Аннотация на русском языке: Введение в проблему и актуальность исследования. Современные автоматизированные банковские системы (АБС) требуют обработки смешанной нагрузки OLTP (транзакционной) и OLAP (аналитической) в реальном времени для риск-менеджмента и отчетности. Стандартные эталонные тесты TPC (B, C, E) не учитывают специфику распределенных архитектур и эконометрических расчетов при моделировании нагрузочных сценариев тестирования (например VaR, PD/LGD и ML-модели скоринга рисков кредитования или анализа операций злоумышленников в реальном времени работы АБС), что актуально для российского финансового сектора в условиях импортозамещения [1,2]. Согласно докладов ЦБ РФ (2023 и 2025)[3,4] и университета Кембриджа 2020[5], внедрение ML-практик в работу с данными банков зарубежных сегментах финансовых технологий превысило 30% в области оптимизации пользовательского опыта продаж новых финансовых продуктов, и предоставления кредитов с учетом оптимизации их рисков[5,7,8]. Такие решения требуют модернизации ПО приложений АБС и адаптированных методик тестирования новых функций СУБД для совместимости с практиками внедрения горизонтального масштабирования для вычислений финансовых рисков в реальном времени [2,8,9,10,11]. Новая методика тестирования необходима для ускорения развития технологий ПО и реализации аппаратных комплексов для работы СУБД. Объем рынка СУБД в РФ вырос с 36% в 2021 до 82% в 2024, с прогнозом до 93-98% к 2030, подчеркивая необходимость отечественных решений для экспорта в дружественные страны (Источники: TAdviser, ЦСР и Strategy Partners).

The summary in English: Introduction to the Problem and Relevance of the Study. Modern automated banking systems (ABS) require processing a mixed OLTP (transactional) and OLAP (analytical) workload in real time for risk management and reporting. Standard TPC benchmarks (B, C, E) do not take into account the specifics of distributed architectures and econometric calculations when simulating load testing scenarios (e.g., VaR, PD/LGD, and ML models for credit risk scoring or real-time analysis of malicious transactions in an ABS), which is relevant for the Russian financial sector in the context of import substitution [1, 2]. According to reports from the Central Bank of the Russian Federation (2023 and 2025) [3,4] and the University of Cambridge (2020) [5], the adoption of ML practices in working with bank data in international financial technology segments has exceeded 30% in the area of optimizing the user experience for selling new financial products and providing loans while optimizing their risks [5,7,8]. Such solutions require modernization of core banking system application software and adapted testing methods for new DBMS functions to ensure compatibility with horizontal scaling practices for calculating financial risks in real time [2,8,9,10,11]. A new testing methodology is necessary to accelerate the development of software technologies and the implementation of hardware systems for DBMS operation. The DBMS market in Russia grew from 36% in 2021 to 82% in 2024, with a forecast of 93-98% by 2030, emphasizing the need for domestic solutions for export to friendly countries (Sources: TAdviser, CSR, and Strategy Partners).

Ключевые слова: базы данных, автоматизированные банковские системы (АБС).
Key words: databases, automated banking systems (ABS).