Scale

Архитектура масштабирования и управление техническим долгом

Архитектура масштабирования и управление техническим долгом

Технический долг — кредит под процент. Архитектура для 1,000 пользователей рушится при 100,000. Код трёх инженеров «на скорую руку» непостижим для команды из тридцати.

Twitter 2012 — 8+ часов даунтайма в день («Fail Whale»). Миграция с Ruby on Rails — 2 года, сотни миллионов. Spotify с самого начала — модульная архитектура → 800+ микросервисов, 75M пользователей без катастроф.

Martin Fowler: «Любая организация создаёт дизайн, повторяющий структуру коммуникаций этой организации» (закон Конвея).

Пошаговый алгоритм реализации

1. Аудит технического долга

Типы: архитектурный, инфраструктурный, кодовый, тестовый, документационный. Оценка: стоимость обслуживания (часы/неделю) × риск инцидента. Tech Debt Registry с приоритизацией.

2. Архитектурная стратегия

Не начинайте с микросервисов. Путь: монолит → модульный монолит → сервисы по domain boundaries (DDD Eric Evans). Критерий разделения: команда > 8 человек в одном контексте ИЛИ деплой требует деплоя всего.

3. Internal Developer Platform (IDP)

Слой абстракции для самостоятельного деплоя команд. Компоненты: CI/CD, IaC (Terraform/Pulumi), observability (логи, метрики, трейсы), service mesh. Spotify — Backstage, open source стандарт.

4. Инженерные практики качества

Quality Gates: тесты 80%+ критических путей, обязательный code review, линтинг. DORA-метрики: Deployment Frequency, Lead Time, Change Failure Rate, MTTR. Elite performers деплоят в 973× чаще low performers.

5. Управление долгом как процесс

Правило 20/80: 20% спринта на погашение долга. Tech Debt Review ежемесячно. Долг на дашборде рядом с продуктовыми метриками.

6. Design for Failure

Паттерны: Circuit Breaker, Bulkhead, Retry with Backoff, Graceful Degradation. Netflix Chaos Monkey. SLO + Error Budget для критических сервисов.

7. Data Architecture

CQRS, Event Sourcing, шардирование. Data Mesh (Zhamak Dehghani) — каждый домен владеет данными как продуктом. LinkedIn создал Apache Kafka — 7+ триллионов сообщений в день.

Ожидаемые результаты и артефакты

Хороший пример: Spotify Engineering — 800+ микросервисов, 2000+ инженеров, 5 деплоев в день на команду. Backstage как open source стандарт.

Плохой пример: Twitter Fail Whale (2008–2013) — Ruby on Rails монолит не выдержал роста с 5M до 200M пользователей.

Риски игнорирования


Инструментарий

Методики и фреймворки
Инструменты
Источники