GetAnalyst - Навыки • Системный анализ • Бизнес-анализ

Время увлекательных историй. А точнее одной, но очень показательной 🥲

Примерно год назад ко мне на курс «СА с нуля» пришёл студент.

Важно:
▫️ он не был аналитиком,
▫️ он никогда не работал в ИТ,
▫️ он просто хотел сменить профессию с совершенно нетехнической и стать системным аналитиком.

До этого он уже прошёл обучение у конкурентов. И знаете, какой курс ему продали?

🤡 Курс по интеграциям 🤡
Новичку. Без базы. Без опыта. Просто человеку, который «хочу в ИТ» 🥲

Почему?!!?!?!!
Потому что дороже / моднее / на собеседованиях спрашивают.
Лишь бы продать?!


👉 Знакомство со студентом
На программе для начинающих есть вводная встреча, где я лично 30-60 минут беседую со студентами и пытаюсь выяснить текущие знания и опыт, чтобы далее составить индивидуальный план обучения.

Я знала предысторию, поэтому ещё до встречи я запросила:
+ резюме, которое ему посоветовали сделать после того курса,
+ все его выполненные ДЗ с обучения.

Открываю.

И у меня, честно, просто отваливается челюсть 😭

В резюме просто тупо вставлена программа этого самого курса по интеграциям.

Не его опыт, не его задачи, не его результаты.
Просто: «Вот, что было в программе». Copy-paste.

После этого сopy-paste - ссылки на работы:
🔥 кривая архитектура,
🔥 некорректные UML из draw io
🔥 какие-то урывки простейших REST API методов, с ошибками

И при этом:
«У меня это всё проверяли, сказали, что работы хорошие» 😱

Студент ни в чём не виноват.
Он честно верил, что так и должно быть.

👉 И вот тут у меня реально вопрос:

как так можно обращаться с людьми?

Он пришёл к нам в надежде на понимание и возможность получить нормальное обучение, поняв, что за 1.5 месяца он получил только кашу в голове.


Я не стала очень много комментировать это вот всё, а сказала:
«Окей, давай начнём с нуля. Всё разберём. Задача понятна».


👉 Процесс
Это было непросто. На курсе ему было тяжело, как и всем изначально далёким от IT, но он:
+ задавал много вопросов
+ разбирался
+ делал много ошибок в заданиях (мне кажется он мне BPMN точно раз 5 пересдавал, остальные работы по 2-3 раза)

Он очень старался.

В общем молодец, это нормальный путь 👍


👉 Чем всё закончилось

Примерно через 7 месяцев после старта обучения он выходит на свою первую стажировку системным аналитиком.

Ещё через 3-4 месяца его переводят в штат на позицию middle системного аналитика.

И это было РЕАЛЬНО СЛОЖНО!
Стажёрскую позицию в компании закрыли, и ему пришлось доказывать, что он тянет до миддла.
И он справился сам!


Сейчас у него стабильная работа, реальные задачи, рост. Он иногда пишет мне про успехи, и я правда очень благодарю за эти тексты и очень горжусь 💚💚💚


👉 Зачем я это рассказываю

Коллеги частенько встречают подобное и попросили осветить эту историю.

Не для того, чтобы сказать «мы хорошие, конкуренты плохие».

А чтобы подчеркнуть:

Он был нулевым человеком, который просто хотел войти в ИТ.
И его сразу отправили на курс по интеграциям,
вместо того чтобы дать базу по аналитике

Кому-то было важно продать курс, а не помочь 🤡

Проверка ДЗ у него была «на словах», а по факту - резюме и работы, с которыми его отправляли на рынок, были… ну, скажем мягко, ужасными.



👉 Если вы выбираете обучение
✔️ трезво оценивайте свой уровень
✔️ уточняйте формат проверки ДЗ
✔️ и выбирайте тех, кто реально вкладывается в ваш результат и хочет помочь, а не просто «продаёт модный курс»


Я за то, чтобы к людям относились не как к «чеку в системе оплаты», а как к тем, кто доверяет своё время, деньги и карьеру.


И очень хочу, чтобы у вас было больше историй про то, как вы реально нашли своё место в IT или выросли в карьере 💚


P.S. Сообщения от этого студента связанные с этой историей есть тут

🤖 Как сделать BPMN-диаграмму за минуты с помощью AI: StormBPMN 🤖

В этом эпизоде обсуждаем, как AI меняет подход к моделированию бизнес-процессов и работе с BPMN.

Вместе с топовым экспертом по BPMN в России Денисом Котовым говорим про StormBPMN — инструмент для создания BPMN-диаграмм с поддержкой AI, разбираем, как создавать BPMN через код и в чём нейросети действительно могут помочь.

