Авторизация
Сброс пароля
Разработка облачной СКУД для стадиона «Крылья Советов» с офлайн-режимом и защитой от копий билетов
Заказчик: NDA
Страница кейса/результат: https://itfox-web.ru/ru/cases/oblachnaia-skud-dlia-stadiona-krylia-sovetov-kak-my-sdelali-sistemu-ko

Разработали облачную СКУД для стадиона на 45 000 мест. Система работает со стационарными турникетами и без инфраструктуры — через мобильные устройства. Перевели хранилище на SQLite + Drift, ускорили бэкенд, обеспечили офлайн-режим. 50 000 билетов и 224 852 прохода за один тестовый прогон.
1. Вводная задача от заказчика, проблематика, цели
Крупный спортивный объект — стадион «Крылья Советов» на 45 000 мест — столкнулся с проблемой контроля доступа в день матча. Десятки тысяч болельщиков одновременно подходят ко входам, контролёры вручную проверяют билеты, кто-то пытается пройти по копии, кто-то лезет в VIP-зону, где ему быть не положено. А если человек зашёл и вышел — никто не знает, вернулся он или нет.
Старая система была медленной и не давала никакой аналитики. Легаси-системы не контролировали, кто и куда заходит, — поэтому люди проходили по копиям билетов, в том числе в VIP-зоны. Отследить вход/выход и загрузку секторов было невозможно.
Цель — разработать облачную платформу управления мероприятиями и билетами, которая работает как со стационарными СКУД, так и на площадках без собственной инфраструктуры — через мобильные устройства. Система должна поддерживать офлайн-режим, интегрироваться с несколькими билетными системами и давать аналитику потоков посетителей в реальном времени.
Ключевые ограничения проекта:
· Нестабильные условия на площадке. Стадион — это место, где интернет может «упасть» в самый неподходящий момент. Система должна работать без сети.
· Слабые устройства. Контролёры используют разные телефоны и ТСД — не самые мощные.
· Большой поток. Пик входа приходится на последние 30–40 минут перед матчем.
· Жёсткие сроки. Проект — 4 месяца.
· Ограниченные ресурсы. Команда: один бэкендер, один фронтенд, тестировщик, архитектор и менеджер.
· Организационная сложность. Первый тестовый матч стал проверкой системы в реальных условиях. Полноценный прогон на большом потоке случился позже.
2. Описание реализации кейса и творческого пути по поиску оптимального решения
Команда АЙТИФОКС разработала облачную СКУД на Python (бэкенд) и Flutter (приложение и веб-версия — единая кодовая база).
Ключевые технические решения:
Переход с Key Value Storage на SQLite + Drift. На небольших площадках система работала нормально. Но когда билетов в базе стало 45 000 — столько продаётся на один матч, — на устройствах Xiaomi начались зависания интерфейса, особенно при открытии клавиатуры. Контролёр нажимает на поле ввода, а экран не отвечает секунду-две. На других Android-смартфонах и на iPhone такого не было. Мы перепробовали разные варианты простых хранилищ — одни не работали в браузере, другие устарели. Тогда поставили на устройство полноценную базу данных SQLite + Drift для Flutter. Добавили миграции и индексы. Проблема ушла.
Оптимизация бэкенда. Когда билетов стало 45 000, сервер не справлялся с объёмом запросов. Причина была в SQLAlchemy — инструменте для работы с базой данных. Он удобный, но создавал лишнюю нагрузку. Мы разобрались, где теряется скорость, и частично заменили SQLAlchemy на прямые запросы к базе. Переработали индексы — ускорители поиска. После этого сервер стал держать нагрузку.
Офлайн-режим. Стадионы — это места, где интернет может «упасть» в самый неподходящий момент. Система должна работать без сети: сканировать билеты, регистрировать проходы, а потом синхронизироваться. В тестах мы загружали на клиент до 50 000 билетов — это тестовая нагрузка с запасом. Отдельно продумали более жёсткий сценарий: большой стадион и полное отсутствие интернета. Архитектура позволяет работать без сети — данные загружаются на устройство заранее, проходы фиксируются локально, синхронизация идёт при появлении связи. Офлайн-режим протестирован отдельно: система корректно сканирует билеты и регистрирует проходы без сети, а при восстановлении связи синхронизируется с сервером.
Единая кодовая база для нативного приложения и веба. Приложение работает не только нативно, но и в браузере — Chrome, Firefox или Safari на телефоне. Кодовая база идентична, дублирования нет. Это важный плюс: не нужно поддерживать две версии.
