Научись разрабатывать высокопроизводительные, масштабируемые микросервисы, как в ВК, Yandex, OZON, СБЕР, Тинькофф, и увеличь свои шансы на трудоустройство в BigTech или повышение грейда Курс адаптирован под частые проблемы backend-a, которые встречаются на работе Перехожу на Go — хочу быстро адаптироваться и не писать как на старом языке Узнаешь все необходимое про внутрянку Go и микросервисную архитектуру: HTTP, OpenAPI, gRPC, Kafka, Redis, Postgres, Prometheus, Grafana, Jagger, Elasticsearch, Kibana, Envoy, OpenTelemetry и др., чтобы сменить стек без потери в ЗП и сразу работать на интересных проектах. Пишу на Go, но застрял в типовых задачах — хочу расти дальше Узнаешь лучшие практики, нюансы и лайфхаки построения микросервисов, которые применяются в бигтехах, чтобы вырасти из рутины и начать решать сложные инженерные задачи. Хочу уверенно проходить собесы и повысить свой грейд и зарплату Напишешь реальный проект из 5 микросервисов, разберёшься как всё взаимодействует между собой и сможешь уверенно отвечать на вопросы по архитектуре и технологиям на собесах в топовые компании. Вся подкапотная микросервисов в одном обучении Разработаешь 5 микросервисов, связанных между собой через Kafka и gRPC, с изоляцией от внешнего мира с помощью Envoy Gateway Обеспечишь мониторинг сервиса по стандарту OpenTelemetry с юнит-тестами, чтобы исключить ошибки в работе Освоишь кеширование данных с помощью Redis и асинхронное взаимодействие между микросервисами с помощью Kafka Освоишь работу с PostgreSQL, напишешь свою платформенную библиотеку, упрощающую разработку Реализуешь межсервисное взаимодействие, систему аутентификации и авторизации На практике научишься применять архитектурные подходы построения микросервисов Спойлер: Программа курса 8 недель. 5 микросервисов. Production-ready стек. Неделя 1 HTTP и gRPC: два протокола, которые должен знать каждый Go-разработчик Блок 1: gRPC — язык, на котором говорят микросервисы Protocol Buffers с нуля — описываем контракт сервиса в ".proto"-файле buf — генерируем Go-код одной командой вместо ручной возни с `protoc` Поднимаем gRPC-сервер и клиент — полноценный CRUD для управления данными Интерцепторы: перехватываем каждый запрос — логирование, перехват паник и кастомная логика gRPC-Gateway + Swagger UI — один сервис, два протокола: REST снаружи, gRPC внутри Валидация входных данных — отсекаем невалидные запросы ещё до попадания в бизнес-логику Блок 2: HTTP — REST API на промышленном уровне Chi — самый популярный Go-роутер — маршруты, цепочки middleware, таймауты и корректное завершение работы Сначала контракт, потом код — описываем OpenAPI-спецификацию, получаем типизированный сервер с валидацией из коробки через Ogen HTTP вызывает gRPC — связываем сервисы между собой: HTTP-фронтенд обращается к gRPC-бэкенду Блок 3: Go Workspace — мультимодульный проект go.work для нескольких сервисов — общие proto-определения, общие зависимости, единый репозиторий Домашнее задание Реализовать 3 микросервиса: OrderService (HTTP), InventoryService (gRPC), PaymentService (gRPC). Связать их через gRPC-клиенты — заказ обращается к складу и платёжке. Результат недели Ты с нуля напишешь 3 работающих сервиса на двух протоколах, освоишь кодогенерацию API из контрактов и научишься связывать микросервисы между собой. Это фундамент, на котором строится всё остальное. Неделя 2 Clean Architecture и тесты: пишем код, как в BigTech-компаниях Блок 4: Слоистая архитектура — структура, которую поймёт любой разработчик API → Service → Repository → Client — чёткое разделение ответственности Три модели данных — модель API, доменная модель, модель хранилища: зачем их разделять и как конвертировать между собой Инверсия зависимостей — интерфейсы определяет тот, кто использует, а не тот, кто реализует Стратегия обработки ошибок — единые ошибки-маркеры на каждом слое, понятная цепочка от базы до клиента Блок 5: Unit-тесты — от нуля до полного покрытия за 7 шагов Первый тест на чистом Go** — `testing.T`, никаких фреймворков