
وقتی درباره طراحی سیستمی شبیه دیوار صحبت میکنیم، مسئله فقط ذخیرهکردن چند آگهی در دیتابیس و نمایش آنها در یک صفحه نیست.
در چنین پلتفرمی، هر روز تعداد زیادی آگهی ثبت، ویرایش، تمدید، حذف و گزارش میشود. کاربران انتظار دارند نتایج جستوجو سریع و مرتبط باشند، تصاویر بدون تأخیر باز شوند، پیامها به مقصد برسند و آگهیهای مشکوک نیز پیش از آسیبزدن به کاربران شناسایی شوند.
سؤال اصلی این است:
چگونه سیستمی طراحی کنیم که ثبت آگهی در آن ساده باشد، جستوجو را با تأخیر کم انجام دهد، هزینه نگهداری تصاویر را کنترل کند، جلوی تقلب و مزاحمت را بگیرد و با رشد ترافیک همچنان قابل اعتماد بماند؟
برای ادامه مقاله، یک آگهی را بهعنوان مثال در نظر میگیریم. کاربری تازهوارد، یک آیفون را با قیمتی غیرعادی و تصویری کپیشده از فروشندهای دیگر ثبت میکند. آگهی اعتبارسنجی اولیه را پشت سر میگذارد، وارد فرایند بررسی میشود، به نتایج جستوجو میرسد، پیام دریافت میکند و مدتی بعد کاربران آن را گزارش میکنند. هر بخش از معماری باید قسمتی از این مسیر را بدون به خطر انداختن صحت سیستم یا اعتماد کاربران مدیریت کند.
این مقاله معماری داخلی واقعی دیوار را توصیف نمیکند. قابلیتهای عمومی محصول از وبسایت و مرکز پشتیبانی دیوار برداشت شدهاند، اما معماری، اعداد و انتخابهای فنی، یک طراحی پیشنهادی برای پلتفرمی در این کلاس هستند.
میخواهیم یک پلتفرم نیازمندیها طراحی کنیم که فروشنده در آن آگهی ثبت کند و خریدار بر اساس متن، دستهبندی، شهر، محله، قیمت و ویژگیهای اختصاصی هر دسته به نتیجه مناسب برسد.
دامنه محصول فقط خرید و فروش کالای دستدوم نیست. صفحه عمومی دیوار دستههایی مانند املاک، وسایل نقلیه، کالای دیجیتال، خدمات و استخدام را نمایش میدهد. هر دسته داده، فیلتر، سیاست انتشار و الگوی تقلب متفاوتی دارد. برای نمونه، «کارکرد خودرو» در آگهی موبایل معنا ندارد و «مبلغ ودیعه» نیز برای فروش خودرو استفاده نمیشود.
بنابراین هسته سیستم باید سه مسئله را همزمان حل کند:
مدیریت چرخه عمر آگهی
کشف سریع و مرتبط آگهیها
ایجاد اعتماد میان افرادی که یکدیگر را نمیشناسند
ورود با شماره موبایل و OTP
ثبت، ویرایش، حذف، تمدید و مدیریت آگهی
دستهبندیهای چندسطحی و ویژگیهای پویا
بارگذاری و پردازش تصویر
بررسی و تأیید آگهی
جستوجو، فیلتر، مرتبسازی و پیشنهاد آگهی مشابه
صفحه جزئیات آگهی
علاقهمندیها
چت خریدار و فروشنده
نمایش کنترلشده اطلاعات تماس
ثبت گزارش تخلف
نردبان، فوری و سایر خدمات ارتقای آگهی
پرداخت و تطبیق وضعیت تراکنش
پنل کارشناسان بررسی محتوا
ثبت رویدادهای تحلیلی
موتور پیشنهاددهی پیشرفته مبتنی بر یادگیری عمیق
تماس تلفنی Proxy در سطح اپراتور
تسویه کامل معامله میان خریدار و فروشنده
معماری چندکشوری و چندارزی
طراحی جزئی مدلهای یادگیری ماشین
پرداخت امن در محصول عمومی دیوار دیده میشود، اما در این طراحی، تمرکز بخش مالی روی خرید خدمات ارتقای آگهی است.
کاربر با شماره موبایل وارد شود.
ارسال OTP محدودیت نرخ داشته باشد.
نشستها و دستگاههای فعال قابل مدیریت باشند.
رفتار مشکوک در ورود، ثبت آگهی و تماس ثبت شود.
کاربر پیشنویس ایجاد کند.
دستهبندی، شهر، محله، عنوان، توضیحات، قیمت و تصاویر را وارد کند.
فرم ثبت بر اساس دستهبندی تغییر کند.
آگهی پیش از انتشار از قوانین بررسی عبور کند.
ویرایشهای حساس، آگهی را دوباره وارد فرایند بررسی کنند. مرکز پشتیبانی دیوار نیز اشاره میکند که آگهی ویرایششده دوباره بررسی میشود.
آگهی منقضی، حذف یا تعلیق شود.
