技术

mosn有的没的 负载均衡泛谈 《Mysql实战45讲》笔记 单元测试的新解读 《Redis核心技术与实现》笔记 《Prometheus监控实战》笔记 Prometheus 告警学习 calico源码分析 对容器云平台的理解 Prometheus 源码分析 并发的成本 基础设施优化 hashicorp raft源码学习 docker 架构 mosn细节 与微服务框架整合 Java动态代理 编程范式 并发通信模型 《网络是怎样连接的》笔记 go细节 codereview mat使用 jvm 线程实现 go打包机制 go interface及反射 如何学习Kubernetes 《编译原理之美》笔记——后端部分 《编译原理之美》笔记——前端部分 Pilot MCP协议分析 go gc 内存管理玩法汇总 软件机制 istio流量管理 Pilot源码分析 golang io 学习Spring mosn源码浅析 MOSN简介 《datacenter as a computer》笔记 学习JVM Tomcat源码分析 Linux可观测性 学习存储 学计算 Gotty源码分析 kubernetes operator kaggle泰坦尼克问题实践 kubernetes自动扩容缩容 神经网络模型优化 直觉上理解机器学习 knative入门 如何学习机器学习 神经网络系列笔记 TIDB源码分析 《阿里巴巴云原生实践15讲》笔记 Alibaba Java诊断工具Arthas TIDB存储——TIKV 《Apache Kafka源码分析》——简介 netty中的线程池 guava cache 源码分析 Springboot 启动过程分析 Spring 创建Bean的年代变迁 Linux内存管理 自定义CNI IPAM 副本一致性 spring redis 源码分析 kafka实践 spring kafka 源码分析 Linux进程调度 让kafka支持优先级队列 Codis源码分析 Redis源码分析 C语言学习 《趣谈Linux操作系统》笔记 docker和k8s安全机制 jvm crash分析 Prometheus 学习 容器日志采集 Kubernetes 控制器模型 Kubernetes监控 容器狂占cpu怎么办? Kubernetes资源调度——scheduler 时序性数据库介绍及对比 influxdb入门 maven的基本概念 《Apache Kafka源码分析》——server Kubernetes objects 源码分析体会 《数据结构与算法之美》——算法新解 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 ansible学习 Kubernetes源码分析——从kubectl开始 jib源码分析之Step实现 jib源码分析之细节 线程排队 跨主机容器通信 jib源码分析及应用 为容器选择一个合适的entrypoint kubernetes yaml配置 《持续交付36讲》笔记 mybatis学习 程序猿应该知道的 无锁数据结构和算法 CNI——容器网络是如何打通的 为什么很多业务程序猿觉得数据结构和算法没用? 串一串一致性协议 当我在说PaaS时,我在说什么 《数据结构与算法之美》——数据结构笔记 PouchContainer技术分享体会 harbor学习 用groovy 来动态化你的代码 精简代码的利器——lombok 学习 《深入剖析kubernetes》笔记 编程语言的动态性 rxjava3——背压 rxjava2——线程切换 spring cloud 初识 《深入拆解java 虚拟机》笔记 《how tomcat works》笔记 hystrix 学习 rxjava1——概念 Redis 学习 TIDB 学习 分布式计算系统的那些套路 Storm 学习 AQS1——论文学习 Unsafe Spark Stream 学习 linux vfs轮廓 《自己动手写docker》笔记 java8 实践 中本聪比特币白皮书 细读 区块链泛谈 比特币 大杂烩 总纲——如何学习分布式系统 hbase 泛谈 forkjoin 泛谈 看不见摸不着的cdn是啥 《jdk8 in action》笔记 程序猿视角看网络 bgp初识 calico学习 AQS2——粗略的代码分析 我们能用反射做什么 web 跨域问题 《clean code》笔记 硬件对软件设计的影响 《Elasticsearch权威指南》笔记 mockito简介及源码分析 2017软件开发小结—— 从做功能到做系统 《Apache Kafka源码分析》——clients dns隐藏的一个坑 《mysql技术内幕》笔记2 《mysql技术内幕》笔记1 log4j学习 为什么netty比较难懂? 回溯法 apollo client源码分析及看待面向对象设计 学习并发 docker运行java项目的常见问题 Scala的一些梗 OpenTSDB 入门 spring事务小结 事务一致性 javascript应用在哪里 《netty in action》读书笔记 netty对http2协议的解析 ssl证书是什么东西 http那些事 苹果APNs推送框架pushy apple 推送那些事儿 编写java框架的几大利器 java内存模型 java exception Linux IO学习 netty内存管理 测试环境docker化实践 netty在框架中的使用套路 Nginx简单使用 《Linux内核设计的艺术》小结 Go并发机制及语言层工具 Linux网络源代码学习——数据包的发送与接收 《docker源码分析》小结 docker中涉及到的一些linux知识 hystrix学习 Linux网络源代码学习——整体介绍 zookeeper三重奏 数据库的一些知识 Spark 泛谈 链式处理的那些套路 netty回顾 Thrift基本原理与实践(二) Thrift基本原理与实践(一) 回调 异步执行抽象——Executor与Future Docker0.1.0源码分析 java gc Jedis源码分析 Redis概述 机器学习泛谈 Linux网络命令操作 JTA与TCC 换个角度看待设计模式 Scala初识 向Hadoop学习NIO的使用 以新的角度看数据结构 并发控制相关的硬件与内核支持 systemd 简介 quartz 源码分析 基于docker搭建测试环境(二) spring aop 实现原理简述 自己动手写spring(八) 支持AOP 自己动手写spring(七) 类结构设计调整 分析log日志 自己动手写spring(六) 支持FactoryBean 自己动手写spring(九) 总结 自己动手写spring(五) bean的生命周期管理 自己动手写spring(四) 整合xml与注解方式 自己动手写spring(三) 支持注解方式 自己动手写spring(二) 创建一个bean工厂 自己动手写spring(一) 使用digester varnish 简单使用 关于docker image的那点事儿 基于docker搭建测试环境 分布式配置系统 JVM内存与执行 git spring rmi和thrift maven/ant/gradle使用 再看tcp 缓存系统 java nio的多线程扩展 《Concurrency Models》笔记 回头看Spring IOC IntelliJ IDEA使用 Java泛型 vagrant 使用 Go常用的一些库 Python初学 Goroutine 调度模型 虚拟网络 《程序员的自我修养》小结 VPN(Virtual Private Network) Kubernetes存储 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件 Go学习 JVM类加载 硬币和扑克牌问题 LRU实现 virtualbox 使用 ThreadLocal小结 docker快速入门

