food-ai/backend

FoodAI Backend

Go REST API с авторизацией через Firebase и JWT, асинхронным распознаванием блюд через Gemini AI, и каталогом продуктов питания на базе OpenFoodFacts.

Стек

• Go 1.25.5 — язык
• chi v5 — HTTP-роутер
• pgx v5 / pgxpool — драйвер PostgreSQL
• goose v3 — миграции
• golang-jwt/v5 — JWT
• Firebase Admin SDK — верификация токенов
• franz-go — Kafka-продюсер и консьюмер (pure Go)
• watermill + watermill-kafka — маршрутизация событий (воркер)
• envconfig — конфигурация через переменные окружения
• testcontainers-go — интеграционные тесты с реальной БД
• generative-ai-go / OpenAI API — распознавание блюд, генерация рецептов и меню
• Pexels API — изображения для рецептов

Требования

• Go 1.25+
• Docker & Docker Compose
• goose (go install github.com/pressly/goose/v3/cmd/goose@latest)
• Файл firebase-credentials.json (сервисный аккаунт Firebase)

Быстрый старт

1. Переменные окружения

cp .env.example .env

Отредактируйте .env:

Переменная	Описание	По умолчанию
DATABASE_URL	DSN подключения к PostgreSQL	postgres://food_ai:food_ai_local@localhost:5433/food_ai?sslmode=disable
FIREBASE_CREDENTIALS_FILE	Путь к JSON-ключу сервисного аккаунта Firebase	./firebase-credentials.json
JWT_SECRET	Секрет для подписи JWT	—
JWT_ACCESS_DURATION	TTL access-токена	15m
JWT_REFRESH_DURATION	TTL refresh-токена	720h
PORT	Порт HTTP-сервера	8080
ALLOWED_ORIGINS	CORS-разрешённые источники	http://localhost:3000
KAFKA_BROKERS	Адреса Kafka-брокеров	localhost:9093 (dev), kafka:9092 (Docker)
OPENAI_API_KEY	API-ключ Gemini/OpenAI (распознавание, генерация)	—
PEXELS_API_KEY	API-ключ Pexels (изображения для рецептов)	—

2. Запуск через Docker Compose

Поднимает PostgreSQL, Kafka, сервер и оба воркера:

OPENAI_API_KEY=your-key make docker-up

3. Запуск локально (инфраструктура в Docker)

# Поднять только PostgreSQL + Kafka
make dev-infra-up

# Применить миграции
make migrate-up

# Запустить всё локально (сервер + оба воркера + инфраструктура)
make dev

Или по отдельности в разных терминалах:

make run               # HTTP-сервер (порт 8080)
make run-worker-paid   # Воркер paid-очереди
make run-worker-free   # Воркер free-очереди

4. Сервер и воркеры

Два типа процессов работают независимо:

• Сервер (cmd/server) — обслуживает HTTP API и SSE-стримы; публикует задания распознавания в Kafka.
• Воркер (cmd/worker) — потребляет задания из Kafka, вызывает AI, сохраняет результаты в БД и оповещает сервер через pg_notify.

Воркеры можно масштабировать горизонтально — они разделят нагрузку через consumer group dish-recognition-workers.

Переменные окружения воркера:

Переменная	Описание
DATABASE_URL	DSN подключения к PostgreSQL
OPENAI_API_KEY	API-ключ Gemini/OpenAI
KAFKA_BROKERS	Адреса Kafka-брокеров

Команды

Сервер и тесты

Команда	Описание
make run	Запустить HTTP-сервер (dev)
make run-worker-paid	Запустить воркер paid-очереди
make run-worker-free	Запустить воркер free-очереди
make dev	Поднять инфраструктуру + сервер + оба воркера
make dev-infra-up	Поднять только PostgreSQL + Kafka
make dev-infra-down	Остановить инфраструктуру
make test	Unit-тесты (с race detector)
make test-integration	Интеграционные тесты (требует Docker)
make lint	Проверка через golangci-lint
make docker-up	Полный Docker Compose (app + workers + infra)
make docker-down	Остановить все контейнеры
make docker-logs	Логи app-контейнера
make docker-logs-worker	Логи worker-контейнеров
make migrate-up	Применить миграции
make migrate-down	Откатить последнюю миграцию
make migrate-status	Статус миграций
make migrate-create name=<name>	Создать новую миграцию
make import-off file=<path> [limit=N] [batch=N] [min-scans=N]	Импортировать каталог из OpenFoodFacts JSONL/GZ

Импорт каталога продуктов

Каталог продуктов заполняется из дампа OpenFoodFacts.