جستوجو با متن فارسی انجام شود.
فیلتر بر اساس شهر، محله، دسته، قیمت، زمان انتشار و عکسداربودن وجود داشته باشد.
ویژگیهای خاص هر دسته قابل فیلتر باشند.
نتایج صفحهبندی شوند(pagination).
آگهی حذف یا تعلیقشده سریع از دسترس خارج شود.
کاربر گفتوگو را از صفحه آگهی آغاز کند.
ارسال پیام تکراری و لینکهای مشکوک محدود شود.
نمایش شماره تماس Rate Limit داشته باشد.
خریدار یا فروشنده بتواند پیام، کاربر یا آگهی را گزارش کند.
کاربر خدماتی مانند نردبان و فوری را بخرد.
نتیجه پرداخت مستقل از Redirect مرورگر بررسی شود.
تکرار Callback باعث فعالشدن چندباره خدمت نشود.
در صورت پرداخت موفق و فعالنشدن خدمت، Reconciliation مشکل را اصلاح کند.
تأخیر P95 جستوجو کمتر از ۳۰۰ میلیثانیه
تأخیر P95 دریافت جزئیات آگهی کمتر از ۲۰۰ میلیثانیه
تأیید دریافت پیام چت کمتر از ۲۰۰ میلیثانیه در شرایط عادی
بارگذاری تصاویر از CDN و نزدیکترین نقطه شبکه
این اعداد هدف طراحی هستند، نه آمار واقعی دیوار.
APIهای اصلی: هدف 99.95 درصد
جستوجو و مشاهده آگهی: هدف 99.9 درصد یا بیشتر
بخشهای غیرضروری مانند شمارنده بازدید نباید مسیر اصلی را متوقف کنند.
مالکیت، وضعیت آگهی، پرداخت و تصمیم بررسی محتوا به Strong Consistency نیاز دارند.
ایندکس جستوجو، تعداد بازدید، پیشنهادها و تحلیلها Eventual Consistency را میپذیرند.
آگهی تأییدشده و پرداخت موفق نباید با خرابی یک Worker از بین بروند.
نسخه پشتیبان دیتابیس و تمرین بازیابی دورهای لازم است.
تصاویر اصلی باید روی Object Storage با سیاست Replication نگهداری شوند.
دادههای حساسی مانند شماره موبایل تا حد ممکن کمتر ذخیره و بهدرستی محافظت شوند.
دسترسی کارشناسان به دادههای کاربران ثبت و ممیزی شود.
EXIF تصاویر حذف شود.
محدودیت نرخ (rate limit) برای OTP، تماس، پیام و ثبت آگهی اعمال شود.
ترافیک تصویر از سرورهای اپلیکیشن عبور نکند.
رویدادهای تحلیلی وارد دیتابیس تراکنشی نشوند.
پردازشهای گران به صف منتقل شوند.
برای انتخاب معماری به چند فرض نیاز داریم:

فقط تصاویر جدید روزانه، پیش از ساخت اندازههای مختلف، حدود ۷۵۰ گیگابایت داده تولید میکنند:
500,000 ads × 5 images × 300 KB ≈ 750 GB/day
میانگین روزانه برای Capacity Planning کافی نیست. باید پیک ترافیک را هم تخمین بزنیم:
100M daily reads ÷ 86,400 ≈ 1,157 requests/second average Estimated peak at 8× average ≈ 9,250 requests/second 500K daily submissions ÷ 86,400 ≈ 5.8 submissions/second average Estimated peak at 10× average ≈ 58 submissions/second 30M daily messages ÷ 86,400 ≈ 347 messages/second average Estimated peak at 10× average ≈ 3,470 messages/second
این محاسبهها سادهاند، اما شکل بار سیستم را مشخص میکنند، مسیرهای اصلی را نشان میدهند و نقطه شروع مناسبی برای Load Test میسازند.
در مسیر خواندن نیز نسبت Read به Write بالاست. پس فشار اصلی روی Search، CDN، Cache و APIهای خواندنی قرار میگیرد، نه صرفاً روی ثبت آگهی.
ترافیک هم یکنواخت نیست. تغییرات بازار خودرو، مسکن یا انتشار یک خبر اقتصادی میتواند جستوجوی یک دسته و شهر را به Hot Partition تبدیل کند.
موجودیتهای اصلی:
User
Ad
AdRevision
Category
CategoryAttribute
Location
MediaAsset
ChatThread
Message
Favorite
Report
ModerationCase
Promotion
Payment
چرخه عمر آگهی، مهمتر از جدول ads است:

Invariantهای مهم
Invariant قانون همیشگی دامنه(domain) است. اگر چنین قانونی شکسته شود، سیستم از نظر کسبوکار نادرست عمل کرده است.
فقط آگهی ACTIVE در نتایج عمومی نمایش داده شود.
فقط مالک آگهی یا نقش مجاز اجازه ویرایش و حذف داشته باشد.
