Конвейер обработки изображений: resize, crop, watermark, конвертация

Построение production-ready конвейера обработки изображений

Изображения — самая тяжёлая часть любого сайта. Одна необработанная фотография с камеры может весить 10+ МБ и загружаться секунды. При этом пользователи покидают страницу, если LCP превышает 2.5 секунды. Мы регулярно сталкиваемся с проектами, где картинки не оптимизированы: нет ресайза под разные экраны, нет WebP, водяной знак ставится вручную. Всё это — потеря конверсии и лишние расходы на трафик.

Типичный сценарий: интернет-магазин с тысячами товаров. Фотографии загружаются через админку, но приходится делать превью вручную или через костыли. Мы предлагаем готовую инфраструктуру: при загрузке файл проходит через pipeline, и на выходе — сразу несколько вариантов: thumbnail (150x150), medium (800x600), large (1920x1080), все в WebP и JPEG. Плюс оригинал сохраняется отдельно.

Водяной знак накладывается автоматически, если изображение публичное. Мы используем полупрозрачный логотип в правом нижнем углу — это не мешает просмотру, но защищает контент. Все операции занимают не более 200 мс на одно изображение.

Наш pipeline решает эти проблемы автоматически. Вы загружаете оригинал — система сама генерирует набор превью, конвертирует в современные форматы и накладывает watermark. При этом не нужно переписывать существующую логику: интеграция занимает от 2 до 3 дней.

Какие проблемы решает конвейер?

Медленная загрузка из-за больших оригиналов — первая проблема. Одно фото с камеры может весить 20 МБ. На мобильном интернете это убивает UX. Ресайз до нужных размеров и конвертация в WebP уменьшают объём в 3-5 раз без потери качества.

Отсутствие адаптивных изображений — вторая проблема. Если на десктопе показывать картинку 1920x1080, на телефоне она будет такой же по размеру, но сжатой браузером. Это увеличивает LCP. Наш pipeline генерирует несколько версий под разные разрешения, а мы подключаем srcset — браузер сам выбирает подходящий вариант.

Невозможность автоматически конвертировать форматы — третья. Ручная конвертация в WebP или AVIF — долгий процесс, который часто забывают. Pipeline делает это на лету, сохраняя и оригинал, и производные. Экономия трафика достигает 40%.

Как мы строим pipeline: стек и архитектура

Для синхронной обработки используем Node.js с Sharp. Sharp работает в 3 раза быстрее аналогов на Python. Для асинхронной — Celery + Pillow. Если нагрузка большая, отправляем задачи в очередь Redis — сервер не блокируется. Альтернатива — imgproxy, который трансформирует изображения on-the-fly по URL.

Сравнение подходов:

Какой выбрать? Если у вас до 1000 загрузок в день — хватит синхронного. Для крупных проектов с миллионами изображений — асинхронный с очередью.

Сравнение форматов:

Переход на WebP снижает LCP на 30% и экономит до 40% трафика.

Что входит в работу?

В услугу входит:

• Проектирование архитектуры pipeline (выбор подхода, стек).
• Разработка и интеграция с вашим проектом (API, middleware).
• Настройка CDN и кэширования (Cloudflare, Vercel).
• Документация по использованию и доработке.
• Обучение команды (1 час онлайн).
• Гарантия стабильной работы — 30 дней поддержки.

Опыт нашей команды — 7+ лет в веб-разработке, более 50 реализованных проектов с обработкой изображений.

Процесс работы

1. Аналитика — аудит текущей инфраструктуры, типичные размеры, форматы, нагрузка.
2. Проектирование — выбор подхода (синхронный/асинхронный), определение набора превью.
3. Реализация — написание кода pipeline, интеграция с хранилищем и CDN.
4. Тестирование — нагрузочное тестирование, проверка совместимости с браузерами.
5. Деплой — развёртывание на production, мониторинг.

Сроки и стоимость

Базовая реализация с Sharp или imgproxy занимает от 2 до 5 дней. Стоимость рассчитывается индивидуально после аудита — зависит от сложности, объёмов и необходимости асинхронной обработки. Оценим проект бесплатно в течение дня.

Типичные ошибки при реализации

• Игнорирование EXIF-ориентации — фото с телефона могут быть повёрнуты. В Sharp мы автоматически читаем метаданные и корректируем.
• Потеря прозрачности — при конвертации PNG в JPEG фон становится белым. Наш pipeline сохраняет альфа-канал или заменяет на белый фон.
• Слишком большие превью — генерация 10+ вариантов замедляет обработку. Оптимально 3-4 размера.
• Отсутствие кэширования — каждый запрос к imgproxy тратит ресурсы. Настраиваем Cache-Control на год.

