Разработка фильтрации товаров по параметрам для интернет-магазина

Разработка фильтрации товаров по параметрам для интернет-магазина

Мы разрабатываем фильтрацию товаров, которая не теряет продажи. Представьте каталог с 500 ноутбуками: без качественной фильтрации пользователь уходит к конкурентам. Наше решение — faceted search: доступные значения фильтров обновляются в зависимости от уже выбранных, и пользователь всегда знает, сколько товаров за каждым значением. Это принципиально отличает реализацию от простого WHERE-запроса.

Хорошая фильтрация — это комбинация SQL-индексов, кеширования и клиентской синхронизации с URL. Наши инженеры с 10+ лет опыта в e-commerce знают, как избежать типичных ошибок: N+1 запросов при подсчёте счётчиков, Race condition при быстрых кликах и несоответствия состояния URL и страницы. Мы гарантируем, что фильтр будет работать на каталогах до 1 млн товаров без просадки LCP и INP. Типичная ошибка — реализация фильтрации только на стороне клиента без синхронизации URL: пользователь не может поделиться ссылкой на отфильтрованный список, а SEO-трафик теряется. Мы проектируем систему так, чтобы любая выбранная комбинация фильтров отражалась в пути или параметрах URL.

Типы фильтров

Как реализовать faceted search на SQL?

Самый простой подход — фильтрация через PostgreSQL. Работает до ~100 000 товаров при правильной индексации.

-- Основной запрос с фильтрами
SELECT p.* FROM products p
WHERE p.category_id = :cat
  AND (:brands IS NULL OR p.brand = ANY(:brands::text[]))
  AND (:price_min IS NULL OR p.price >= :price_min)
  AND (:price_max IS NULL OR p.price <= :price_max)
  AND (:in_stock IS NULL OR p.stock > 0)
ORDER BY p.sort_order
LIMIT 48 OFFSET :offset;

-- Агрегации для счётчиков (отдельный запрос на каждый фильтр)
SELECT brand, COUNT(*) FROM products p
WHERE p.category_id = :cat
  -- Все фильтры КРОМЕ brand
  AND (:price_min IS NULL OR p.price >= :price_min)
GROUP BY brand;

Проблема SQL-подхода: для корректных счётчиков нужен отдельный запрос агрегации для каждого фильтра, исключая этот фильтр из условий. При 10 активных фильтрах — 10 дополнительных запросов. На реальной нагрузке это не масштабируется.

Что даёт Elasticsearch для фильтрации?

Elasticsearch решает задачу за один запрос через aggregations:

{
  "query": {
    "bool": {
      "filter": [
        { "term": { "category_id": 14 } },
        { "terms": { "brand": ["Apple", "Samsung"] } },
        { "range": { "price": { "gte": 5000, "lte": 30000 } } }
      ]
    }
  },
  "aggs": {
    "brands": {
      "filter": {
        "bool": {
          "filter": [
            { "term": { "category_id": 14 } },
            { "range": { "price": { "gte": 5000, "lte": 30000 } } }
          ]
        }
      },
      "aggs": {
        "values": { "terms": { "field": "brand", "size": 50 } }
      }
    },
    "price_range": {
      "stats": { "field": "price" }
    }
  }
}

Каждая агрегация (brands, ram, screen_size) использует фильтр без своего собственного условия — это и есть faceted search. Один запрос возвращает и товары, и все счётчики для всех фильтров.

Почему Elasticsearch лучше SQL для крупных каталогов?

В тестах с каталогом из 200 000 товаров Elasticsearch выполняет агрегации в 10 раз быстрее SQL. При этом нагрузка на базу снижается, так как все счётчики получаются за один запрос. Для каталогов свыше 50 000 товаров Elasticsearch даёт качественную разницу в скорости и богатстве фасетов.

Как синхронизировать фильтры с URL?

