Разработка модулей интеграции с внешними БД для AR

Мы занимаемся разработкой AR-решений более 5 лет и выполнили 30+ проектов по интеграции дополненной реальности с корпоративными системами. Одна из частых задач — подключение AR-приложения к внешним базам данных.

AR-приложение для складского учёта показывает сотруднику информацию о товаре прямо над физической коробкой. Данные тянутся из ERP в реальном времени. Задержка запроса 800 мс — и аннотация появляется уже после того, как сотрудник отвёл взгляд. Это не UX-нюанс — это прямой провал сценария использования. Интеграция AR с внешними базами данных требует другого подхода к архитектуре запросов, чем в обычных мобильных приложениях. Наш опыт показывает, что стандартные решения здесь не работают.

Какие технические вызовы возникают при интеграции AR с БД?

Латентность запросов в AR критичнее, чем в любом другом мобильном контексте. Пользователь наводит камеру на объект и ожидает мгновенного отклика. 300 мс — приемлемо, 800 мс — заметная задержка, 2 секунды — приложение кажется сломанным.

Основные источники задержки:

• Сетевой round-trip до сервера (100–300 мс в 4G, 20–50 мс в WiFi)
• Время обработки запроса на сервере (SQL-запрос без индекса на таблицу в 5 миллионов строк — легко 500 мс)
• Десериализация JSON на клиенте

Решение — предиктивная загрузка и кэширование. В складском AR-приложении при наведении на стеллаж мы знаем, что следующие 30 секунд пользователь будет работать с этой зоной. Prefetch запрашивает данные по всем артикулам зоны одним batch-запросом сразу при распознавании маркера стеллажа, кладёт в локальный кэш. Когда пользователь наводит на конкретную коробку — данные уже готовы. Этот подход даёт выигрыш в 2-3 раза по скорости отклика по сравнению с поштучными запросами.

Офлайн-режим — второй критичный момент. На складах, в промышленных цехах, в медицинских учреждениях с металлическими перегородками сигнал нестабилен. AR-приложение должно работать с кэшированными данными и синхронизировать изменения при восстановлении соединения. Конфликты слияния (пользователь изменил количество в AR, другой пользователь изменил то же поле в ERP) — обрабатываем через timestamps + last-write-wins или через explicit conflict resolution UI.

Архитектура модуля интеграции

Строим на трёх слоях:

Data Access Layer — абстракция над источником данных. IProductRepository с методами GetByBarcode(string code), GetByZone(string zoneId), UpdateQuantity(string id, int delta). Конкретная реализация может быть REST, GraphQL, gRPC или прямое SQLite — слой AR-логики не знает.

Sync Engine — управление кэшем и синхронизацией. SQLite через sqlite-net-pcl на устройстве как локальное хранилище. Фоновый SyncWorker опрашивает сервер каждые N секунд (configurable) или реагирует на push через WebSocket/SignalR. Стратегия кэширования — TTL per entity type: быстроменяющиеся данные (количество на складе) — 30 секунд, справочники (названия, характеристики) — 24 часа.

AR Binding Layer — подключение данных к AR-объектам. В AR Foundation: при ARTrackedObjectsChangedEventArgs.added — запрос данных для распознанного объекта через IProductRepository, заполнение ARAnnotationController полученными данными. При removed — скрытие аннотации, отмена pending запросов через CancellationToken.

Для производительности используем UniTask (или ValueTask в стандартном .NET) вместо стандартных корутин — меньше аллокаций, нативная отмена задач через CancellationToken, правильная обработка исключений в async/await. Microsoft рекомендует использовать HttpClient как singleton для избежания исчерпания сокетов (см. рекомендации Microsoft).

Типичные интеграции в AR-проектах

REST API (наиболее распространён): HttpClient с System.Net.Http, Newtonsoft.Json или System.Text.Json для десериализации. Важно: HttpClient должен быть singleton или pooled — каждый new HttpClient() открывает новый socket pool.

GraphQL: для AR-приложений особенно удобен — запрашиваем только нужные поля, одним запросом получаем связанные данные. graphql-net-client или Strawberry Shake для .NET.

WebSocket / SignalR: для real-time обновлений — например, AR-аннотации на производственной линии, где статус оборудования меняется каждые секунды. SignalR Core на бэкенде, Microsoft.AspNetCore.SignalR.Client на клиенте.

Прямое подключение к БД в AR-приложениях не рекомендуем — это антипаттерн с точки зрения безопасности (учётные данные БД в APK) и масштабируемости.

Как обеспечить мгновенный отклик?

Ключевая техника — асинхронная предзагрузка данных в зоне видимости. Мы используем spatial prefetch: при распознавании маркера зоны (стеллаж, комната) отправляем batch-запрос на все объекты в этой зоне. Это даёт выигрыш в 2–3 раза по сравнению с поштучными запросами. UniTask позволяет отменять устаревшие запросы без аллокаций. Нагрузочное тестирование показывает, что при 1000+ объектах в зоне 98% запросов обрабатываются за <200 мс.

Пошаговый план интеграции

1. Анализ источников данных. Изучаем API или структуру БД, определяем требования к актуальности данных, офлайн-поведению.
2. Проектирование Data Access Layer. Интерфейсы, стратегия кэширования, offline-политика.
3. Разработка Sync Engine. SQLite схема, фоновая синхронизация, conflict resolution.
4. Интеграция с AR Foundation. Привязка данных к tracked objects.
5. Тестирование. Сценарии: плохой сигнал, полный офлайн, конфликты при синхронизации, нагрузочный тест (1000 объектов в зоне видимости).

Стоимость рассчитывается после анализа структуры данных и требований к синхронизации.

Что входит в работу

• Разработка Data Access Layer с поддержкой REST/GraphQL/WebSocket.
• Реализация Sync Engine с кэшированием и разрешением конфликтов.
• Интеграция с AR Foundation (Unity) или Native XR.
• Документация по API и архитектуре.
• Обучение вашей команды работе с модулем.
• Гарантия 6 месяцев на выявленные баги.

Мы гарантируем, что модуль пройдёт нагрузочное тестирование при 1000+ объектов в зоне видимости. По данным Unity, правильное кэширование снижает задержки на 60%.

Если вам нужно интегрировать AR с внешними данными — свяжитесь с нами для оценки проекта. Закажите разработку модуля под ключ — получите готовое решение за 2–12 недель в зависимости от сложности.

public interface IProductRepository
{
    UniTask<Product> GetByBarcode(string code, CancellationToken ct);
    UniTask<IEnumerable<Product>> GetByZone(string zoneId, CancellationToken ct);
    UniTask UpdateQuantity(string id, int delta, CancellationToken ct);
}