Система управління складськими залишками для e-commerce

Зазначимо: коли два покупці одночасно кладуть у кошик останній екземпляр товару, перемагає той, хто швидше натиснув «Оформити замовлення». Без системи управління залишками другий отримає повідомлення про відсутність після оплати — це overselling. Ми будуємо механізми, які виключають такі ситуації: атомарне резервування, синхронізацію з обліковими системами та сповіщення про дефіцит. Нижче — технічні деталі, які дозволять вашій платформі працювати з реальними запасами, а не з цифрами в адмінці.

Проблеми, які вирішує система

Перша — конкурентне резервування. Якщо в момент оформлення замовлення не заблокувати одиницю, два користувачі можуть купити один товар. Друга — завислі резерви. Покинуті кошики — не рідкість, і якщо не звільняти резерви, через тиждень половина залишків буде недоступна. Третя — розсинхронізація із зовнішніми обліковими системами. Коли 1С або МійСклад оновлюють кількість, а магазин продовжує продавати за старими даними, виникають заборгованості.

Схема даних

Базова 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 обчислюється на льоту. Лог stock_movements фіксує кожну операцію для аудиту. Індекси на (product_id, sku) та (variant_id, created_at) прискорюють пошук і звітність.

Атомарне резервування без гонок

Атомарність забезпечується 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;

Якщо рядок не повернувся — товару недостатньо. В Laravel це обгортається в транзакцію з lockForUpdate(). Для високонавантажених сценаріїв використовуйте песимістичне блокування рядка, щоб уникнути взаємоблокувань.

Чому важливо звільняти резерви?

Покинутий кошик — втрачений залишок. Два підходи: TTL через чергу (точність до хвилини) та scheduled cleanup (простіше, але ±5 хвилин). Для магазинів до 1000 замовлень на день достатньо cron-завдання кожні 5 хвилин. Порівняння методів:

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

Інтеграція з 1С та МійСклад

Залишки надходять із зовнішніх систем двома способами:

Важливе правило: при імпорті оновлюйте тільки stock_qty, не чіпаючи reserved_qty. Інакше активні резерви злетять.

Як відображати статус на вітрині?

Для покупця важливо бачити реальну наявність. Ми обчислюємо доступну кількість та відображаємо:

• Якщо available_qty > low_stock_threshold — «В наявності».
• Якщо 0 < available_qty ≤ low_stock_threshold — «Залишилось N шт.».
• Якщо available_qty = 0 — «Немає в наявності».
• Якщо налаштовано передзамовлення — «Під замовлення, 5–7 днів».

Для високонавантажених сторінок статус кешується в Redis з TTL 60 секунд.

Як налаштувати сповіщення про низький залишок?

Оповіщення менеджера закупівель тригериться при оновленні stock_qty нижче порогу. В Laravel це observer:

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

Алерт надсилається в email, Telegram або Slack. Додатково можна налаштувати SMS для критичних позицій.

Як оптимізувати запити для відображення залишків?

При виведенні списку товарів типова помилка — N+1 запит: для кожного варіанту вибираємо залишок окремо. Використовуйте withCount або віконні функції. Наприклад, 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 ...

Цей запит виконується за один прохід. Для великих каталогів агрегуйте дані в Redis через scheduled job.

Процес впровадження

1. Проектування схеми даних та вибір методів резервування.
2. Реалізація атомарних операцій з тестуванням на конкурентність.
3. Налаштування звільнення резервів (TTL або cron).
4. Інтеграція із зовнішніми обліковими системами (1С, МійСклад).
5. Розробка панелі адміністрування з фільтрами та експортом.
6. Навантажувальне тестування та деплой.

До складу робіт входить: підготовка документації по схемі даних та API, передача вихідного коду та доступів до репозиторію, навчання адміністраторів роботі з панеллю, гарантійна підтримка протягом 30 днів після деплою.

Строки реалізації

Правильно спроектована система залишків знижує втрати від overselling на 15–20% та виключає ручний контроль. Наприклад, для магазину з 5000 замовлень на місяць усунення overselling зберігає до 150 000 гривень виручки щомісячно. Додатково автоматизація закупівель економить до 100 000 гривень на місяць на зарплаті логіста.

Зв'яжіться з нами для аудиту поточної схеми. Отримайте консультацію з архітектури вашого складу — замовте її просто зараз.