# Скачать дамп (~66 ГБ, ~4.4 млн записей)
# https://world.openfoodfacts.org/data/openfoodfacts-products.jsonl.gz

# Через make (DSN берётся из .env)
make import-off file=openfoodfacts-products.jsonl.gz
make import-off file=openfoodfacts-products.jsonl.gz limit=10000 min-scans=0

# Или напрямую
go run ./cmd/importoff \
  -file=openfoodfacts-products.jsonl.gz \
  -dsn="$DATABASE_URL" \
  -limit=10000 \
  -min-scans=1

Флаги:

Флаг	Описание	По умолчанию
-file	Путь к JSONL или JSONL.GZ файлу	обязательный
-dsn	PostgreSQL DSN (или $DATABASE_URL)	$DATABASE_URL
-limit	Остановиться после N принятых записей (0 = без ограничения)	0
-batch	Записей на один upsert-батч	500
-min-scans	Минимальное число уникальных сканирований (0 = без фильтра)	1

Алгоритм:

1. Создаёт временную staging-таблицу без уникальных ограничений.
2. Читает файл построчно (gzip-прозрачно); пропускает записи без баркода, названия или калорий.
3. Дедуплицирует canonical_name внутри батча.
4. Загружает батч через COPY (без ошибок на дублях).
5. Обнуляет barcodes, уже занятые другой записью в каталоге.
6. INSERT … ON CONFLICT (canonical_name) DO UPDATE — безопасное слияние.

Команда идемпотентна — можно запускать повторно и прерывать.

API

Публичные эндпоинты

Метод	Путь	Описание
GET	/health	Статус сервера и БД
GET	/languages	Список поддерживаемых языков
GET	/units	Справочник единиц измерения
GET	/cuisines	Список кухонь
GET	/tags	Теги рецептов и блюд
POST	/auth/login	Вход через Firebase ID-токен → JWT
POST	/auth/refresh	Обновить JWT по refresh-токену
POST	/auth/logout	Выход (инвалидация refresh-токена)

Защищённые эндпоинты (Bearer JWT)

Метод	Путь	Описание
GET/PUT	/profile	Профиль пользователя
GET	/products/search?q=&limit=	Поиск в каталоге продуктов
GET	/products/barcode/{barcode}	Поиск по баркоду (OpenFoodFacts как fallback)
GET/POST/DELETE	/user-products, /user-products/{id}	Продукты пользователя (холодильник)
POST	/user-products/batch	Массовое добавление продуктов
GET	/diary?date=YYYY-MM-DD	Записи дневника питания за дату
GET	/diary/recent?limit=<n>	Последние записи дневника (блюда и продукты)
POST/DELETE	/diary, /diary/{id}	Добавить / удалить запись дневника
GET	/home/summary	Сводка для главного экрана
GET	/recommendations	AI-рекомендации блюд
GET/POST/DELETE	/saved-recipes, /saved-recipes/{id}	Сохранённые рецепты
GET/PUT/DELETE	/menu/items/{id}	Меню на неделю
GET/POST/PATCH	/shopping-list, /shopping-list/{i}/check	Список покупок
GET	/dishes/search?q=<query>&limit=<n>	Поиск блюд (FTS + trgm)
GET	/dishes/{id}	Блюдо по ID
GET	/recipes/{id}	Рецепт по ID
POST	/ai/recognize-receipt	Распознать чек (синхронно)
POST	/ai/recognize-products	Распознать продукты на фото (синхронно)
POST	/ai/recognize-dish	Распознать блюдо — 202 + job_id (асинхронно)
GET	/ai/jobs	Задания за сегодня
GET	/ai/jobs/history	Все задания пользователя
GET	/ai/jobs/{id}	Результат задания
GET	/ai/jobs/{id}/stream	SSE-стрим обновлений задания
POST	/ai/generate-menu	Сгенерировать меню через AI

Асинхронное распознавание блюд

POST /ai/recognize-dish ставит задание в очередь и сразу возвращает:

{"job_id": "...", "queue_position": 2, "estimated_seconds": 18}

Статус отслеживается через SSE: GET /ai/jobs/{id}/stream — события queued, processing, done, failed.

