# Monolith vs Microservices vs Serverless: реальная стоимость для стартапа

> TCO-модель для трёх архитектур стартапа: монолит, микросервисы, serverless. Промпты для AI-расчёта, таблицы сравнения, decision framework с конкретными цифрами.
> Author: Roman Belov · Published: 2026-04-25 · Source: https://futurecraft.pro/ru/blog/monolith-vs-microservices/

Стартапы, перешедшие на микросервисы до product-market fit, нередко тратят на инфраструктуру в разы больше, чем аналогичные команды на монолите. Архитектурный выбор на ранней стадии определяет runway не меньше, чем размер раунда.

Проблема стандартных сравнений: они оперируют абстрактными плюсами и минусами. «Микросервисы масштабируются лучше» ничего не говорит о конкретных затратах при 1000 DAU и команде из четырёх человек. Нужна количественная модель.

Статья содержит TCO-модель для каждой из трёх архитектур, готовые промпты для AI-расчёта под конкретные параметры проекта и decision framework, который превращает архитектурный выбор из интуитивного в data-driven.

## TCO-модель: что входит в реальную стоимость архитектуры

Total Cost of Ownership архитектуры выходит далеко за пределы счёта от облачного провайдера. TCO складывается из пяти категорий.

**Инфраструктура.** Серверы, контейнеры, функции, базы данных, CDN, DNS, SSL-сертификаты. Это единственная категория, которую считают все. Она составляет 20–35% реальных затрат.

**DevOps и операционные расходы.** CI/CD пайплайны, мониторинг, логирование, алертинг, управление секретами, backup-стратегия. Для микросервисов эта категория в 3–5 раз выше, чем для монолита.

**Время разработки.** Сколько часов уходит на feature delivery с учётом архитектурного оверхеда: сетевые вызовы между сервисами, контракты API, distributed debugging. Час разработчика в стартапе стоит $50–150 в зависимости от региона и уровня.

**Когнитивная нагрузка.** Количество контекстов, которые разработчик держит в голове. Монолит: один deployment, одна БД, один лог. Микросервисы: N deployments, M баз данных, distributed tracing. Это конвертируется в скорость онбординга новых разработчиков и частоту ошибок.

**Стоимость миграции.** Переход между архитектурами неизбежен при росте. Вопрос: когда это произойдёт и сколько будет стоить. Миграция с монолита на микросервисы при 50K DAU обходится в 2–4 месяца работы команды. Миграция обратно — ещё дороже.

## Монолит: TCO-расчёт для стартапа на ранней стадии

Базовые параметры: SaaS-продукт, 1–10K DAU, команда 2–5 разработчиков, стек Node.js/Python + PostgreSQL.

### Инфраструктура (месяц)

| Компонент | Провайдер | Стоимость |
|-----------|-----------|-----------|
| App server (2 vCPU, 4GB RAM) | DigitalOcean / Hetzner | $20–48 |
| Managed PostgreSQL | Supabase Free → Pro | $0–25 |
| Redis (кеш, сессии) | Upstash | $0–10 |
| CDN + домен | Cloudflare Free | $0 |
| CI/CD | GitHub Actions Free tier | $0 |
| Мониторинг | Sentry Free + UptimeRobot | $0 |
| **Итого инфраструктура** | | **$20–83/мес** |

### Операционные расходы

Один Dockerfile, один `docker-compose.yml`, одна команда деплоя. CI/CD настраивается за 2–4 часа и работает без обслуживания. Мониторинг: один процесс, один лог, один health check.

Операционный overhead: **2–4 часа/месяц**.

### Время разработки фичи

Новый API-эндпоинт в монолите: написать handler, добавить миграцию БД, написать тест, задеплоить. Среднее время от задачи до продакшена: **2–8 часов** в зависимости от сложности. Нет сетевых вызовов между сервисами, нет версионирования API-контрактов, debugging в одном процессе.

### Формула TCO монолита

```
TCO_monolith = Infra ($20–83) + Ops (2–4ч × $hourly_rate) + Dev_overhead (0%)
```

При $75/час разработчика: **$170–383/мес** на ранней стадии.

## Микросервисы: TCO-расчёт при тех же параметрах

Те же условия: 1–10K DAU, 2–5 разработчиков, но архитектура разделена на 4–6 сервисов (auth, users, billing, core-logic, notifications, API gateway).

