Расширение категорий маркетплейса как кейс для ВКР: проектируем архитектуру на примере «М.видео»
Когда «М.видео» объявляет о запуске одежды и аксессуаров на своём маркетплейсе, это не просто новость для ритейла. Для студента ИТ-специальности это готовый производственный кейс: в существующий высоконагруженный e-commerce контур нужно добавить новый домен товаров, перестроить каталог, обеспечить интеграцию с поставщиками, не уронив производительность. В этой статье разберём, как превратить такой сценарий в сильную тему ВКР: от формулировки задач до выбора метрик и нотаций для схем. Вы получите реальные заготовки для диплома — без воды и академизма.
Как новость о выходе в новую категорию становится обоснованием актуальности
Во введении к диплому нужно показать, что ваша работа решает живую бизнес-задачу. Запуск одежды в «М.видео» — это классический пример расширения товарной матрицы на маркетплейсе. Технически это означает:
- появление нового типа товаров с иными характеристиками (размеры, цвета, сезонность);
- интеграцию с внешними системами поставщиков;
- пересмотр моделей данных и API каталога;
- изменения в рекомендательных алгоритмах и поиске.
Если вы пишете ВКР по разработке или проектированию, достаточно во введении сослаться на реальный кейс (например, на статью CNews) и сформулировать противоречие: “существующая архитектура не рассчитана на быструю интеграцию новых категорий”. Это даёт вам и актуальность, и предмет исследования.
Три темы ВКР на основе кейса
Ниже — три направления, которые легко защитить, потому что в них есть чёткая цель, измеримый результат и понятная структура глав.
| Тема | Актуальность | Цель | Основные задачи |
|---|---|---|---|
| Разработка микросервиса каталога для мультикатегорийного маркетплейса | Классический монолит или жесткая схема БД не позволяют добавлять новые типы товаров без простоя | Спроектировать и реализовать микросервис каталога с поддержкой расширяемых атрибутов | Анализ предметной области; проектирование модели данных (JSONB/NoSQL); REST API; тестирование нагрузки |
| Интеграция поставщиков одежды через событийную шину (Kafka, RabbitMQ) | При запуске новой категории нужно массово загружать товары от десятков поставщиков | Разработать конвейер загрузки товаров, обеспечивающий идемпотентность и отказоустойчивость | Выбор протоколов; настройка очередей; схема маппинга атрибутов; мониторинг успешности загрузки |
| Масштабирование поиска и фильтрации при росте числа товаров | С ростом категорий растёт число фильтров и запросов — нужен Elasticsearch/OpenSearch | Оптимизировать поиск по неоднородным атрибутам | Сравнение движков; маппинг индексов; замер времени ответа; кэширование |
Что писать в главах диплома
Глава 1 — Анализ и проектирование
Здесь вы обосновываете выбор архитектурного стиля. Для кейса «М.видео» логично рассматривать микросервисную архитектуру, потому что новые категории требуют независимого масштабирования. Обязательно сделайте:
- диаграмму контейнеров C4 (на уровне системы);
- UML — диаграмму вариантов использования для оператора каталога;
- модель данных: тут хорошо показать таблицы или документы для хранения атрибутов одежды.
Ссылайтесь на ГОСТ 34.601 при описании стадий создания автоматизированной системы, но не перегружайте — достаточно 2–3 абзацев. Для обоснования качества используйте ISO/IEC 25010: выделите такие характеристики, как масштабируемость, модифицируемость, доступность.
