Python Developer

О проекте: Разработка высоконагруженной B2B-платформы, обеспечивающей автоматизацию
клиринговых сессий, проведение межкомитетских взаиморасчетов и бесшовную интеграцию с
внешними финансовыми партнерами ЦФТ. Отвечал за создание и развитие сервисов
платежного контура платформы и модулей интеграции с внешними контрагентами.

Разработка велась по методологии SCRUM в формате двухнедельных спринтов. Ключевые
архитектурные решения фиксировались в формате ADR. Все изменения кода проходили через
процесс Code Review. На проекте был настроен процесс CI/CD с использованием GitLab CI и
автоматизированными тестами на pytest. Развертывание сервисов происходило в kubernetes.

Команда: 10 человек(3 бэкенд-разработчика, 2 фронтенд-разработчика, 1 дизайнер, 2
QA-инженера, 1 системный аналитик, 1 Project Manager)

Достижения:
- Разработал движок автоматической сверки платежей на PostgreSQL и Python за счёт
контрольных проверок финансовых операций, в результате сократил количество ручных
корректировок с 50 до 6 в сутки и ускорил корректировки в 3 раза.

- Спроектировал покрывающий индекс в PostgreSQL для таблицы партнёров банка при
проверке кредитных заявок, благодаря чему уменьшил время получения данных в 8 раз в
среднем.

- Реализовал асинхронный конвейер сбора транзакционных реестров для клиринга с
использованием FastAPI, RabbitMQ и Celery тем самым распределил пиковые нагрузки при
обработке финансовых потоков и сократил время проверки транзакций с 1200 мс до 45 мс в
среднем.

- Сократил время прохождения CI/CD конвейера с 25 до 10 минут через
оптимизацию пайплайнов сборки в GitLab CI, настройку кэширования слоёв и
распараллеливание запуска автоматизированных тестов на pytest.

- Спроектировал схему реляционных данных и оптимизировал запросы в SQLAlchemy для
модуля взаиморасчетов, в результате устранил блокировки таблиц в PostgreSQL при расчете
балансов и сократил время генерации ежемесячной отчетности с 14 минут до 50 секунд.

- Создал единый шлюз интеграции B2B-партнеров на Python и FastAPI, внедрил паттерн
«Адаптер» и строгие контракты данных через Pydantic, благодаря чему сократил время вывода
нового партнера в продакшн с 16 до 7 рабочих дней.

О проекте:
Первый проект:
Проектирование и разработка модульной B2B-системы управления контентом с гибким
конструктором страниц. Отвечал за реализацию динамического конструктора страниц,
рефакторинг слоя работы с данными в наиболее нагруженных компонентах системы,
надёжность взаимодействия платформы с внешними контрагентами.

-Оптимизировал сложные SQL-запросы в Django REST Framework и внедрил селективное
кэширование агрегированных данных в Redis, в результате устранил повторные нагрузки на
PostgreSQL и ускорил генерацию сложных отчетов в 10 раз.

-Настроил CI/CD-пайплайны в GitLab CI, автоматизировал запуск unit-тестов на pytest и
линтеров перед сборкой Docker-образов, благодаря чему ускорил цикл Code Review в 2 раза и
полностью исключил возвраты задач на доработку.

-Разработал на Python/Django отказоустойчивый модуль интеграции с внешними API
(ОФД/чеки), внедрил паттерн Circuit Breaker и retry-политики в Celery с экспоненциальным
бэк-оффом, тем самым полностью исключил потерю данных при сбоях сервиса.

Команда: 9 человек(3 бэкенд-разработчика, 2 фронтенд-разработчика, 2 QA-инженер, 1
системный аналитик, 1 Project Manager)

Второй проект:
Разработка высокопроизводительного асинхронного микросервиса в структуре B2B
CDP-платформы, предназначенного для мгновенного приема поведенческих данных
пользователей в режиме реального времени. Отвечал за разработку асинхронной
архитектуры микросервиса, оптимизацию слоя валидации входящих JSON-пакетов при
пиковых нагрузках, реализацию механизмов защиты системы от лавинообразного трафика.

-Оптимизировал валидацию вложенных JSON-структур в высоконагруженном FastAPI-сервисе
через схемы Pydantic с помощью переработки кастомных валидаторов, за счёт чего снизил
накладные расходы на запрос и сократил latency ответа API с 80 мс до 12 мс.

-Интегрировал Apache Kafka для асинхронной передачи валидированных событий в сервисы
аналитики, настроил пакетную отправку(batching), тем самым полностью изолировал
API-шлюз от задержек бэкенда и гарантировал доставку сообщений.

-Настроил GitLab CI и оптимизировал сборку Docker-образов через multi-stage builds и очистку
кэша зависимостей, тем самым сократил вес образа с 1.2 ГБ до 350 МБ и устранил проблему
медленного деплоя.

Команда: 7 человек(2 бэкенд-разработчика, 2 фронтенд-разработчика, 1 QA-инженер, 1
дизайнер, 1 тимлид)