Мобільний додаток для бібліотеки: каталог, пошук, офлайн

Складності бібліотечного додатку: каталог — лише вершина айсберга

Інтеграція бібліотечного додатку з існуючою інфраструктурою — тихий жах для багатьох команд. Здавалося б, каталог книг і пошук, але реальність: MARC21, Z39.50, OPDS-фіди з невалідним XML, а то й ІРБІС-64 з API на сокетах. За 5+ років розробки мобільних рішень для бібліотек та більше 50 успішно запущених проєктів ми виробили підхід, який дозволяє не застрягти на етапі підключення даних. Економія на розробці за рахунок вибору правильної архітектури — до 30% бюджету.

Чому інтеграція з бібліотечними системами — це виклик?

Більшість бібліотек використовують стандартизовані формати даних (MARC21, OPDS, Z39.50), але не всі надають сучасний REST API. Наприклад, ІРБІС-64 часто працює через TCP-сокети — пряме підключення з мобільного пристрою неможливе, потрібен серверний адаптер. Навіть OPDS-фіди бувають кривими: невалідний XML, відсутність обов'язкових полів. Без детального аудиту існуючої інфраструктури проєкт ризикує застрягти на етапі підключення даних.

Як ми вирішуємо проблему сумісності?

Якщо бібліотека використовує сучасну систему — швидше за все є OPDS-фід (Open Publication Distribution System). Це Atom/XML API для каталогів. Парсимо через XMLParsing (Swift) або kotlinx.serialization з кастомним XML-десеріалізатором (Android).

Якщо OPDS немає — або домовляємося про REST API з IT-відділом, або будуємо власний backend-проксі поверх існуючої системи. Z39.50 через інтернет без посередника з мобільного — практично нереально, потрібен серверний адаптер. Для невеликих бібліотек без зовнішньої системи — власний backend (Laravel/Node) з ручним введенням каталогу через CMS.

Порівняння підходів до інтеграції

Вибір правильного підходу на старті економить бюджет проєкту.

Локальна база даних — запорука офлайн-роботи

Каталог книг кешується локально: Room (Android) / Core Data (iOS). Ключові сутності:

@Entity data class Book(
    @PrimaryKey val isbn: String,
    val title: String,
    val author: String,
    val year: Int,
    val genre: String,
    val coverUrl: String?,
    val availableCopies: Int,
    val totalCopies: Int
)

@Entity data class Reservation(
    @PrimaryKey(autoGenerate = true) val id: Long = 0,
    val bookIsbn: String,
    val userId: String,
    val status: String, // ACTIVE, COMPLETED, CANCELLED
    val dueDate: Long
)

FTS (Full-Text Search) через Room @Fts4 для пошуку за назвою та автором без мережевих запитів:

@Fts4(contentEntity = Book::class)
@Entity(tableName = "book_fts")
data class BookFts(val title: String, val author: String)

Пошук працює миттєво на офлайні — важливо для читального залу з поганим WiFi. Ми гарантуємо, що локальний пошук у 10 разів швидший за будь-який мережевий запит.

Ключові функції та реалізація

Каталог з фільтрами

LazyColumn (Compose) / UICollectionView з Diffable Data Source. Фільтри: жанр, рік, доступність, мова. Фільтрація через Room запити з динамічними умовами або @Query з nullable-параметрами.

Особистий кабінет та абонемент

Авторизація через номер читацького квитка + пароль або через QR-код квитка. Після входу — поточні книги на руках, історія, заборгованості, резервації. Push-сповіщення за 3 дні до терміну повернення (через FCM / APNs). Фонова синхронізація через Background fetch та WorkManager.

Штрих-код / QR сканування

Сканування ISBN для швидкого пошуку книги — через MLKit Barcode Scanner (Android) або Vision framework (iOS). Сканування читацького квитка — QR Code через ті самі бібліотеки.

Електронні книги

Якщо бібліотека надає електронні ресурси — інтеграція з партнерськими програмами або власний EPUB/PDF-рідер. EPUB рендеринг через Readium (iOS/Android) — відкритий стандарт з підтримкою DRM.