هر تصویر متصل به آگهی باید متعلق به همان کاربر یا همان Upload Session باشد.
یک Callback پرداخت نباید بیش از یک Promotion ایجاد کند.
تعلیق آگهی باید دسترسی مستقیم را نیز مسدود کند، حتی اگر ایندکس جستوجو هنوز Stale باشد.
اطلاعات تماس به کاربران محدودشده یا رفتارهای Botگونه نمایش داده نشود.
تغییر دستهبندی یا دادههای حساس نیازمند اعتبارسنجی و بررسی دوباره باشد.
هر تصمیم Moderation فقط روی همان نسخهای اعمال شود که بررسی شده است.
مثال آیفون یک Race Condition مهم را نشان میدهد:
فروشنده نسخه اول آگهی را ارسال میکند.
سیستم بررسی نسخه اول را آغاز میکند.
فروشنده قیمت، توضیحات یا محتوای حساس را تغییر میدهد و نسخه دوم ساخته میشود.
کارشناس یا Risk Engine پس از ایجاد نسخه دوم، نسخه اول را تأیید میکند.
اگر تأیید فقط مقدار ads.status را به ACTIVE تغییر دهد، ممکن است نسخه دوم بدون بررسی منتشر شود.
برای جلوگیری از این خطا، هر ویرایش یک AdRevision تغییرناپذیر میسازد. ModerationCase نیز revision_id، نسخه مورد انتظار آگهی، نسخه Ruleset و نسخه مدل را نگه میدارد. تراکنش تأیید فقط زمانی یک Revision را فعال میکند که شناسه آن همچنان با pending_revision_id آگهی برابر باشد. تصمیم قدیمی بسته میشود و نسخه جدید در صف بررسی باقی میماند.

در شروع، تبدیل تمام دامنهها به Microservice تصمیم خوبی نیست. مرزهای اشتباه، تراکنشهای توزیعشده و عملیات پیچیده تولید میکنند.
پیشنهاد:
Modular Monolith برای User، Ad، Category، Location، Favorite و Report
سرویس یا Deployment مستقل برای Search، Media، Chat و Payment
Workerهای مستقل برای Moderation، Indexing، Notification و Analytics
Event Backbone برای اتصال غیرهمزمان اجزا
ثبت آگهی، دستهبندی، مالکیت، وضعیت و گزارش تخلف در شروع مرزهای نزدیک دارند. نگهداری آنها در یک برنامه ماژولار، تراکنشها و توسعه را سادهتر میکند.
Search و Media الگوی مقیاس متفاوتی دارند. Search به Cluster و Replica نیاز دارد. Media به CPU، Object Storage و CDN وابسته است. Chat نیز اتصال طولانی، ترتیب پیام و Fan-out دارد. جداکردن این بخشها از ابتدا توجیه فنی روشن دارد.
PostgreSQL منبع اصلی حقیقت است.
نمونه ساده جدول آگهی:
CREATE TABLE ads ( id BIGINT PRIMARY KEY, owner_id BIGINT NOT NULL, category_id BIGINT NOT NULL, city_id BIGINT NOT NULL, neighborhood_id BIGINT, status VARCHAR(32) NOT NULL, current_revision_id BIGINT, pending_revision_id BIGINT, version INTEGER NOT NULL DEFAULT 1, published_at TIMESTAMPTZ, expires_at TIMESTAMPTZ, created_at TIMESTAMPTZ NOT NULL, updated_at TIMESTAMPTZ NOT NULL ); CREATE TABLE ad_revisions ( id BIGINT PRIMARY KEY, ad_id BIGINT NOT NULL REFERENCES ads(id), revision_number INTEGER NOT NULL, schema_version INTEGER NOT NULL, title VARCHAR(120) NOT NULL, description TEXT NOT NULL, price BIGINT, attributes JSONB NOT NULL DEFAULT '{}', created_at TIMESTAMPTZ NOT NULL, UNIQUE (ad_id, revision_number) );
برای خودرو به برند، مدل، سال و کارکرد نیاز داریم. برای ملک، متراژ، تعداد اتاق، ودیعه و اجاره مهم است.
سه گزینه رایج وجود دارد:
یک جدول بسیار عریض با صدها ستون
مدل EAV
ستونهای ثابت برای دادههای مشترک و JSONB برای ویژگیهای دستهای
برای این طراحی، گزینه سوم تعادل بهتری دارد. دادههای مشترک مانند price، city_id و status ستون مستقل دارند. ویژگیهای دستهای در JSONB ذخیره میشوند. Schema هر دسته نوع، اجباریبودن و محدودیت هر ویژگی را تعریف میکند.
فیلترهای پرتکرار از JSONB مستقیماً روی دیتابیس تراکنشی اجرا نمیشوند. هنگام انتشار آگهی، این ویژگیها به سند OpenSearch منتقل میشوند.
