История изменений в мобильном приложении: реализация и оптимизация

Реализация истории изменений (Version History) в мобильном приложении

Представьте: юрист правит договор на планшете, случайно удаляет абзац и сохраняет. Через час — подписание, а данных нет. Без истории изменений — катастрофа. Мы реализовали систему, которая хранит каждую правку и позволяет откатить любую версию за секунды. В проектах с юридически значимыми документами, редакторской работой или сложными таблицами каждая правка должна быть отслежена и доступна для отката. Как спроектировать хранилище истории, чтобы оно не раздувалось и работало на мобильном устройстве с ограниченными ресурсами? Разбираем ключевые подходы, их сильные и слабые стороны, а также даём готовые схемы и код. Наш опыт — более 7 лет в мобильной разработке, мы реализовали версионирование в десятках проектов.

Два подхода: snapshot vs event sourcing

Snapshot — при каждом сохранении создаём полную копию объекта. Простота реализации и восстановления оборачивается взрывным ростом базы. Если документ весит 50 КБ, а пользователь сохраняет его 50 раз в день, за год накопится 50 × 50 × 365 ≈ 912 МБ только для одного документа. Для приложения с тысячами пользователей это неприемлемо.

Delta (event sourcing) — храним только разницу между версиями. Это компактно, но восстановление требует воспроизведения всех дельт от начального состояния. Для текста можно использовать diff-match-patch (бесплатная библиотека, доступна на iOS и Android). Однако сложность возрастает при параллельном редактировании.

Гибридный подход — комбинация: снэпшоты через каждые 10 версий или каждые 7 дней, между ними дельты. Восстановление: берём ближайший снэпшот и применяем дельты. Такой метод даёт до 90% экономии места по сравнению с чистыми снэпшотами и ускоряет восстановление в 5–10 раз относительно чистых дельт.

Ниже — сравнение трёх подходов.

Схема данных

Для SQLite-базы на Android или CoreData на iOS мы используем такую таблицу:

@Entity(tableName = "document_versions")
data class DocumentVersion(
    @PrimaryKey(autoGenerate = true) val id: Long = 0,
    val documentId: String,
    val versionNumber: Int,
    val deltaJson: String?,      // null если snapshot
    val snapshotJson: String?,   // null если delta
    val authorId: String,
    val deviceId: String,
    val createdAt: Long = System.currentTimeMillis(),
    val comment: String? = null  // "Автосохранение" / "Сохранено вручную"
)

Индекс по (documentId, versionNumber) обязателен — иначе выборка истории станет тормозом. На Android используем @Index в Room, на iOS — составной индекс в CoreData.

Как выбрать стратегию хранения версий?

Выбор зависит от типа данных и частоты изменений. Для документов с редкими правками (1–2 раза в день) чистый snapshot — просто и надёжно. Для текстовых редакторов, где правки происходят каждые секунды, лучше гибрид. Всегда оценивайте нагрузку: если база растёт быстрее, чем пользователи создают контент, меняйте подход.

Ограничение глубины истории

Хранить все версии вечно — нецелесообразно. Предлагаем три стратегии:

Пример удаления старых версий на Android с WorkManager:

@Transaction
suspend fun pruneVersions(documentId: String, keepCount: Int) {
    val versions = getVersionsByDocument(documentId)
    if (versions.size > keepCount) {
        val toDelete = versions.drop(keepCount)
        deleteVersions(toDelete.map { it.id })
    }
}

Почему стоит ограничивать глубину истории?

Без ограничений база данных может раздуться до гигабайтов на устройстве. Пользователь редко возвращается к версиям старше месяца. Наш опыт показывает, что разумный лимит — 50 версий или 30 дней — покрывает 99% потребностей, а хранилище остаётся под контролем. Экономия на хранении — до 90% объёма БД, что напрямую снижает затраты на инфраструктуру.

UI истории версий

Список версий с датой, автором и типом (автосохранение/ручное). Тап — предпросмотр, две кнопки: «Восстановить» и «Сравнить с текущей». Diff-view с подсветкой: зелёный для добавленного, красный для удалённого. На мобильном используем inline diff через SpannableString (Android) или NSAttributedString (iOS) — компактно и интуитивно.