При повторном открытии приложения результат можно получить через GET /ai/jobs/{id}.

Две очереди с разным приоритетом обслуживания:

• ai.recognize.paid (3 партиции) — платные пользователи
• ai.recognize.free (1 партиция) — бесплатные пользователи

Примеры запросов

Логин:

curl -X POST http://localhost:8080/auth/login \
  -H "Content-Type: application/json" \
  -d '{"firebase_token": "<FIREBASE_ID_TOKEN>"}'

Поиск продукта:

curl "http://localhost:8080/products/search?q=butter&limit=5" \
  -H "Authorization: Bearer <ACCESS_TOKEN>"

Поиск по баркоду:

curl http://localhost:8080/products/barcode/3017620422003 \
  -H "Authorization: Bearer <ACCESS_TOKEN>"

Добавить запись в дневник:

curl -X POST http://localhost:8080/diary \
  -H "Authorization: Bearer <ACCESS_TOKEN>" \
  -H "Content-Type: application/json" \
  -d '{"date": "2026-03-21", "meal_type": "lunch", "product_id": "...", "portion_g": 150}'

Структура проекта

backend/
├── cmd/
│   ├── server/          # HTTP-сервер (точка входа)
│   ├── worker/          # Async-воркер распознавания блюд (Kafka)
│   └── importoff/       # Импорт каталога продуктов из OpenFoodFacts JSONL
├── internal/
│   ├── domain/
│   │   ├── auth/        # Firebase-верификация, JWT, login/refresh/logout
│   │   ├── user/        # Профиль, калькулятор КБЖУ
│   │   ├── product/     # Каталог продуктов (поиск, баркод, OFF-адаптер)
│   │   ├── userproduct/ # Продукты пользователя (холодильник/список)
│   │   ├── recipe/      # Каталог рецептов с переводами
│   │   ├── savedrecipe/ # Сохранённые рецепты пользователя
│   │   ├── dish/        # Блюда, рецепты блюд, переводы
│   │   ├── menu/        # Меню на неделю, список покупок
│   │   ├── diary/       # Дневник питания
│   │   ├── recognition/ # Async распознавание: jobs, SSE-broker, Kafka-воркер
│   │   ├── recommendation/ # AI-рекомендации
│   │   └── home/        # Сводка главного экрана
│   ├── adapters/
│   │   ├── ai/          # Общие типы AI-ответов
│   │   ├── openai/      # Gemini/OpenAI клиент (распознавание, генерация)
│   │   ├── firebase/    # Верификация Firebase-токенов
│   │   ├── kafka/       # Продюсер и консьюмер (franz-go)
│   │   └── pexels/      # Поиск изображений через Pexels API
│   └── infra/
│       ├── config/      # Конфигурация (envconfig)
│       ├── database/    # pgxpool-соединение
│       ├── locale/      # Определение языка из заголовка Accept-Language
│       ├── middleware/  # RequestID, Logging, Recovery, CORS, Auth, Language
│       └── server/      # Chi-роутер со всеми маршрутами
├── migrations/
│   └── 001_initial_schema.sql   # Полная схема БД
├── tests/               # Интеграционные и unit-тесты по доменам
├── .env.example
├── docker-compose.yml
├── Dockerfile
└── Makefile

Схема БД

Вся схема содержится в одном файле migrations/001_initial_schema.sql. Основные таблицы:

• users, refresh_tokens — пользователи и токены
• products, product_categories, product_category_translations — каталог продуктов
• user_products — продукты пользователя
• ingredients, ingredient_translations, ingredient_aliases — справочник ингредиентов
• dishes, dish_translations, recipes, recipe_steps, recipe_ingredients — блюда и рецепты
• saved_recipes, saved_recipe_translations — сохранённые рецепты
• meal_diary — дневник питания
• recognition_jobs — задания AI-распознавания
• cuisines, cuisine_translations, tags, tag_translations, units, unit_translations — справочники

Для каждой таблицы с пользовательским текстом используется паттерн {table}_translations (companion table). Базовые таблицы хранят английский canonical text, переводы — только в _translations таблицах.

Тесты

# Unit-тесты (с race detector)
make test

# Интеграционные тесты (PostgreSQL поднимается через testcontainers)
make test-integration

Покрытые пакеты: auth, diary, middleware, recognition, recipe, savedrecipe, user, userproduct, locale, menu.