Если вам только предстоит изучать BPMN или вы уже давно работаете с нотацией, этот выпуск поможет по-новому взглянуть на моделирование процессов и понять, как использовать AI в работе без лишней магии и разочарований.

🔗 Сайт эпизода


Эпизод доступен в:
⏯ Apple Podcast
⏯ Яндекс.Музыка -
⏯ Telegram
⏯ Castbox
⏯ Звук
⏯ Spotify
⏯ RuTube
⏯ YouTube
⏯ VK Video


Сообщество GetAnalyst — ваш путь к получению самого актуального опыта в системном анализе и проектировании архитектуры 🤩

Как сэкономить на поддержке Camunda?
📍9 декабря, 16:00 мск

После окончания бесплатной поддержки Camunda 7 в октябре 2025 года, команды начали искать способы снизить затраты и обеспечить бесперебойность бизнеса в условиях бюджетных ограничений.

Приглашаем на вебинар, где команда OpenBPMN разберёт из чего складываются расходы на поддержку, сколько стоит готовый сервис и как выбрать оптимальный вариант для бизнеса.

OpenBPMN изучили опыт более 20-ти команд разработки и будут делиться результатами для экономии ваших нерв и денег 🙌

➡️ Регистрация
Участие бесплатное

🚀📚 Разбор кейса + подборка материалов: хореография VS оркестрация микросервисов 📚🚀

Что происходит "под капотом" системы на микросервисах FoodDeliveryGA, когда пользователь оплачивает доставку еды с электронного кошелька?


По шагам:

👉 Оркестрация:
▫️ 1–3: запрос от клиента через API Gateway уходит к Оркестратору.
▫️ 4–13: Оркестратор последовательно вызывает API микросервисов. При ошибке запускает компенсирующие действия (откат изменений) и возвращает ошибку в API Gateway → Frontend.
▫️ 13–14: сбор финального JSON и возврат ответа на Frontend.

Процесс синхронный.
Пока Оркестратор не закончит все вызовы микросервисов, Frontend ждёт ответ, а пользователь на экране ожидания.


👉 Хореография:
▫️ 1–5: запрос от клиента через API Gateway уходит в сервис Платежей, платёж проводится и публикуется событие «Платёж за заказ проведён» в брокер
▫️ Сервис Заказов (6 → 6.1 → 6.2) обновляет статус заказа и публикует событие "Заказ оплачен"
▫️ 7A → 7A.1 → 7A.2 → 7A.3: API Gateway читает событие «Заказ оплачен», собирает JSON заказ + платёж и возвращает ответ клиенту

Далее фоново:
▫️ Сервис Геолокации (7C → 7C.1 → 7C.2 → 7C.3) + Сервис Заказов (8A → 8A.1)
▫️ Сервис Уведомлений (7B, 8B)
▫️ Сервис Отчётов (7D → 7D.1)


Внимательно изучайте схемы и пишите свои вопросы по управлению процессами в комментариях 🤩

-----

📚 Подборка материалов 👇

👉 Оркестрация:
📖 Оркестрация микросервисов: полный практический гайд
🎧 Camunda и BPMN в микросервисах для процессов техподдержки
📖 Оркестрация и API Gateway – разбор реального примера
🎧 Внедряем Camunda: обзор и моделирование BPMN

👉 Хореография:
📖 Хореография микросервисов - детальный разбор с примером
🎧 Kafka: что нужно знать Системному аналитику

👉 Сравнение:
📖 Оркестрация + Хореография: пример схемы интеграции микросервисов
📖 7 вопросов с подвохом по Архитектуре: хореография микросервисов + понимание брокеров в EDA

-----


Сохраняйте пост — пригодится при погружении в новые проекты на микросервисах и при подготовке к собеседованиям 👍

#АрхитектураGA #FoodDeliveryGA

📩 Kafka vs RabbitMQ: что выбрать? Детальное сравнение 📩

В распределённых системах Kafka и RabbitMQ очень часто ставят в один ряд.

В результате Kafka пытаются использовать как обычную очередь, а RabbitMQ — как платформу стриминга.

❗️ Хотя на самом деле они решают принципиально разные задачи.


Ниже разбираемся как выбрать правильный инструмент под ваш проект и сценарий:

📌 Какую задачу решает каждый инструмент

✅ Apache Kafka — платформа стриминга событий

Kafka — это распределённый лог событий, а не “очередь сообщений”.

