Омниканальная синхронизация остатков: как обеспечить актуальные данные в реальном времени
«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.
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.
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 контракта | Вопрос | Риск |
|---|---|---|
| Идентификатор события | Как однозначно определяется изменение? | Retry создаёт повторное изменение |
| Версия и порядок | Как отклоняются поздние события? | Старое состояние заменяет новое |
| Доступность | Как учитываются резервы, safety stock и возвраты? | Каналы показывают разные количества |
| Сверка | Какая 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
Следующий шаг
Работаете над сложной commerce-системой?
Мы помогаем инженерным командам проектировать, строить и масштабировать высоконагруженные платформы — с чётким процессом и предсказуемыми сроками.
Поговорим