Табличные тесты — один тест, десять сценариев: описываем входы и ожидаемые результаты testify — читаемые проверки вместо ручных `if err != nil` Стабы: подменяем зависимости вручную — простая реализация в памяти вместо реальной базы mockery — генерируем моки автоматически — задаём ожидания, проверяем вызовы Тесты в Clean Architecture — мокаем репозиторий, тестируем бизнес-логику изолированно Параллельные тесты — запускаем тесты одновременно и не ловим гонки Домашнее задание Рефакторинг всех 3 сервисов в Clean Architecture. Unit-тесты с моками на сервисный и API-слой. Покрытие ≥40%. Результат недели Код разложен по чётким слоям — бизнес-логика отделена от транспорта и хранилища. Любой новый разработчик откроет проект и сразу поймёт, где что лежит. Тесты с моками ловят баги до продакшена, а не после Неделя 3 Docker и PostgreSQL: сервисы обретают настоящее хранилище Блок 6: Docker — упаковываем сервис в контейнер Многоэтапная сборка Docker-образа — 800 МБ Go SDK превращаются в 10 МБ финальный образ Запуск не от root — безопасно, как требуют в продакшене Docker Compose — база данных, миграции и сервис поднимаются одной командой Healthcheck и зависимости — контейнеры стартуют в правильном порядке Блок 7: PostgreSQL — SQL на Go без боли pgx — самый быстрый драйвер для PostgreSQL с пулом соединений (переиспользуем подключения, а не создаём новые на каждый запрос) Squirrel — SQL-конструктор — собираем запросы программно, без склейки строк Миграции через Goose — версионируем схему базы, накатываем изменения при деплое Практические приёмы — получаем ID сразу при вставке, работаем с nullable-полями, избегаем SQL-инъекций Блок 8: Транзакции — атомарность без компромиссов Transaction Manager — оборачиваем несколько операций в транзакцию, не протаскивая объект транзакции через все слои Прозрачные транзакции — репозиторий даже не знает, что работает внутри транзакции — всё скрыто в контексте Домашнее задание Поднять PostgreSQL через Docker Compose для OrderService и InventoryService. Написать миграции, заменить хранение в памяти на реальные SQL-запросы. Интегрировать Transaction Manager для атомарного создания заказа Результат недели Хранилище в памяти заменено на PostgreSQL. Ты умеешь поднимать инфраструктуру через Docker Compose, делать миграции, писать запросы и проектировать хранилища. Паттерн Transaction Manager — один из самых частых вопросов на собеседованиях Неделя 4 Конфигурация, DI и Domain-Driven Design Блок 9: Конфигурация — параметры сервиса без хардкода YAML + переменные окружения через cleanenv — один конфиг-файл, переопределения через переменные окружения для каждого стенда Профили: local / production / docker — переключаем поведение без изменения кода Блок 10: DI-контейнер — управление зависимостями без магии Ручной DI на Go — создаём зависимости лениво: только когда понадобятся Корректное завершение работы — ресурсы закрываются в обратном порядке: что открыли последним — закрываем первым Платформенная библиотека — проверка здоровья сервиса, логгер, менеджер закрытия ресурсов: переиспользуемые компоненты для всех сервисов Блок 11: JSONB — гибкие структуры в PostgreSQL JSONB-колонки — храним разнородные данные (характеристики разных типов деталей) в одной колонке без раздувания схемы Индексы по JSON — быстрый поиск внутри JSON-структур Блок 12: Domain-Driven Design — бизнес-логика, которая сама себя защищает Сущности с поведением — объекты сами знают свои правила, а не просто хранят данные Value Objects — типизированные значения (например, «прочность корпуса»), которые нельзя создать в невалидном состоянии Агрегаты — группа связанных объектов с единой точкой входа, которая контролирует целостность данных Доменный сервис — проверка совместимости компонентов корабля перед заказом Резервирование деталей — Reserve/Release с защитой от невалидных состояний Домашнее задание Внедрить конфигурацию и DI-контейнер во все сервисы. Создать платформенную библиотеку. Реализовать DDD: сущность Part с методами Reserve/Release, Value