Микросервисы на GO 3.0

Научись разрабатывать высоконагруженные, масштабируемые микросервисы, как в VK, Yandex, Ozon, Сбере и Тинькофф — и увеличь свои шансы на оффер или повышение грейда.

Курс построен на реальных задачах backend-разработчиков, с которыми сталкиваются в продакшене.

Для кого этот курс:

• Хочешь перейти на Go
  • Быстро адаптируешься к новому стеку и перестанешь писать «как на старом языке».
• Пишешь на Go, но упёрся в потолок
  • Разберёшься в продакшен-практиках и начнёшь решать сложные инженерные задачи.
• Готовишься к собеседованиям
  • Получишь системное понимание архитектуры и уверенно будешь отвечать на вопросы уровня BigTech.

На курсе разберёшь внутреннее устройство Go и микросервисной архитектуры:

• HTTP / OpenAPI / gRPC
• Kafka и асинхронное взаимодействие
• Redis (кеширование)
• PostgreSQL
• Observability: Prometheus, Grafana, Jaeger, OpenTelemetry
• Elasticsearch, Kibana
• Envoy Gateway

Всё, что нужно, чтобы сменить стек без потери дохода и работать над сложными системами.

Вся подкапотная микросервисов в одном обучении:

• шаг 1. Разработаешь 5 микросервисов, связанных между собой через Kafka и gRPC, с изоляцией от внешнего мира с помощью Envoy Gateway
• шаг 2. Обеспечишь мониторинг сервиса по стандарту OpenTelemetry с юнит-тестами, чтобы исключить ошибки в работе
• шаг 3. Освоишь кеширование данных с помощью Redis и асинхронное взаимодействие между микросервисами с помощью Kafka
• шаг 4. Освоишь работу с PostgreSQL, напишешь свою платформенную библиотеку, упрощающую разработку
• шаг 5. Реализуешь межсервисное взаимодействие, систему аутентификации и авторизации
• шаг 6. На практике научишься применять архитектурные подходы построения микросервисов

Программа курса

8 недель. 5 микросервисов. Production-ready стек. Все, как на работе — контрактное программирование, DI, тесты, docker-compose, observability. Это сложный проект, где придётся много писать руками, разбираться в зависимостях и реально прокачиваться как инженер.

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.

Результат

• Уверенно работаешь с Go в продакшене
• Понимаешь, как устроены микросервисы в крупных компаниях
• Имеешь сильный проект в портфолио
• Готов к собеседованиям и росту зарплаты

Автор курса — Олег Козырев: Senior Engineer в BigTech.