Модификации интеграции

Developer Mod: Playing the Hits

Задача

Реализовать API-версионирование и кэширование ответов. Добавить обратную совместимость при обновлении API.

Реализация

// Frontend: вызов конкретной версии API
const API_V1 = 'https://api.ivanpetrov.com/v1/count';
const API_V2 = 'https://api.ivanpetrov.com/v2/count';

// v1: простой счётчик
// GET /v1/count → {"count": 42}

// v2: расширенный ответ с метаданными
// GET /v2/count → {"count": 42, "lastUpdated": "...", "daily": 15}

# Lambda: маршрутизация по версии
def lambda_handler(event, context):
    path = event.get('rawPath', '')

    if path.startswith('/v1/'):
        return handle_v1(event)
    elif path.startswith('/v2/'):
        return handle_v2(event)
    else:
        return {'statusCode': 404, 'body': 'Not Found'}

def handle_v1(event):
    count = get_total_count()
    return response({'count': count})

def handle_v2(event):
    count = get_total_count()
    daily = get_daily_count()
    return response({
        'count': count,
        'daily': daily,
        'lastUpdated': datetime.now().isoformat()
    })

DevOps Mod: Browser Up

Задача

Настроить synthetic monitoring -- автоматическую проверку доступности сайта из разных регионов мира.

AWS CloudWatch Synthetics

# Создание canary (синтетического теста)
aws synthetics create-canary \
  --name crc-health-check \
  --artifact-s3-location "s3://crc-canary-artifacts/" \
  --execution-role-arn arn:aws:iam::123456789012:role/canary-role \
  --schedule '{"Expression": "rate(5 minutes)"}' \
  --runtime-version syn-python-selenium-3.0 \
  --code '{
    "Handler": "health_check.handler",
    "Script": "..."
  }'

# Canary script
from aws_synthetics.selenium import synthetics_webdriver as webdriver

def handler(event, context):
    browser = webdriver.Chrome()
    browser.get('https://resume.ivanpetrov.com')

    # Check page loads
    assert 'Иван Петров' in browser.title or browser.page_source

    # Check visitor counter
    counter = browser.find_element_by_id('visitor-count')
    assert counter.text.isdigit(), f"Counter not a number: {counter.text}"

    # Check API directly
    browser.get('https://api.ivanpetrov.com/count')
    assert '"count"' in browser.page_source

    return "All checks passed"

Security Mod: Wall of Fire

Задача

Настроить WAF с правилами защиты, geo-блокировкой и IP reputation list.

Расширенные правила WAF

# Geo-блокировка (пример: блокировка определённых стран)
aws wafv2 update-web-acl --rules '[
  {
    "Name": "GeoBlock",
    "Priority": 1,
    "Action": {"Block": {}},
    "Statement": {
      "GeoMatchStatement": {
        "CountryCodes": ["CN", "RU", "KP"]
      }
    }
  },
  {
    "Name": "IPReputation",
    "Priority": 2,
    "OverrideAction": {"None": {}},
    "Statement": {
      "ManagedRuleGroupStatement": {
        "VendorName": "AWS",
        "Name": "AWSManagedRulesAmazonIpReputationList"
      }
    }
  },
  {
    "Name": "RateLimit",
    "Priority": 3,
    "Action": {"Block": {}},
    "Statement": {
      "RateBasedStatement": {
        "Limit": 100,
        "AggregateKeyType": "IP"
      }
    }
  }
]'

Отчёт по безопасности

В рамках этого мода подготовьте документ с анализом: какие атаки возможны, какие правила WAF защищают от каждой, и каковы trade-offs (ложноположительные срабатывания, стоимость).

Architect Mod: Latency Whisperer

Задача

Оптимизировать задержку end-to-end: от клика пользователя до отображения результата.

Анализ задержки

Текущая цепочка:
  Браузер → CloudFront (cache hit: 5ms, miss: 50ms)
  Браузер → API GW (10ms) → Lambda (cold: 500ms, warm: 5ms) → DynamoDB (5ms)

Оптимизации:
  1. CloudFront: cache HTML → снижает TTFB
  2. Lambda: arm64, 128MB → быстрый cold start
  3. DynamoDB: On-Demand → нет throttling
  4. API Gateway: HTTP API → меньше overhead
  5. Lambda SnapStart (Java) или Provisioned Concurrency → нет cold start

Multi-region deployment

# Для ультра-низкой задержки: Lambda@Edge или CloudFront Functions
# CloudFront Function для кэширования счётчика на edge

function handler(event) {
    var request = event.request;

    // Cache counter response for 60 seconds at edge
    if (request.uri === '/count') {
        var cachedCount = getCached('visitor-count');
        if (cachedCount) {
            return {
                statusCode: 200,
                body: JSON.stringify({count: cachedCount})
            };
        }
    }

    return request;
}

Data Engineer Mod: Analytics Tap-In

Задача

Подключить собственную аналитику (не Google Analytics) и визуализировать данные посещений.

Data Pipeline

Браузер → API Gateway → Lambda (tracker)
                            │
                            ├── DynamoDB (real-time counters)
                            │
                            └── Kinesis Firehose → S3 (data lake)
                                                    │
                                                    └── Athena (analytics)
                                                        │
                                                        └── QuickSight (dashboard)

# Lambda: dual-write for analytics
import boto3
import json

firehose = boto3.client('firehose')

def lambda_handler(event, context):
    # 1. Update counter (existing logic)
    count = increment_counter()

    # 2. Send to Firehose for analytics
    analytics_record = {
        'timestamp': datetime.now().isoformat(),
        'page': event.get('queryStringParameters', {}).get('page', '/'),
        'userAgent': event.get('headers', {}).get('user-agent', ''),
        'count': count
    }

    firehose.put_record(
        DeliveryStreamName='crc-analytics',
        Record={'Data': json.dumps(analytics_record) + '\n'}
    )

    return response({'count': count})

AI Engineer Mod: Smart Frontend

Задача

Реализовать streaming LLM-ответов в реальном времени и prompt engineering для чат-интерфейса.

Streaming через API Gateway + Lambda

# Lambda с streaming response (response streaming)
import json

def lambda_handler(event, context):
    question = json.loads(event.get('body', '{}')).get('question', '')

    # Stream response using Lambda response streaming
    def generate():
        yield '{"answer": "'

        for chunk in call_bedrock_stream(question):
            yield chunk

        yield '"}'

    return {
        'statusCode': 200,
        'headers': {
            'Content-Type': 'application/json',
            'Transfer-Encoding': 'chunked'
        },
        'body': generate()
    }

// Frontend: streaming display
async function askAI(question) {
    const response = await fetch('https://api.ivanpetrov.com/ask', {
        method: 'POST',
        headers: {'Content-Type': 'application/json'},
        body: JSON.stringify({question})
    });

    const reader = response.body.getReader();
    const decoder = new TextDecoder();
    const output = document.getElementById('ai-response');
    output.textContent = '';

    while (true) {
        const {done, value} = await reader.read();
        if (done) break;
        output.textContent += decoder.decode(value);
    }
}

Сравнение модов интеграции