📊 數位獵手的精準狙擊：打造 iPhone Price Tracker Pro 企業級比價系統
在電商百家爭鳴的時代，「價格」不再是一個靜態的數字，而是一條受演算法、節慶與庫存波動的動態曲線。對開發者而言，打造一個比價系統並不難，但要打造一個穩定、可擴展且具備工程韌性的企業級監測系統，卻是一場對架構思維的深度考驗。
今天，我想分享 iPhone Price Tracker Pro 的設計全貌——這不只是一個爬蟲工具，這是一套完整的大數據觀察站。
🏗️ 核心架構：為何選擇事件驅動與微服務？
在系統設計初期，我面臨一個經典的權衡（Trade-off）：高併發的 API 請求與高延遲的爬蟲任務。
如果將兩者混在一起，爬蟲的網絡等待（I/O Wait）會直接拖垮 API 的響應速度。因此，我採用了 事件驅動架構 (Event-Driven Architecture)。
數據流轉的藝術
透過 Nginx 作為反向代理，將流量精準導向靜態資源與 FastAPI 後端。當系統需要更新價格時，API 不會親自下場抓取，而是發送一個訊號給 Redis Broker，隨後由分散在叢集中的 Celery Worker 領取任務。這種「異步解耦」的設計，確保了使用者在瀏覽圖表時，系統後端仍能同步處理成千上萬筆的電商抓取任務。
🛠️ 技術棧選型：每一項決策都是策略
技術選型不應是追求時髦，而是為了對症下藥：
FastAPI：利用其原生
async/await支援，這在處理大量 I/O bound 爬蟲請求時，能顯著提升資源利用率。PostgreSQL 15：比價系統需要處理結構化的產品資訊（ProductModels）與半結構化的平台特有數據。PostgreSQL 的 JSONB 支援與強大的事務一致性，是存儲價格歷史的最佳選擇。
Celery Beat：它是系統的「心跳」，負責在深夜 00:00 等關鍵降價時段，精準觸發排程任務。
Vue 3 + Chart.js：在前端，我們追求的是流暢的數據感。透過 Chart.js，將冰冷的資料庫記錄轉化為充滿生命力的價格軌跡。
🕸️ 攻克電商之巔：Momo 與 PChome 的實戰攻堅
爬蟲是這套系統的「感知器官」。針對台灣兩大電商，我們實施了不同的戰術：
Momo 的行為模擬：面對其嚴格的 TLS 檢測，我們優先提取 HTML 中的 JSON-LD (結構化數據)，這類數據穩定且不易觸發反爬。
PChome 的逆向工程：透過分析其內部 API 接口，直接獲取 JSON 數據。這比解析網頁 DOM 快了將近 10 倍，極大地節省了 Worker 的處理時間。
✨ 工程亮點：穩定性與可觀測性
一個專業的系統，必須在沒人看見的地方也做得精緻：
時區錨定 (Asia/Taipei)：在時間序列數據中，1 小時的時差就會導致歷史曲線位移。我們在後端、資料庫到前端完全鎖定台北時區，確保數據對齊。
資料庫 UPSERT 邏輯：透過
ON CONFLICT語法，我們確保了數據寫入的冪等性 (Idempotency)——即使任務重複執行，也不會造成價格歷史的混亂。結構化日誌 (Logging)：我們不只記錄錯誤，更記錄「過程」。當某個電商改版時，工程師能透過日誌瞬間鎖定失效的 Selector，實現「秒級定位」。
🚀 運維體驗：Dev-Prod Parity
身為架構師，我始終堅持「環境即代碼 (IaC)」。
透過 Docker Compose，新進開發者無需在本地安裝 Python 或 PostgreSQL。只需簡單兩行指令：
git clone https://github.com/BpsEason/iphone-price-tracker-pro.git
docker-compose up -d --build
系統會自動執行 Alembic Migration 與數據初始化。這意味著，從 Clone 代碼到看到第一個價格圖表，只需要不到 60 秒。
📅 未來：從「觀察」到「預測」
目前的系統已經完成了「記錄」與「展示」。下一階段，我們將引入 Machine Learning (Prophet 模型)，根據往年雙 11 與 618 的數據，預測下一個電商節慶的破盤價區間。同時，WebSocket 即時通知功能也已在開發藍圖中，讓用戶能在第一時間收到降價警報。
🎯 結語
iPhone Price Tracker Pro 不僅僅是一個工具，它是我對現代 Web 開發哲學的實踐。它告訴我們：當你把「可觀測性」、「解耦」與「自動化」刻進代碼的 DNA 裡，系統就不再是脆弱的腳本，而是一個能持續演進的生命體。
💡 你也想優化你的資料流嗎？
歡迎到我的
你想進一步了解我是如何優化 PostgreSQL 的索引，讓萬級數據查詢達到毫秒級響應的嗎？
