste a degradação e a recuperação, não apenas a operação normal

Problemas em produção raramente surgem como um aumento simples nas requisições. Um serviço de risco lento pode atrasar o envio de ordens enquanto um pico de dados de mercado enche outra fila.

Uma desconexão da venue pode provocar novas tentativas ao mesmo tempo que os clientes se reconectam. Execute esses cenários de propósito, com uma falha definida e uma expectativa clara para o serviço afetado.

Injete latência, timeouts e perda de conexão nas dependências, uma de cada vez. Depois, teste combinações plausíveis para a arquitetura do lançamento. Observe a idade da fila, além de sua profundidade: uma fila com 10,000 atualizações recentes é diferente de outra com 10,000 atualizações que já estão desatualizadas. Confirme se o controle de fluxo chega ao ponto correto, se as novas tentativas têm limites e jitter e se um circuit breaker não transforma uma falha parcial em uma interrupção mais ampla.

A recuperação merece critérios de aceitação próprios. Quando uma dependência voltar, verifique se o trabalho enfileirado é processado sem deixar novas ordens sem recursos. Confirme que as novas tentativas não geram envios duplicados, que lacunas de sequência são tratadas e que os clientes recebem um resultado utilizável para ordens cujo status era incerto durante a desconexão. Meça o tempo para voltar à latência normal, não apenas o tempo para o indicador de integridade ficar verde. Um serviço pode estar tecnicamente disponível enquanto ainda processa um backlog prejudicial.

Inclua a equipe de operações em pelo menos um exercício. Peça que identifique o primeiro alerta útil, encontre o componente restritivo e aplique a mitigação documentada. Um runbook que diz "escalar o serviço" é incompleto se o escalonamento exigir uma mudança no banco de dados, uma decisão sobre limites de risco ou um procedimento de reconexão à venue.

Registre o atraso dos alertas, o tempo de diagnóstico e as etapas manuais. Esses itens fazem parte da prontidão para o lançamento, não são verificações administrativas separadas.

Defina critérios de lançamento que exponham as compensações

A decisão de entrar em produção deve usar critérios mensuráveis, acordados antes do teste. Defina o pico e o perfil de rajada esperados, as taxas máximas de erros e rejeições, os limites de latência por fluxo de ordem, os limites de idade da fila e o tempo de recuperação. Estabeleça uma meta de folga em relação ao pico previsto. Metas típicas de planejamento costumam deixar 30-50% de capacidade acima da carga esperada em períodos movimentados, mas a margem correta depende da incerteza da previsão, do atraso para escalar e do custo do excesso de capacidade.

Não aumente a vazão enfraquecendo um controle de segurança apenas para passar em um teste. Se as verificações de risco forem o fator limitante, determine se o problema é uma ida evitável ao banco de dados, processamento serial ou um controle intencional. Qualquer mudança no comportamento de risco precisa de uma análise separada.

Da mesma forma, aumentar os limites das filas pode adiar erros visíveis, mas também prolongar a espera dos clientes por uma resposta. Informe o custo de cada correção proposta em capacidade, latência, complexidade operacional e exposição a falhas.

Um registro de lançamento útil inclui a definição da carga de trabalho, as diferenças no ambiente de teste, gráficos brutos de percentis, detalhamento de erros e rejeições, comportamento das filas, falhas injetadas, resultados de recuperação e riscos em aberto com responsáveis. Repita a mesma linha de base após mudanças em gateways, precificação, lógica de risco, armazenamentos de dados ou topologia de implantação. Uma tendência entre execuções costuma ser mais útil do que uma única aprovação ou reprovação.

  • Bloqueie o lançamento se os resultados das ordens não puderem ser conciliados, se a latência de cauda ultrapassar o limite do produto ou se as filas continuarem crescendo no pico previsto.
  • Exija uma decisão explícita sobre riscos se a margem de capacidade depender de intervenção manual ou de uma dependência que não tenha sido testada sob carga.
  • Prossiga somente quando a equipe puder explicar tanto o envelope testado quanto as condições que fariam o tráfego sair dele.

O objetivo não é provar que uma plataforma consegue suportar qualquer carga imaginável. É saber qual carga ela consegue suportar, como falha além desse limite e com que rapidez a operação pode se recuperar. Que premissa sobre o tráfego de lançamento ou o comportamento diante de falhas mudaria a decisão de entrada em produção da sua equipe se o teste mostrasse que ela está errada?

Perguntas frequentes

Por quanto tempo deve durar um teste de carga de uma plataforma de trading?

Execute picos curtos para revelar saturação e períodos estáveis mais longos para identificar crescimento de filas, vazamentos de memória e rotatividade de conexões. A duração deve refletir o período de maior movimento do produto e os requisitos de recuperação. Inclua execuções repetidas para que os resultados não dependam de um único cache aquecido ou de uma única implantação.

O que um broker deve medir durante um teste de carga?

Meça separadamente a confirmação e a execução de ordens, com latência p50, p95 e p99 por protocolo e tipo de ordem. Acompanhe rejeições, erros, profundidade e idade das filas, entrega de dados de mercado, uso de recursos e tempo de recuperação. Concilie as ordens enviadas com os resultados retornados.

Quanta folga de capacidade uma plataforma de trading deve ter antes do lançamento?

Uma faixa típica de planejamento é 30-50% acima da carga prevista para períodos movimentados, mas não é uma meta universal. Reserve uma margem maior quando a demanda for incerta, o escalonamento for lento ou as falhas tiverem alto custo operacional. Confirme que os limites de latência e erro são respeitados nesse nível de folga, não apenas que o sistema aceita o tráfego.