Глава 2 — Реализация
Приведите фрагмент конфигурации развёртывания. К примеру, для микросервиса каталога в Kubernetes:
apiVersion: apps/v1
kind: Deployment
metadata:
name: catalog-service
spec:
replicas: 3
selector:
matchLabels:
app: catalog
template:
metadata:
labels:
app: catalog
spec:
containers:
- name: catalog
image: registry.example/catalog:1.0.0
ports:
- containerPort: 8080
resources:
requests:
cpu: 200m
memory: 256Mi
env:
- name: DB_DSN
valueFrom:
secretKeyRef:
name: catalog-db-secret
key: dsn
---
apiVersion: v1
kind: Service
metadata:
name: catalog-service
spec:
selector:
app: catalog
ports:
- protocol: TCP
port: 80
targetPort: 8080
Это показывает комиссии, что вы умеете не только рисовать схемы, но и знаете, как сервис будет разворачиваться. Вокруг конфигурации опишите, как добавить новый тип «Одежда» через отдельный модуль, не меняя базовое ядро.
Глава 3 — Тестирование и оценка эффективности
Здесь считайте метрики. Для каталога важны:
- время ответа API: p95, p99;
- пропускная способность (RPS) при пиковой нагрузке;
- время загрузки товаров от поставщика (производительность пайплайна);
- доступность сервиса (Uptime).
Используйте OpenTelemetry для сбора трейсов и метрик — это современный стандарт, который легко обосновать в дипломе. Пример метрики в Prometheus:
catalog_requests_total{status="200"} 1500
catalog_request_duration_seconds_sum{status="200"} 2.5
Чему вы научитесь
- Проектировать расширяемые модели данных для e-commerce.
- Строить API-first архитектуру с OpenAPI-спецификацией.
- Разворачивать сервисы в Kubernetes и настраивать горизонтальное масштабирование.
- Считать метрики эффективности и оформлять их по ГОСТ 34.601.
- Готовить схемы в C4 и UML, которые легко объяснить на защите.
Частые вопросы студентов
Можно ли взять такой кейс без реального доступа к коду «М.видео»?
Да. Вы работаете с публичными данными и моделируете ситуацию. В дипломе укажите: “на примере гипотетической архитектуры, вдохновлённой релизом компании”. Это нормально для проектной работы.
Какую диаграмму обязательно включать в приложение?
Минимум три: C4 уровня контейнеров, UML-диаграмму последовательности для загрузки товара и ER-диаграмму базы данных. Остальное по желанию.
Где взять данные для расчётов, если нет реальной нагрузки?
Сгенерируйте нагрузку с помощью JMeter или Vegeta, а в главе «Эффективность» укажите, что результаты получены в стендовых условиях. Это допускается, главное — чётко описать методику тестирования.
- “Я описал только одну линейку продуктов” — для ВКР нужно минимум два сценария: добавление новой категории и изменение существующей. Ссылайтесь на кейс «М.видео»: одежда — это другой тип товара с другой логикой фильтрации.
- “Весь код в приложении, а в главе одна страница” — код большого объёма выносите в приложение, а в основной части оставляйте фрагменты, объясняющие ключевые решения (не более 3–5 страниц кода).
- “Нет метрик — значит нет результата” — обязательно добавьте сравнение “до/после”. Например, время загрузки каталога сократилось на 40% при введении индексов. Без этого работа выглядит как лабораторная, а не как ВКР.
- Во введении есть ссылка на реальный бизнес-кейс (например, на статью CNews о «М.видео»).
- Каждая задача из введения/содержания раскрыта в соответствующей главе.
- Схемы выполнены в единой нотации (C4 или UML), подписаны и вставлены в текст.
- Приведены минимум 3 количественные метрики.
- Выводы в заключении соответствуют задачам из введения.
- В пояснительной записке соблюдены требования ГОСТ (оформление списка литературы, ссылок).
- Уникальность текста выше 70% (проверьте через вузовскую систему).
Если на написание диплома осталась пара недель, а тему уже приняли — не паникуйте. Мы знаем, как спрессовать работу в срок без потери качества. Напишите нам, запросите консультацию: поможем с архитектурой, оформлением или посчитаем метрики за вас. Работаем дистанционно, любые темы.
Источник: «М.видео» впервые выходит в сегмент одежды: компания запустила новую категорию на маркетплейсе (опубликовано 2026-03-18)