Защита от копий билетов. Система обращается к билетному ядру, понимает, какие билеты были выпущены. Считывается штрих-код или QR-код с мобильного телефона или ТСД. Если билет уже прошёл — система не пустит, а если билет не соответствует входу (например, VIP-ложа) — контролёр увидит это на экране.
Как проходит билет: путь от сканирования до прохода
1. Сканирование. Контролёр считывает QR-код или штрих-код с телефона болельщика или с ТСД.
2. Валидация билета. Система проверяет: билет был выпущен, он продан, а не подделка, он ещё не проходил (защита от копий).
3. Проверка зоны доступа. Система смотрит, соответствует ли билет этому входу.
4. Регистрация прохода. Система фиксирует: билет прошёл, время входа, какое устройство сканировало.
5. Синхронизация. Данные о проходе уходят на сервер, а на устройство загружаются обновления.
Стек технологий:
· Python — бэкенд, микросервисная архитектура
· Flutter — фронтенд для нативного приложения и веб-версии
· SQLite + Drift — локальное хранилище на клиенте
· PostgreSQL — основная база данных
· gRPC — взаимодействие между клиентом и сервером
· Yandex Tank + Pandora — нагрузочное тестирование
Как мы работали. Проект занял около 4 месяцев. Типичный цикл: проектировали архитектуру и логику офлайн-режима → реализовывали клиентскую часть на Flutter → тестировали на реальном оборудовании → обнаруживали проблему (например, зависания на Xiaomi) и исправляли → проводили нагрузочное тестирование → выявляли узкие места и передавали в оптимизацию.
3. Результаты сотрудничества
Система прошла тестовый прогон на реальном матче и запущена в работу.
Что мы обеспечили:
· 50 000 билетов и 224 852 прохода за один тестовый прогон — искусственная нагрузка с запасом. Реальный стадион — 45 000 мест. Это в 2,5 раза больше, чем даёт один реальный матч (45 000 зрителей × 2 прохода = 90 000 проходов).
· 2 400 проходов в минуту на тяжёлых операциях — этого достаточно, чтобы пропустить 45 000 зрителей за 30–40 минут.
· 200 RPS — гарантированный порог на самых тяжёлых операциях (проверка билета, синхронизация).
· 250 RPS — максимальная пропускная способность на лёгких операциях.
· 0 ошибок — на проверке билета и массовой регистрации проходов.
· Единая кодовая база — нативное приложение и веб-версия без дублирования.
· Офлайн-режим — работает без интернета, синхронизируется при восстановлении связи.
· Интеграция с билетными системами — поддержка нескольких ядер, дообогащение данных.
Бизнес-эффект:
· Система контролирует доступ и защищает от копий билетов.
· Видно, кто зашёл, куда и вышел ли.
· Аналитика загрузки секторов в реальном времени.
· Готовность к работе на объектах с большей вместимостью.
Отзыв разработчика:
«С технической точки зрения сложность была не в стеке, а в том, чтобы заставить систему работать в реальных условиях стадиона. При 45 000 билетов на устройствах Xiaomi начались зависания интерфейса — мы долго искали причину, но нашли: проблема была в отрисовке при открытии клавиатуры. Переход на SQLite + Drift решил вопрос полностью».

4. Заключение
Этот кейс наглядно демонстрирует, что самая сложная часть в разработке СКУД — не написать приложение для сканирования, а заставить его работать в реальных условиях стадиона: без интернета, на слабых устройствах, при большом потоке людей.
Когда данных много, а устройства разные, критически важно правильно выбрать хранилище и предусмотреть офлайн-режим. SQLite + Drift отлично справляется с ролью локальной базы на клиенте для таких задач. А частичный отказ от SQLAlchemy в пользу прямых запросов позволил серверу держать нагрузку.
Опыт работы с офлайн-синхронизацией, оптимизацией бэкенда и защитой от копий билетов пригодится в любом проекте, где есть контроль доступа и интеграция с внешними системами.
Мы показали, что даже при ограниченных ресурсах (команда из пяти человек, 4 месяца) можно построить систему, которая решает реальную бизнес-задачу и готова к работе на объектах с большей вместимостью. Ключевой фактор успеха — итеративный подход, нагрузочное тестирование на реальных данных и плотная коммуникация с заказчиком на всех этапах.


