Разработка высоконагруженного сервиса бронирования для МТС Travel

Онлайн-туризм — один из самых конкурентных цифровых рынков. Пользователь принимает решение о бронировании за считанные минуты, поэтому скорость поиска, актуальность цен и удобство интерфейса напрямую влияют на выручку бизнеса.

Команда GreenCore участвовала в разработке ключевых backend-компонентов платформы МТС Travel, обеспечивающих поиск, подбор и бронирование гостиниц в режиме реального времени.

В рамках проекта необходимо было создать масштабируемую архитектуру, способную обрабатывать миллионы поисковых запросов ежемесячно, интегрироваться с внешними поставщиками данных и обеспечивать высокую скорость отклика даже в периоды пиковых нагрузок.

Бизнес-задачи

Перед командой стояли четыре стратегические цели:

- сократить время поиска отелей и локаций;

- повысить конверсию пользователей в бронирование;

- внедрить механизм конкурентного ценообразования;

- упростить подключение новых поставщиков гостиничного контента.

Дополнительной сложностью стало то, что система должна была одинаково эффективно работать как при стандартной нагрузке, так и во время сезонных всплесков спроса, когда количество запросов увеличивается в несколько раз.

Что было реализовано

Интеллектуальная система поиска и автодополнения

Одним из центральных элементов платформы стал сервис интеллектуальных подсказок для поиска направлений и гостиниц.

В качестве поискового ядра был выбран ElasticSearch, что позволило обеспечить быстрый поиск по большому объёму данных и гибкую настройку релевантности результатов.

Команда GreenCore разработала:

• архитектуру сервиса автодополнения;

• API-контракты для взаимодействия между микросервисами;

• механизмы ранжирования популярных запросов;

• систему сбора бизнес-метрик пользовательского поведения.

В результате среднее время формирования подсказок составило менее 100 мс даже при высоком количестве одновременных запросов.

Сервис начал обрабатывать сотни тысяч поисковых операций ежедневно без потери производительности.

Система мониторинга конкурентных цен

Для повышения конверсии было необходимо показывать пользователям реальные преимущества предложений МТС Travel относительно других игроков рынка.

Для решения задачи GreenCore разработала отдельный сервис конкурентного ценообразования.

Архитектура решения включала:

• Kafka для асинхронной обработки событий;

• MongoDB для хранения ценовых данных;

• отдельный API-слой для доступа внутренних сервисов к информации о ценах конкурентов.

Система автоматически собирала и актуализировала данные по тысячам гостиничных предложений, после чего передавала информацию в поисковый сервис.

Пользователи получали дополнительный индикатор выгодной цены непосредственно в результатах поиска, что положительно влияло на принятие решения о бронировании.

Оптимизация алгоритмов ранжирования

Стандартный поиск по гостиницам был существенно доработан.

Команда внедрила дополнительные механизмы сортировки, учитывающие:

• популярность объекта размещения;

• актуальность тарифов;

• полноту данных об отеле;

• коммерческие показатели конверсии;

• пользовательские сценарии поиска.

Также была реализована интеграция с облачным хранилищем S3 для автоматической загрузки и обработки тарифных данных.

Это позволило повысить качество выдачи и сократить количество нерелевантных результатов.

Унифицированная архитектура интеграций

Отдельным направлением стала модернизация механизма подключения гостиничных провайдеров.

Ранее подключение новых поставщиков требовало значительных трудозатрат со стороны разработки.

GreenCore спроектировала единый слой интеграции, который позволил:

• стандартизировать процесс подключения партнёров;

• сократить сроки внедрения новых интеграций;

• снизить объём доработок при изменении API поставщиков;

• упростить сопровождение системы.

Благодаря этому новые источники гостиничного контента могли подключаться значительно быстрее без влияния на стабильность основной платформы.

Этапы реализации проекта

1. Аналитика и проектирование

На старте проекта специалисты GreenCore провели аудит требований бизнеса и существующих процессов работы с гостиничным контентом. Были определены ключевые пользовательские сценарии, сформированы требования к производительности и масштабируемости системы.

На этапе проектирования команда разработала целевую микросервисную архитектуру, подготовила API-контракты между сервисами и определила подходы к интеграции с внешними провайдерами данных.

2. Разработка сервисов поиска и автодополнения

Следующим этапом стала разработка сервиса интеллектуального поиска и подсказок.

Для обеспечения высокой скорости обработки запросов был внедрён ElasticSearch, а также реализованы алгоритмы ранжирования локаций и гостиниц с учётом популярности запросов и пользовательского поведения.

Дополнительно были настроены технические и бизнес-метрики для анализа качества поисковой выдачи и эффективности подсказок.

3. Создание системы конкурентного ценообразования

Для повышения привлекательности предложений платформы был разработан отдельный сервис мониторинга цен конкурентов.

Система в асинхронном режиме собирала данные через Kafka, сохраняла их в MongoDB и предоставляла другим сервисам платформы актуальную информацию о стоимости аналогичных предложений на рынке.

Это позволило реализовать отображение специальных ценовых маркеров непосредственно в поисковой выдаче.

4. Оптимизация алгоритмов ранжирования

После запуска базовой функциональности команда приступила к повышению качества поисковых результатов.

Были внедрены дополнительные правила сортировки, механизмы оценки релевантности и интеграция с S3-хранилищем для обработки тарифных данных.

Это позволило улучшить качество выдачи и сократить количество нерелевантных результатов для пользователей.

5. Интеграция поставщиков и масштабирование

На завершающем этапе была внедрена единая архитектура подключения гостиничных провайдеров.

Новый подход позволил существенно сократить сроки интеграции новых партнёров, упростить сопровождение системы и подготовить платформу к дальнейшему росту объёмов данных и пользовательского трафика.

В результате реализации проекта заказчик получил:

• время отклика поисковых запросов менее 100 мс;

• обработку более 500 000 поисковых запросов ежедневно;

• автоматический мониторинг цен по десяткам тысяч гостиничных предложений;

• сокращение времени подключения новых провайдеров на 60%;

• повышение релевантности поисковой выдачи;

• рост конверсии в бронирование благодаря отображению конкурентных цен;

• архитектуру, готовую к дальнейшему масштабированию без существенных изменений в кодовой базе.