Разработка системы управления складскими остатками для e-commerce

Отметим: когда два покупателя одновременно кладут в корзину последний экземпляр товара, побеждает тот, кто быстрее нажал «Оформить заказ». Без системы управления остатками второй получит уведомление об отсутствии после оплаты — это overselling. Мы строим механизмы, которые исключают такие ситуации: атомарное резервирование, синхронизация с учётными системами и уведомления о дефиците. Ниже — технические детали, которые позволят вашей платформе работать с реальными запасами, а не с цифрами в админке.

Проблемы, которые решает система

Первая — конкурентное резервирование. Если в момент оформления заказа не заблокировать единицу, два пользователя могут купить один товар. Вторая — зависшие резервы. Брошенные корзины — не редкость, и если не освобождать резервы, через неделю половина остатков будет недоступна. Третья — рассинхронизация с внешними учётными системами. Когда 1С или МойСклад обновляют количество, а магазин продолжает продавать по старым данным, возникают задолженности.

Схема данных

Базовая структура для PostgreSQL:

CREATE TABLE product_variants (
    id          BIGSERIAL PRIMARY KEY,
    product_id  BIGINT NOT NULL REFERENCES products(id),
    sku         VARCHAR(100) NOT NULL UNIQUE,
    attributes  JSONB NOT NULL DEFAULT '{}',
    stock_qty   INTEGER NOT NULL DEFAULT 0,
    reserved_qty INTEGER NOT NULL DEFAULT 0,
    low_stock_threshold INTEGER NOT NULL DEFAULT 5,
    CHECK (stock_qty >= 0),
    CHECK (reserved_qty >= 0),
    CHECK (stock_qty >= reserved_qty)
);

CREATE TABLE stock_movements (
    id          BIGSERIAL PRIMARY KEY,
    variant_id  BIGINT NOT NULL REFERENCES product_variants(id),
    delta       INTEGER NOT NULL,
    type        VARCHAR(50) NOT NULL,
    reference   VARCHAR(255),
    created_at  TIMESTAMP NOT NULL DEFAULT NOW()
);

available_qty = stock_qty - reserved_qty вычисляется на лету. Лог stock_movements фиксирует каждую операцию для аудита. Индексы на (product_id, sku) и (variant_id, created_at) ускоряют поиск и отчётность.

Атомарное резервирование без гонок

Атомарность обеспечивается через UPDATE ... RETURNING:

UPDATE product_variants
SET reserved_qty = reserved_qty + :qty
WHERE id = :variant_id
  AND (stock_qty - reserved_qty) >= :qty
RETURNING id, stock_qty, reserved_qty;

Если строка не вернулась — товара недостаточно. В Laravel это оборачивается в транзакцию с lockForUpdate(). Для высоконагруженных сценариев используйте пессимистичную блокировку строки, чтобы избежать взаимоблокировок.

Почему важно освобождать резервы?

Брошенная корзина — потерянный остаток. Два подхода: TTL через очередь (точность до минуты) и scheduled cleanup (проще, но ±5 минут). Для магазинов до 1000 заказов в день достаточно cron-задачи каждые 5 минут. Сравнение методов:

// В сервис-провайдере регистрируем job
use App\Jobs\ReleaseReservation;
$ttl = Carbon::now()->addMinutes(30);
ReleaseReservation::dispatch($variantId, $qty)->delay($ttl);

Интеграция с 1С и МойСклад

Остатки приходят из внешних систем двумя способами:

Важное правило: при импорте обновляйте только stock_qty, не трогая reserved_qty. Иначе активные резервы слетят.

Как отображать статус на витрине?

Для покупателя важно видеть реальное наличие. Мы вычисляем доступное количество и отображаем:

• Если available_qty > low_stock_threshold — «В наличии».
• Если 0 < available_qty ≤ low_stock_threshold — «Осталось N шт.».
• Если available_qty = 0 — «Нет в наличии».
• Если настроен предзаказ — «Под заказ, 5–7 дней».

Для высоконагруженных страниц статус кешируется в Redis с TTL 60 секунд.

Как настроить уведомления о низком остатке?

Оповещение менеджера закупок триггерится при обновлении stock_qty ниже порога. В Laravel это observer:

class ProductVariantObserver
{
    public function updated(ProductVariant $variant): void
    {
        if ($variant->wasChanged('stock_qty') && $variant->isLowStock()) {
            LowStockAlert::dispatch($variant);
        }
    }
}

Алерт отправляется в email, Telegram или Slack. Дополнительно можно настроить SMS для критичных позиций.

Как оптимизировать запросы для отображения остатков?

При выводе списка товаров типичная ошибка — N+1 запрос: для каждого варианта выбираем остаток отдельно. Используйте withCount или оконные функции. Например, для PostgreSQL:

SELECT p.*, 
       SUM(sm.delta) OVER (PARTITION BY sm.variant_id) AS current_stock
FROM products p
LEFT JOIN stock_movements sm ON sm.variant_id = p.id
WHERE ...

Этот запрос выполняется за один проход. Для больших каталогов агрегируйте данные в Redis через scheduled job.

