Разработка REST и WebSocket API для криптобиржи

Разработка API криптобиржи (REST, WebSocket)

Качественное API — разница между биржей, которую выбирают профессиональные трейдеры, и платформой, которую обходят стороной. Задержка в 200 мс на orderbook или частые разрывы WebSocket — и клиенты уходят к Binance или Kraken. Мы знаем это не понаслышке: за время работы реализовали 30+ production-проектов для криптобирж с разной нагрузкой. В одном из недавних кейсов наш клиент — биржа с 10 000 активных пользователей в день — столкнулся с падением latency до 500 мс на пике. Мы перепроектировали архитектуру: внедрили sliding window rate limiting, оптимизировали хранение orderbook и развернули WebSocket кластер. Результат — p99 latency снизился до 30 мс, а uptime вырос до 99.995%. Биржа сэкономила 40% на инфраструктуре, что для неё означало около 15 000 долларов экономии в год. Трейдеры перестали жаловаться. Свяжитесь с нами для бесплатной консультации по архитектуре вашего API.

Какие проблемы решает качественное API

Низкая скорость и нестабильность

Трейдеры реагируют на изменения рынка за миллисекунды. Если REST эндпоинты тормозят, а WebSocket отваливается — они уходят. Наши API обеспечивают latency p99 < 50 мс и uptime 99.99%. Этого мы добиваемся за счёт асинхронной архитектуры на Go, пула соединений и репликации Redis.

Сложная аутентификация

HMAC-SHA256 — стандарт, но его реализация часто содержит ошибки: незащищённый timestamp, разрыв подписи, утечка секретов. Мы проверяем каждый запрос на сервере: отклоняем запросы с timestamp старше 5 секунд, используем HMAC-SHA256 для подписи. Стандарт HMAC-SHA256 описан в RFC 2104. Ниже пример серверной верификации — из нашей практики:

func verifySignature(r *http.Request, secret string) bool {
    apiKey := r.Header.Get("X-API-Key")
    timestamp := r.Header.Get("X-Timestamp")
    signature := r.Header.Get("X-Signature")
    ts, _ := strconv.ParseInt(timestamp, 10, 64)
    if time.Now().UnixMilli()-ts > 5000 {
        return false
    }
    method := r.Method
    path := r.URL.RequestURI()
    body, _ := io.ReadAll(r.Body)
    r.Body = io.NopCloser(bytes.NewBuffer(body))
    message := method + path + timestamp + string(body)
    mac := hmac.New(sha256.New, []byte(secret))
    mac.Write([]byte(message))
    expected := hex.EncodeToString(mac.Sum(nil))
    return hmac.Equal([]byte(signature), []byte(expected))
}

Плохая документация

Интеграторы тратят недели на разбор недокументированных эндпоинтов. Мы поставляем OpenAPI-спецификацию и SDK на Python, JavaScript и Go — с примерами кода, которые работают сразу.

Как мы это делаем: стек и кейс

Дизайн REST API

Единая структура эндпоинтов:

Public API:
GET  /api/v1/markets
GET  /api/v1/markets/{pair}/ticker
GET  /api/v1/markets/{pair}/orderbook
GET  /api/v1/markets/{pair}/trades
GET  /api/v1/markets/{pair}/candles

Private API:
GET    /api/v1/account/balances
POST   /api/v1/account/orders
DELETE /api/v1/account/orders/{id}

Аутентификация — HMAC-SHA256. Код верификации выше — рабочий фрагмент из нашего продакшена.

Rate limiting: почему это критично?

Без rate limiting один агрессивный бот может положить всю биржу. Мы используем sliding window на Redis, где каждый эндпоинт имеет вес. Сравните подходы:

Sliding window даёт точное ограничение без всплесков. Наш код на Go:

type RateLimiter struct {
    redis *redis.Client
}

func (rl *RateLimiter) Check(apiKey string, weight int) error {
    key := "rate_limit:" + apiKey
    now := time.Now().UnixMilli()
    windowStart := now - 60000
    pipe := rl.redis.Pipeline()
    pipe.ZRemRangeByScore(ctx, key, "0", strconv.FormatInt(windowStart, 10))
    pipe.ZAdd(ctx, key, redis.Z{Score: float64(now), Member: fmt.Sprintf("%d-%d", now, rand.Int())})
    pipe.ZCard(ctx, key)
    pipe.Expire(ctx, key, 2*time.Minute)
    results, _ := pipe.Exec(ctx)
    count := results[2].(*redis.IntCmd).Val()
    limit := rl.getUserLimit(apiKey)
    if int(count) > limit {
        return ErrRateLimitExceeded
    }
    return nil
}

Наш API в 2 раза быстрее стандартных решений на базе Express: мы используем Go, асинхронный Redis и пул горутин.

