REST и GraphQL API в Directus: сложные запросы и кейсы

При разработке headless-проектов на Directus стандартная генерация API часто не покрывает бизнес-логику. Типичная ситуация: фронтенд делает 30 запросов для страницы каталога из-за N+1 реляций, фильтры не работают для вложенных полей, а GraphQL выдаёт ошибки при сложных агрегациях. Заказчик теряет пользователей из-за медленной загрузки. Мы — команда с пятилетним опытом внедрения Directus — превращаем API в производительное решение. Наши клиенты экономят до 40% серверных ресурсов и сокращают TTFB с 2 секунд до 200 мс.

Проблемы, которые решаем

N+1 запросов при работе с реляциями

Стандартный REST-запрос /items/articles возвращает только flat-поля. Если фронтенду нужны автор, категория и комментарии — он делает 3 дополнительных запроса на каждый пост. При 20 постах на странице это 60 запросов. Решение — использовать fields=*,author.*,category.*,comments.* с одним запросом. Но если нужно сортировать комментарии или лимитировать их количество — требуется deep-параметр. Мы настраиваем глубокие populate с кастомными сортировками и лимитами, снижая количество запросов до 1–2.

Фильтрация по связанным коллекциям

Частая задача: показать статьи только из определённой категории, но категория — связанная запись. В Directus это делается через filter[category][slug][_eq]=tech. Однако OR-условия с вложенными связями могут привести к некорректным результатам. Например, filter[_or][0][title][_icontains]=react&filter[_or][1][content][_icontains]=react работает, но если нужно объединить с фильтром по автору — синтаксис усложняется. Мы используем кастомные эндпоинты на Flows для сложной логики.

Агрегации с группировкой

Для дашбордов часто нужна сумма продаж по месяцам. Directus поддерживает aggregate[sum]=total&groupBy[]=status, но в одном запросе нельзя сгруппировать по двум разным полям. Мы применяем SDK и пишем кастомные SQL-запросы через миграции.

Как мы это делаем: стек и кейс из практики

Проект нашего клиента — интернет-магазин на Next.js + Directus 10. Задача: построить API для каталога с фильтрами (цена, бренд, характеристики), поиском через Meilisearch, realtime-обновлением корзины. Стек: Directus (REST + WebSocket), Meilisearch для полнотекстового поиска, Redis для кэширования.

Кейс с агрегацией: Нужно было вывести средний чек по дням. Через стандартный REST это невозможно — только один тип агрегации на запрос. Написали кастомный эндпоинт на Flows с SQL-запросом:

SELECT DATE(date_created) as day, AVG(total) as avg_check
FROM orders
WHERE status = 'paid'
GROUP BY day
ORDER BY day;

Результат: 1 запрос вместо 30, скорость дашборда выросла в 4 раза. Заказчик сэкономил $2000 в месяц на кэшировании и CDN.

Процесс работы

1. Аналитика: ревизия текущих запросов, выявление узких мест (Core Web Vitals, количество запросов).
2. Проектирование: выбираем REST, GraphQL или WebSocket под задачи. Прописываем схему реляций и фильтров.
3. Реализация: настройка эндпоинтов, кастомных Flows, оптимизация через fields и deep. Для поиска подключаем Meilisearch или Elasticsearch.
4. Тест: нагрузочное тестирование (k6), проверка на 1000 concurrent запросов.
5. Деплой: настройка rate limiting, CORS, SSL, кэширования (Redis/Varnish).

Как настроить GraphQL в Directus?

Включите GraphQL, указав в .env:

GRAPHQL_SDLFILE=/tmp/schema.graphql

GraphQL доступен по /graphql. В production отключаем интроспекцию через GRAPHQL_INTROSPECTION=false. Используйте мутации для создания записей и subscription для realtime.

Почему REST API быстрее GraphQL?

В Directus REST API использует кэширование на уровне базы данных (ключи запроса), а GraphQL — нет. Для простых выборок REST даёт меньший latency (на 20–30%). Но GraphQL удобнее для сложных вложенных запросов с разными полями. Выбор зависит от задачи: для публичных эндпоинтов — REST, для админ-панелей — GraphQL.

