В данной работе рассматривается процесс создания распределённой системы для налоговой службы, на основе микросервисной архитектуры. В первой части работы производится сравнение монолитной и микросервисной архитектур и выявляются плюсы и минусы каждой из них, а также рассматриваются такие технологии как: контейнеризация, оркестрация контейнеров и Spring Framework, которые значительно упрощают процесс разработки и эксплуатации распределённой системы. Во второй части работы рассматривается построение архитектуры системы и выбор её инфраструктурных элементов. В качестве основного языка программирования выбран Java за счёт своей кроссплатформенности, а для автоматизации сборки приложения - Maven. Для выполнения асинхронного взаимодействия между микросервисами выбор пал на брокера сообщений - Apache Kafka. А в качестве хранилища данных выбрано два инструмента: для неструктурированных данных – Apache Hbase за счёт своей Hadoop инфраструктуры, а для структурированных данных – PostgreSql как самая сбалансированная реляционная БД. В заключительной части выполняется конфигурация и запуск системы, а также проверяется её пропускная способность, отказоустойчивость и масштабируемость.

This paper discusses the process of creating a distributed system for the tax service using a microservice architecture. In the first part of the work, a comparison is made of the monolithic and microservice architecture and the pros and cons of each of them are revealed, as well as technologies such as containerization, container orchestration and Spring Framework, which greatly simplify the process of developing and operating a distributed system. In the second part of the work, the architecture of the system is constructed, and its infrastructure elements selected. Java is chosen as the main programming language due to its cross-platform nature, and Maven is chosen for automating the assembly of the application. To perform asynchronous interaction between microservices, the choice fell on the message broker - Apache Kafka. And two tools were chosen as the data warehouse: for unstructured data - Apache Hbase due to its Hadoop infrastructure, and for structured data - PostgreSql as the most balanced relational database. In the final part, the system is configured and launched, and its throughput, fault tolerance and scalability are checked. The key conclusion is that the constructed system is indeed a very flexible and reliable solution that can adapt to various types of loads.