نباید اجازه دهیم کلیدهای دلخواه JSON به Fieldهای دلخواه در OpenSearch تبدیل شوند. این کار Mapping Explosion، بزرگشدن Cluster State و ناپایداری Indexing را بهدنبال دارد. یک Field Registry باید هر ویژگی مجاز را به نوع و فیلد جستوجوی مشخصی نگاشت کند. Index Templateها Mapping کنترلشده دارند و برای سندهای اصلی از قواعد سختگیرانه Dynamic Field استفاده میشود. دستههایی با ساختار ناسازگار نیز در گروههای Index جدا قرار میگیرند.
CREATE INDEX idx_ads_owner_created ON ads (owner_id, created_at DESC); CREATE INDEX idx_ads_active_city_category ON ads (city_id, category_id, published_at DESC) WHERE status = 'ACTIVE'; CREATE INDEX idx_ads_expiration ON ads (expires_at) WHERE status = 'ACTIVE';
ایندکس باید از Query واقعی استخراج شود. افزودن ایندکسهای زیاد، هزینه Write و Vacuum را بالا میبرد.

Client یک Idempotency Key میفرستد.
API مالکیت تصاویر و Schema دسته را بررسی میکند.
Revision تغییرناپذیر، وضعیت آگهی و Outbox Event در یک تراکنش ذخیره میشوند.
پاسخ 202 Accepted به کاربر برمیگردد.
Moderation همان Revision ارسالشده را بر اساس ریسک بررسی میکند.
تراکنش تأیید، معتبر بودن pending_revision_id را بررسی و رویداد AdActivated را ثبت میکند.
Search Indexer سند جستوجو را ایجاد میکند.
فرض کنید آگهی در PostgreSQL ذخیره شود، اما انتشار پیام به Kafka شکست بخورد. دیتابیس آگهی فعال دارد و Search از وجود آن خبر ندارد.
با Outbox، تغییر دامنه و رکورد رویداد در یک تراکنش ثبت میشوند. Publisher بعداً رکورد Outbox را به Event Bus میفرستد. در نتیجه، Dual Write بدون هماهنگی حذف میشود.
مصرفکنندهها باید Idempotent باشند، زیرا تحویل پیام معمولاً At-least-once است. مصرفکنندههایی که Side Effect پرهزینه دارند، شناسه رویداد پردازششده را در یک Inbox Table و در همان تراکنش تغییر محلی ثبت میکنند.
جستوجو مهمترین مسیر خواندن است. اجرای همه جستوجوها روی PostgreSQL، Full-text، فیلترهای پویا، رتبهبندی و حجم خواندن را به دیتابیس اصلی تحمیل میکند.
OpenSearch یا Elasticsearch یک Read Model تخصصی برای Discovery فراهم میکند.
نمونه سند:
{ "ad_id": 920183, "title": "پژو ۲۰۶ سفید مدل ۱۳۹۸", "category_id": 1402, "city_id": 1, "neighborhood_id": 217, "location": { "lat": 35.7219, "lon": 51.3347 }, "price": 650000000, "published_at": "2026-07-11T08:30:00Z", "has_image": true, "seller_trust_score": 0.82, "risk_score": 0.08, "attributes": { "brand": "peugeot", "model": "206", "year": 1398, "mileage": 85000 } }
تبدیل ي به ی
تبدیل ك به ک
یکسانسازی اعداد فارسی و انگلیسی
مدیریت نیمفاصله
حذف فاصلههای اضافه
تعریف Synonym برای واژههایی مانند خودرو، ماشین و اتومبیل
Analyzer و Ranking اختصاصی برای هر دسته
city_id و neighborhood_id برای فیلتر دقیق و Aggregation پایدار مناسباند. یک فیلد geo_point نیز جستوجوی نزدیکترین آگهیها، مرور روی نقشه، مرتبسازی بر اساس فاصله و Bounding Box Query را فراهم میکند. Geohash یا H3 برای Aggregation منطقهای و ساخت Cache Keyهای تقریبی مناسب است.
موقعیت دقیق و خصوصی فروشنده نباید بهصورت پیشفرض نمایش داده شود. بر اساس سیاست هر دسته، مختصات عمومی گرد میشوند یا با مرکز محله جایگزین میشوند. سطح دقت مکانی برای املاک یا خدمات با کالای شخصی یکسان نیست.
امتیاز نهایی فقط BM25 نیست. سیگنالهای زیر ترکیب میشوند:
ارتباط متنی
تطابق دسته
فاصله مکانی
تازگی آگهی
کیفیت و تعداد تصاویر
اعتبار فروشنده
احتمال تخلف
خدمات ارتقا
رفتار جمعی کاربران
خدمات پولی باید Boost کنترلشده ایجاد کنند. اگر Promotion تمام سیگنالهای کیفیت و ریسک را کنار بزند، اعتماد کاربر از بین میرود.
از OFFSET 100000 پرهیز میکنیم. برای صفحات عمیق، search_after همراه یک Sort Key پایدار مانند امتیاز، زمان انتشار و ad_id مناسبتر است.
