Capital One 使用 AWS Step Functions 分散式映射，提升高達 80% 的支票處理速度

Capital One 成立於 1994 年，提供信用卡、支票帳戶、儲蓄帳戶、汽車貸款等服務。該公司致力於實現金融普惠，為遍佈衆多業務領域的上億名客戶提供服務。

Capital One 在 AWS 上託管其支票清算應用程式，並使用 AWS Step Functions 來協調無伺服器運算服務 AWS Lambda 處理工作負載。該公司每天處理數以千計的支票，並使用 Amazon Simple Storage Service (Amazon S3) 提供的數位檔案儲存容量，這是一項物件儲存服務，方便從任何位置擷取幾乎任何數量的資料。

為了協調支票清算應用程式，Capital One 已成功使用內嵌映射狀態下的 AWS Step Functions，利用多達 40 個平行反覆運作，為資料集中的多個項目執行相同的處理步驟。雖然大多數支票都會自動清算，但分析師需要在每個工作日結束前手動審查支票的一個較小但一致的部分。在 AWS 發布使用 AWS Step Functions 分散式映射的選項 (該選項可啟動多達 10,000 個平行工作流程來處理資料) 後不久，Capital One 抓住了機會，使用平行處理來進一步簡化其工作流程，並更快地識別需要手動審查的支票。在經過 10 周的規劃並成功測試概念驗證後，該公司轉為在生產中使用 AWS Step Functions 分散式映射，無需大幅變更架構或停機。

除了在發布後不久採用 AWS Step Functions 分散式映射之外，Capital One 還與 AWS 的團隊緊密合作，預覽、測試其他即將推出的功能並提供意見。「我們一直與 AWS 團隊並肩合作，了解規劃藍圖上將會出現什麽情況，以及我們如何加以使用，」Capital One 傑出工程師 Sushma Onkar 表示，「這有助於我們加快創新速度。」

Capital One 使用 AWS Step Functions 分散式映射後，將啟動和關閉工作流程的整體處理時間縮短了 75–80%。該公司現在可以啟動 25 倍數量的並行工作流程，而不是按照 40 個的批次進行處理。使用 AWS Step Functions 分散式映射後，Capital One 還可以並行關閉數千個工作負載，從而大幅縮短整體支票處理時間。「啟動和關閉流程所需的時間已大幅改進，」Onkar 表示，「分析師看到其佇列更新的速度比以前更快。」 儘管支票數量在一周中會發生波動，但應用程式也可以使用 AWS Lambda 進行擴展，以滿足並行工作流程的需求。「在我們實作 AWS Step Functions 分散式映射後，我們可以從 AWS Lambda 的無伺服器擴展功能中受益，以更快的速度處理大量支票。」Onkar 表示。

由於工作流程是平行發生的，因此應用程式可以更快地完成處理，分析師也可以更快地開始手動審查。這些生產力改進將為分析師節省時間，來完成其他任務。「團隊對改用 AWS Step Functions 分散式映射非常滿意。」Onkar 表示。

之前，如果支票清算應用程式同時遭遇大量 API 呼叫，Capital One 偶爾會出現限流的例外情況。使用 AWS Step Functions 的自動重試功能後，Capital One 避免了這類例外情況，並進一步提高生產力。