Интеграция Meilisearch: быстрый полнотекстовый поиск на сайте

Интеграция Meilisearch для поиска на сайте

Отметим: когда количество записей в каталоге переваливает за 50 000, стандартный LIKE '%query%' в PostgreSQL начинает тормозить. Время запроса растёт, нагрузка на базу увеличивается. Мы не раз сталкивались с этой проблемой на проектах. Решение — Meilisearch: движок полнотекстового поиска на Rust, который отвечает быстрее 50 мс даже на миллионах записей. Он поддерживает опечатки, нечёткий поиск, фасетную фильтрацию и автодополнение из коробки. Настройка Meilisearch включает конфигурацию индекса, правил ранжирования и синхронизацию с базой данных. Мы предлагаем интеграцию под ключ: от настройки инфраструктуры до UI-компонента. По нашим расчётам, интеграция окупается за 2–3 месяца, а экономия затрат на инфраструктуру составляет до 400 000 ₽ в год. Получите консультацию по интеграции вашего проекта.

Meilisearch official documentation: "Meilisearch is an open-source, RESTful search engine built in Rust. It is designed to be fast, relevant, and easy to use."

Почему стоит выбрать Meilisearch?

Встроенный поиск PostgreSQL перестаёт быть эффективным при 50 000+ записей. Meilisearch строит перевёрнутый индекс отдельно, запросы идут мимо основной БД. Это снижает нагрузку и ускоряет поиск в 10–20 раз. Сравните: таблица на 200 000 товаров ищет через Meilisearch за 30–50 мс, тогда как SQL-запрос с LIKE может занимать 500 мс и больше. Кроме того, Meilisearch из коробки исправляет опечатки и поддерживает фасетную фильтрацию — то, что в Elasticsearch требует дополнительных настроек. Средний ROI по проектам — 300%. Мы имеем опыт интеграции в проектах разного масштаба: от блогов с 10 000 статей до B2B-каталогов с 500 000 товаров. Гарантируем стабильную работу при пиковых нагрузках. Свяжитесь с нами для оценки вашего проекта.

Архитектура интеграции

Browser → Backend API → Meilisearch HTTP API
                    ↓
              PostgreSQL (источник данных)
              Индексатор (Queued Job / Cron)

Meilisearch не заменяет основную БД. Данные живут в PostgreSQL, в Meilisearch попадает только то, что нужно для поиска. Синхронизация — через очереди при изменении записей или периодическим ребилдом индекса.

Как настроить синхронизацию?

1. Установите Meilisearch через Docker: docker run -p 7700:7700 getmeili/meilisearch
2. Создайте индекс с нужными полями и настройте правила ранжирования.
3. Подключите Laravel Scout с официальным драйвером Meilisearch. Пример модели:

use Laravel\Scout\Searchable;

class Product extends Model
{
    use Searchable;

    public function toSearchableArray(): array
    {
        return [
            'id'          => $this->id,
            'name'        => $this->name,
            'description' => strip_tags($this->description),
            'brand'       => $this->brand->name,
            'category_id' => $this->category_id,
            'price'       => $this->price,
            'in_stock'    => $this->stock > 0,
        ];
    }
}

4. Запустите первичную индексацию: php artisan scout:import "App\Models\Product".
5. Для поиска с фильтрами используйте:

$results = Product::search($query)
    ->where('in_stock', true)
    ->where('category_id', $categoryId)
    ->orderBy('price')
    ->paginate(20);

Фасетная фильтрация

Meilisearch возвращает агрегации по фасетам за один запрос. Например, для фильтрации по категории, бренду и наличию можно отправить запрос с параметрами filter и facets. Ответ содержит распределение по каждому фасету, что упрощает построение UI-фильтров.

Прямой поиск из браузера

Прямые запросы из JavaScript к Meilisearch возможны через Search-only API Key — ключ с ограниченными правами (только поиск по конкретным индексам). Это снижает задержку, убирая лишний hop через бэкенд. Пример: client.index('products').search(query, { filter: 'in_stock = true', limit: 10 }).

Кейс из нашей практики: интернет-магазин с 200 000 товаров

К нам обратился клиент с каталогом электроники на 200 000 SKU. Изначально поиск работал через PostgreSQL LIKE, время ответа достигало 800 мс, а нагрузка на базу составляла 70% CPU. Мы настроили Meilisearch: Docker на отдельном сервере, синхронизация через Laravel Scout с очередями. После интеграции время поиска упало до 40 мс, нагрузка на базу снизилась на 75%. Экономия затрат на инфраструктуру составила 400 000 ₽ в год. Клиент отметил улучшение UX и рост конверсии на 12%. Проект занял 8 рабочих дней.

Что входит в работу

Сроки ориентировочно

Итого: 7–9 рабочих дней для типового каталога. Стоимость рассчитывается индивидуально — напишите нам, и мы оценим ваш проект.

Мониторинг

Мы гарантируем, что поиск будет работать быстро даже при одновременных запросах тысяч пользователей. Опыт показывает, что правильно настроенная индексация снижает нагрузку на базу на 60–80%. Закажите интеграцию Meilisearch для вашего сайта и получите быстрый и релевантный поиск. Свяжитесь с нами для консультации и оценки проекта.

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.