Історія змін у мобільному додатку: реалізація та оптимізація

Уявіть: юрист править договір на планшеті, випадково видаляє абзац і зберігає. Через годину — підписання, а даних немає. Без історії змін — катастрофа. Ми реалізували систему, яка зберігає кожну правку і дозволяє відкотити будь-яку версію за секунди. У проєктах з юридично значущими документами, редакторською роботою або складними таблицями кожна правка має бути відстежена і доступна для відкату. Як спроектувати сховище історії, щоб воно не роздувалося і працювало на мобільному пристрої з обмеженими ресурсами? Розбираємо ключові підходи, їх сильні та слабкі сторони, а також даємо готові схеми та код. Наш досвід — понад 7 років у мобільній розробці, ми реалізували версіонування в десятках проєктів.

Два підходи: snapshot vs event sourcing

Snapshot — при кожному збереженні створюємо повну копію об'єкта. Простота реалізації та відновлення обертається вибуховим зростанням бази. Якщо документ важить 50 КБ, а користувач зберігає його 50 разів на день, за рік накопичиться 50 × 50 × 365 ≈ 912 МБ тільки для одного документа. Для додатку з тисячами користувачів це неприйнятно.

Delta (event sourcing) — зберігаємо тільки різницю між версіями. Це компактно, але відновлення вимагає відтворення всіх дельт від початкового стану. Для тексту можна використовувати diff-match-patch (безкоштовна бібліотека, доступна на iOS та Android). Однак складність зростає при паралельному редагуванні.

Гібридний підхід — комбінація: снепшоти через кожні 10 версій або кожні 7 днів, між ними дельти. Відновлення: беремо найближчий снепшот і застосовуємо дельти. Такий метод дає до 90% економії місця порівняно з чистими снепшотами і прискорює відновлення в 5–10 разів відносно чистих дельт.

Нижче — порівняння трьох підходів.

Схема даних

Для SQLite-бази на Android або CoreData на iOS ми використовуємо таку таблицю:

@Entity(tableName = "document_versions")
data class DocumentVersion(
    @PrimaryKey(autoGenerate = true) val id: Long = 0,
    val documentId: String,
    val versionNumber: Int,
    val deltaJson: String?,      // null якщо snapshot
    val snapshotJson: String?,   // null якщо delta
    val authorId: String,
    val deviceId: String,
    val createdAt: Long = System.currentTimeMillis(),
    val comment: String? = null  // "Автозбереження" / "Збережено вручну"
)

Індекс по (documentId, versionNumber) обов'язковий — інакше вибірка історії стане гальмом. На Android використовуємо @Index в Room, на iOS — складений індекс в CoreData.

Як обрати стратегію зберігання версій?

Вибір залежить від типу даних і частоти змін. Для документів з рідкісними правками (1–2 рази на день) чистий snapshot — просто і надійно. Для текстових редакторів, де правки відбуваються кожні секунди, краще гібрид. Завжди оцінюйте навантаження: якщо база росте швидше, ніж користувачі створюють контент, змінюйте підхід.

Обмеження глибини історії

Зберігати всі версії вічно — недоцільно. Пропонуємо три стратегії:

Приклад видалення старих версій на Android з WorkManager:

@Transaction
suspend fun pruneVersions(documentId: String, keepCount: Int) {
    val versions = getVersionsByDocument(documentId)
    if (versions.size > keepCount) {
        val toDelete = versions.drop(keepCount)
        deleteVersions(toDelete.map { it.id })
    }
}

Чому варто обмежувати глибину історії?

Без обмежень база даних може роздутися до гігабайтів на пристрої. Користувач рідко повертається до версій старше місяця. Наш досвід показує, що розумний ліміт — 50 версій або 30 днів — покриває 99% потреб, а сховище залишається під контролем. Економія на зберіганні — до 90% об'єму БД, що прямо знижує витрати на інфраструктуру.

UI історії версій

Список версій з датою, автором і типом (автозбереження/ручне). Тап — попередній перегляд, дві кнопки: «Відновити» і «Порівняти з поточною». Diff-view з підсвіткою: зелений для доданого, червоний для видаленого. На мобільному використовуємо inline diff через SpannableString (Android) або NSAttributedString (iOS) — компактно та інтуїтивно.

Автозбереження та дебаунс

Автозбереження не повинно створювати версію на кожен символ. Дебаунс 2–3 секунди після останньої зміни:

private var saveTask: Task<Void, Never>?

func textDidChange(_ text: String) {
    saveTask?.cancel()
    saveTask = Task {
        try? await Task.sleep(nanoseconds: 2_000_000_000)
        guard !Task.isCancelled else { return }
        await saveVersion(text, type: .auto)
    }
}

Що входить у роботу

1. Аналіз даних і вибір стратегії (snapshot / delta / гібрид) — оцінюємо навантаження і гарантуємо продуктивність.
2. Проектування схеми даних з індексами та зовнішніми ключами.
3. Реалізація автозбереження з дебаунсом.
4. Розробка UI списку версій з метаданими.
5. Створення diff-view для порівняння версій.
6. Налаштування фонового очищення застарілих версій за розкладом.

class VersionPruneWorker(context: Context, params: WorkerParameters) : CoroutineWorker(context, params) {
    override suspend fun doWork(): Result {
        val dao = AppDatabase.getInstance(applicationContext).documentVersionDao()
        dao.pruneAllVersions(keepCount = 50)
        return Result.success()
    }
}

Терміни

Базова реалізація (snapshot + простий UI) — 1,5–2 дні. Повноцінний гібрид з дельтами, diff-view і розумним проріджуванням — 4–5 днів. Вартість розраховується індивідуально виходячи зі складності даних і вимог до глибини історії. Реалізуємо під ключ: від проектування до публікації в сторах. Отримайте консультацію — напишіть нам для оцінки вашого проєкту. Замовте впровадження історії змін — ми запропонуємо оптимальне рішення.

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.