Автосохранение и дебаунс

Автосохранение не должно создавать версию на каждый символ. Дебаунс 2–3 секунды после последнего изменения:

private var saveTask: Task<Void, Never>?

func textDidChange(_ text: String) {
    saveTask?.cancel()
    saveTask = Task {
        try? await Task.sleep(nanoseconds: 2_000_000_000)
        guard !Task.isCancelled else { return }
        await saveVersion(text, type: .auto)
    }
}

Что входит в работу

1. Анализ данных и выбор стратегии (snapshot / delta / гибрид) — оцениваем нагрузку и гарантируем производительность.
2. Проектирование схемы данных с индексами и внешними ключами.
3. Реализация автосохранения с дебаунсом.
4. Разработка UI списка версий с метаданными.
5. Создание diff-view для сравнения версий.
6. Настройка фоновой очистки устаревших версий по расписанию.

class VersionPruneWorker(context: Context, params: WorkerParameters) : CoroutineWorker(context, params) {
    override suspend fun doWork(): Result {
        val dao = AppDatabase.getInstance(applicationContext).documentVersionDao()
        dao.pruneAllVersions(keepCount = 50)
        return Result.success()
    }
}

Сроки

Базовая реализация (snapshot + простой UI) — 1,5–2 дня. Полноценный гибрид с дельтами, diff-view и умным прореживанием — 4–5 дней. Стоимость рассчитывается индивидуально исходя из сложности данных и требований к глубине истории. Реализуем под ключ: от проектирования до публикации в сторах. Получите консультацию — напишите нам для оценки вашего проекта. Закажите внедрение истории изменений — мы предложим оптимальное решение.

Как выбрать решение для локального хранения данных (Room, Core Data, Realm, Isar)?

Мы сталкивались с ситуацией, когда приложение теряет данные при потере сети — и это не просто баг, это провал сценария. Пользователь заполнил форму, нажал «Отправить», получил таймаут и потерял всё. Или хуже: данные отправились дважды из-за некорректной логики повторной отправки. Правильно выбранный и настроенный слой хранилища решает эту проблему раз и навсегда. Неправильный выбор может стоить команде месяцев переписывания кода и потери до 70% времени на синхронизацию. Наш опыт — 10+ лет в мобильной разработке, более 50 проектов с офлайн-хранилищами — подтверждает: выбор решения определяет 80% будущих проблем с производительностью и синхронизацией.

На практике выбор хранилища определяется двумя факторами: типом данных и требованиями к синхронизации, а не популярностью библиотеки.

Room (Android) — обёртка над SQLite с compile-time верификацией SQL-запросов. Если запрос невалиден, сборка падает — это лучше, чем SQLiteException в рантайме. Room хорошо интегрируется с Kotlin Flow и LiveData, что делает реактивные UI-обновления прямолинейными. Основная сложность — миграции схемы. @Database(version = N, exportSchema = true) с файлами миграций в assets/databases/ — обязательная практика, иначе при обновлении приложения fallbackToDestructiveMigration() просто сотрёт данные пользователя.

Core Data (iOS) — не база данных, а фреймворк управления графом объектов поверх SQLite (или XML, или in-memory). NSPersistentContainer с viewContext для чтения на main thread и newBackgroundContext() для записи — базовая схема. Проблема начинается, когда разработчик делает save() в viewContext из фонового потока: EXC_BAD_ACCESS в рандомный момент, воспроизводится раз в неделю, в крешлоге почти ничего полезного. Нужно использовать performAndWait или perform для каждого контекста строго в своём потоке. Apple Core Data Programming Guide рекомендует именно такой подход.

Realm выигрывает там, где нужна скорость работы с большими наборами объектов и встроенная реактивность через Results + observe(). Realm хранит объекты напрямую, без маппинга ORM, поэтому чтение не требует десериализации. По нашим замерам, Realm обрабатывает чтение в 2–3 раза быстрее Core Data при объёме более 10 000 объектов. На Flutter Realm SDK (ex-MongoDB Realm) поддерживает Device Sync — но это уже managed-сервис с отдельной инфраструктурой.

Hive и Isar — Flutter-специфичные решения. Hive — key-value хранилище, быстро, просто, подходит для настроек и кешей. Isar — полноценная документо-ориентированная БД с индексами, написанная на Rust, компилируется в нативный код. Для Flutter-приложений с офлайн-функциональностью Isar сейчас предпочтительнее: встроенный query builder с типобезопасными фильтрами, транзакции, watchObject/watchQuery для реактивности.

Свяжитесь с нами, чтобы получить бесплатный аудит вашего текущего хранилища и рекомендации по оптимизации — это сэкономит вам сотни часов разработки и до 60% трафика на серверные запросы.

Почему офлайн-синхронизация — самая сложная часть?

Локальное хранилище само по себе несложно. Сложность — в синхронизации с сервером при наличии конфликтов.

Самый частый паттерн — optimistic updates с rollback. Пользователь редактирует запись, UI отображает изменение мгновенно, фоновый запрос уходит на сервер. Если сервер возвращает ошибку — откатываем локальный стейт. Выглядит просто. На практике: если пользователь успел уйти с экрана и вернуться, а откат произошёл через 3 секунды — UX сломан. Нужна явная очередь операций с состоянием (PENDING, SYNCED, FAILED) в отдельной таблице.