Её сильные стороны:
+ приём большого потока событий
+ real-time аналитика
+ хранение всей истории изменений, а не только текущего состояния (event sourcing)
+ хранение событий как “системы записи”
+ горизонтальное масштабирование

Проще думать о Kafka так:
“бесконечный лог, где события можно читать дважды", а не “очередь, из которой забрали и забыли".


✅ RabbitMQ — брокер сообщений для распределения работы

RabbitMQ — это классический message broker, который отлично подходит для:

+ надёжной доставки сообщений
+ сложной маршрутизации
+ распределения нагрузки между воркерами
+ request/response и RPC-паттернов
+ транзакционного обмена сообщениями.

Образно: умный почтальон, который доставит нужное сообщение нужному потребителю и точно проследит, было ли оно обработано.



📌 Архитектура и модель сообщений

Модель хранения:
✅ Kafka — персистентный лог, сообщения не “исчезают” после чтения, можно переиспользовать.
✅ RabbitMQ — классическая очередь: сообщение забрали → его в очереди больше нет (если не использовать DLQ, плагины и т.п.).

Повторная обработка сообщений:
✅ Kafka — поддержано “из коробки”
✅ RabbitMQ — неестественно, приходится докручивать с помощью плагинов (DLQ, повторные публикации и т.д.).

Порядок сообщений:
✅ Kafka → порядок гарантирован внутри партиции (этого достаточно для большинства event-driven кейсов)
✅ RabbitMQ → порядок гарантирован в рамках одной очереди, но если несколько конкурирующих потребителей – порядок быстро ломается

Пропускная способность:
✅ Kafka → миллионы сообщений в секунду
✅ RabbitMQ → десятки/сотни тысяч, сильно зависит от настроек и сценариев.



📌 Типичные ошибки

❌ 1. Использовать Kafka как обычную очередь
Kafka плохо подходит для:
+ коротких задач “выполнил и забыл”;
+ простых приложений.
Результат: переусложнённая инфраструктура, дорогая поддержка и кластеры “на всякий случай”.

❌ 2. Пытаться сделать из RabbitMQ “стриминг-платформу”
RabbitMQ начинает "задыхаться", если:
+ события нужно хранить долго
+ важна возможность повторного чтения сообщений
+ несколько независимых потребителей должны прочитать одни и те же данные
+ поток вырастает до миллионов событий.

❌ 3. Игнорировать требования к порядку сообщений
В Kafka порядок сохраняется внутри партиции.
В RabbitMQ порядок только внутри очереди, и то, пока один потребитель.
Как только в систему добавляют несколько потребителей, “красивый” порядок перестаёт совпадать с реальностью.

❌ 4. Использовать Kafka, не понимая consumer groups
Consumer group в Kafka:
+ даёт параллелизм обработки
+ гарантирует, что одну партицию читает только один consumer группы
+ напрямую влияет на сохранение порядка.
Неправильно настроил группы → сам себя лишил гарантий по порядку.

❌ 5. Недооценивать сложность эксплуатации Kafka
Kafka требует:
+ настройки и поддержки кластера
+ планирования партиций
+ стратегии хранения и ретенции данных
RabbitMQ в этом смысле простее в разы.
Использовать Kafka "на всякий случай" в маленьком проекте — дорогое удовольствие.



📌 Когда и что выбирать

👉 Kafka:
+ Стриминг, логи и аналитика в реальном времени
+ Event-driven микросервисы
+ Высокая нагрузка и масштабирование (ожидаете миллионы событий в секунду)
+ Event Sourcing / CQRS
+ Повторная обработка сообщений

👉 RabbitMQ:
+ Фоновая обработка задач/джобов
+ Командный формат сообщений (“сделай X”)
+ Нижкая задержка в обработке задач
+ Request–response поверх очередей
+ Сложная маршрутизация
+ Транзакционный обмен сообщениями (платёжные сценарии, финансовые процессы, процесс обработки заказа в e-commerce)
+ Простая эксплуатация


#АрхитектураGA

⭐️ Архитектура Kafka - чек-лист: топики, партиции, брокеры, кластеры ⭐️


✔️ Топики (Topics)

1) Логическая категория или тема, куда Продюсеры отправляют сообщения, а Потребители их читают

2) Представляют собой поток сообщений, где каждое имеет: ключ, значение, метаданные

3) Не удаляют сообщения сразу после обработки — данные хранятся в топике в течение заданного времени

4) Могут быть разделены на партиции, что позволяет распределять нагрузку между Продюсерами и Консьюмерами


✔️ Партиции (Partitions)

1) Каждый топик состоит из одной или нескольких партиций (разделов)

2) Сообщения внутри партиции хранятся в строгом порядке (FIFO — "первым пришёл, первым обработался")

3) Разные партиции могут обрабатываться параллельно, что увеличивает производительность Kafka

4) Каждое сообщение в партиции получает уникальный порядковый номер (offset), который используется Потребителями для чтения данных

5) Продюсеры могут отправлять сообщения в партиции автоматически или по определённому ключу (например, все заказы одного клиента попадут в одну партицию)

6) Один потребитель из Группы Консьюмеров читает данные только из своей партиции, что позволяет распределять нагрузку.

