## Лабораторная 5 Автор / группа: Бабиченко Максим, БВТ2303 Целевая оценка (3/4/5): 4 Трек 5, если заявлен: не заявлен Что реализовано и что перенесено: из lab4 — весь API, сессии в Redis, балансировка, приём/проверка файлов, приватный S3, janitor. Новое: RabbitMQ (quorum-очередь + DLQ, definitions с минимальными правами), transactional outbox + dispatcher (publisher confirms), отдельный worker (2 потока, prefetch 1, ручной ack, аренда с fencing, backoff с jitter, постоянные/временные ошибки), варианты thumbnail/crop/optimized в дочернем процессе с RLIMIT, replay и разбор DLQ (`ops.py`), очистка staging. Upload: 201 → 202 queued. Команды запуска из чистого clone: `Copy-Item .env.example .env; python scripts/init_secrets.py; docker compose up -d --build --wait; python student-tests/collect_evidence.py` (подробно — REPORT.md, раздел «Запуск»). Результаты проверок и ссылка на REPORT.md: REPORT.md, раздел «Доказательства критериев»; `evidence/summary.md`. Ограничения / известные ошибки: один узел RabbitMQ; worker использует ограниченный S3-ключ API; точки внедрения сбоев включены на учебном стенде (`FAULT_INJECTION=1`). См. REPORT.md, «Ограничения». Источники и использование ИИ: REPORT.md, шапка. - [ ] Весь обязательный минимум текущей и предыдущих работ сохранён с объявленными переходами. - [ ] Контракт и публичные тесты не ослаблены. - [ ] make check и make test выполнены; приложен реальный вывод. - [ ] Сценарии отказов/безопасности своего уровня воспроизведены. - [ ] Все секреты и приватные ключи находятся вне Git; отчёт не содержит tokens. - [ ] README задания сохранён, REPORT.md содержит инструкцию именно моего решения.