На Android для фоновой синхронизации используем WorkManager с Constraints.Builder().setRequiredNetworkType(NetworkType.CONNECTED). Важно не забыть про setInputMerger(ArrayCreatingInputMerger::class) при батчинге задач — иначе при нескольких одновременных запусках данные затираются. Типовая реализация очереди операций:

class SyncWorker(context: Context, params: WorkerParameters) : CoroutineWorker(context, params) {
    override suspend fun doWork(): Result {
        val pendingOps = syncDao.getPendingOperations()
        for (op in pendingOps) {
            try {
                apiClient.send(op.payload)
                syncDao.markSynced(op.id)
            } catch (e: Exception) {
                syncDao.markFailed(op.id, e.message)
                return Result.retry()
            }
        }
        return Result.success()
    }
}

На iOS аналог — BGTaskScheduler с BGProcessingTaskRequest. Ограничения iOS на фоновое время исполнения (~30 секунд для refresh tasks) означают, что синхронизация должна быть инкрементальной: не «синхронизировать всё», а «синхронизировать следующие N записей, сохранить курсор».

Конфликты при мультиустройственной работе решаются одним из трёх подходов:

• Last-write-wins по updated_at (простейший, теряет данные при одновременном редактировании)
• Server-wins (клиент всегда принимает серверную версию)
• Three-way merge (сложно, нужен общий предок — подходит для документов)

В большинстве B2C-приложений достаточно last-write-wins с вектором времени на уровне пользователя, но при совместном редактировании нужен CRDTs-подход — тогда смотрим на Automerge или Yjs с мобильными биндингами.

Как мы строим слой хранилища

Репозиторный паттерн — не опциональный, а обязательный. UserRepository не знает, откуда данные: из Room, Realm или сети. ViewModel вызывает repository.getUser(id), получает Flow/Stream, отображает данные. Логика кеширования — внутри репозитория.

Для Flutter типичная архитектура: Isar для персистентности, Riverpod для управления стейтом, ConnectivityPlus для определения состояния сети, кастомный SyncService с очередью операций. Riverpod AsyncNotifier удобно покрывает логику «показать кеш, обновить из сети, показать новые данные». Пример репозитория с кешированием:

class UserRepository {
  final Isar isar;
  final ApiClient api;

  Future<User> getUser(String id) async {
    // 1. попробовать из локального хранилища
    final cached = await isar.user.where().idEqualTo(id).findFirst();
    if (cached != null) return cached;
    // 2. иначе из сети
    final remote = await api.fetchUser(id);
    // 3. сохранить локально
    await isar.writeTxn(() => isar.user.put(remote));
    return remote;
  }
}

Отдельная тема — шифрование. Если приложение хранит медицинские данные, платёжные карты или корпоративные документы, SQLCipher (Android) и NSFileProtection (iOS) — не опция. Realm поддерживает шифрование нативно через ключ в 64 байта, который нужно хранить в Keychain/Keystore, а не в SharedPreferences. Экономия на безопасности может обойтись в утечку данных с громкими последствиями.

Что входит в работу

Мы гарантируем прозрачный процесс и фиксируем каждый этап:

Хотите избежать типовых ошибок при проектировании хранилища? Обратитесь к нам — мы поможем спроектировать надёжное локальное хранилище с нуля или доработать существующее.

Этапы работы

Начинаем с аудита требований: какие данные, какой объём, нужна ли синхронизация, возможны ли конфликты. На этом этапе становится ясно, Core Data или SQLite-based решение, нужен ли Realm Sync или хватит простого REST-поллинга.

Дальше — проектирование схемы с учётом миграций. Схему меняют в любом проекте — вопрос не «будут ли миграции», а «насколько болезненно они пройдут». Экспортируем схему в JSON, храним в репозитории, пишем тесты на миграцию каждой версии.

Разработка идёт с покрытием репозиторного слоя юнит-тестами: моки сетевого слоя, реальная in-memory база для тестирования запросов. Перед релизом — профилирование запросов через Android Profiler (вкладка Database Inspector) или Core Data debug флаги (-com.apple.CoreData.SQLDebug 1).

Срок реализации слоя хранилища с базовой офлайн-синхронизацией — от 2 до 6 недель в зависимости от сложности схемы и требований к конфликт-резолюции. Стоимость рассчитывается индивидуально после аудита вашего проекта. Закажите разработку под ключ — получите консультацию по выбору оптимального стека и миграциям.