7) Повышение надежности обеспечивается через репликацию: выделяют Leader Replica (основная копия данных партиции) и Follower Replica (копирует данные лидера в синхронном или асинхронном режиме)


✔️ Брокеры (Brokers)

1) Хранят топики и их партиции

2) Обрабатывают запросы Продюсеров на запись и Консьюмеров на чтение данных

3) Управляют репликацией партиций для отказоустойчивости

4) Автоматически перераспределяют нагрузку при добавлении новых брокеров в кластер



✔️ Кластер (Cluster)

1) Это группа брокеров, работающих вместе для масштабирования и распределённой обработки данных

2) Использует ZooKeeper или KRaft для координации (назначает лидеров партиций, отслеживает состояние брокеров)

3) Позволяет добавлять новые брокеры без остановки системы

4) Поддерживает автоматическое восстановление при сбоях отдельных узлов


#АрхитектураGA

⭐️ Kafka - всё, что нужно знать Системному аналитику 🚀

Apache Kafka — это распределённая платформа потоковой обработки данных.

Предназначена для публикации, хранения и обработки событий/сообщений в реальном времени.


Основные компоненты:

✔️ Продюсеры (Producers)

1) Генерируют сообщения/события к обработке и отправляют в топики (темы).

2) Определяют, в какую партицию топика записывать данные: автоматически или по заданным правилам.

3) Могут быть чем угодно: микросервисы, устройства IoT и другие приложения.

4) Поддерживают режимы отправки:
+ Синхронный — ждёт подтверждения от Kafka перед отправкой следующего сообщения.
+ Асинхронный — отправляет сообщения без ожидания ответа.

5) Могут гарантировать доставку с разными уровнями подтверждения (acks):
+ acks=0 — без ожидания подтверждения (возможна потеря данных, высокая скорость).
+ acks=1 — подтверждение только от лидера партиции (среднее).
+ acks=all — подтверждение от всех реплик (максимальная надёжность).


✔️ Потребители (Consumers)

1) Подписываются на один или несколько топиков и получают сообщения/события.

2) Могут работать как отдельные клиенты или объединяться в группы (Consumer Groups) для параллельной обработки сообщений.

3) В группе консьюмеров каждый участник обрабатывает свою часть партиций.

4) Kafka гарантирует, что каждое сообщение будет обработано хотя бы одним потребителем в группе.

5) Модели доставки сообщений:
+ at-least-once — как минимум 1 раз, возможны дубликаты.
+ exactly-once — ровно один раз.


✔️ Топики (Topics) — логическая тема, куда продюсеры отправляют сообщения, а потребители их читают


✔️ Партиции (Partitions) — подмножество данных внутри топика, которое позволяет распределять нагрузку и масштабировать обработку сообщений. Каждый топик состоит из одной или нескольких партиций


✔️ Брокер (Broker) — сервер Kafka, который отвечает за хранение, управление и передачу данных внутри кластера


✔️ Кластер — это группа брокеров, работающих вместе для масштабирования и распределённой обработки данных


#АрхитектураGA

🔥👩‍💻 Доступ к бесплатному обучению по Архитектуре завершается сегодня 👩‍💻🔥

Сегодня последний день, когда открыт доступ к практическому занятию:


💎 Хореография и оркестрация микросервисов

Формат: запись ~4 часа, смотрите в удобное время
Доступен только до 23:59 (по Мск).

После урока вы:
✅ понимаете, когда выбирать оркестрацию, а когда хореографию;
✅ не теряетесь в схемах с брокерами и событиями;
✅ можете уверенно обсуждать эти темы на проектах и собеседованиях.


Если ещё не регистрировались:
🔗 Зарегистрироваться

Если уже регистрировались - ссылку на занятие сегодня утром продублировали в письме на e-mail.


-----

👉 Отзывы аналитиков, которые уже успели посмотреть занятие:

Олеся

полезно и довольно доступно! Ранее

пыталась смотреть подобный материал от другого спикера и только сильнее запуталась

, сегодня многие моменты

для

себя прояснила

Юлия

Смотрела в записи, очень полезный вебинар. Для меня

стали понятнее процессы оркестрации и хореографии

. Спасибо огромное!