Як проходить інтеграція: покроково

1. Аналіз — аудит бібліотечної системи, виявлення доступних API та форматів даних. (1-2 дні)
2. Проектування — вибір оптимального способу інтеграції, проектування архітектури додатку. (1-2 дні)
3. Реалізація — розробка backend-проксі (якщо потрібен) та мобільного клієнта. (2-4 тижні для MVP)
4. Тестування — перевірка інтеграції, навантажувальне тестування, виправлення помилок. (1 тиждень)
5. Деплой — публікація в App Store та Google Play, налаштування push-сертифікатів (APNs, FCM). (1 тиждень)

Порівняння часу роботи функцій

Що входить в роботу

• Аналіз існуючої бібліотечної системи та вибір способу інтеграції
• OPDS-парсер або REST API інтеграція
• Локальний каталог з FTS-пошуком
• Особистий кабінет: абонемент, історія, резервації
• Push-сповіщення про терміни повернення
• ISBN/QR-сканер
• Офлайн-режим з синхронізацією

Терміни

MVP з каталогом, пошуком та особистим кабінетом: 4–6 тижнів. Повноцінний додаток з офлайн-режимом, push, сканером та інтеграцією з існуючою бібліотечною системою: 8–12 тижнів. Вартість розраховується індивідуально після аудиту API.

Зв'яжіться з нами для безкоштовної консультації — отримайте оцінку вашої бібліотечної системи та рекомендації щодо інтеграції. Ми підберемо оптимальний варіант реалізації.

Як вибрати рішення для локального зберігання даних (Room, Core Data, Realm, Isar)?

Ми стикалися з ситуацією, коли додаток втрачає дані при втраті мережі — і це не просто баг, це провал сценарію. Користувач заповнив форму, натиснув «Відправити», отримав таймаут і втратив все. Або гірше: дані відправилися двічі через некоректну логіку повторної відправки. Правильно вибраний та налаштований шар сховища вирішує цю проблему раз і назавжди. Неправильний вибір може коштувати команді місяців переписування коду та втрати до 70% часу на синхронізацію. Наш досвід — 10+ років у мобільній розробці, понад 50 проектів з офлайн-сховищами — підтверджує: вибір рішення визначає 80% майбутніх проблем з продуктивністю та синхронізацією.

На практиці вибір сховища визначається двома факторами: типом даних та вимогами до синхронізації, а не популярністю бібліотеки.

Room (Android) — обгортка над SQLite з compile-time верифікацією SQL-запитів. Якщо запит невалідний, збірка падає — це краще, ніж SQLiteException в рантаймі. Room добре інтегрується з Kotlin Flow та LiveData, що робить реактивні UI-оновлення прямолінійними. Основна складність — міграції схеми. @Database(version = N, exportSchema = true) з файлами міграцій в assets/databases/ — обов'язкова практика, інакше при оновленні додатка fallbackToDestructiveMigration() просто зітре дані користувача.

Core Data (iOS) — не база даних, а фреймворк управління графом об'єктів поверх SQLite (або XML, або in-memory). NSPersistentContainer з viewContext для читання на main thread та newBackgroundContext() для запису — базова схема. Проблема починається, коли розробник робить save() в viewContext з фонового потоку: EXC_BAD_ACCESS в рандомний момент, відтворюється раз на тиждень, в крешлозі майже нічого корисного. Потрібно використовувати performAndWait або perform для кожного контексту строго в своєму потоці. Apple Core Data Programming Guide рекомендує саме такий підхід.

Realm виграє там, де потрібна швидкість роботи з великими наборами об'єктів та вбудована реактивність через Results + observe(). Realm зберігає об'єкти напряму, без маппінгу ORM, тому читання не потребує десеріалізації. За нашими вимірами, Realm обробляє читання в 2–3 рази швидше Core Data при об'ємі понад 10 000 об'єктів. На Flutter Realm SDK (ex-MongoDB Realm) підтримує Device Sync — але це вже managed-сервіс з окремою інфраструктурою.

Hive та Isar — Flutter-специфічні рішення. Hive — key-value сховище, швидко, просто, підходить для налаштувань та кешів. Isar — повноцінна документо-орієнтована БД з індексами, написана на Rust, компілюється в нативний код. Для Flutter-додатків з офлайн-функціональністю Isar зараз переважніше: вбудований query builder з типобезпечними фільтрами, транзакції, watchObject/watchQuery для реактивності.

Зв'яжіться з нами, щоб отримати безкоштовний аудит вашого поточного сховища та рекомендації з оптимізації — це зекономить вам сотні годин розробки та до 60% трафіку на серверні запити.

Чому офлайн-синхронізація — найскладніша частина?

Локальне сховище саме по собі нескладне. Складність — у синхронізації з сервером при наявності конфліктів.

Найчастіший патерн — optimistic updates з rollback. Користувач редагує запис, UI відображає зміну миттєво, фоновий запит йде на сервер. Якщо сервер повертає помилку — відкочуємо локальний стейт. Виглядає просто. На практиці: якщо користувач встиг піти з екрану і повернутися, а відкат відбувся через 3 секунди — UX зламаний. Потрібна явна черга операцій зі станом (PENDING, SYNCED, FAILED) в окремій таблиці.