Index ممکن است چند ثانیه عقب باشد. پس دو لایه دفاع داریم:
AdSuspended با اولویت بالا سند را از Search حذف میکند.
API جزئیات، وضعیت فعلی آگهی را از Cache معتبر یا دیتابیس بررسی میکند.
در نتیجه، نتیجه Stale شاید برای مدت کوتاه دیده شود، اما صفحه آگهی ناامن باز نمیشود.
Mapping، Analyzer و سیگنالهای Ranking در طول زمان تغییر میکنند. تغییر مستقیم یک Index بزرگ و فعال ریسک زیادی دارد.
Indexer روی Indexهای نسخهدار مانند ads_v12 مینویسد. Backfill دادههای Revision تأییدشده را از PostgreSQL میخواند یا Domain Eventها را برای ساخت ads_v13 دوباره پخش میکند. هنگام مهاجرت، تغییرات جدید همزمان به هر دو نسخه میرسند. سپس تعداد اسناد، Queryهای نمونه و فیلدهای حیاتی مقایسه میشوند. در پایان، Alias با نام ads_current بهصورت Atomic به Index جدید منتقل میشود. نسخه قبلی تا پایان دوره اطمینان برای Rollback باقی میماند.
عبور فایل تصویر از API Server، پهنای باند و حافظه برنامه را مصرف میکند. مسیر بهتر:

Media Worker این کارها را انجام میدهد:
بررسی Magic Byte و MIME واقعی
محدودیت حجم و ابعاد
حذف EXIF و داده مکانی
اسکن بدافزار
تشخیص محتوای ممنوع
ساخت Thumbnail و اندازههای مختلف
تولید WebP یا AVIF در کنار نسخه سازگار
محاسبه Perceptual Hash برای کشف تصاویر تکراری
Upload Session عمر محدود دارد. Job دورهای تصاویر یتیمی را که به آگهی متصل نشدهاند حذف میکند.
CDN باید نسخه مناسب تصویر را بر اساس اندازه صفحه و قابلیت Client تحویل دهد. این تصمیم روی هزینه زیرساخت بیش از بسیاری از بهینهسازیهای Backend اثر میگذارد.
در مثال آیفون مشکوک، Perceptual Hash تصویر بارگذاریشده را حتی پس از Resize یا Crop جزئی به تصویر فروشنده قبلی مرتبط میکند. این تطابق یک سیگنال Moderation است، نه مدرک قطعی تخلف.
در یک Classified Marketplace، Trust and Safety بخشی از هسته محصول است، نه یک پنل جانبی.
سیگنالهای ریسک:
حساب تازهساختهشده با تعداد زیاد آگهی
قیمت بسیار پایینتر یا بالاتر از الگوی دسته
تصویر تکراری در چند حساب
شماره تلفن مشترک میان حسابها
لینک خارجی یا عبارتهای فیشینگ
Device Fingerprint مشکوک
IP و الگوی جغرافیایی غیرعادی
تعداد زیاد نمایش شماره تماس
پیام یکسان برای تعداد زیادی فروشنده
گزارشهای معتبر کاربران

بررسی دستی همه آگهیها هزینه و تأخیر زیادی دارد. تأیید خودکار همه آگهیها نیز محیط را برای Spam و کلاهبرداری باز میگذارد.
پس سیستم بر اساس ریسک عمل میکند:
کاربر معتبر با الگوی عادی: تأیید خودکار
آگهی مبهم: صف بررسی انسانی
الگوی شناختهشده تخلف: رد یا تعلیق خودکار
False Positive باید اندازهگیری شود. مدلی که جلوی تقلب را میگیرد اما آگهیهای سالم زیادی را رد میکند، موفق نیست.
در مثال اصلی مقاله، حساب تازه، قیمت غیرعادی، تصویر تکراری و رفتار تماس مشکوک Risk Score را بالا میبرند. ترکیب این شواهد ممکن است آگهی را پیش از انتشار به Human Review بفرستد یا پس از انتشار تعلیق کند.
پنل بررسی باید دلیل تصمیم، سیگنالها، سابقه کاربر، Revision بررسیشده و Audit Trail را نمایش دهد. اقدام کارشناس نیز باید قابل ممیزی باشد. نتیجه اعتراض کاربران نیز برای تحلیل False Positive و ارزیابی Rulesetهای بعدی ثبت میشود.
Chat الگوی متفاوتی نسبت به آگهی دارد:
اتصال WebSocket طولانی
ترتیب پیام در هر Thread
تحویل دوباره پس از قطع اتصال
وضعیت Delivered و Read
Push Notification برای کاربر Offline
اسکن Abuse بدون افزایش شدید تأخیر
جریان پیشنهادی:

client_message_id پیام را Idempotent میکند. اگر Client پس از Timeout دوباره پیام را بفرستد، Unique Constraint از ذخیره پیام تکراری جلوگیری میکند.
ترتیب سراسری پیامها لازم نیست. ترتیب در محدوده هر Thread کافی است. Presence و وضعیت Typing دادههای موقت هستند و Redis برای آنها مناسب است. خود پیام نباید فقط در Redis ذخیره شود.
