Przedmiot koncentruje się na projektowaniu aplikacji rozproszonych i chmurowych — na decyzjach architektonicznych, wzorcach komunikacji, zarządzaniu danymi i niezawodnością, które inżynier podejmuje zanim system trafi do pipeline’u CI/CD. Każdy wykład łączy fundamenty (papery, modele) z praktyką (case study z przemysłu, blogi inżynierskie) i zawiera pytanie do dyskusji ze studentami.

Informacje

Semestr letni 2025/26
10 spotkań × 1.5h

Kurs zakłada znajomość podstaw z ZSR (Docker, K8s, CI/CD, cloud basics).

Literatura podstawowa

1. M. Kleppmann — Designing Data-Intensive Applications (O’Reilly, 2017)
2. S. Newman — Building Microservices, 2nd ed. (O’Reilly, 2021)
3. C. Richardson — Microservices Patterns (Manning, 2018)
4. A. Xu — System Design Interview Vol. 1 (2020) & Vol. 2 (2022)

Plan wykładów

Wykład 1: Anatomia systemu rozproszonego — od wymagań do architektury

• Rola architekta vs rola operatora — co znaczy „projektować" system rozproszony
• Wymagania funkcjonalne vs niefunkcjonalne (reliability, scalability, maintainability)
• Back-of-the-envelope estimation — szacowanie obciążenia, przepustowości, storage
• Przegląd modeli architektonicznych: client-server, peer-to-peer, event-driven, hybrid
• SLA / SLO / SLI — definiowanie kontraktu niezawodności
• Skalowanie: pionowe vs poziome, stateless vs stateful
• ☁️ Estymacja kosztów chmurowych (koszt/request, koszt/GB), managed services jako sposób na skalowanie

Case study: „Scale From Zero To Millions Of Users" (A. Xu, rozdz. 1)

slajdy

Wykład 2: Style architektoniczne — monolit, mikroserwisy, modularny monolit

• Monolit — kiedy wystarczy (Majestic Monolith — DHH/Basecamp)
• Modularny monolit — granice modułów bez kosztów sieciowych (Shopify)
• Mikroserwisy — korzyści, koszty, kiedy wydzielać
• Domain-Driven Design — Bounded Contexts jako linie podziału serwisów
• Distributed Monolith — anti-pattern
• ☁️ Cloud-native vs cloud-hosted — 12-Factor App, kontenery i PaaS (Cloud Run, App Service, ECS)

Case study: Segment.io — od monolitu do ~100 mikroserwisów i z powrotem

slajdy

Wykład 3: Komunikacja w systemach rozproszonych

• Komunikacja synchroniczna: REST, gRPC, GraphQL — kiedy co wybrać
• Komunikacja asynchroniczna: message brokers (Kafka, RabbitMQ, NATS)
• Wzorce: request-response, fire-and-forget, event notification
• API Gateway — routing, rate limiting, uwierzytelnianie na brzegu
• Backend for Frontend (BFF)
• API versioning, schema evolution, backward/forward compatibility
• Idempotencja operacji — klucze idempotentności, retry safety
• ☁️ Managed brokers (SQS/SNS, Google Pub/Sub, Azure Service Bus), managed API Gateway

Case study: „Design a Chat System" (A. Xu, rozdz. 12) — polling, long-polling, WebSocket

slajdy

Wykład 4: Wzorce architektoniczne — Event-Driven Architecture, CQRS, Event Sourcing

• Event-Driven Architecture — decoupling producentów i konsumentów
• Event notification vs Event-carried state transfer vs Event sourcing
• CQRS — oddzielne modele odczytu i zapisu
• Event Sourcing — log zdarzeń jako źródło prawdy, snapshoty
• Orkiestracja vs Choreografia — Saga Orchestrator vs autonomiczne serwisy
• Wzorzec Sagi — choreograficzna vs orkiestracyjna, kompensacje
• ☁️ Managed event services (EventBridge, Cloud Events), managed workflow (AWS Step Functions, GCP Workflows)

Case study: System zamówień — rezerwacja stocku → płatność → wysyłka. 2PC vs saga.

slajdy

Wykład 5: Dane w systemach rozproszonych — strategie, replikacja, partycjonowanie

• Database per Service — konsekwencje projektowe
• Wybór bazy danych pod przypadek użycia (PostgreSQL, MongoDB, Cassandra, Redis, DynamoDB)
• Replikacja — leader-follower, multi-leader, leaderless (quorum)
• Partycjonowanie — range-based, hash-based, consistent hashing
• Spójność — ACID vs BASE, eventual consistency, CAP/PACELC
• Transakcje rozproszone — 2PC, Saga
• Change Data Capture (CDC) — Debezium, Kafka Connect
• ☁️ Managed databases (RDS, Cloud SQL, DynamoDB, CosmosDB), managed replikacja i sharding