Процесс внедрения

1. Проектирование схемы данных и выбор методов резервирования.
2. Реализация атомарных операций с тестированием на конкурентность.
3. Настройка освобождения резервов (TTL или cron).
4. Интеграция с внешними учётными системами (1С, МойСклад).
5. Разработка панели администрирования с фильтрами и экспортом.
6. Нагрузочное тестирование и деплой.

В состав работ входит: подготовка документации по схеме данных и API, передача исходного кода и доступов к репозиторию, обучение администраторов работе с панелью, гарантийная поддержка в течение 30 дней после деплоя.

Сроки реализации

Правильно спроектированная система остатков снижает потери от overselling на 15–20% и исключает ручной контроль. Например, для магазина с 5000 заказов в месяц устранение overselling сохраняет до 150 000 рублей выручки ежемесячно. Дополнительно автоматизация закупок экономит до 100 000 рублей в месяц на зарплате логиста.

Свяжитесь с нами для аудита текущей схемы. Получите консультацию по архитектуре вашего склада — закажите её прямо сейчас.

Разработка интернет-магазинов

Мы знаем: интернет-магазин — это не просто «сайт с корзиной». Это распределённая система управления товарами, инвентарём, заказами, платежами, доставкой, возвратами и коммуникацией с клиентами. Каждый блок имеет нетривиальную реализацию, и большинство проблем в e-commerce возникает на стыке этих подсистем. Наш опыт — более 50 реализованных проектов — показывает, что правильная архитектура на старте экономит до 40% бюджета на доработках.

Почему производительность каталога деградирует при росте SKU?

Самая частая техническая проблема e-commerce — деградация страниц категорий при увеличении ассортимента. Страница работает хорошо на 500 товарах и начинает тормозить на 10 000. Причины почти всегда одни и те же.

N+1 на атрибутах. Загружаете список товаров — 50 элементов. Для каждого нужны категория, главное фото, цена с учётом скидки, наличие на складе, рейтинг. Без правильного eager loading это 250+ запросов на страницу. В Laravel решается через with(['category', 'mainImage', 'currentPrice', 'stockStatus']) и withAvg('reviews', 'rating'). Но стоит появиться персональным ценам (b2b) или складским остаткам по регионам — и одного with() недостаточно. Нужны Query Object или выделенный ReadModel.

Фасетная фильтрация без индексов. Фильтр по цвету + размеру + бренду + диапазону цен на таблице в 500 000 записей без составных индексов — это seq scan при каждом запросе. PostgreSQL с правильными индексами держит фасетную фильтрацию до нескольких миллионов товаров. Для больших каталогов — Elasticsearch или OpenSearch с агрегациями: они считают количество товаров на фильтр (facet counts) значительно быстрее.

Пагинация через OFFSET. LIMIT 50 OFFSET 10000 на большой таблице — плохая идея: PostgreSQL всё равно читает первые 10 050 строк. Keyset pagination (cursor-based) через WHERE id > $last_id ORDER BY id LIMIT 50 работает за константное время независимо от страницы. Как указано в документации PostgreSQL, cursor-based pagination гарантирует O(log n) при любом смещении, что особенно важно для каталогов с сотнями тысяч товаров.

Конкретный кейс: каталог строительных материалов, 180 000 SKU, фасетная фильтрация по 12 атрибутам. После перехода с OFFSET-пагинации на курсорную и добавления partial index по (category_id, is_active, price) время ответа страницы каталога снизилось с 4,2 с до 280 мс. Экономия на серверных ресурсах составила около 30 000 ₽ в месяц. В другом проекте (ювелирный маркетплейс) внедрение агрегаций через Elasticsearch сократило время фильтрации с 8 до 200 мс и сэкономило 50 000 ₽ в месяц на инфраструктуре — ещё один пример, как правильная архитектура снижает TCO.

Что такое race condition в корзине и как его избежать?

Checkout — место, где деньги либо попадают на счёт, либо нет. Технические проблемы здесь стоят дорого.

Race condition при резервировании товара. Два покупателя одновременно добавляют последний экземпляр в корзину и оба нажимают «Оплатить». Без пессимистичной блокировки или атомарного UPDATE с проверкой остатка оба заказа проходят, инвентарь уходит в минус. В PostgreSQL:

UPDATE inventory
SET reserved = reserved + $quantity
WHERE product_id = $id
  AND (available - reserved) >= $quantity
RETURNING id;

Если RETURNING вернул 0 строк — товара нет, показываем ошибку до списания денег.

Идемпотентность платёжных вебхуков. payment.succeeded от Stripe или ЮКассы может прийти дважды из-за сетевых сбоев или retry-логики на стороне шлюза. Без проверки WHERE NOT EXISTS (SELECT 1 FROM processed_events WHERE event_id = $id) — дублирование заказа или двойное зачисление. Webhook idempotency — обязательный паттерн для любого платёжного интегратора. Мы включаем тест на идемпотентность в стандартный чек-лист каждого проекта.