Розробка інтернет-магазинів

Ми знаємо: інтернет-магазин — це не просто «сайт з кошиком». Це розподілена система управління товарами, інвентарем, замовленнями, платежами, доставкою, поверненнями та комунікацією з клієнтами. Кожен блок має нетривіальну реалізацію, і більшість проблем в e-commerce виникає на стику цих підсистем. Наш досвід — понад 50 реалізованих проектів — показує, що правильна архітектура на старті економить до 40% бюджету на доробках.

Чому продуктивність каталогу деградує при зростанні SKU?

Найчастіша технічна проблема e-commerce — деградація сторінок категорій при збільшенні асортименту. Сторінка працює добре на 500 товарах і починає гальмувати на 10 000. Причини майже завжди одні й ті ж.

N+1 на атрибутах. Завантажуєте список товарів — 50 елементів. Для кожного потрібні категорія, головне фото, ціна з урахуванням знижки, наявність на складі, рейтинг. Без правильного eager loading це 250+ запитів на сторінку. В Laravel вирішується через with(['category', 'mainImage', 'currentPrice', 'stockStatus']) та withAvg('reviews', 'rating'). Але варто з'явитися персональним цінам (b2b) або складським залишкам по регіонах — і одного with() недостатньо. Потрібні Query Object або виділений ReadModel.

Фасетна фільтрація без індексів. Фільтр за кольором + розміром + брендом + діапазоном цін на таблиці в 500 000 записів без складених індексів — це seq scan при кожному запиті. PostgreSQL з правильними індексами тримає фасетну фільтрацію до кількох мільйонів товарів. Для великих каталогів — Elasticsearch або OpenSearch з агрегаціями: вони рахують кількість товарів на фільтр (facet counts) значно швидше.

Пагінація через OFFSET. LIMIT 50 OFFSET 10000 на великій таблиці — погана ідея: PostgreSQL все одно читає перші 10 050 рядків. Keyset pagination (cursor-based) через WHERE id > $last_id ORDER BY id LIMIT 50 працює за постійний час незалежно від сторінки. Як зазначено в документації PostgreSQL, cursor-based pagination гарантує O(log n) при будь-якому зміщенні, що особливо важливо для каталогів із сотнями тисяч товарів.

Конкретний кейс: каталог будівельних матеріалів, 180 000 SKU, фасетна фільтрація по 12 атрибутах. Після переходу з OFFSET-пагінації на курсорну та додавання partial index по (category_id, is_active, price) час відповіді сторінки каталогу знизився з 4,2 с до 280 мс. Економія на серверних ресурсах склала близько 30 000 ₽ на місяць. В іншому проекті (ювелірний маркетплейс) впровадження агрегацій через Elasticsearch скоротило час фільтрації з 8 до 200 мс та заощадило 50 000 ₽ на місяць на інфраструктурі — ще один приклад, як правильна архітектура знижує TCO.

Що таке race condition у кошику та як його уникнути?

Checkout — місце, де гроші або потрапляють на рахунок, або ні. Технічні проблеми тут коштують дорого.

Race condition при резервуванні товару. Два покупці одночасно додають останній екземпляр у кошик і обоє натискають «Оплатити». Без песимістичного блокування або атомарного UPDATE з перевіркою залишку обидва замовлення проходять, інвентар іде в мінус. В PostgreSQL:

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

Якщо RETURNING повернув 0 рядків — товару немає, показуємо помилку до списання грошей.

Ідемпотентність платіжних вебхуків. payment.succeeded від Stripe або ЮКассы може прийти двічі через мережеві збої або retry-логіку на стороні шлюзу. Без перевірки WHERE NOT EXISTS (SELECT 1 FROM processed_events WHERE event_id = $id) — дублювання замовлення або подвійне зарахування. Webhook idempotency — обов'язковий патерн для будь-якого платіжного інтегратора. Ми включаємо тест на ідемпотентність у стандартний чек-лист кожного проекту.

Checkout у кілька кроків. Multi-step checkout (адреса → доставка → оплата → підтвердження) vs single-page checkout. Дослідження показують, що single-page з прогрес-індикатором конвертує на 15–20% краще на мобільних. Стан між кроками — або localStorage + server-side сесія, або повністю server-side з проміжним збереженням. Ми гарантуємо, що кожне замовлення проходить аудит на ідемпотентність та блокування — це входить у стандартний чек-лист тестування.

Як інтегрувати 1С з інтернет-магазином?

