🍀BitBitGo🍀 Системный Анализ

🏗 АРХИТЕКТУРА ПО ДЛЯ АНАЛИТИКА: КЕЙСЫ С КОДОМ

Привет, коллеги! 👋 Часто слышу: «Архитектура — не моё дело». Это опасное заблуждение. Аналитик закладывает архитектуру через требования. Разберём на реальных кейсах с примерами кода, почему без понимания #ARCHITECTURE проект рискует превратиться в руины. 🏚

📌 Кейс 1: Монолит vs Микросервисы

Задача: Доставка еды. Разработчик пишет монолит:

def create_order(user_id, items):
    user = db.users.find_one(user_id)
    if user.balance < total_cost(items): raise "Не хватает средств"
    db.users.update_one(user_id, {"$inc": {"balance": -total_cost(items)}})
    order_id = db.orders.insert_one({"user": user_id, "items": items})
    requests.post("http://courier-system/api/assign", json={"order": order_id})
    return order_id

Проблема: Если упал сервис курьеров — заказ не создаётся. Любое изменение в уведомлениях ломает заказ.

Что должен был заложить аналитик: Асинхронное событие через брокер.

def create_order(user_id, items):
    with db.transaction():
        # проверка и списание
        user = db.users.find_one(user_id)
        if user.balance < total_cost(items): raise
        db.users.update_one(user_id, {"$inc": {"balance": -total_cost(items)}})
        order_id = db.orders.insert_one({"user": user_id, "items": items})
        kafka.produce("order_created", {"order_id": order_id})  # событие
    return order_id

Требование: «Критичные операции синхронны, остальные — асинхронны через брокер». Это развязывает сервисы и повышает отказоустойчивость.

📌 Кейс 2: Нагрузка и кэширование

Задача: Банковский личный кабинет. Аналитик забыл спросить про нагрузку. Разработчик пишет:

public AccountInfo getAccount(String userId) {
    return jdbc.query("SELECT * FROM accounts WHERE user_id = ?", userId);
}

Реальность: 10 000 запросов в секунду кладут БД. Баланс открывается 10 секунд.

Правильное требование: «Время отклика < 1 секунды при 10 000 RPS». Решение — кэш:

public AccountInfo getAccount(String userId) {
    AccountInfo cached = redis.get("account:" + userId);
    if (cached != null) return cached;
    AccountInfo fromDb = jdbc.query(...);
    redis.setex("account:" + userId, 60, fromDb); // TTL 60 сек
    return fromDb;
}

Вывод: NFR диктуют архитектуру.

📌 Кейс 3: Синхронный вызов, который всё тормозит

Задача: Онлайн-кинотеатр — при старте фильма обновить рекомендации.

Плохо (всё синхронно):

def start_movie(user_id, movie_id):
    check_subscription(user_id)
    deduct_credit(user_id)
    recommendations.update(user_id, movie_id)  # тормозит — пользователь ждёт
    return "ok"

Хорошо (асинхронно):

def start_movie(user_id, movie_id):
    check_subscription(user_id)
    deduct_credit(user_id)
    kafka.produce("movie_started", {"user": user_id, "movie": movie_id})  # не ждём
    return "ok"

Требование: «Некритичные интеграции — асинхронны с гарантированной доставкой».

📌 Кейс 4: Забыли про GDPR

Задача: FinTech для Европы. Аналитик не учёл требования. Хранят логи вечно:

CREATE TABLE access_logs (user_id INT, accessed_at TIMESTAMP, ip VARCHAR(45));
Штраф: €20 млн за нарушение GDPR.

Правильные требования:

Логи хранятся 90 дней, затем удаляются.
IP хранить в хэшированном виде.
По запросу пользователя — полное удаление.
Реализация TTL:

db.logs.insert_one({
    "user_id": user_id,
    "ip_hash": hashlib.sha256(ip.encode()).hexdigest(),
    "expire_at": datetime.utcnow() + timedelta(days=90)
})
db.logs.create_index("expire_at", expireAfterSeconds=0)  # автоудаление

Запомните: Аналитик не обязан писать код, но обязан понимать последствия своих требований. Примеры выше — не для копирования, а для понимания, как архитектура влияет на бизнес. 💡

#ARCHITECHTURE

Please open Telegram to view this post

VIEW IN TELEGRAM

👍1

203 views07:25