### Инфраструктура (месяц)

| Компонент | Провайдер | Стоимость |
|-----------|-----------|-----------|
| Kubernetes (managed) | DigitalOcean DOKS | $36–72 |
| 3–5 node pool (2 vCPU, 4GB) | | $60–150 |
| Container registry | | $5–20 |
| Managed PostgreSQL (2+ инстанса) | | $30–100 |
| Message broker (RabbitMQ/Kafka) | CloudAMQP / Confluent | $0–89 |
| API Gateway / Service mesh | Kong / Istio | $0–50 |
| Distributed tracing | Jaeger / Tempo | $0–30 |
| Log aggregation | Loki / ELK | $0–50 |
| CI/CD (параллельные пайплайны) | GitHub Actions | $0–40 |
| **Итого инфраструктура** | | **$131–601/мес** |

### Операционные расходы

Каждый сервис требует собственный Dockerfile, Helm chart или Compose-конфиг, health check, readiness probe. Kubernetes нуждается в обслуживании: обновления нод, мониторинг ресурсов, auto-scaling policies.

Операционный overhead: **15–30 часов/месяц**.

### Время разработки фичи

Тот же API-эндпоинт теперь затрагивает 2–3 сервиса. Нужно определить контракт между ними, реализовать сетевые вызовы, обработать partial failures, написать integration-тесты, задеплоить каждый сервис отдельно.

Среднее время от задачи до продакшена: **8–24 часа**.

### Формула TCO микросервисов

```
TCO_microservices = Infra ($131–601) + Ops (15–30ч × $hourly_rate) + Dev_overhead (+50–100%)
```

При $75/час разработчика: **$1,256–2,851/мес** на ранней стадии. Это в 4–8 раз дороже монолита при идентичной функциональности.

## Serverless: TCO-расчёт для event-driven нагрузки

Те же параметры: 1–10K DAU, 2–5 разработчиков. Стек: AWS Lambda / Cloudflare Workers / Supabase Edge Functions + managed DB.

### Инфраструктура (месяц)

| Компонент | Провайдер | Стоимость |
|-----------|-----------|-----------|
| Functions (100K–1M invocations) | Cloudflare Workers Free → Paid | $0–5 |
| Database | Supabase / PlanetScale | $0–25 |
| Storage (S3-compatible) | Cloudflare R2 | $0–5 |
| Auth | Supabase Auth / Clerk | $0–25 |
| Queue / Cron | Cloudflare Queues / Cron Triggers | $0–5 |
| Мониторинг | Sentry + встроенные метрики | $0–26 |
| **Итого инфраструктура** | | **$0–91/мес** |

### Операционные расходы

Нет серверов, нет Kubernetes, нет Docker. Деплой: `wrangler deploy` или `git push`. Масштабирование автоматическое. Появляются специфические задачи: управление cold starts, мониторинг лимитов (CPU time, memory), обработка таймаутов, [защита от каскадных отказов](/ru/blog/circuit-breaker-deno-edge-functions/).

Операционный overhead: **4–10 часов/месяц**.

### Время разработки фичи

Функции изолированы, что ускоряет разработку отдельных endpoints. Stateless-природа создаёт сложности: нет shared memory, ограниченное время выполнения, специфичные паттерны для работы с БД. Debugging распределённых функций требует structured logging и correlation IDs.

Среднее время от задачи до продакшена: **3–12 часов**.

### Формула TCO serverless

```
TCO_serverless = Infra ($0–91) + Ops (4–10ч × $hourly_rate) + Dev_overhead (+10–30%)
```

При $75/час разработчика: **$300–841/мес** на ранней стадии.

## Сводная таблица: три архитектуры при одинаковых условиях

Параметры: SaaS, 5K DAU, команда 3 человека, $75/час.

| Метрика | Монолит | Микросервисы | Serverless |
|---------|---------|--------------|------------|
| Инфраструктура/мес | $50 | $350 | $30 |
| Ops часов/мес | 3 | 20 | 6 |
| Ops стоимость/мес | $225 | $1,500 | $450 |
| Feature delivery (среднее) | 5ч | 14ч | 7ч |
| Время до первого деплоя | 1–2 дня | 1–3 недели | 1–3 дня |
| Онбординг нового разработчика | 1–2 дня | 1–3 недели | 3–5 дней |
| **TCO/мес** | **~$275** | **~$1,850** | **~$480** |
| **TCO/год** | **~$3,300** | **~$22,200** | **~$5,760** |

Разница между монолитом и микросервисами в этой модели: **~$18,900/год**. Абсолютные цифры — оценка при параметрах выше: подставьте свою команду и ставки, и числа сдвинутся, но разрыв останется кратным. Это runway, который можно потратить на продуктовые эксперименты вместо инфраструктуры.