در شروع، PostgreSQL پارتیشنبندیشده برای Message Store کافی است. مهاجرت به Cassandra یا ScyllaDB فقط پس از اثبات گلوگاه و با توجه به Query Pattern انجام میشود.
قابلیتهای عمومی دیوار شامل خدماتی مانند نردبان و فوری هستند. جریان مالی باید مستقل از بازگشت کاربر از درگاه باشد.

قواعد مهم:
مبلغ، نوع خدمت و ad_id در سمت Server تعیین شوند.
Callback با امضای درگاه و درخواست Verify بررسی شود.
gateway_transaction_id Unique باشد.
مصرف دوباره Callback نتیجه قبلی را برگرداند.
فعالسازی Promotion نیز Idempotent باشد.
Job تطبیق، پرداختهای موفق بدون Promotion را پیدا کند.
پرداخت موفق و ارتقای ناموفق یک وضعیت واقعی و قابل پیگیری است، نه یک Exception گمشده در Log.

Redis و CDN سرعت را بالا میبرند، اما نباید منبع حقیقت شوند.
موارد مناسب برای Cache:
درخت دستهبندی
فهرست شهر و محله
خلاصه آگهیهای پرترافیک
تنظیمات Schema دسته
Rate Limitها
OTP Challengeها
Presence چت
صفحات عمومی پرطرفدار با TTL کوتاه
موارد نامناسب:
وضعیت نهایی پرداخت
تصمیم اصلی بررسی محتوا
مالکیت آگهی
پیامهای چت بهعنوان تنها نسخه
برای Hot Keyها از این الگوها استفاده میکنیم:
TTL همراه Jitter
Request Coalescing
Stale While Revalidate
Negative Caching کوتاه برای شناسه نامعتبر
Versioned Keys برای دادههای ساختاری
Invalidation باید از رویداد دامنه پیروی کند. برای نمونه، AdUpdated کش خلاصه آگهی را حذف میکند و AdSuspended کش جزئیات را فوراً بیاعتبار میکند.

شفافکردن این جدول جلوی بسیاری از خطاهای معماری را میگیرد. اگر تیم نداند کدام سیستم صاحب داده است، در زمان اختلاف میان PostgreSQL، Redis و OpenSearch پاسخ مشخصی نخواهد داشت.
Upload Session با TTL ذخیره میشود.
Cleanup Worker فایل یتیم را حذف میکند.
Consumer با Backoff تلاش دوباره انجام میدهد.
پیام ناسالم به Dead-letter Queue میرود.
Reconciliation، آگهیهای ACTIVE بدون سند Search را پیدا میکند.
رویداد حذف با اولویت بالا منتشر میشود.
صفحه جزئیات وضعیت فعلی را بررسی میکند.
Monitor به اختلاف DB و Index هشدار میدهد.
دستههای کمریسک بر اساس Ruleهای محلی ادامه پیدا میکنند.
دستههای پرریسک در PENDING_REVIEW میمانند.
درخواستها در صف Durable حفظ میشوند.
صفحات Cacheشده دسته و شهر نمایش داده میشوند.
ثبت و مدیریت آگهی ادامه پیدا میکند.
جستوجوی متنی با پیام مناسب Degrade میشود.
Query سنگین جایگزین روی Primary DB اجرا نمیشود.
وضعیت SUCCEEDED حفظ میشود.
Workflow یا Reconciliation فعالسازی را تکرار میکند.
در صورت ناتوانی، پرونده Repair یا Refund ساخته میشود.
Queue Depth و Oldest Message Age پایش میشوند.
Workerها Horizontal Scale میشوند.
رویدادهای Safety و Suspension اولویت بالاتر میگیرند.
Analytics در زمان فشار عقب میافتد، نه Moderation.
Graceful Degradation یعنی سیستم بداند در بحران کدام قابلیت را حفظ کند و کدام قابلیت را موقتاً کاهش دهد.
Connection Pooling با PgBouncer
Read Replica برای Queryهای مناسب
Partitioning جدولهای حجیم مانند Audit و Message
Archival آگهیهای قدیمی
Indexهای Partial برای داده فعال
حذف Queryهای جستوجویی از دیتابیس اصلی
Sharding را از روز اول شروع نمیکنیم. پس از رسیدن به محدودیت واقعی، گزینههایی مانند Shard بر اساس ad_id یا Region بررسی میشوند. Shard بر اساس شهر ساده به نظر میرسد، اما جستوجوی چندشهری، جابهجایی کاربران و عدم توازن تهران را پیچیده میکند.