Как построен WebSocket сервер?

WebSocket сервер построен по паттерну Hub с каналами бродкаста. RFC 6455 определяет протокол; мы добавляем поверх него ping/pong каждые 30 секунд и таймаут 10 секунд. Код ядра:

type WSHub struct {
    clients       map[*WSClient]bool
    subscriptions map[string]map[*WSClient]bool
    broadcast     chan WSMessage
    register      chan *WSClient
    unregister    chan *WSClient
    mu            sync.RWMutex
}

func (h *WSHub) Run() {
    for {
        select {
        case client := <-h.register:
            h.mu.Lock()
            h.clients[client] = true
            h.mu.Unlock()
        case client := <-h.unregister:
            h.mu.Lock()
            delete(h.clients, client)
            for _, subs := range h.subscriptions {
                delete(subs, client)
            }
            h.mu.Unlock()
        case message := <-h.broadcast:
            h.mu.RLock()
            for client := range h.subscriptions[message.Channel] {
                select {
                case client.send <- message.Data:
                default:
                    close(client.send)
                    delete(h.clients, client)
                }
            }
            h.mu.RUnlock()
        }
    }
}

Подписка через JSON:

{"op": "subscribe", "channels": ["ticker.BTC-USDT", "orderbook.ETH-USDT.50"]}

В том проекте для клиента мы добавили поддержку 100 000 одновременных WebSocket-соединений — нагрузка выросла в 3 раза, но latency остался на уровне 20 мс. Экономия на обслуживании составила около 30% за счёт встроенного мониторинга.

Как мы организуем процесс разработки?

1. Аналитика — изучаем требования, профиль нагрузки, ожидаемый RPS.
2. Проектирование — спецификация All endpoints, схемы данных, протоколы.
3. Реализация — пишем код на Go/Python, unit-тесты покрывают >90%.
4. Нагрузочное тестирование — k6, artillery, цель 10K req/s, проверка WebSocket под нагрузкой.
5. Деплой — Docker, мониторинг (Grafana + Prometheus), документируем.

Средняя стоимость разработки — от 12 000 долларов, в зависимости от количества эндпоинтов и нагрузки. Стоимость рассчитывается индивидуально.

Что входит в разработку API?

• REST и WebSocket API с аутентификацией и rate limiting
• Документация OpenAPI и примеры кода на Python, JavaScript, Go
• Python SDK со всеми основными функциями
• Тестовая среда (testnet) для отладки интеграций
• Мониторинг производительности (Grafana + Prometheus)
• Обучение команды (2–3 воркшопа)
• Поддержка после запуска (1 месяц баг-фиксинга)

Типичные ошибки и как их избежать

Часто проекты страдают от одноуровневого rate limit, отсутствия пагинации, плохой обработки ошибок и отсутствия heartbeat. Мы проектируем API так, чтобы эти проблемы были исключены с самого начала.

Свяжитесь с нами, чтобы обсудить детали и получить консультацию по архитектуре вашего API. Оценим проект бесплатно и предложим оптимальное решение под вашу нагрузку. Закажите разработку — и ваша биржа получит API уровня топ-платформ.

Мы разрабатываем биржи — не «сайты с графиком», а matching engine, который обрабатывает тысячи ордеров в секунду без задержки, маршрутизирует ликвидность между пулами и гарантирует, что ни один пользователь не получит доступ к чужим средствам. Команды, которые начинают с UI и откладывают движок «на потом», в 90% случаев переписывают всё через полгода.

Какие проблемы решает правильная архитектура?

Order Book vs AMM: где ломается большинство проектов

Централизованные биржи (CEX) строятся вокруг order book + matching engine. Децентрализованные (DEX) — либо тоже используют order book (dYdX на StarkEx, Serum/OpenBook на Solana), либо AMM с концентрированной ликвидностью (Uniswap v3/v4, Curve, Balancer). Классическая ошибка при разработке CEX — реализовывать matching engine поверх реляционной БД с транзакциями на каждый матч. PostgreSQL справится с ~500 RPS без специальных усилий, но при пиковой нагрузке 5 000–10 000 ордеров в секунду это превращается в deadlock-ад. Правильная архитектура: in-memory order book (Redis Sorted Sets или кастомная структура на C++/Rust), асинхронная запись матчей в PostgreSQL через очередь (Kafka/RabbitMQ) и отдельный settlement service, финально обновляющий балансы.