Арсений:

Очень информативно, доходчиво, шикарные примеры и практика. Спасибо!

Галина:

Интересно, много записала себе и как понимание брокеров, и для понимания Саги)

Алексей:

Всё понравилось, как всегда у Екатерины - много практики, глубокое понимание темы, позитив.

-----

👉 Это полноформатное обучение, после которого вы получите реальные инструменты и знания для работы на проектах с микросервисной архитектурой.

Успевайте посмотреть занятие сегодня, больше возможности не будет!


-----

А если вы нацелены на рост до Senior системного аналитика и планируете работать с микросервисной архитектурой — приглашаем на практическую программу:

👉 Проектирование архитектуры

-----

Вопросы? Пишите @getanalyst или info@getanalyst.ru 🤝

🐇 Брокер RabbitMQ - практическое руководство по самостоятельному развёрыванию и тестированию через CloudAMPQ 🐇

Один из самых удобных способов “потрогать” RabbitMQ руками, не поднимая инфраструктуру у себя - использовать облачный сервис CloudAMQP.

В нём можно в режиме онлайн:
+ развернуть собственный брокер RabbitMQ,
+ посмотреть его настройки,
+ поменять параметры,
+ поэкспериментировать с обменниками и очередями,
+ отправлять сообщения в брокер и тут же их получать.


Подготовила для вас практический гайд по исследованию RabbitMQ через CloudAMQP, в котором вы пошагово сможете:
1. зарегистрироваться в инструменте;
2. создать свой виртуальный сервер с брокером RabbitMQ;
3. настроить exchange и привязанные к нему очереди;
4. задать bindings и routing keys;
5. протестировать отправку сообщений и чтение их из очередей, без необходимости писать код.


Это пошаговое руководство с картинками 🤩

Идеально, если вы только начинаете знакомство с брокерами сообщений, хотите сделать первые уверенные шаги и понять, в какую сторону двигаться дальше.

Скачивайте, сохраняйте гайд и пробуйте инструмент на практике 🤝


P.S. Доступ к CloudAMQP из России может требовать использование VPN.

#АрхитектураGA

🐇 Брокер RabbitMQ - полный гайд с разбором примера использования в микросервисной архитектуре 🐇

1. Что такое RabbitMQ и зачем он нужен
2. Как работает RabbitMQ
3. Очереди, обменники (exchange), routing и binding key - ключевая терминология и внутреннее устройство брокера
4. Типы обменников: direct, fanout, topic, headers
5. Пошаговый разбор примера использования RabbitMQ в микросервисной архитектуре

Подробно разбирали брокер в подкасте:
🎧 RabbitMQ и его отличия от Kafka: что важно знать системным аналитикам

Сохраняйте в закладки и делитесь с коллегами 🔖

#АрхитектураGA

Последние месяцы я минимум по 10 часов в неделю учусь - лучший технический университет США прокачивает меня в Generative AI. На прошлой неделе, например, разбиралась с библиотеками в Python для обучения LLM-моделей и работы с NLP.

А параллельно с этим я работаю над AI-Акселератором для аналитиков.

Большая загрузка, мало времени на отдых, без выходных больше месяца. Но я полна мотивации и в восторге от того, что получается 🤩


Программа по AI для аналитиков — это не база про ChatGPT.
Я собираю весь тот опыт, который получила за последние 3 года учёбы и работы:
+ принципы работы нейросетей,
+ что надо знать, прежде чем их использовать,
+ как безопасно встроить AI в свою работу,
+ инструменты,
+ развертывание локальных LLM,
+ интеграции по API,
+ автоматизация процессов через low code,
+ где AI реально экономит время, а где только создаёт иллюзию продуктивности.

Мой перфекционист в восторге от содержания 🫠


Для меня это особенно вдохновляющий период в GetAnalyst:

🔹 Мне удалось привлечь экспертов из США, которые делают ревью материалов по отдельным урокам и помогают докрутить контент

🔹 В курсе будут занятия, записанные специально для GetAnalyst экспертом по AI из Стэнфорда

🔹 Много практики, разбор ошибок и лайфхаки


Этот год я сознательно посвятила обучению, чтобы сместить фокус на AI-проекты и работать с новыми клиентами на разработку.
И сейчас искренне рада, что могу делиться своим опытом с вами.

И чем глубже во всё это погружаюсь, тем сильнее вижу - направление всё ещё очень не развито. Здесь ещё можно успеть занять своё место, пока рынок только формируется, и стать передовиком в транформации и улучшении своей профессии.


Так что да, я сейчас тону в презентациях, схемах, записях…

Но именно это зажигает искру и даёт ощущение сильной мотивации и радости 💙