سندهای کمحجم
Mapping کنترلشده
Replica برای افزایش Read Throughput
Rollover و Index Lifecycle برای داده قدیمی
Routing پس از اندازهگیری الگوی ترافیک
جلوگیری از Wildcard و Aggregationهای پرهزینه
Partition Key بر اساس ad_id برای حفظ ترتیب تغییرات یک آگهی
Partition Key بر اساس thread_id برای ترتیب پیامهای یک گفتوگو
Consumer Group مستقل برای Search، Moderation، Analytics و Notification
Schema Registry و سازگاری نسخه رویدادها
سرویسهای Stateless در چند Availability Zone
PostgreSQL با Replica و Failover تستشده
Kafka با Replication مناسب
Object Storage دارای Replication
Backup خارج از Cluster اصلی
تعریف RPO و RTO برای هر دامنه
Multi-region Active-Active برای همه Writeها هزینه و پیچیدگی بالایی دارد. برای نسخه اولیه در مقیاس ملی، Multi-AZ همراه Disaster Recovery Region تصمیم واقعبینانهتری است.
بخشی از قابلیت اطمینان سیستم به Providerهای بیرونی وابسته است. ارسال OTP به یک سرویسدهنده اصلی و یک سرویسدهنده جایگزین نیاز دارد. برای هر Provider باید Health Metric، Circuit Breaker و Failover کنترلشده داشته باشیم. درگاه پرداخت نیز به Verify مستقل و Reconciliation نیاز دارد، چون Redirect و Callback همیشه قابل اعتماد نیستند. CDN، نقشه و Object Storage هم باید رفتار جایگزین مشخصی داشته باشند تا خرابی یک Provider کل محصول را متوقف نکند.
ترافیک بالای Android و کیفیت متفاوت اینترنت موبایل نیز روی طراحی اثر میگذارند. Client باید Payload فشرده، تصویر Responsive، Pagination، Resumable Upload و Retry کنترلشده داشته باشد. دادههای حیاتی و Backupها نیز باید زیرساختی داشته باشند که تیم در زمان اختلال سرویسهای خارجی قادر به اداره آن باشد.
تهدیدهای مهم:
تصاحب حساب با OTP Abuse
IDOR در ویرایش یا حذف آگهی
Scraping و برداشت شماره تماس
انتشار لینک فیشینگ
ثبت انبوه آگهی با Bot
فایل مخرب یا تصویر جعلی
Callback پرداخت جعلی
سوءاستفاده کارشناس داخلی
کنترلها:
Authorization در هر عملیات، نه فقط پنهانکردن دکمه
Rate Limit ترکیبی بر اساس User، Device، IP و Phone
OTP کوتاهعمر، محدودیت تلاش و Cooldown
رمزگذاری داده حساس در انتقال و Storage
Tokenهای کوتاهعمر و Rotation نشست
Audit Log تغییرناپذیر برای عملیات حساس
Content Security Policy در وب
Secret Manager و Rotation کلیدها
Signed Upload URL محدود به نوع و اندازه فایل
Verify مستقل تراکنش با درگاه
حذف EXIF و اطلاعات مکانی تصویر
Data Retention و حذف داده بر اساس سیاست مشخص
محدودکردن نمایش شماره تماس فقط یک تصمیم امنیتی نیست. این بخش باید تجربه کاربر سالم را حفظ کند و همزمان Bot و Phone Harvester را محدود سازد.
سه ستون اصلی:
Metrics برای فهم وضعیت کلی
Logs برای جزئیات رخداد
Traces برای دنبالکردن درخواست میان سرویسها
شاخصهای مهم:
نرخ موفقیت ثبت آگهی
زمان از Submit تا Publish
تعداد آگهی در PENDING_REVIEW
نرخ رد و False Positive
Indexing Lag
P50، P95 و P99 Latency
Error Rate
Zero-result Rate
Click-through Rate
Query Timeout
Cache Hit Ratio
زمان پردازش تصویر
نرخ شکست Thumbnail
تعداد فایل یتیم
CDN Hit Ratio
حجم Egress
Message Acceptance Rate
Delivery Delay
اتصال WebSocket فعال
گزارش به ازای هزار گفتوگو
Contact Reveal Rate
Spike پیام تکراری
Payment Success Rate
Callback Verification Failure
پرداخت موفق بدون Promotion
زمان Reconciliation
هشدار باید Actionable باشد. Alert با عنوان «CPU بالا» ارزش کمتری از «Indexing Lag بیشتر از ۵ دقیقه و رشد Queue ادامه دارد» دارد.
SLO نیز باید به تجربه کاربر متصل شود. برای نمونه:
در 99.9 درصد پنجره ماهانه، کاربر باید نتیجه جستوجو را در کمتر از ۵۰۰ میلیثانیه دریافت کند.
Error Budget مشخص میکند تیم چه زمانی Feature جدید منتشر کند و چه زمانی روی Reliability تمرکز کند.
