Проєктування автономного кросплатформного застосунку з використанням .NET MAUI та SQLITE для аналізу медіаконтенту

💡 Усі статті, обговорення, новини про .NET — в одному місці. Приєднуйтесь до .NET спільноти!

У сучасних умовах розробки програмного забезпечення значна увага приділяється створенню автономних (Offline-first) та кросплатформних систем, здатних ефективно функціонувати без постійного підключення до мережі Інтернет. Одним із ключових підходів до вирішення цього завдання є використання фреймворку .NET MAUI, що дозволяє створювати єдину кодову базу для мобільних та десктопних платформ.

Основою архітектури застосунку є патерн MVVM, реалізований за допомогою бібліотеки CommunityToolkit.Mvvm, який забезпечує чітке розділення візуального інтерфейсу (View), логіки подання (ViewModel) та моделі даних (Model). Це зменшує зв’язність компонентів та підвищує гнучкість системи. Для організації гнучкої маршрутизації застосовано ієрархічну структуру навігації Shell, що уніфікує відображення вкладок на різних операційних системах.

Локальне збереження даних реалізовано на базі реляційної системи керування базами даних SQLite за допомогою об’єктно-реляційного мапера (ORM) sqlite-net-pcl. Важливим аспектом розробленої системи є адаптація структури бази даних під обмежені апаратні ресурси мобільних пристроїв. Для цього було застосовано підхід часткової денормалізації. Замість класичних проміжних таблиць (Lookup Tables) для реалізації зв’язків «багато до багатьох» (зокрема для жанрів контенту) використано внутрішньоклітинну серіалізацію даних у форматі JSON-подібних рядків.

Статуси перегляду перенесено безпосередньо до кореневих сутностей, що дозволило відмовитися від окремих таблиць користувацького прогресу. Це дало змогу усунути ресурсномісткі SQL-запити з оператором JOIN, мінімізувати навантаження на оперативну пам’ять та суттєво підвищити швидкість рендерингу графічних списків на мобільних пристроях.

Окрему увагу приділено розробці інтелектуальної підсистеми застосунку. Замість використання статичних списків реалізовано евристичний алгоритм формування персональних рекомендацій. Цей алгоритм динамічно аналізує історію переглядів користувача, виконує парсинг серіалізованих жанрів із переглянутих сезонів та формує частотний словник для обчислення математичної ваги кожного жанру.

На основі виявленого домінантного тегу здійснюється пошук релевантних новинок. Для усунення дублікатів у фінальній вибірці (у випадках складних ієрархічних зв’язків контенту) застосовано оптимізовані запити LINQ з оператором DistinctBy. Такий підхід перетворює стандартний електронний каталог на адаптивну систему підбору контенту.

У підсумку, запропоноване рішення демонструє ефективне поєднання сучасних технологій та архітектурних підходів. Використання .NET MAUI, оптимізованої реляційної структури SQLit та алгоритмічного аналізу даних дозволяє створювати продуктивні, автономні та зручні у супроводі програмні системи, здатні ефективно масштабуватися під потреби користувача.