Как интегрировать поиск через Meilisearch?

Meilisearch подключается как сервис в Directus через Hook или Flow. Настраиваем индексацию полей, релевантность и фильтры. Пример конфигурации:

{
  "index": "articles",
  "primaryKey": "id",
  "searchableAttributes": ["title", "content"],
  "filterableAttributes": ["status", "category_id"]
}

После синхронизации данные доступны через отдельный эндпоинт. Результат — поиск за 10-50 мс вместо 500+ мс при полнотекстовом поиске в PostgreSQL.

Сравнение REST и GraphQL

Типичные ошибки при настройке Directus API

Что входит в работу

• Аудит текущих запросов и оптимизация.
• Настройка REST, GraphQL или WebSocket под задачи.
• Написание кастомных эндпоинтов на Flows для сложной логики.
• Интеграция поиска (Meilisearch/Elasticsearch).
• Настройка rate limiting, кэширования, безопасности.
• Документация по API (OpenAPI/Swagger).
• Обучение команды заказчика.
• Поддержка 1 месяц после запуска.

Сроки

Базовая настройка REST/GraphQL — от 2 до 5 дней. Кастомные эндпоинты и сложные агрегации — от 5 до 10 дней. Точные сроки оцениваем после аудита.

Получите бесплатную консультацию по вашему проекту. Закажите аудит Directus API — мы предложим оптимизированное решение.

Разработка API: REST, GraphQL, WebSocket, tRPC

К нам приходит клиент с Postman-коллекцией на 200 эндпоинтов и говорит: «Всё работает, но фронтенд тормозит». Открываем Network-вкладку — 47 последовательных запросов на загрузку одной страницы дашборда. Каждый ждёт предыдущего. Это не проблема скорости сервера — это проблема архитектуры API. За 10 лет на рынке мы перепроектировали не один десяток таких интеграций, и гарантируем: правильный протокол и контракт решают проблему на корню.

Когда REST перестаёт справляться

REST хорошо работает для простых CRUD-операций. Но как только рядом с веб-интерфейсом появляется мобильное приложение, начинается over-fetching: мобилка запрашивает /api/users/123 и получает объект на 4KB, хотя ей нужны только name и avatar. Умножьте на список из 50 пользователей — 200KB трафика вместо 8KB.

GraphQL решает это через selection sets. Клиент описывает именно те поля, которые ему нужны, и сервер возвращает ровно их. На проекте с React Native + Next.js мы переехали с REST на Apollo Server: размер payload на главном экране упал с 340KB до 28KB — экономия трафика составила 92%. Сертифицированные инженеры команды подтверждают: типичные боли при внедрении GraphQL — N+1 query. Резолвер для поля author у поста вызывает SELECT * FROM users WHERE id = ? для каждого поста в списке. На странице с 20 постами — 21 запрос к базе. Решается через DataLoader — он батчит запросы и превращает их в один SELECT * FROM users WHERE id IN (...).

Что такое tRPC и чем он лучше REST/GraphQL?

Если весь стек на TypeScript (Next.js + Node/Bun), tRPC убирает целый слой проблем. Вы определяете процедуру на сервере — клиент получает полный тайп-сейфти автоматически, без генерации кода и без Swagger. Переименовали поле в схеме Zod — TypeScript подсветит все места на фронтенде, где оно используется. tRPC уменьшает количество кода в 2 раза по сравнению с REST + Swagger + openapi-typescript: не нужно поддерживать отдельную спецификацию и генерировать типы — всё выводится из рантаймовых валидаторов. Однако tRPC не подходит, если API потребляют сторонние клиенты или мобильные приложения на других языках — в таких случаях используем GraphQL или REST с OpenAPI-спецификацией.

WebSocket и реальное время: когда SSE, когда WS?