## Промпты для AI-расчёта TCO под конкретный проект

Эти промпты работают с Claude, GPT-5.5, Gemini. Подставьте параметры проекта и получите количественную модель.

### Промпт 1: Базовый TCO-расчёт

```
Рассчитай TCO на 12 месяцев для трёх архитектур (монолит, микросервисы, serverless) со следующими параметрами:

- Продукт: [тип продукта, например SaaS для управления проектами]
- DAU сейчас: [число]
- Прогноз DAU через 12 мес: [число]
- Команда: [количество] разработчиков, ставка $[число]/час
- Стек: [языки, фреймворки]
- Основные нагрузки: [API calls/день, background jobs, real-time connections]
- Облачный провайдер: [AWS / GCP / Cloudflare / DigitalOcean]

Для каждой архитектуры рассчитай:
1. Помесячные расходы на инфраструктуру (конкретные сервисы и тарифы)
2. Операционные часы/месяц (DevOps, мониторинг, incident response)
3. Overhead на feature delivery (% увеличения времени разработки)
4. Стоимость миграции на следующую архитектуру при достижении лимитов
5. Break-even point: при каком DAU микросервисы становятся дешевле монолита

Выведи результат в виде таблицы с помесячной разбивкой.
```

### Промпт 2: Анализ скрытых затрат

```
Для архитектуры [монолит/микросервисы/serverless] с параметрами:
- [вставить параметры из промпта 1]

Рассчитай скрытые затраты, которые не входят в счёт от облачного провайдера:

1. Когнитивная нагрузка: сколько контекстов одновременно держит разработчик, как это влияет на скорость и ошибки
2. Incident response: среднее время на диагностику и устранение инцидентов для данной архитектуры
3. Технический долг: с какой скоростью накапливается, когда потребует рефакторинга
4. Vendor lock-in: стоимость смены провайдера (часы разработки + период миграции)
5. Найм: насколько сложнее найти разработчика для данного стека/архитектуры (влияние на скорость найма и зарплатные ожидания)

Оцени каждый пункт в долларах/месяц и добавь к базовому TCO.
```

### Промпт 3: Сценарное моделирование

```
Смоделируй три сценария роста для архитектуры [текущая архитектура] с параметрами:
- [вставить параметры]

Сценарий A — медленный рост: DAU x2 за 12 месяцев
Сценарий B — умеренный рост: DAU x5 за 12 месяцев
Сценарий C — взрывной рост: DAU x20 за 12 месяцев

Для каждого сценария определи:
1. В каком месяце текущая архитектура достигает лимитов
2. Какие компоненты станут узкими местами первыми
3. Стоимость и длительность миграции на следующую архитектуру
4. Оптимальную целевую архитектуру для каждого сценария
5. Суммарный TCO за 12 месяцев включая миграцию

Построй график: TCO по месяцам для каждого сценария.
```

## Decision Framework: алгоритм выбора архитектуры

Архитектурный выбор зависит от четырёх переменных: стадия продукта, характер нагрузки, размер команды, прогноз роста.

### Шаг 1: определить стадию

| Стадия | Признаки | Приоритет |
|--------|----------|-----------|
| Pre-PMF | Нет стабильного retention, частые pivot-ы | Скорость итераций |
| Post-PMF, pre-scale | PMF найден, DAU < 50K, рост 10–30%/мес | Стабильность + скорость |
| Scale | DAU > 50K, рост > 30%/мес | Масштабируемость |

### Шаг 2: оценить характер нагрузки

| Характер нагрузки | Примеры | Лучшая архитектура |
|-------------------|---------|-------------------|
| Синхронный CRUD | CRM, project management, CMS | Монолит |
| Event-driven, spiky | Webhooks, notifications, ETL | Serverless |
| Real-time + heavy compute | Video processing, ML inference | Микросервисы |
| API-heavy с внешними интеграциями | Агрегаторы, [мультипровайдерные системы](/ru/blog/multi-provider-llm-architecture/) | Монолит → Serverless для интеграций |
| Mixed workloads | Основной CRUD + background processing | Монолит + serverless functions |

