Автор / группа: Перевалова Виктория, БПИ2302
Целевая оценка (3/4/5): 5
Трек 5, если заявлен: Трек 1. Очередь под перегрузкой
Что реализовано и что перенесено: Реализована асинхронная обработка изображений с использованием FastAPI, PostgreSQL, RabbitMQ и S3-совместимого хранилища SeaweedFS. Добавлены transactional outbox, отдельный worker, очереди повторных попыток и DLQ, контроль состояния задач, идемпотентность, ограничение нагрузки и таймаут обработки. Реализованы создание оригинала, crop 128×128, thumbnail 256×256 и оптимизированной версии WebP.
Команды запуска из чистого clone:
cp .env.example .env — создать файл конфигурации (при необходимости заполнить параметры);
docker compose --env-file .env up -d --build — собрать и запустить приложение;
docker compose ps — проверить состояние контейнеров; http://localhost:18081/health/ready — проверить готовность API.
Результаты проверок и ссылка на REPORT.md: Проверки контракта и OpenAPI пройдены. Smoke-тест, проверка backpressure и тест таймаута обработки изображений завершились успешно. Проведено сравнение конфигураций worker A/B/C; конфигурация B (2 worker, prefetch 4) показала лучший баланс пропускной способности и задержек. Подробные результаты и ограничения приведены в REPORT.md, числовые результаты сохранены в evidence/.
Ограничения / известные ошибки: Результаты нагрузочного сравнения получены в рамках одного прогона каждой конфигурации и не являются универсальной оценкой производительности. При увеличении параллелизма наблюдалась конкуренция за CPU. Повторный запуск завершённых задач и обработка сбоев реализованы, однако отдельный успешный сценарий replay в текущем наборе доказательств не зафиксирован.
Источники и использование ИИ: Использованы материалы задания, документация FastAPI, Docker, PostgreSQL, RabbitMQ, Alembic и Pillow. ChatGPT использовался для консультаций по реализации, отладки, анализу результатов проверок и подготовке документации. Реализация и проверка выполнены в рамках собственного проекта.
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.
## Лабораторная 5
Автор / группа: Перевалова Виктория, БПИ2302
Целевая оценка (3/4/5): 5
Трек 5, если заявлен: Трек 1. Очередь под перегрузкой
Что реализовано и что перенесено: Реализована асинхронная обработка изображений с использованием FastAPI, PostgreSQL, RabbitMQ и S3-совместимого хранилища SeaweedFS. Добавлены transactional outbox, отдельный worker, очереди повторных попыток и DLQ, контроль состояния задач, идемпотентность, ограничение нагрузки и таймаут обработки. Реализованы создание оригинала, crop 128×128, thumbnail 256×256 и оптимизированной версии WebP.
Команды запуска из чистого clone:
cp .env.example .env — создать файл конфигурации (при необходимости заполнить параметры);
docker compose --env-file .env up -d --build — собрать и запустить приложение;
docker compose ps — проверить состояние контейнеров;
http://localhost:18081/health/ready — проверить готовность API.
Результаты проверок и ссылка на REPORT.md: Проверки контракта и OpenAPI пройдены. Smoke-тест, проверка backpressure и тест таймаута обработки изображений завершились успешно. Проведено сравнение конфигураций worker A/B/C; конфигурация B (2 worker, prefetch 4) показала лучший баланс пропускной способности и задержек. Подробные результаты и ограничения приведены в REPORT.md, числовые результаты сохранены в evidence/.
Ограничения / известные ошибки: Результаты нагрузочного сравнения получены в рамках одного прогона каждой конфигурации и не являются универсальной оценкой производительности. При увеличении параллелизма наблюдалась конкуренция за CPU. Повторный запуск завершённых задач и обработка сбоев реализованы, однако отдельный успешный сценарий replay в текущем наборе доказательств не зафиксирован.
Источники и использование ИИ: Использованы материалы задания, документация FastAPI, Docker, PostgreSQL, RabbitMQ, Alembic и Pillow. ChatGPT использовался для консультаций по реализации, отладки, анализу результатов проверок и подготовке документации. Реализация и проверка выполнены в рамках собственного проекта.
- [x] Весь обязательный минимум текущей и предыдущих работ сохранён с объявленными переходами.
- [x] Контракт и публичные тесты не ослаблены.
- [x] make check и make test выполнены; приложен реальный вывод.
- [x] Сценарии отказов/безопасности своего уровня воспроизведены.
- [x] Все секреты и приватные ключи находятся вне Git; отчёт не содержит tokens.
- [x] README задания сохранён, REPORT.md содержит инструкцию именно моего решения.
Blocking a user prevents them from interacting with repositories, such as opening or commenting on pull requests or issues. Learn more about blocking a user.
Лабораторная 5
Автор / группа: Перевалова Виктория, БПИ2302
Целевая оценка (3/4/5): 5
Трек 5, если заявлен: Трек 1. Очередь под перегрузкой
Что реализовано и что перенесено: Реализована асинхронная обработка изображений с использованием FastAPI, PostgreSQL, RabbitMQ и S3-совместимого хранилища SeaweedFS. Добавлены transactional outbox, отдельный worker, очереди повторных попыток и DLQ, контроль состояния задач, идемпотентность, ограничение нагрузки и таймаут обработки. Реализованы создание оригинала, crop 128×128, thumbnail 256×256 и оптимизированной версии WebP.
Команды запуска из чистого clone:
cp .env.example .env — создать файл конфигурации (при необходимости заполнить параметры);
docker compose --env-file .env up -d --build — собрать и запустить приложение;
docker compose ps — проверить состояние контейнеров;
http://localhost:18081/health/ready — проверить готовность API.
Результаты проверок и ссылка на REPORT.md: Проверки контракта и OpenAPI пройдены. Smoke-тест, проверка backpressure и тест таймаута обработки изображений завершились успешно. Проведено сравнение конфигураций worker A/B/C; конфигурация B (2 worker, prefetch 4) показала лучший баланс пропускной способности и задержек. Подробные результаты и ограничения приведены в REPORT.md, числовые результаты сохранены в evidence/.
Ограничения / известные ошибки: Результаты нагрузочного сравнения получены в рамках одного прогона каждой конфигурации и не являются универсальной оценкой производительности. При увеличении параллелизма наблюдалась конкуренция за CPU. Повторный запуск завершённых задач и обработка сбоев реализованы, однако отдельный успешный сценарий replay в текущем наборе доказательств не зафиксирован.
Источники и использование ИИ: Использованы материалы задания, документация FastAPI, Docker, PostgreSQL, RabbitMQ, Alembic и Pillow. ChatGPT использовался для консультаций по реализации, отладки, анализу результатов проверок и подготовке документации. Реализация и проверка выполнены в рамках собственного проекта.
Complete lab 5 asynchronous image processingto ЛР5 — БПИ2302 — Перевалова — на 5Принято. Закрываю МР.
Pull request closed