POST /v1/auth/otp/request POST /v1/auth/otp/verify POST /v1/uploads POST /v1/ads PATCH /v1/ads/{ad_id} DELETE /v1/ads/{ad_id} POST /v1/ads/{ad_id}/renew GET /v1/search GET /v1/ads/{ad_id} POST /v1/ads/{ad_id}/favorite POST /v1/ads/{ad_id}/contact-reveal POST /v1/ads/{ad_id}/reports POST /v1/chat/threads POST /v1/chat/threads/{thread_id}/messages POST /v1/ads/{ad_id}/promotions POST /v1/payments/{payment_id}/verify POST /v1/webhooks/payment-gateway
برای عملیاتهای حساس مانند ثبت آگهی، ارسال پیام و آغاز پرداخت، Idempotency Key یا Client-generated ID در نظر میگیریم.
Response باید وضعیت دامنه را شفاف نشان دهد. برای نمونه، ثبت موفق در دیتابیس به معنای انتشار عمومی نیست:
{ "ad_id": 920183, "status": "PENDING_REVIEW", "submitted_at": "2026-07-11T08:30:00Z" }
این معماری به یک زبان خاص وابسته نیست. انتخاب فناوری باید با توان تیم، هزینه عملیات و الگوی بار هماهنگ باشد.
یک ترکیب مناسب در مقیاس بالا:

وجود Kubernetes، Kafka و Temporal بهتنهایی سیستم را مقیاسپذیر نمیکند.
PostgreSQL برای مالکیت، وضعیت، پرداخت و ارتباطهای تراکنشی مناسب است. Search Engine و Message Store تخصصی زمانی وارد میشوند که Query Pattern متفاوتی دارند. استفاده از یک دیتابیس برای همه مسائل ساده به نظر میرسد، اما فشار و پیچیدگی را روی یک نقطه جمع میکند.
اعتبارسنجی اولیه و ذخیره آگهی Sync هستند. پردازش تصویر، بررسی تکمیلی، Indexing، Notification و Analytics بهصورت Async انجام میشوند. این انتخاب Latency مسیر کاربر را کم میکند، اما نیازمند نمایش وضعیت، Retry و Reconciliation است.
همه دادهها Strong Consistency نمیخواهند. اعمال چنین مدلی روی Search و Analytics هزینه و Latency را بالا میبرد. در مقابل، وضعیت آگهی ناامن یا پرداخت را نباید به امید همگامسازی آینده رها کرد.
Monolith ماژولار سرعت توسعه و تراکنش محلی را حفظ میکند. سرویس مستقل، مقیاس و Ownership جدا میدهد. استخراج باید بر اساس فشار واقعی یا مرز تیم انجام شود، نه علاقه به دیاگرام شلوغ.
هنگام اختلال Indexing، نمایش نتایج چند ثانیه قدیمی بهتر از قطع کامل Browse است. هنگام تعلیق آگهی خطرناک، Safety بر Availability اولویت دارد. یک پاسخ واحد برای همه دادهها وجود ندارد.
Modular Monolith
PostgreSQL
Redis
Object Storage
یک Search Cluster
Queue و Worker
CDN
استخراج Search، Media و Chat
Transactional Outbox و Kafka
Read Replica و Partitioning
ClickHouse برای Analytics
پنل Moderation پیشرفته
SLO و On-call رسمی
Consumer Groupهای مستقل
Shard یا Partition داده پس از اندازهگیری
Multi-AZ کامل و DR Region
Ranking Pipeline پیشرفته
Feature Store و Risk Platform
Capacity Planning و Cost Attribution برای هر دامنه
معماری خوب از روز اول برای مرحله سوم هزینه نمیدهد. مسیر رسیدن به مرحله سوم را بدون بنبست حفظ میکند.
اگر طراحی را به «Client، API، Database و Elasticsearch» خلاصه کنیم، مهمترین بخش مسئله را از دست دادهایم.
یک طراحی ارشد برای پلتفرمی شبیه دیوار باید این واقعیتها را روشن کند:
آگهی فقط یک رکورد نیست، یک State Machine نسخهدار است.
PostgreSQL منبع حقیقت است و Search و Cache مدلهای مشتقشدهاند.
Media، Chat، Moderation و Payment به مسیر بازیابی مستقل نیاز دارند.
Eventual Consistency برای Discovery پذیرفتنی است، اما Safety به اعمال سریع تصمیم نیاز دارد.
Retry به Idempotency و پردازش Async به Reconciliation نیاز دارد.
مقیاسپذیری بدون Observability، Graceful Degradation و بازیابی تستشده کامل نیست.
هسته این معماری یک اصل ساده دارد:
هر بخش باید صاحب مشخص، منبع حقیقت مشخص، مدل سازگاری مشخص و رفتار مشخصی در زمان خرابی داشته باشد.
با چنین مرزبندیای، سیستم فقط در روزهای عادی سریع نیست. در زمان تأخیر Search، رشد Queue، شکست درگاه پرداخت، قطع Worker یا حمله Spam نیز رفتار قابل پیشبینی دارد. تفاوت یک معماری نمایشی با یک معماری آماده تولید دقیقاً همینجاست.
تمام جزئیات معماری و فرضهای مقیاس در این مقاله پیشنهادی هستند و ادعایی درباره زیرساخت خصوصی دیوار ندارند.