Сервис баннеров

Сервис для работы с баннерами пользователей, позволяющий создавать и удалять баннеры по фиче или тегу, обновлять их содержимое, а также возвращаться к предыдущим версиям баннера

---

Содержимое

• Стек технологий
• Как запуститься
• Использование
• Примеры
• Решения
• Итог

---

Стек технологий

• 
• 
• 
• 

Для гибкости и удобства в тестировании и масштабировании проекта, была выбрана Clean архитектура.

Как запуститься

Для запуска сервиса необходимо предварительно:

• Создать самоподписные сертификаты и поместить их в internal/app
• Установить goose и прогнать миграции на основную и тестовую базу командами test-migration-up и test-migration-test-up

Использование

Запустить БД, кафку и memcached через docker-compose up --build

Само приложение запускается из директории cmd/app командой go run main.go

Для запуска тестов необходимо выполнить команду make integration-test

Примеры

Для неограниченного доступа к данным нужно использовать token admin_token в headers Некоторые примеры запросов

• [Создание баннера:POST https://localhost:9000/banner c телом:]

{
  "tag_ids": [61, 71, 81, 1, 3],
  "feature_id": 2,
  "content": {
    "title": "New Banner",
    "text": "Some text",
    "url": "http://example.com"
  },
  "is_active": true
}

• [Получение баннера для пользователя: GET https://localhost:9000/user_banner?tag_id=1&feature_id=9&use_last_revision=true]
• [Обновление содержимого баннера: PATCH https://localhost:9000/banner/5 c телом:]

  {
  "tag_ids": [1, 2, 3],
  "feature_id": 10,
  "content": {
    "title": "Updated Title4",
    "text": "Updated Text4",
    "url": "http://updated-example.com4"
  },
  "is_active": true
}

Остальный запросы прикладываю в Коллекции в Postman: https://www.postman.com/rusy13/workspace/bannersapi/collection/30265496-d481e7be-7078-4f59-a3f1-87afb0992d38?action=share&creator=30265496

Решения

• Для решения задачи 5 (про актуальность информации) было выбрано решение с кэшированием данных посредством memcached
• Для решения дополнительной задачи 4 (удаления баннеров по фиче или тегу, время ответа которого не должно превышать 100) было выбрано решение с использованием kafka как очереди задач

Итог

• Были выполнены все задания основной части
• Полностью решены номера 1,3,4,6 дополнительной части
• Номер 5 реализован частично
• В номере 2 реализован скрипт, эмулирующий нагрузку в 1000 запросов в секунду