1С — окрема глава. Три поширених способи інтеграції:

1. CommerceML через HTTP — 1С вивантажує XML за розкладом, сайт імпортує. Працює для невеликих каталогів, є затримка синхронізації.
2. REST API / OData від 1С — двостороння синхронізація в реальному часі. Вимагає налаштування на стороні 1С, примхлива до версій конфігурацій.
3. Проміжна шина (RabbitMQ / Kafka) — 1С публікує події, сайт підписується. Найнадійніший підхід для високонавантажених систем, але найдорожчий у розробці.

Служби доставки — СДЕК, Boxberry, Пошта Росії, DHL: всі надають REST API для розрахунку вартості та створення накладних. Агрегатори (Shiptor, Shipnow) дозволяють працювати з кількома службами через єдиний API.

Платіжні шлюзи

Для кожного шлюзу обов'язкова перевірка підпису вебхука — без цього будь-хто може відправити фейковий payment.succeeded.

CMS vs власна розробка

WooCommerce — виправданий для магазинів до ~5 000 SKU з типовою бізнес-логікою. Швидкий старт, величезна екосистема плагінів. Проблеми починаються при нестандартних цінових правилах, складних варіантах товарів або навантаженні від 10 000+ замовлень на місяць. Економія на ліцензії WooCommerce (безкоштовно) обертається витратами на плагіни та хостинг; для каталогу 50 000 SKU місячна вартість підтримки може перевищити 100 000 ₽.

OpenCart, Prestashop — аналогічна історія. Хороші для старту, обмежені при зростанні.

Власна розробка на Laravel — для:

• Нестандартної бізнес-логіки (підписки, оренда, b2b-прайси, конфігуратор);
• Високих вимог до продуктивності;
• Складних інтеграцій (кілька складів, ERP, маркетплейси);
• Унікального UX checkout.

Як ми розробляємо інтернет-магазин: покроковий процес

1. Аналітика та проектування. Збираємо вимоги, уточнюємо бізнес-процеси, моделюємо доменну логіку. На виході — технічне завдання та архітектурна схема.
2. Backend та API. Реалізуємо ядро (товари, кошик, замовлення), інтеграції з 1С/складами/платіжками. Використовуємо Laravel 11 з Repository pattern, чергами для асинхронних операцій.
3. Frontend та checkout. Налаштовуємо React 18 / Next.js 14 з оптимізованим рендерингом (SSR/SSG для каталогу), єдиний single-page checkout.
4. Тестування. Перевіряємо race condition, ідемпотентність вебхуків, навантажувальне тестування (k6), security-аудит.
5. Деплой та моніторинг. Розгортаємо на Vercel / Docker / виділеному сервері, підключаємо Sentry та Uptime.

SEO для e-commerce

Canonical та дублювання. Фасетна фільтрація генерує тисячі URL (?color=red&size=M&sort=price). Без canonical або noindex на фільтрованих сторінках краулінговий бюджет витрачається на дублі, а основні сторінки індексуються гірше.

Structured data. Product schema з offers, aggregateRating, availability — це rich snippets у видачі: зірочки рейтингу, ціна, наявність. Впливає на CTR.

Core Web Vitals на сторінках товарів. Hero image товару — це LCP element. fetchpriority="high" на першому зображенні, правильні srcset з WebP, width та height атрибути для запобігання CLS.

Що входить у результат роботи

Після завершення проекту ви отримуєте:

• Вихідний код та повну документацію (API, архітектура, інфраструктура);
• Доступи до репозиторію, хостингу, моніторингу (Sentry, Uptime);
• Навчання команди роботі з адмін-панеллю та кастомізаціями;
• Гарантійну підтримку 3 місяці (виправлення помилок, консультації);
• Детальний звіт по навантажувальному тестуванню та оптимізації.

Орієнтири за термінами

Вартість розраховується після аналізу вимог: кількість інтеграцій, складність ціноутворення, обсяг каталогу та унікальність UX — основні фактори. Оцінимо ваш проект безкоштовно — замовте консультацію.

Чек-лист перед запуском

• Race condition при оплаті останнього товару — покритий тестом
• Ідемпотентність вебхуків платіжного шлюзу
• Rate limiting на ендпоїнтах кошика та checkout
• Canonical на фільтрованих сторінках каталогу
• Фіскалізація чеків (ФЗ-54 для РФ або аналог)
• Стрес-тест checkout під навантаженням (k6 або Locust)
• Моніторинг помилок (Sentry) та алерти на payment errors
• Backup бази даних з перевіреним restore-процесом

Гарантуємо — кожен проект проходить цей чек-лист перед релізом. Зв'яжіться з нами — підберемо оптимальну архітектуру під ваш бюджет та терміни.