Разработка фотобанка / стокового сервиса

Разработка фотобанка / стокового сервиса

Мы разрабатываем стоковые фотосервисы — от MVP до полноценных платформ с поиском по визуальному содержанию и гибким лицензированием. Технически это пересечение трёх доменов: управление большими бинарными объектами, поиск по метаданным и визуальному содержимому, лицензионные транзакции. Каждый из них нетривиален по отдельности, вместе — требуют продуманной архитектуры с самого начала. Если вы задумываетесь о запуске фотобанка, важно сразу заложить правильные решения по хранению, поиску и монетизации — переделывать потом дорого. Наши инженеры помогут спроектировать систему, которая выдержит миллионы файлов и тысячи транзакций в сутки.

Как устроена загрузка и хранение файлов? — разработка фотобанка стокового

Минимальные требования к загружаемым файлам на типовом стоке: JPEG/TIFF/PNG, минимум 4 Мп, до 200 МБ. Видео — MP4/MOV до 4K, до 2 ГБ. Это означает, что загрузка напрямую на сервер приложений исключена. Вместо этого используется схема multipart upload через S3:

Клиент → presigned URL (S3) → загрузка напрямую в S3
S3 Event → SQS → Worker: генерация превью, валидация, метаданные
Worker → БД: запись asset с status=processing → status=ready

Хранение: AWS S3 или любой S3-совместимый (MinIO для self-hosted). Структура бакетов:

• originals/ — исходники, приватный доступ, только по подписанным URL
• previews/ — водяной знак, публичный CDN
• thumbnails/ — несколько размеров (400px, 800px, 1600px), генерируются при загрузке

Для генерации превью используем libvips, который в 4–8 раз быстрее ImageMagick. Водяной знак накладывается при генерации превью, не при раздаче — иначе менять брендинг без перегенерации. Это позволяет сэкономить до 60% на инфраструктуре за счёт эффективного CDN.

Почему лицензирование — ключевой элемент?

Лицензии — ядро бизнес-логики стока. Минимальный набор типов:

Выдача файла после оплаты — одноразовый подписанный URL с TTL 15–60 минут. Не прямая ссылка на S3. При каждой выдаче — запись в лог с user_id, asset_id, timestamp, IP.

Как работает поиск и метаданные?

Метаданные медиафайлов живут в двух местах: EXIF/IPTC внутри файла и в базе данных. При загрузке парсим IPTC-теги через ExifTool, переносим в БД, даём автору дополнить вручную. Структура метаданных:

assets (id, uuid, author_id, title, description, status, license_type, uploaded_at)
asset_tags (asset_id, tag_id)
asset_categories (asset_id, category_id)
asset_metadata (asset_id, key, value)  -- EXIF, IPTC, кастомные поля

Для полнотекстового поиска используем Elasticsearch с русским анализатором (рекомендацию см. в Elasticsearch documentation). Индексируем: title, description, tags, категории, имя автора, IPTC-ключевые слова. Буст по полям: теги > title > description.

Визуальный поиск (поиск по похожим изображениям): генерируем perceptual hash (pHash) при загрузке. Поиск похожих — hamming distance по хешам. Для продвинутой реализации — CLIP-эмбеддинги через OpenAI API или локальная модель, хранение в векторной БД (pgvector или Qdrant). Поиск по цвету извлекает доминантные цвета через k-means кластеризацию (Pillow / ColorThief), хранит HEX-палитру, индексирует в Elasticsearch как keyword-поле с boost.

Система подписок и кредитов

Две модели монетизации часто существуют параллельно. Подписка: X загрузок в месяц, определённые разрешения, rollover или сброс. Реализуется через Stripe Subscriptions + webhooks. При загрузке проверяем subscription.downloads_remaining, декрементируем атомарно (Redis DECR). Кредиты: пользователь покупает пачку кредитов, тратит при загрузке. Разные файлы стоят разное количество кредитов. Транзакции в отдельной таблице с балансом — никогда не хранить баланс как мутируемое поле без истории.

Загрузчик для авторов

Авторский кабинет — отдельная часть системы. Ключевые требования: batch upload 50–200 файлов с прогресс-барами, bulk metadata editing, модерация pipeline (загружено → на проверке → одобрено/отклонено), статистика автора. Для batch upload используем <input multiple> + chunked upload через tus protocol (resumable uploads). Клиентская библиотека — tus-js-client. На сервере — tusd или кастомная реализация на Laravel.

SEO и индексация

Страницы фотографий — основной SEO-трафик. Каждая страница ассета: URL /photos/{category}/{slug}-{id} (читаемый, без хеша), Title {title} — стоковое фото #{id} (уникальный), Structured data ImageObject Schema.org с contentUrl, author, license, keywords. Связанные фото: внутренние ссылки по тегам и категориям. Для каталогов с миллионами файлов XML sitemap разбивается на индекс + отдельные файлы по категориям, обновляется инкрементально.

Производительность

Страницы каталога кешируются на уровне CDN (Cloudflare) с Cache-Control: stale-while-revalidate. Превью раздаются через CDN с immutable кешем (имя файла включает хеш контента). Поиск — Elasticsearch. Lazy loading превью: Intersection Observer API, placeholder — доминантный цвет из метаданных.

Что входит в работу

Мы предоставляем полный набор deliverables:

• Архитектурная документация (ERD, компонентная схема, сценарии использования)
• Исходный код с CI/CD на GitHub Actions + Docker
• Доступы к инфраструктуре (AWS, Cloudflare, Stripe)
• Обучение команды (2–3 сессии по эксплуатации)
• Поддержка на месяц после релиза (исправление багов, консультации)

Сроки

• MVP (загрузка, поиск по тегам, покупка RF-лицензии, Stripe): 8–12 недель
• Полноценный сток (подписки, визуальный поиск, авторский кабинет с модерацией, SEO-слой): 20–30 недель
• Интеграция CLIP-поиска или детектора дублей добавляет 2–4 недели к любому этапу

Сложность фотобанка часто недооценивают, принимая его за «каталог с файлами». Разница становится очевидна на этапе лицензирования и масштабирования хранилища. Свяжитесь с нами для оценки вашего проекта — мы поможем избежать типовых ошибок и ускорить выход на рынок.

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.