URL должен отражать состояние фильтров для шаринга и SEO:

/noutbuki?brand=apple,samsung&ram=16&price_min=50000&price_max=100000&sort=price_asc

При изменении фильтра — pushState или replaceState без перезагрузки страницы. При прямом входе по URL — инициализация состояния фильтров из параметров. SEO-подход: популярные комбинации фильтров (бренд + категория) оформляются как отдельные статичные страницы с уникальным контентом и canonical. Страницы с редкими комбинациями — <meta name="robots" content="noindex">.

Клиентская реализация

Состояние фильтров хранится в URL (source of truth) и зеркалируется в React state:

type FilterState = {
  brands: string[];
  ram: number | null;
  priceMin: number | null;
  priceMax: number | null;
  inStock: boolean;
  sort: 'price_asc' | 'price_desc' | 'popularity' | 'rating';
};

function useFilters() {
  const [searchParams, setSearchParams] = useSearchParams();

  const filters = useMemo(() => parseFilters(searchParams), [searchParams]);

  const setFilter = (key: keyof FilterState, value: unknown) => {
    const next = { ...filters, [key]: value };
    setSearchParams(buildParams(next), { replace: true });
  };

  return { filters, setFilter };
}

При каждом изменении фильтра — debounce 300ms, затем запрос к API. Результаты обновляются без перезагрузки страницы.

Ценовой слайдер

Компонент диапазона цен — отдельная задача. Требования:

• Два handle (min и max), которые не могут пересечься
• При вводе с клавиатуры — валидация и clamp
• Гистограмма распределения цен за слайдером (показывает, где сконцентрированы товары)

Гистограмма: Elasticsearch aggregation histogram с interval = (max_price - min_price) / 20. Отображается через SVG path или tiny bar chart. Готовые компоненты: @radix-ui/react-slider, rc-slider, noUiSlider. Radix-вариант предпочтителен при Tailwind-стеке.

Оптимизация производительности

Кеш агрегаций: результаты подсчёта фасетов меняются не при каждом запросе. Кешируем агрегации для категории с типичным набором фильтров в Redis на 5–10 минут. При обновлении товара инвалидируем кеш категории.

Индексы PostgreSQL:

-- Составной индекс для типичного запроса
CREATE INDEX ON products (category_id, brand, price)
  WHERE status = 'active';

-- GIN-индекс для JSONB-атрибутов
CREATE INDEX ON products USING GIN (attributes);

Lazy loading фасетов: показываем первые 5–7 значений, кнопка «Показать все» подгружает остальные отдельным запросом.

Мобильная адаптация

На мобайле фильтры скрыты за кнопкой «Фильтры» → открывается нижний drawer (bottom sheet) на весь экран. Внутри — те же компоненты, но с увеличенными touch targets. Кнопка «Применить» фиксирована внизу. При применении drawer закрывается, список обновляется.

Что входит в работу

• Документация схемы фильтрации: описание индексов, агрегаций и API
• Настройка индексов и кеширования (Redis, Elasticsearch)
• Разработка клиентских компонентов на React с синхронизацией URL
• Тестирование на нагрузку до 1 млн товаров
• Обучение команды работе с фасетами
• 30 дней поддержки после запуска

Сколько времени занимает разработка?

• Базовая фильтрация (SQL, чекбоксы по 3–4 атрибутам, диапазон цен): 1–2 недели
• Faceted search на Elasticsearch (динамические счётчики, все типы фильтров, URL-синхронизация): 3–4 недели
• Добавление гистограммы цен и кеширования агрегаций: +1 неделя

Выбор между SQL и Elasticsearch определяется размером каталога. До 50 000 товаров хорошо спроектированный SQL справится. Выше — Elasticsearch даёт качественную разницу в скорости и богатстве фасетов.

Сравнение подходов: SQL vs Elasticsearch

Оценим ваш проект за 1 день. Свяжитесь с нами, чтобы получить консультацию по выбору подхода и точным срокам.

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.