Case study: „Design a Key-Value Store" (A. Xu, rozdz. 6) — consistent hashing, quorum, vector clocks

slajdy

Wykład 6: Odporność i niezawodność — projektowanie na awarie

• Fallacies of Distributed Computing
• Design for Failure — awaria jako norma
• Wzorce: Circuit Breaker, Bulkhead, Retry with backoff + jitter, Timeout, Dead Letter Queue, Graceful degradation
• Rate limiting — Token Bucket, Sliding Window, rozproszony rate limiter
• Load balancing — algorytmy, health checks
• Autoskalowanie — HPA, VPA, KEDA
• Chaos Engineering — Netflix Simian Army, GameDay
• ☁️ Cloud resilience (AZ/Region failover, global load balancer), AWS Fault Injection Simulator

Case study: „Design a Rate Limiter" (A. Xu, rozdz. 4) — Token Bucket vs Sliding Window, Redis

slajdy

Wykład 7: Migracja i ewolucja architektury

• Diagnoza istniejącego systemu — identyfikacja bounded contexts w monolicie (nawiązanie do wykładu 2)
• Strangler Fig Pattern, Branch by Abstraction, Anti-Corruption Layer jako wzorzec migracyjny (rozwinięcie z wykładu 2), Parallel Run
• Zarządzanie danymi w trakcie migracji — dual writes (CDC → patrz wykład 8)
• Feature flags — stopniowe wdrażanie zmian
• Migracja chmurowa — 7 R-ów migracji do chmury (AWS)

Case study: Monzo Bank — od kilku serwisów do 2800+ mikroserwisów

slajdy

Wykład 8: Przetwarzanie danych w skali — batch, streaming, pipelines

slajdy

• Batch processing — MapReduce, Apache Spark, dbt
• Stream processing — Kafka Streams, Apache Flink (podstawy Kafki → patrz wykład 3)
• Kafka jako centralny szkielet danych — log jako źródło prawdy, Kafka Connect
• Lambda vs Kappa Architecture
• Change Data Capture w praktyce — Debezium + Kafka Connect, CDC a dual writes (rozwinięcie z wykładu 5)
• Real-time analytics — ClickHouse, Apache Druid, Apache Pinot
• ETL vs ELT
• ☁️ Managed streaming (Kinesis, Dataflow), managed OLAP (BigQuery, Redshift), serverless ETL (Glue)

Case study: „Design a News Feed System" (A. Xu, rozdz. 11) — fan-out on write vs read

Wykład 9: Serverless, FaaS i architektura na brzegu

• Koncepcja serverless — „bez zarządzania serwerem", nie „bez serwera"
• FaaS — AWS Lambda, Azure Functions, Google Cloud Functions, cold starts
• Event-driven serverless — wzorce integracji (event source mapping, Lambda triggers), porównanie z wykładem 3
• Serverless poza FaaS — DynamoDB, Aurora Serverless, Fargate, Cloud Run (nawiązanie do wykładu 2)
• Ograniczenia — vendor lock-in, debugowanie, koszty przy stałym ruchu
• Edge computing — Cloudflare Workers, Lambda@Edge, Vercel Edge Functions
• Multi-cloud i hybrid-cloud
• WebAssembly na serwerze — Spin, Fermyon
• ☁️ Porównanie kosztów: Lambda vs Fargate vs ECS vs EC2

Case study: „Design Google Drive" (A. Xu, rozdz. 15) — Lambda + S3 + SQS + DynamoDB

slajdy

Wykład 10: Obserwowalność, bezpieczeństwo i przyszłość systemów rozproszonych

• Projektowanie pod obserwowalność — structured logging, correlation IDs, OpenTelemetry
• Distributed tracing — Jaeger, W3C Trace Context
• Metryki biznesowe vs techniczne — RED method (Rate, Errors, Duration)
• Zero Trust Architecture
• Uwierzytelnianie/autoryzacja w mikroserwisach — OAuth 2.0, JWT, mTLS, service mesh
• Zarządzanie sekretami — Vault, AWS Secrets Manager
• AI/ML w systemach rozproszonych — serving models at scale
• Platform Engineering — Backstage, Internal Developer Platforms
• ☁️ AWS Well-Architected Framework, GCP Architecture Center, FinOps

Case study: „Design YouTube" (A. Xu, rozdz. 14) — pełna analiza end-to-end łącząca wszystkie wykłady