### Шаг 3: матрица решений

```
IF стадия == Pre-PMF:
    ВЫБРАТЬ монолит
    ПРИЧИНА: минимальный TCO, максимальная скорость итераций
    ИСКЛЮЧЕНИЕ: продукт нативно serverless (webhook-процессор, chatbot)

IF стадия == Post-PMF AND команда <= 5:
    ВЫБРАТЬ монолит + serverless для фоновых задач
    ПРИЧИНА: не хватит людей обслуживать микросервисы

IF стадия == Post-PMF AND команда > 10 AND DAU > 50K:
    РАССМОТРЕТЬ извлечение первого микросервиса
    ПРАВИЛО: извлекать только тот компонент, который масштабируется иначе

IF стадия == Scale AND разные компоненты масштабируются по-разному:
    ВЫБРАТЬ микросервисы (постепенная декомпозиция)
    ПРАВИЛО: один сервис за раз, не Big Bang migration
```

### Шаг 4: валидация через AI

Используйте промпт 1 из предыдущего раздела с конкретными параметрами проекта. Сравните результат AI-расчёта с матрицей решений. Если AI-модель и framework дают разные рекомендации, это сигнал для более глубокого анализа.

## Когда монолит становится проблемой: конкретные метрики

Монолит не вечен. Вот измеримые сигналы, что пора извлекать первый сервис.

**Деплой длится > 15 минут.** Сборка, тесты, деплой одного изменения занимают больше 15 минут. Разработчики избегают мелких деплоев и копят изменения.

**Один модуль забирает > 60% ресурсов.** Если image processing или ML inference потребляют основную долю CPU/RAM, а остальная часть приложения idle — кандидат на извлечение.

**Разные SLA для разных компонентов.** Биллинг требует 99.99% uptime, а генерация отчётов допускает 99.9%. Единый deployment делает невозможным разные гарантии.

**Команда > 8–10 человек работает в одном репозитории.** Merge conflicts становятся ежедневной проблемой. Деплои блокируют друг друга.

**Частота инцидентов растёт нелинейно.** Каждый новый модуль увеличивает вероятность, что деплой одного компонента сломает другой.

## Антипаттерны: ошибки, которые увеличивают TCO в 5–10 раз

**Premature microservices.** Разделение на сервисы до понимания domain boundaries. Результат: постоянные изменения API-контрактов, distributed monolith, все минусы обеих архитектур.

**Serverless для stateful workloads.** Попытка реализовать долгоживущие WebSocket-соединения или complex transactions на Lambda/Workers. Результат: workaround поверх workaround, непредсказуемые cold starts, стоимость выше, чем у выделенного сервера.

**Kubernetes для команды из двух человек.** K8s требует dedicated DevOps-экспертизы. В команде из 2–3 разработчиков один будет тратить 30–50% времени на инфраструктуру вместо продукта.

**Big Bang migration.** Попытка мигрировать весь монолит на микросервисы за один проход. Такая миграция регулярно занимает в 3–5 раз больше запланированного и создаёт период нестабильности.

**Игнорирование стоимости разработки в TCO.** Сравнение только по счетам от AWS. $200/мес за Lambda выглядит дешевле $100/мес за VPS, пока не учтены 20 дополнительных часов разработки на адаптацию под serverless-ограничения.

## Практический чеклист перед выбором архитектуры

1. **Рассчитать TCO** для всех трёх архитектур с помощью промптов выше. Не интуиция, а цифры.
2. **Определить стадию продукта** по framework из раздела Decision Framework.
3. **Оценить характер нагрузки.** Синхронный CRUD или event-driven? Равномерная или пиковая?
4. **Учесть размер команды.** Хватит ли людей обслуживать выбранную архитектуру без ущерба для продуктовой разработки?
5. **Смоделировать рост.** Использовать промпт 3 для трёх сценариев. Определить точку, в которой архитектура потребует миграции.
6. **Определить стоимость миграции.** Если выбрали монолит сейчас, во сколько обойдётся переход на микросервисы через 18 месяцев?
7. **Принять решение** на основе данных, а не FOMO по новым технологиям.

## Итоговая рекомендация

Для большинства стартапов на ранней стадии правильный ответ: начать с монолита, добавить serverless functions для фоновых задач и интеграций, и извлекать микросервисы только когда конкретные метрики (деплой > 15 мин, один модуль > 60% ресурсов, команда > 8 человек) покажут необходимость.

Это оптимальная стратегия по TCO. Монолит на ранней стадии экономит $15,000–20,000/год по сравнению с микросервисами: 2–3 дополнительных месяца runway или бюджет на продуктовые эксперименты, которые определят, выживет ли продукт вообще.

Архитектура не высечена в камне. Это инвестиционное решение с конкретным ROI. Считайте TCO, используйте AI для моделирования сценариев, принимайте решения на основе данных.

---

*Нужна помощь с выбором архитектуры? Я помогаю стартапам внедрять AI-решения и строить продукты — [belov.works](https://belov.works).*