Розробка музичного веб-маркетплейсу з використанням хмарних технологій

Abstract

В даній роботі продемонстровано процес проєктування, розробки та розгортання сервісу для торгівлі аудіо продуктами. Сайт реалізовано у якості міні кластеру з двох контейнерів, а саме основного сервісу у формі вебсайту та API для накладання водяних знаків. Було проведено аналіз конкурентів, що надають схожий функціонал, виділено їх переваги та недоліки для подальшого формування плану розробки. Об’єктом дослідження є веб-сервіс для комерційного розповсюдження аудіопродукції з механізмами захисту авторських прав. Метою роботи є створення хмарного веб-маркетплейсу з вбудованою системою водяного захисту музичних творів. Основна бізнес-логіка імплементована на мові Go з використанням фреймворку Fiber, тоді, як система накладання водяних знаків на Python з використанням фреймворку FastAPI та аудіостеганографії. Система розгорнута як кластер з використанням Docker-контейнерів та AWS-сервісів, а процес тестування й розгортання автоматизовано за допомогою Jenkins. Методи дослідження включають: аналіз конкурентних систем, моделювання архітектури, тестування функціональних компонентів та автоматизоване CI/CD розгортання.

This thesis demonstrates the process of designing, developing, and deploying a service for trading audio products. The website is implemented as a mini-cluster of two containers — the main service in the form of a website and an API for watermark embedding. A competitor analysis was conducted, highlighting their advantages and disadvantages to inform the development plan. The object of study is a web service for the commercial distribution of audio content with copyright protection mechanisms. The goal of the work is to create a cloud-based music web marketplace with a built-in watermarking system for musical works. The core business logic is implemented in Go using the Fiber framework, while the watermarking system is built in Python using the FastAPI framework and audio steganography. The system is deployed as a cluster using Docker containers and AWS services, with automated testing and deployment via Jenkins. Research methods include: competitor system analysis, system architecture modeling, functional component testing, and automated CI/CD deployment.