Для DEX самая болезненная проблема — sandwich атаки и MEV. Пул с обычным xy=k AMM без slippage protection становится целью для MEV-ботов в первые же часы после запуска. Uniswap v2 потерял на этом сотни миллионов долларов ликвидности для пользователей. Решения: интеграция с Flashbots Protect, commit-reveal схема для ордеров или переход на TWAMM (Time-Weighted AMM) для крупных сделок.

Концентрированная ликвидность и impermanent loss

Uniswap v3 ввёл концентрированную ликвидность — LP выбирают ценовой диапазон, в котором предоставляют ликвидность. Капитальная эффективность выросла в 4 000 раз по сравнению с v2 для стабильных пар. Но реализовать этот механизм правильно — нетривиальная задача. Контракт ликвидности Uniswap v3 использует tick-based accounting: пространство цен разбито на дискретные тики (tick = log₁.0001(price)), каждый тик хранит накопленные fee growth и liquidity delta. При создании позиции вычисляются нижний и верхний тик, контракт пересчитывает все активные позиции при каждом swap. Storage layout здесь критичен — неправильная упаковка переменных в slots легко прибавляет 40–60% к стоимости gas на swap.

Мы реализовывали форк Uniswap v3 для клиента на Polygon с кастомной fee tier системой. Первоначальная версия тратила 180k gas на swap через 2 тика. После slot packing переменных в Tick.Info и инлайнинга нескольких internal вызовов — 112k gas. Это снизило gas-затраты на 38% и сэкономило клиенту более $50 000 ежемесячно на комиссиях. Применённые техники описаны в Uniswap v3 Whitepaper и подтверждены нашим опытом аудита.

Что такое matching engine и почему он критичен?

Production-ready matching engine строится по следующей схеме:

• Order ingestion layer — WebSocket gateway (Go или Rust), принимает ордера, валидирует подпись, проверяет баланс через Redis, ставит в очередь. Latency на этом уровне должна быть <1ms.
• Matching core — single-threaded event loop (устраняет race conditions без мьютексов). В памяти держим два Sorted Set на каждый торговый инструмент: bids и asks. FIFO matching для limit ордеров, immediate-or-cancel для маркет. Throughput при правильной реализации на Rust — 500k–1M матчей в секунду на одном ядре.
• Settlement service — читает матчи из Kafka, атомарно обновляет балансы в PostgreSQL (UPDATE accounts SET balance = balance - $1 WHERE id = $2 AND balance >= $1). Optimistic locking через версионирование строк.
• Withdrawal pipeline — отдельный сервис с cold/hot wallet архитектурой. Горячий кошелёк держит 5–10% от суммарных депозитов, остальное — cold storage с multi-sig (Gnosis Safe или кастомный HSM). Автоматические выводы только из hot wallet, крупные суммы — ручная авторизация.

Как мы строим on-chain DEX: смарт-контракты и gas-оптимизация

Для DEX на EVM (Ethereum, Arbitrum, Optimism, Polygon) весь критический путь живёт в Solidity. Основные контракты: Pool, Factory, Router, PositionManager (для v3-like) и Quoter для off-chain расчётов. Типичные ошибки, которые мы видим в аудитах:

Reentrancy через callback. Uniswap v3 использует flash swap с callback (uniswapV3SwapCallback). Если в вашем роутере нет nonReentrant guard и вы не проверяете msg.sender == pool, контракт дренируется через вложенный вызов. Это не гипотетика — несколько форков v3 теряли средства именно так.

Oracle manipulation в AMM. Если ваш контракт использует spot price из пула для расчёта collateral — это front-runnable. Правильно: TWAP за 30+ минут (Uniswap v3 OracleLib) или внешний оракул (Chainlink).

Unbounded loops в liquidity range. Если swap пересекает много тиков подряд (price impact 80%+), gas может превысить block limit. Нужен MAX_TICKS_CROSSED с partial fill и возвратом остатка.