# tasks.py (Celery)
from celery import Celery
from PIL import Image
import io, boto3

app = Celery('image_tasks', broker='redis://redis:6379')

@app.task(bind=True, max_retries=3)
def process_image(self, image_id: int):
    try:
        record = db.get_image(image_id)
        raw = s3.get_object(Bucket='uploads', Key=record.original_key)['Body'].read()
        img = Image.open(io.BytesIO(raw))
        img = ImageOps.exif_transpose(img)
        if img.mode == 'RGBA':
            background = Image.new('RGB', img.size, (255, 255, 255))
            background.paste(img, mask=img.split()[3])
            img = background
        variants = {}
        for name, (w, h) in SIZES.items():
            resized = img.copy()
            resized.thumbnail((w, h), Image.LANCZOS)
            buf = io.BytesIO()
            resized.save(buf, 'WEBP', quality=85, method=6)
            buf.seek(0)
            key = f"processed/{image_id}/{name}.webp"
            s3.put_object(Bucket='media', Key=key, Body=buf, ContentType='image/webp', CacheControl='public, max-age=31536000')
            variants[name] = key
        db.update_image_variants(image_id, variants)
    except Exception as exc:
        raise self.retry(exc=exc, countdown=60)

Получите консультацию по вашему проекту — оценим сложность и сроки. Пишите, мы на связи.

Услуги бэкенд-разработки: Laravel, Node.js, Go, Django, PostgreSQL

На production-сервере в 3:14 ночи очередь Laravel Jobs перестала обрабатываться. 40 000 необработанных задач в Redis. Причина: worker упал из-за memory leak в одном из Jobs (утечка через статическую переменную в Eloquent observer), supervisor не перезапустил его из-за misconfigured stopwaitsecs. Это не гипотетический сценарий — это вторник. Мы разбирали такой инцидент на проекте с нагрузкой 500 RPS: диагностика заняла 4 часа, фикс — 20 минут. Чтобы вы не теряли деньги на простоях, предлагаем услуги бэкенд-разработки с акцентом на production-grade надёжность. Оценим ваш проект за 2 дня.

Backend — это то, что работает когда никто не смотрит. Или не работает. Гарантируем, что у вас будет первый вариант.

Что мы делаем с первого дня правильно

Service Layer поверх Fat Controllers. Controller получает HTTP-запрос, валидирует его через Form Request, передаёт данные в Service, возвращает ответ. Бизнес-логика в Service, не в Controller. Это звучит банально, но большинство legacy-проектов — это контроллеры по 500 строк с SQL-запросами внутри.

Repository Pattern используем осторожно. Если вы просто оборачиваете Model::where(...) в метод репозитория — это бойлерплейт без пользы. Repository оправдан когда: нужно абстрагироваться от источника данных (БД + кеш + внешний API) или когда логика запросов достаточно сложна для изоляции.

Jobs, Events, Listeners. Всё, что можно сделать асинхронно — делаем асинхронно. Отправка email, генерация PDF, синхронизация с внешним API, пересчёт агрегатов — в Queue. Laravel Horizon для мониторинга очередей в Redis: видно throughput, failed jobs, время обработки по очередям.

Как Octane справляется с высокой нагрузкой

Laravel Octane с RoadRunner или Swoole держит приложение в памяти между запросами — убирает overhead bootstrap (загрузка конфигов, автозагрузка классов) на каждый HTTP-запрос. Прирост: 3–8x на синтетических бенчмарках, 2–4x на реальных приложениях. Важно: нельзя хранить состояние между запросами в статических переменных — это приводит именно к таким инцидентам, как в начале. Применяем это в проектах с >1000 RPS.

Что делать с N+1 запросами

N+1 — самая распространённая причина медленных страниц в Laravel-приложениях. Стандартная история: страница работала нормально на dev с 10 записями, на production с 10 000 — 8-секундная загрузка.

Laravel Debugbar в dev-окружении показывает количество запросов на страницу. Более 20 запросов на одну страницу — сигнал для audit.

Model::preventLazyLoading(! app()->isProduction());

Telescope для профилирования в staging: логирует все запросы, jobs, mail, notifications с детализацией по времени. Цифры: после внедрения eager loading время загрузки страницы падает с 8 с до 0.3 с — в 27 раз.

PostgreSQL: индексы, которые реально нужны

PostgreSQL 14+ — основная БД на всех проектах. Используем связку PgBouncer + PostgreSQL. Опыт 10+ лет, более 50 backend-проектов, 5 лет на рынке.

Как PostgreSQL помогает избежать медленных запросов

Composite indexes для частых WHERE + ORDER BY. Если у вас WHERE user_id = ? AND status = ? ORDER BY created_at DESC — нужен (user_id, status, created_at DESC). Индекс по (user_id) отдельно плохо помогает с сортировкой.

Partial indexes. Если 95% запросов идут по WHERE status = 'active':

CREATE INDEX idx_orders_active ON orders (created_at DESC)
WHERE status = 'active';

Индекс маленький, быстрый, покрывает основную нагрузку.

GIN-индексы для JSONB и массивов. @> оператор без GIN-индекса — seq scan. С индексом — быстро даже на миллионах записей.

