Разработка модулей для интеграции с внешними базами данных в AR

id: 233 slug: ar-external-database-integration-module-development title_ru: "Разработка модулей для интеграции с внешними базами данных в AR" tags: [vr-ar]

Разработка модулей для интеграции с внешними базами данных в AR

AR-приложение для складского учёта показывает сотруднику информацию о товаре прямо над физической коробкой. Данные тянутся из ERP в реальном времени. Задержка запроса 800 мс — и аннотация появляется уже после того, как сотрудник отвёл взгляд. Это не UX-нюанс — это прямой провал сценария использования. Интеграция AR с внешними базами данных требует другого подхода к архитектуре запросов, чем в обычных мобильных приложениях.

Ключевые технические вызовы

Латентность запросов в AR критичнее, чем в любом другом мобильном контексте. Пользователь наводит камеру на объект и ожидает мгновенного отклика. 300 мс — приемлемо, 800 мс — заметная задержка, 2 секунды — приложение кажется сломанным.

Основные источники задержки:

• Сетевой round-trip до сервера (100–300 мс в 4G/5G, 20–50 мс в WiFi)
• Время обработки запроса на сервере (SQL-запрос без индекса на таблицу в 5 миллионов строк — легко 500 мс)
• Десериализация JSON на клиенте

Решение — предиктивная загрузка и кэширование. В складском AR-приложении при наведении на стеллаж мы знаем, что следующие 30 секунд пользователь будет работать с этой зоной. Prefetch запрашивает данные по всем артикулам зоны одним batch-запросом сразу при распознавании маркера стеллажа, кладёт в локальный кэш. Когда пользователь наводит на конкретную коробку — данные уже готовы.

Офлайн-режим — второй критичный момент. На складах, в промышленных цехах, в медицинских учреждениях с металлическими перегородками сигнал нестабилен. AR-приложение должно работать с кэшированными данными и синхронизировать изменения при восстановлении соединения. Конфликты слияния (пользователь изменил количество в AR, другой пользователь изменил то же поле в ERP) — обрабатываем через timestamps + last-write-wins или через explicit conflict resolution UI.

Архитектура модуля интеграции

Строим на трёх слоях:

Data Access Layer — абстракция над источником данных. IProductRepository с методами GetByBarcode(string code), GetByZone(string zoneId), UpdateQuantity(string id, int delta). Конкретная реализация может быть REST, GraphQL, gRPC или прямое SQLite — слой AR-логики не знает.

Sync Engine — управление кэшем и синхронизацией. SQLite через sqlite-net-pcl на устройстве как локальное хранилище. Фоновый SyncWorker опрашивает сервер каждые N секунд (configurable) или реагирует на push через WebSocket/SignalR. Стратегия кэширования — TTL per entity type: быстроменяющиеся данные (количество на складе) — 30 секунд, справочники (названия, характеристики) — 24 часа.

AR Binding Layer — подключение данных к AR-объектам. В AR Foundation: при ARTrackedObjectsChangedEventArgs.added — запрос данных для распознанного объекта через IProductRepository, заполнение ARAnnotationController полученными данными. При removed — скрытие аннотации, отмена pending запросов через CancellationToken.

Для производительности используем UniTask (или ValueTask в стандартном .NET) вместо стандартных корутин — меньше аллокаций, нативная отмена задач через CancellationToken, правильная обработка исключений в async/await.

Типичные интеграции в AR-проектах

REST API (наиболее распространён): HttpClient с System.Net.Http, Newtonsoft.Json или System.Text.Json для десериализации. Важно: HttpClient должен быть singleton или pooled — каждый new HttpClient() открывает новый socket pool.

GraphQL: для AR-приложений особенно удобен — запрашиваем только нужные поля, одним запросом получаем связанные данные. graphql-net-client или Strawberry Shake для .NET.

WebSocket / SignalR: для real-time обновлений — например, AR-аннотации на производственной линии, где статус оборудования меняется каждые секунды. SignalR Core на бэкенде, Microsoft.AspNetCore.SignalR.Client на клиенте.

Прямое подключение к БД в AR-приложениях не рекомендуем — это антипаттерн с точки зрения безопасности (учётные данные БД в APK) и масштабируемости.

Этапы работы

Анализ источников данных. Изучаем API или структуру БД, определяем требования к актуальности данных, офлайн-поведению.

Проектирование Data Access Layer. Интерфейсы, стратегия кэширования, offline-политика.

Разработка Sync Engine. SQLite схема, фоновая синхронизация, conflict resolution.

Интеграция с AR Foundation. Привязка данных к tracked objects.

Тестирование. Сценарии: плохой сигнал, полный офлайн, конфликты при синхронизации, нагрузочный тест (1000 объектов в зоне видимости).

Стоимость рассчитывается после анализа структуры данных и требований к синхронизации.