Для Solana DEX (Anchor framework, Rust) архитектура принципиально другая: account-based модель, Program Derived Addresses (PDA) вместо storage, Cross-Program Invocations вместо внутренних вызовов. Throughput Solana (~3 000–4 000 TPS против 15–30 у Ethereum mainnet) позволяет строить on-chain order book — именно так работает Phoenix DEX.

Liquidity bootstrapping и интеграция с агрегаторами

Запустить пул мало — нужно обеспечить ликвидность на старте. Практические механизмы:

• Liquidity Bootstrapping Pool (LBP) — начальная цена высокая, весовые коэффициенты активов динамически смещаются, создавая давление продаж и равномерное распределение токена. Реализован в Balancer v2.
• Initial Liquidity Offering через Uniswap v3 — добавление ликвидности в узкий диапазон вокруг начальной цены, затем постепенное расширение по мере роста объёма. Требует active liquidity management или интеграции с Arrakis/Gamma.
• Интеграция с 1inch, Paraswap, Li.Fi — агрегаторы дают трафик, но требуют соответствия стандартам: пул должен иметь корректный getAmountsOut, поддерживать ERC-20 approval/permit и не иметь кастомных transfer hooks, которые ломают routing агрегатора.

Процесс разработки

Аналитика и проектирование начинаются с выбора архитектурной модели: CEX с кастодиальным хранением, non-custodial DEX или гибрид (off-chain order book + on-chain settlement, как dYdX v3). Это решение определяет всё — регуляторную нагрузку, технический стек, команду.

Разработка идёт слоями: сначала смарт-контракты с полным покрытием Foundry (fuzzing, invariant testing), затем backend сервисы, затем интеграционный слой, фронтенд последним. Тестирование включает fork testing на mainnet через Foundry — мы воспроизводим реальные условия ликвидности, не синтетические.

Аудит обязателен перед деплоем на mainnet. Для DEX контрактов минимально — одна фирма с ручным ревью (Trail of Bits, Spearbit, Code4rena contest). Для CEX custody — аудит процессов хранения ключей. Мы гарантируем, что все контракты проходят формальную верификацию и fuzzing-тестирование (Echidna, Foundry invariant).

Что входит в работу (deliverables)

По завершении проекта вы получаете:

• Исходный код смарт-контрактов и backend-сервисов под вашу лицензию
• Полную техническую документацию (архитектурные схемы, API-спецификации, инструкции по деплою)
• Доступы к репозиторию и CI/CD pipeline
• Обучение вашей команды работе с кодом (2–3 сессии)
• Гарантию на найденные в процессе эксплуатации баги до 6 месяцев
• Сертификат прохождения стороннего аудита безопасности

Ориентиры по срокам

• DEX (AMM, xy=k) — от 3 до 5 месяцев: контракты + backend + UI
• DEX с концентрированной ликвидностью (v3-like) — от 6 до 10 месяцев
• CEX (matching engine + custody + торговый UI) — от 8 до 14 месяцев
• Интеграция с существующим протоколом — от 4 до 8 недель

Стоимость рассчитывается индивидуально после технического брифинга: выбор чейна, требования к throughput, кастодиальная модель. Наши сертифицированные инженеры с опытом более 10 лет помогут подобрать оптимальную архитектуру и не допустить типичных ошибок.

Типичные грабли при запуске

• Забывают про price oracle в AMM. Spot price манипулируется flash loan’ом за одну транзакцию. Если ваш lending protocol использует spot price из своего же пула — это баг, а не фича.
• Горячий кошелёк без лимитов. CEX без суточных лимитов на автоматические выводы — приглашение для атакующего. Компрометация одного ключа должна потерять максимум 10% от суммарных средств.
• Отсутствие circuit breaker. Резкое падение цены на 40% за 5 минут должно останавливать автоматические ликвидации или выводы до ручного ревью. Без этого cascading liquidation spiral уничтожает весь TVL.
• Неправильный decimal handling. USDC использует 6 decimals, WBTC — 8, большинство токенов — 18. Смешивание без нормализации даёт либо потерю точности, либо overflow. В Solidity нет float — работаем с fixed-point через FullMath (mulDiv с overflow protection).

Хотите избежать этих проблем? Свяжитесь с нами для консультации — мы подберём архитектуру под ваш проект и назовём точные сроки. Закажите разработку биржи с гарантией качества и последующей поддержкой.