GIN для full-text search. to_tsvector + GIN вместо LIKE '%query%'. LIKE без индекса — всегда seq scan. С pg_trgm extension и gin_trgm_ops — поддержка LIKE с индексом, полезно для CRM-поиска по частичному совпадению.

Connection pooling: почему важнее чем кажется

Rails, Laravel, Django открывают новое соединение с PostgreSQL на каждый PHP/Python процесс. На 100 воркерах — 100 соединений. PostgreSQL начинает деградировать от 200–300 активных соединений — overhead на управление соединениями становится значительным.

PgBouncer — connection pooler перед PostgreSQL. Режим transaction pooling: соединение с PostgreSQL занято только на время транзакции, между запросами возвращается в пул. 1000 приложений-воркеров → 20–50 реальных соединений к PostgreSQL. Это снижает latency на 40% и уменьшает затраты на хостинг на 30%.

Node.js с Fastify: когда это лучше Laravel

Node.js оправдан для:

• Realtime: WebSocket-серверы, Server-Sent Events, чат, live-обновления
• Streaming: большие файлы, видео, данные потоком
• High I/O concurrency: много параллельных запросов к внешним API без тяжёлой бизнес-логики
• Serverless: Lambda/Cloud Functions — Node.js стартует быстрее PHP

Fastify вместо Express: в 2–3 раза быстрее на benchmarks, встроенная JSON Schema валидация, лучшая TypeScript поддержка, plugin-архитектура.

Типичная архитектура realtime: Laravel — основная бизнес-логика и REST API. Node.js + Socket.io или ws — WebSocket сервер. Laravel публикует события в Redis Pub/Sub, Node.js подписывается и транслирует клиентам. Это разделение позволяет масштабировать WebSocket-сервер независимо от основного приложения.

Go: микросервисы и высокая нагрузка

Go используем для:

• Высоконагруженных микросервисов (> 10 000 RPS)
• Фоновых воркеров с жёсткими требованиями к latency
• Инструментов DevOps и CLI
• gRPC-сервисов в микросервисной архитектуре

Goroutines — дешевле OS-потоков в тысячи раз. 10 000 конкурентных соединений на Go — норма на одном сервере.

Но Go — не волшебная таблетка. Разработка медленнее чем на Laravel: больше бойлерплейта, нет ORM уровня Eloquent, обработка ошибок через if err != nil везде. Оправдан только когда производительность — реальное требование, не предположение.

Django и Python backend

Django с DRF (Django REST Framework) — для задач где нужен Python: ML-пайплайны, обработка данных, интеграции с AI-инструментами.

Celery для фоновых задач — аналог Laravel Queue, но сложнее в конфигурации. Celery Beat для cron-задач.

Django ORM vs raw SQL: ORM удобен для CRUD. Для аналитических запросов с несколькими JOIN, оконными функциями и CTE — connection.execute() с raw SQL читаемее и предсказуемее.

Redis: не только кеш

Redis в наших проектах выполняет несколько ролей:

Redis Cluster для горизонтального масштабирования. Sentinel для автоматического failover на standalone установках.

Деплой и инфраструктура

Docker + docker-compose — стандарт для локальной разработки и production. Каждый сервис в контейнере: PHP-FPM/Octane, Nginx, PostgreSQL, Redis, Queue Worker, Scheduler.

CI/CD через GitHub Actions:

1. Прогон тестов (PHPUnit / Pest, Vitest, Playwright)
2. Сборка Docker-образа
3. Push в Container Registry
4. Deploy: docker pull → docker-compose up -d на сервере, или Kubernetes rolling update

Zero-downtime deploy для Laravel: php artisan down --secret=TOKEN не нужен при правильной настройке. Стратегия: новый контейнер стартует рядом со старым, Nginx переключает трафик после health check, старый контейнер останавливается.

Мониторинг: Sentry для exception tracking с alerting в Slack/Telegram. Grafana + Prometheus (или Grafana Cloud) для метрик: CPU, memory, request rate, queue depth, database connection count. Алерт на: error rate > 1%, p99 latency > 2s, queue depth > 1000 jobs.

Что входит в работу под ключ

• Архитектурное проектирование (документация API, схема БД, диаграмма сервисов)
• Реализация по согласованному ТЗ с code review
• Настройка CI/CD, мониторинга, алертинга
• Нагрузочное тестирование (k6, wrk) с отчётом
• Передача исходников, доступов, инструкция по деплою
• Обучение команды заказчика (2-3 сессии)
• Гарантийная поддержка 1 месяц после сдачи

Ориентиры по срокам

Стоимость рассчитывается индивидуально после анализа требований к нагрузке, интеграциям и бизнес-логике. Типичный бюджет backend-проекта — от 500 000 до 2 000 000 рублей в зависимости от сложности. Свяжитесь с нами для бесплатного аудита вашего текущего backend — получите план оптимизации за 2 дня. Закажите консультацию.