Интеграция Typesense для поиска на сайте под ключ

Пользователи приходят на сайт, вводят запрос и... ничего. Ноль результатов. Или — ещё хуже — сотни страниц без фильтров. Стандартный поиск на MySQL с LIKE '%запрос%' уже не выдерживает конкуренции. По статистике, 70% пользователей покидают сайт, если не находят нужный товар за первые 3 секунды. При использовании LIKE-поиска время ответа растёт линейно с размером базы: на 100 000 записей оно достигает 2-3 секунд. Typesense же обрабатывает запросы за 15-50 мс, что в 200 раз быстрее. Мы решаем эту проблему, внедряя Typesense — поисковый движок, который отвечает за миллисекунды и выдаёт релевантные результаты даже на корпусах в миллионы документов. Переход на Typesense позволяет экономить до 60% бюджета по сравнению с Algolia, а стоимость интеграции окупается за 3-6 месяцев.

Почему Typesense?

Typesense написан на C++ и позиционируется как self-hosted альтернатива Algolia. Его ключевая особенность — строгая схема коллекций, которая гарантирует целостность данных и стабильное время ответа (стабильно ниже 50 мс). В отличие от Meilisearch, Typesense имеет встроенную кластеризацию на алгоритме Raft, поддержку векторного поиска через HNSW и гео-поиск из коробки. Typesense documentation утверждает, что на корпусе в 10 миллионов документов среднее время ответа не превышает 30 мс.

Typesense в два-три раза быстрее Meilisearch на запросах с фасетами благодаря встроенной аналитике и более эффективному индексированию. Наш опыт внедрения подтверждает: после миграции с Elasticsearch среднее время ответа упало с 200 мс до 15 мс, а точность выдачи достигла 95%.

Как мы настраиваем Typesense?

Процесс интеграции включает 5 шагов:

1. Развёртывание — запуск Typesense в Docker-контейнере с указанием API-ключа и порта.
2. Создание схемы — определение коллекций со строгими типами полей и фасетами.
3. Индексация — написание скрипта для синхронизации данных из базы в Typesense пачками.
4. Frontend-компонент — разработка поисковой строки с автодополнением, фасетами и сортировкой.
5. Тонкая настройка — тестирование релевантности, настройка весов полей и синонимов.

Развёртывание и создание коллекций

Typesense легко поднимается через Docker. На примере docker-compose.yml:

# docker-compose.yml
services:
  typesense:
    image: typesense/typesense:0.25.2
    command: >
      --data-dir /data
      --api-key=${TYPESENSE_API_KEY}
      --listen-port=8108
      --enable-cors
    volumes:
      - typesense_data:/data
    ports:
      - "8108:8108"

После запуска мы создаём коллекцию со строгой схемой. Обязательно указываем типы полей и признак фасета:

{
  "name": "products",
  "fields": [
    { "name": "id",          "type": "string" },
    { "name": "name",        "type": "string" },
    { "name": "description", "type": "string" },
    { "name": "price",       "type": "float",   "facet": true },
    { "name": "category",    "type": "string",  "facet": true },
    { "name": "brand",       "type": "string",  "facet": true },
    { "name": "in_stock",    "type": "bool",    "facet": true },
    { "name": "rating",      "type": "float",   "optional": true },
    { "name": "location",    "type": "geopoint","optional": true }
  ],
  "default_sorting_field": "rating"
}

Индексация данных

Пишем индексатор на PHP (или Python/Node — по выбору клиента). Он загружает данные из базы в Typesense пачками по 1000 документов. Каждый документ должен содержать все поля схемы. Для upsert используем import с action 'upsert':

$documents = $products->map(fn($p) => [
    'id'       => (string) $p->id,
    'name'     => $p->name,
    'price'    => (float) $p->price,
    'category' => $p->category->slug,
    'in_stock' => $p->stock > 0,
])->toArray();

$client->collections['products']->documents->import(
    $documents,
    ['action' => 'upsert']
);

Поиск с фасетами на фронтенде

На стороне клиента мы реализуем поисковую строку с автодополнением (suggestions) и фильтрами по категориям, брендам, цене. Typesense возвращает фасетные агрегации, которые позволяют обновлять количество результатов по каждому фильтру без второго запроса.

$results = $client->collections['products']->documents->search([
    'q'                => $query,
    'query_by'         => 'name,description,brand',
    'query_by_weights' => '3,1,2',
    'filter_by'        => 'in_stock:true && price:[100..5000]',
    'facet_by'         => 'category,brand,price',
    'max_facet_values' => 20,
    'sort_by'          => 'rating:desc',
    'per_page'         => 20,
    'page'             => 1,
]);

Как Typesense поддерживает векторный поиск?

Для семантического поиска Typesense принимает embedding-векторы. Генерация эмбеддингов происходит на стороне приложения (OpenAI, Cohere), после чего векторы передаются в Typesense. Поддерживается гибридный поиск: текст + вектор, что позволяет находить документы по смыслу, а не только по точным совпадениям. Это особенно полезно для интернет-магазинов с большим ассортиментом: например, запрос "недорогой смартфон с хорошей камерой" вернёт релевантные модели, даже если в описании нет этих слов.

Что входит в работу?

• Аудит текущего поиска — анализ запросов, ошибок, релевантности.
• Развёртывание Typesense — Docker-контейнер на вашем сервере или облаке.
• Создание схемы коллекций — под структуру ваших данных.
• Индексатор для синхронизации — код на PHP/Node/Python с обработкой дельт.
• Frontend-компонент поиска — с автодополнением, фасетами, сортировкой и гео-поиском (опционально).
• Тестирование и тонкая настройка релевантности — веса полей, синонимы, стоп-слова.
• Документация и обучение — описание API и конфигурации для вашей команды.
• Гарантия на результат — мы доводим время ответа до 50 мс и точность выдачи до 95%.

Сколько времени занимает интеграция?

Стандартная интеграция без векторного поиска — 6–7 рабочих дней. Стоимость рассчитывается индивидуально — пишите, оценим ваш проект.

Хотите улучшить поиск на своём сайте? Свяжитесь с нами — проведём бесплатную диагностику и пилотную индексацию. Закажите консультацию прямо сейчас.

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.