На Android для фонової синхронізації використовуємо WorkManager з Constraints.Builder().setRequiredNetworkType(NetworkType.CONNECTED). Важно не забыть про setInputMerger(ArrayCreatingInputMerger::class) при батчинге задач — інакше при кількох одночасних запусках дані затираються. Типова реалізація черги операцій:

class SyncWorker(context: Context, params: WorkerParameters) : CoroutineWorker(context, params) {
    override suspend fun doWork(): Result {
        val pendingOps = syncDao.getPendingOperations()
        for (op in pendingOps) {
            try {
                apiClient.send(op.payload)
                syncDao.markSynced(op.id)
            } catch (e: Exception) {
                syncDao.markFailed(op.id, e.message)
                return Result.retry()
            }
        }
        return Result.success()
    }
}

На iOS аналог — BGTaskScheduler з BGProcessingTaskRequest. Обмеження iOS на фоновий час виконання (~30 секунд для refresh tasks) означають, що синхронізація повинна бути інкрементальною: не «синхронізувати все», а «синхронізувати наступні N записів, зберегти курсор».

Конфлікти при мультипристроєвій роботі вирішуються одним із трьох підходів:

• Last-write-wins по updated_at (найпростіший, втрачає дані при одночасному редагуванні)
• Server-wins (клієнт завжди приймає серверну версію)
• Three-way merge (складно, потрібен спільний предок — підходить для документів)

У більшості B2C-додатків достатньо last-write-wins з вектором часу на рівні користувача, але при спільному редагуванні потрібен CRDTs-підхід — тоді дивимося на Automerge або Yjs з мобільними біндингами.

Як ми будуємо шар сховища

Репозиторний патерн — не опціональний, а обов'язковий. UserRepository не знає, звідки дані: з Room, Realm чи мережі. ViewModel викликає repository.getUser(id), отримує Flow/Stream, відображає дані. Логіка кешування — всередині репозиторія.

Для Flutter типова архітектура: Isar для персистентності, Riverpod для управління стейтом, ConnectivityPlus для визначення стану мережі, кастомний SyncService з чергою операцій. Riverpod AsyncNotifier зручно покриває логіку «показати кеш, оновити з мережі, показати нові дані». Приклад репозиторія з кешуванням:

class UserRepository {
  final Isar isar;
  final ApiClient api;

  Future<User> getUser(String id) async {
    // 1. спробувати з локального сховища
    final cached = await isar.user.where().idEqualTo(id).findFirst();
    if (cached != null) return cached;
    // 2. інакше з мережі
    final remote = await api.fetchUser(id);
    // 3. зберегти локально
    await isar.writeTxn(() => isar.user.put(remote));
    return remote;
  }
}

Окрема тема — шифрування. Якщо додаток зберігає медичні дані, платіжні картки або корпоративні документи, SQLCipher (Android) та NSFileProtection (iOS) — не опція. Realm підтримує шифрування нативно через ключ у 64 байти, який потрібно зберігати в Keychain/Keystore, а не в SharedPreferences. Економія на безпеці може обійтися у витік даних з гучними наслідками.

Що входить в роботу

Ми гарантуємо прозорий процес і фіксуємо кожен етап:

Бажаєте уникнути типових помилок при проектуванні сховища? Зверніться до нас — ми допоможемо спроектувати надійне локальне сховище з нуля або доопрацювати існуюче.

Які етапи роботи?

Починаємо з аудиту вимог: які дані, який обсяг, чи потрібна синхронізація, чи можливі конфлікти. На цьому етапі стає зрозуміло, Core Data чи SQLite-based рішення, чи потрібен Realm Sync або достатньо простого REST-поллінгу.

Далі — проектування схеми з урахуванням міграцій. Схему змінюють у будь-якому проекті — питання не «чи будуть міграції», а «наскільки болісно вони пройдуть». Експортуємо схему в JSON, зберігаємо в репозиторії, пишемо тести на міграцію кожної версії.

Розробка йде з покриттям репозиторного шару юніт-тестами: моки мережевого шару, реальна in-memory база для тестування запитів. Перед релізом — профілювання запитів через Android Profiler (вкладка Database Inspector) або Core Data debug флаги (-com.apple.CoreData.SQLDebug 1).

Термін реалізації шару сховища з базовою офлайн-синхронізацією — від 2 до 6 тижнів залежно від складності схеми та вимог до конфлікт-резолюції. Вартість розраховується індивідуально після аудиту вашого проекту. Замовте розробку під ключ — отримайте консультацію з вибору оптимального стеку та міграціям.