Checkout в несколько шагов. Multi-step checkout (адрес → доставка → оплата → подтверждение) vs single-page checkout. Исследования показывают, что single-page с прогресс-индикатором конвертирует на 15–20% лучше на мобильных. Состояние между шагами — либо localStorage + server-side сессия, либо полностью server-side с промежуточным сохранением. Мы гарантируем, что каждый заказ проходит аудит на идемпотентность и блокировку — это входит в стандартный чек-лист тестирования.

Интеграции: 1С, склад, доставка

1С — отдельная глава. Три распространённых способа интеграции:

1. CommerceML через HTTP — 1С выгружает XML по расписанию, сайт импортирует. Работает для небольших каталогов, есть задержка синхронизации.
2. REST API / OData от 1С — двусторонняя синхронизация в реальном времени. Требует настройки на стороне 1С, капризна к версиям конфигураций.
3. Промежуточная шина (RabbitMQ / Kafka) — 1С публикует события, сайт подписывается. Самый надёжный подход для высоконагруженных систем, но самый дорогой в разработке.

Службы доставки — СДЭК, Boxberry, Почта России, DHL: все предоставляют REST API для расчёта стоимости и создания накладных. Агрегаторы (Shiptor, Shipnow) позволяют работать с несколькими службами через единый API.

Платёжные шлюзы

Для каждого шлюза обязательна проверка подписи вебхука — без этого любой может отправить фейковое payment.succeeded.

CMS vs собственная разработка

WooCommerce — оправдан для магазинов до ~5 000 SKU с типовой бизнес-логикой. Быстрый старт, огромная экосистема плагинов. Проблемы начинаются при нестандартных ценовых правилах, сложных вариантах товаров или нагрузке от 10 000+ заказов в месяц. Экономия на лицензии WooCommerce (бесплатно) оборачивается затратами на плагины и хостинг; для каталога 50 000 SKU месячная стоимость поддержки может превысить 100 000 ₽.

OpenCart, Prestashop — аналогичная история. Хороши для старта, ограничены при росте.

Собственная разработка на Laravel — для:

• Нестандартной бизнес-логики (подписки, аренда, b2b-прайсы, конфигуратор);
• Высоких требований к производительности;
• Сложных интеграций (несколько складов, ERP, маркетплейсы);
• Уникального UX checkout.

Как мы разрабатываем интернет-магазин: пошаговый процесс

1. Аналитика и проектирование. Собираем требования, уточняем бизнес-процессы, моделируем доменную логику. На выходе — техническое задание и архитектурная схема.
2. Backend и API. Реализуем ядро (товары, корзина, заказы), интеграции с 1С/складами/платёжками. Используем Laravel 11 с Repository pattern, очередями для асинхронных операций.
3. Frontend и checkout. Настраиваем React 18 / Next.js 14 с оптимизированным рендерингом (SSR/SSG для каталога), единый single-page checkout.
4. Тестирование. Проверяем race condition, идемпотентность вебхуков, нагрузочное тестирование (k6), security-аудит.
5. Деплой и мониторинг. Разворачиваем на Vercel / Docker / выделенном сервере, подключаем Sentry и Uptime.

SEO для e-commerce

Canonical и дублирование. Фасетная фильтрация генерирует тысячи URL (?color=red&size=M&sort=price). Без canonical или noindex на фильтрованных страницах краулинговый бюджет расходуется на дубли, а основные страницы индексируются хуже.

Structured data. Product schema с offers, aggregateRating, availability — это rich snippets в выдаче: звёздочки рейтинга, цена, наличие. Влияет на CTR.

Core Web Vitals на страницах товаров. Hero image товара — это LCP element. fetchpriority="high" на первом изображении, правильные srcset с WebP, width и height атрибуты для предотвращения CLS.

Что входит в результат работы

После завершения проекта вы получаете:

• Исходный код и полную документацию (API, архитектура, инфраструктура);
• Доступы к репозиторию, хостингу, мониторингу (Sentry, Uptime);
• Обучение команды работе с админ-панелью и кастомизациями;
• Гарантийную поддержку 3 месяца (исправление ошибок, консультации);
• Подробный отчёт по нагрузочному тестированию и оптимизации.

Ориентиры по срокам

Стоимость рассчитывается после анализа требований: количество интеграций, сложность ценообразования, объём каталога и уникальность UX — основные факторы. Оценим ваш проект бесплатно — закажите консультацию.

Чек-лист перед запуском

• Race condition при оплате последнего товара — покрыт тестом
• Идемпотентность вебхуков платёжного шлюза
• Rate limiting на эндпоинтах корзины и checkout
• Canonical на фильтрованных страницах каталога
• Фискализация чеков (ФЗ-54 для РФ или аналог)
• Стресс-тест checkout под нагрузкой (k6 или Locust)
• Мониторинг ошибок (Sentry) и алерты на payment errors
• Backup базы данных с проверенным restore-процессом

Гарантируем — каждый проект проходит этот чек-лист перед релизом. Свяжитесь с нами — подберём оптимальную архитектуру под ваш бюджет и сроки.