Objects для свойств компонентов в JSONB, сервис проверки совместимости при заказе Результат недели Сервисы конфигурируются через YAML и переменные окружения, зависимости собираются через DI-контейнер, ресурсы корректно освобождаются при завершении. Бизнес-логика защищена доменной моделью — невалидное состояние невозможно создать в принципе. Ты строишь не просто сервисы, а **платформу** — как это делают в BigTech-компаниях Неделя 5 Kafka: асинхронная коммуникация между сервисами Блок 13: Apache Kafka — шина событий для микросервисов Синхронный и асинхронный продюсер — гарантия доставки каждого сообщения vs максимальная пропускная способность Консюмер — читаем поток событий — смещения, партиции, чтение с начала или с конца Consumer Groups — горизонтальное масштабирование — несколько экземпляров сервиса делят между собой поток сообщений, автоматически перераспределяя нагрузку Обработка сообщений пачками — накапливаем и обрабатываем группой для производительности Kafka в Clean Architecture — выделяем слои для асинхронных потоков так же, как для HTTP и gRPC Блок 14: SELECT FOR UPDATE — блокировки в PostgreSQL Блокировка строк при чтении — «заморозить» запись в базе, пока мы с ней работаем, чтобы другой запрос не изменил её параллельно Правильный порядок блокировок — всегда блокируем строки в одном и том же порядке, чтобы два запроса не заблокировали друг друга навечно Повторная обработка событий без последствий — даже если Kafka доставит сообщение дважды, данные не сломаются Домашнее задание Поднять Kafka. Создать AssemblyService — новый микросервис, который слушает событие оплаты, «собирает корабль» и отправляет событие завершения сборки. OrderService публикует событие при оплате и обновляет статус при получении результата сборки. Блокировка строк для безопасного резервирования деталей. Результат недели Полная асинхронная цепочка: заказ → оплата → сборка → обновление статуса. Четвёртый микросервис (AssemblyService) работает через Kafka. Ты освоил событийную архитектуру — именно так обрабатывают миллионы событий в BigTech-компаниях вроде OZON, Яндекса и Тинькофф Неделя 6 Аутентификация: IAM-сервис и Redis Блок 15: Redis — быстрое key-value хранилище Базовые операции — простые ключи, хеш-таблицы, хранение структур Время жизни ключей (TTL) — данные автоматически удаляются через заданное время: идеально для сессий и кеша Распределённая блокировка через Redis — когда несколько экземпляров сервиса должны по очереди работать с общим ресурсом Защита от лавины запросов — если тысяча пользователей одновременно запросила одно и то же, в базу уходит только один запрос Redis в Clean Architecture — кеширующий слой как отдельный репозиторий Блок 16: Аутентификация на сессиях — от логина до защиты API bcrypt — хешируем пароли правильно — почему md5 и sha256 для паролей использовать нельзя Сессии в Redis с временем жизни — создание, проверка, удаление gRPC-интерцептор для проверки сессий — список открытых методов, извлечение токена из заголовка HTTP middleware для аутентификации — проверяем сессию через IAM, пробрасываем ID пользователя в контекст запроса Передача информации о пользователе между сервисами — gRPC metadata для пробрасывания идентификатора через цепочку вызовов Домашнее задание Создать IAM Service — пятый микросервис: Register, Login, Logout, Whoami, GetUser. Пользователи в PostgreSQL, сессии в Redis с ограниченным временем жизни. Добавить HTTP middleware в OrderService и gRPC-интерцептор в InventoryService для проверки сессий через IAM. Результат недели Пятый микросервис — полноценный IAM с регистрацией, аутентификацией и хранением сессий в Redis. Каждый запрос проходит проверку — API больше не открыт всему миру. Плюс ты освоил распределённые блокировки и защиту от лавинных запросов — паттерны, которые спрашивают на каждом Senior-собеседовании. Неделя 7 Observability: логи, метрики и распределённые трейсы Блок 17: Логирование — от println до Kibana Структурированные логи через slog + OpenTelemetry — логи