HTTP-поллинг каждые 5 секунд — это иллюзия реального времени с задержкой до 5 секунд и бесполезной нагрузкой на сервер. Для чатов, live-нотификаций, совместного редактирования — WebSocket или Server-Sent Events. SSE — однонаправленный поток от сервера к клиенту, работает поверх обычного HTTP, автоматически переподключается. Подходит для нотификаций, стриминга данных, прогресс-баров. WebSocket — двунаправленный, нужен для чатов и коллаборативных фич. Опыт показывает: 80% задач «реального времени» решаются через SSE, а не WebSocket — меньше инфраструктурных сложностей.

Типичная ошибка: открывать WebSocket-соединение на каждый компонент страницы. На одном проекте дашборд открывал 12 параллельных WS-соединений. Правильно — один connection manager на уровне приложения, подписки через него. В результатах работы мы всегда передаём схему соединения и готовое решение.

Swagger / OpenAPI как контракт

Документация, написанная постфактум — устаревает на следующий день после релиза. Мы пишем спецификацию OpenAPI 3.1 до начала разработки, она становится контрактом между фронтендом и бэкендом. Фронтенд генерирует типы через openapi-typescript, бэкенд валидирует входящие данные через сгенерированные схемы. Расхождение контракта с реализацией ловится на CI, а не на ревью. Для Laravel — l5-swagger или dedoc/scramble. Для Node.js — @fastify/swagger или Zod + zod-to-openapi.

Как правильно аутентифицировать API?

JWT с долгоживущими access-токенами без ротации — источник проблем при компрометации. Правильная схема: access-токен на 15 минут, refresh-токен на 30 дней с ротацией при каждом использовании. Refresh-токен хранится в httpOnly cookie, access-токен — в памяти (не в localStorage). Для межсервисного взаимодействия — API Keys с scope-ограничениями или mTLS. OAuth 2.0 с PKCE для публичных клиентов (SPA, мобилки).

Версионирование и обратная совместимость

Ломающие изменения в API без версионирования ломают клиентов. Три подхода мы используем в проектах:

Обратную совместимость мы гарантируем через автомат-проверки (oasdiff) на CI.

Как мы разрабатываем API: пошаговый план

1. Аналитика — аудит текущих интеграций, составление схемы данных, выбор протокола (REST/GraphQL/tRPC/WebSocket).
2. Проектирование контракта — OpenAPI или SDL (GraphQL) до первой строки кода.
3. Разработка — реализация по контракту, модульные тесты на каждый эндпоинт.
4. Нагрузочное тестирование — k6: 500 виртуальных пользователей, 10 минут, p95 latency ≤ 200ms.
5. Деплой — CI/CD с проверкой обратной совместимости, автоматическая публикация документации.
6. Обучение команды — передача Postman-коллекции или Playground, инструкция по подключению.

Что входит в работу (deliverables)

• OpenAPI 3.1 спецификация (или SDL для GraphQL).
• Сгенерированные клиентские типы для TypeScript / Dart / Kotlin.
• Набор автотестов с покрытием всех эндпоинтов (модульные + интеграционные).
• Нагрузочные тесты (k6) и отчёт (p50/p95/p99 latency, RPS).
• Документация в Swagger UI / Redoc / GraphiQL.
• Обучение команды (2–4 часа воркшопа).
• Поддержка в течение 30 дней после сдачи (по договору).

Наш опыт

• 10+ лет на рынке разработки API.
• 200+ завершённых проектов (REST, GraphQL, WebSocket, tRPC).
• 50+ сертифицированных инженеров (AWS, Kubernetes, API Design).
• Экономия на трафике в среднем 85% при переходе с REST на GraphQL для мобильных приложений.
• 100% обратная совместимость — ни одного сломанного клиента за последние 3 года.

Сроки

Разработка API для типового SaaS-проекта с 30–50 эндпоинтами: от 3 до 8 недель в зависимости от сложности бизнес-логики и количества внешних интеграций. Миграция существующего REST API на GraphQL — от 2 до 6 недель. Добавление WebSocket-слоя к готовому бэкенду — от 1 до 3 недель. Стоимость рассчитывается индивидуально после аудита. Получите консультацию — свяжитесь с нами, чтобы обсудить ваш проект.