Иллюзия стабильности: когда монолиту действительно пора переходить на микросервисы
Микросервисы — не модный ответ на любой технический вопрос. Они нужны, когда монолит начинает сдерживать скорость релизов, масштабирование и независимость команд.
Стабильное приложение не всегда здоровое

Монолит может годами работать надёжно. Проблема начинается, когда одна доработка требует согласования нескольких команд, локальная ошибка затрагивает весь релиз, а самый нагруженный модуль нельзя масштабировать отдельно. Внешне система «стабильна», но цена изменений растёт.
Микросервисы оправданы не размером кода, а потребностью в независимой поставке и масштабировании.
Пять признаков для архитектурного решения

1. Общий релиз регулярно блокирует несколько команд.
2. Нагрузка распределена неравномерно: например, каталог требует ресурсов, а админка — нет.
3. Изменение корзины или платежей ломает несвязанные части продукта.
4. У доменов нет понятных владельцев.
5. Частота деплоев снижается, а восстановление после инцидентов занимает всё больше времени.

Смотрите на lead time, частоту деплоев, долю неудачных изменений и время восстановления — а не только на схему компонентов.
Не переносите монолит целиком: начните с одного самостоятельного домена.
Когда лучше остаться с модульным монолитом

Если команда небольшая, доменная модель ещё меняется, а релизы проходят без конфликтов, микросервисы могут принести больше сложности, чем пользы. Распределённая архитектура требует наблюдаемости, контрактов API, управления частичными отказами, CI/CD и ответственности за данные. Часто сначала достаточно отделить модули внутри приложения и настроить безопасную поставку.
Как мигрировать без остановки развития

Выберите домен с чёткими границами — например, уведомления, экспорт отчётов или поиск. Зафиксируйте API либо событийный контракт, вынесите функцию в сервис, настройте логи, метрики и алерты. Затем измерьте, улучшились ли скорость выпуска и надёжность. Такой поэтапный подход снижает риск «распределённого монолита».
Вывод

Не покупайте «AI вообще». Выберите процесс с высокой частотой операций, заранее определите KPI, проведите A/B-тест и считайте эффект в валовой прибыли или экономии затрат. Так AI становится управляемой инвестицией, а не дорогим экспериментом.

Источники: NVIDIA State of AI in Retail and CPG, 2024; McKinsey, LLM to ROI: How to scale gen AI in retail, 2024.