отправляются в единый коллектор телеметрии Запись сразу в два места — одновременно в консоль и в Elasticsearch, чтобы видеть логи и локально, и в централизованном хранилище Kibana — ищем и анализируем логи всех сервисов в одном интерфейсе Устойчивость к сбоям — если Elasticsearch упал, сервис продолжает работать и писать логи в консоль Блок 18: Метрики — Prometheus и Grafana Счётчики, гистограммы и другие типы метрик — считаем количество запросов, замеряем время ответа, отслеживаем текущую нагрузку Автоматический сбор метрик gRPC — подключается в одну строку, сразу видим latency и количество ошибок Prometheus — собирает метрики со всех сервисов через единый коллектор Grafana-дашборды — красивые графики бизнес-метрик: заказы, выручка, время сборки Блок 19: Распределённый трейсинг — видим путь запроса насквозь Сквозной идентификатор запроса — один trace-id проходит через все сервисы, позволяя восстановить полный путь Автоматический сбор трейсов для gRPC — подключается без изменения бизнес-кода Добавляем бизнес-контекст к трейсам — видим не только «запрос прошёл», но и «какой заказ, какой пользователь» Jaeger — визуализация полного пути запроса через все сервисы на одном таймлайне Инструментация Redis — подключаем трейсы, метрики и логи для каждого вызова кеша через систему хуков Домашнее задание Развернуть полный стек наблюдаемости: коллектор телеметрии, Elasticsearch + Kibana, Prometheus + Grafana, Jaeger. Настроить логи всех сервисов в Kibana. Бизнес-метрики (заказы, выручка) в Grafana. Трассировка полного пути запроса через Order → Inventory → Payment. Вынести инструменты наблюдаемости в платформенную библиотеку. Результат недели Полноценная система наблюдаемости: Grafana с метриками, Kibana с логами, Jaeger с трейсами. Ты видишь каждый запрос от входа до ответа через все сервисы. Это уровень, который отличает Middle от Senior. Неделя 8 Контейнеризация, балансировка и распределённый Rate Limiting Блок 20:Контейнеризация и Nginx — всё в Docker, балансировка нагрузки Многоэтапная сборка Docker-образа для каждого сервиса — сначала компилируем, затем берём только бинарник в минимальный образ Docker Compose для всей системы — 5 сервисов + вся инфраструктура поднимаются одной командой Nginx как балансировщик — запросы равномерно распределяются между репликами OrderService Горизонтальное масштабирование — запускаем несколько копий сервиса, Nginx сам находит их по имени Блок 21: Паттерны отказоустойчивости — чтобы сервис выжил в продакшене Rate Limiter — ограничиваем количество запросов в секунду, чтобы сервис не захлебнулся под нагрузкой Retry с нарастающей задержкой — клиент автоматически повторяет запрос при временных сбоях, каждый раз ожидая чуть дольше (плюс случайный разброс, чтобы все клиенты не повторили одновременно) Circuit Breaker — если сервис начал падать, автоматически прекращаем к нему обращаться, даём восстановиться, затем аккуратно проверяем: заработал ли Распределённый Rate Limiter через Redis — единый лимит на все копии сервиса, настройка лимитов отдельно для каждого метода, если Redis недоступен — пропускаем запросы, а не блокируем Блок 22: Нагрузочное тестирование — проверяем, что всё работает под давлением vegeta — заливаем HTTP-трафиком, замеряем время ответа и пропускную способность ghz — то же самое для gRPC, проверяем rate limiter под реальной нагрузкой Домашнее задание Контейнеризировать все сервисы. Собрать единый Docker Compose со всей инфраструктурой. Настроить Nginx для балансировки OrderService на 3 реплики. Реализовать распределённый Rate Limiter через Redis — единый лимит на все экземпляры. Провести нагрузочное тестирование Результат недели Микросервисная система полностью собрана — от API до мониторинга, от аутентификации до балансировки нагрузки. 5 сервисов в Docker-контейнерах за Nginx, распределённый rate limiter защищает от перегрузки, нагрузочные тесты подтверждают работоспособность. Это готовый проект для портфолио и уверенный ответ на любой вопрос собеседования про микросервисы.
