Главная Блог Интеграции
Интеграции

Омниканальная синхронизация остатков: как обеспечить актуальные данные в реальном времени

A
Flexor Engineering
3 апреля 2025
7 минут чтения

«Остатки в реальном времени» означают разное для склада, витрины и маркетплейса. Сканирование в WMS должно быстро попасть в ERP, storefront и каналы продаж, не создавая overselling. Это не просто задача синхронизации — это задача согласованности данных между системами.

ИнтеграцииСклад, POS и ERP публикуют изменения в шину событий. Интернет-магазин, мобильное приложение и маркетплейсы подписываются на события и поддерживают собственные read-модели.

Склад, POS и ERP публикуют изменения в шину событий. Интернет-магазин, мобильное приложение и маркетплейсы подписываются на события и поддерживают собственные read-модели.

Почему polling перестаёт работать

Периодический опрос центральной базы кажется простым решением. Но с каждым новым каналом растёт нагрузка на базу, а задержка обновления никогда не бывает меньше интервала polling.

Во время flash sale тысячи пользователей одновременно проверяют карточки товара. Если каждый канал читает один источник и данные обновляются с задержкой, система быстро достигает предела, а подтверждённые заказы начинают превышать реальный остаток.

Event-driven архитектура остатков

Устойчивый паттерн — превращать каждое изменение остатка в событие. Приёмка на складе, продажа через POS и подтверждение web-заказа публикуются в Kafka, RabbitMQ или другой message bus.

Производитель события не должен знать всех потребителей. Каждый канал получает изменения и обновляет собственную модель чтения. Поток событий одновременно становится журналом, по которому можно расследовать расхождения.

Резервирование товара

Самый сложный момент — промежуток между добавлением последней единицы в корзину и подтверждением оплаты. Без резерва два клиента могут одновременно пройти checkout.

Практическое решение — мягкий резерв с TTL. Корзина временно уменьшает доступное количество; успешная оплата превращает резерв в окончательное списание, а истечение TTL возвращает товар в продажу. Продолжительность резерва должна соответствовать реальному checkout.

Eventual consistency и строгая согласованность

В распределённой системе storefront и склад иногда показывают разные числа. Задержка в одну-две секунды обычно допустима, но для последней единицы товара она создаёт риск overselling.

На карточке и в корзине можно использовать eventually consistent read-модель. Окончательное списание при подтверждении платежа должно выполняться в авторитетной системе с блокировкой или другим атомарным механизмом.

Идемпотентность и порядок событий

Доставка сообщений как минимум один раз означает, что потребитель может получить одно событие повторно. Обработчик обязан распознавать event ID и не списывать товар дважды.

Порядок тоже важен: событие «заказ отменён» не должно обрабатываться раньше события «заказ подтверждён». Для одного SKU или inventory key нужен последовательный поток либо контроль версии.

Когда системы расходятся

В архитектуре должен быть один source of truth — обычно ERP или специализированная inventory-система. Если каналы показывают разные значения, именно авторитетный источник определяет итог.

Reconciliation следует запускать каждые 5–15 минут, а не раз в сутки. Он сравнивает read-модели с авторитетным состоянием, публикует корректирующие события и обнаруживает пропущенные сообщения до того, как они превращаются в инцидент.

Что нужно мониторить

Контролируйте lag потребителей, размер очередей, долю повторных событий, ошибки обработчиков, возраст последнего успешного обновления и количество расхождений reconciliation.

Технические метрики нужно связать с бизнес-сигналами: overselling, отменами после оплаты, временем недоступности товара и заказами, остановленными из-за устаревших данных.

Практическое руководство

Сначала контракт остатков, потом транспорт

Kafka, очереди и API не исправят неясное владение данными. До выбора транспорта определите измерения остатков, authoritative writer, правила резервов и процесс коррекции.

Поле контрактаВопросРиск
Идентификатор событияКак однозначно определяется изменение?Retry создаёт повторное изменение
Версия и порядокКак отклоняются поздние события?Старое состояние заменяет новое
ДоступностьКак учитываются резервы, safety stock и возвраты?Каналы показывают разные количества
СверкаКакая система побеждает и как устраняется drift?Расхождение сохраняется до жалобы клиента

Чек-лист перед production

  • Использовать idempotency key у каждого consumer
  • Хранить время события и версию источника
  • Мониторить lag и dead-letter queues
  • Запускать сверку независимо от event stream

Вопросы команд

Event-driven означает exactly once?

Обычно нет. Проектируйте at-least-once delivery и идемпотентные consumers.

Нужно ли читать ERP с товарной страницы?

Обычно нет. Используйте read model канала, а authoritative check — в критических переходах.

Первичные источники

Share Post on X LinkedIn
Назад к блогу

Следующий шаг

Работаете над сложной commerce-системой?

Мы помогаем инженерным командам проектировать, строить и масштабировать высоконагруженные платформы — с чётким процессом и предсказуемыми сроками.

Поговорим