架构

Scheduler如何给Node打分 Scheduler扩展 controller 组件介绍 openkruise cloneset学习 kubernetes crd 及kubebuilder学习 pv与pvc实现 csi学习 client-go学习 kubelet 组件分析 调度实践 Pod是如何被创建出来的? 《软件设计之美》笔记 mecha 架构学习 Kubernetes events学习及应用 CRI 《推荐系统36式》笔记 资源调度泛谈 系统设计原则 grpc学习 元编程 以应用为中心 istio学习 下一代微服务Service Mesh 《实现领域驱动设计》笔记 serverless 泛谈 《架构整洁之道》笔记 处理复杂性 那些年追过的并发 服务器端编程 网络通信协议 《聊聊架构》 书评的笔记 如何学习架构 《反应式设计模式》笔记 项目的演化特点 反应式架构摸索 函数式编程的设计模式 服务化 ddd反模式——CRUD的败笔 研发效能平台 重新看面向对象设计 业务系统设计的一些体会 函数式编程 《左耳听风》笔记 业务程序猿眼中的微服务管理 DDD实践——CQRS 项目隔离——案例研究 《编程的本质》笔记 系统故障排查汇总及教训 平台支持类系统的几个点 代码腾挪的艺术 abtest 系统设计汇总 《从0开始学架构》笔记 初级权限系统设计 领域驱动理念入门 现有上传协议分析 移动网络下的文件上传要注意的几个问题 推送系统的几个基本问题 用户登陆 做配置中心要想好的几个基本问题 不同层面的异步 分层那些事儿 性能问题分析 当我在说模板引擎的时候,我在说什么 用户认证问题 资源的分配与回收——池 消息/任务队列

标签


DDD实践——CQRS

2018年08月26日

简介

DDD设计实例

Domain-driven Design Example译文领域驱动设计示例 未读

源码实例:Domain-Driven Design领域驱动设计落地节选自《领域驱动设计第7章》假设我们正在为一家货运公司开发新的软件,最初的需求包括三项基本功能:

  1. 事先预约货物
  2. 跟踪客户货物的主要处理流程
  3. 当货物到达其处理过程中的某个位置时,自动向客户寄送发票

对应的博客 领域驱动设计DDD和CQRS落地 未读

cqrs

cqrs 全称command and Query Responsibility Segregation(隔离),也就是命令(增删改)与查询(查)职责分离。如果把Command 操作变成Event Sourcing,那么只需要记录不可修改的事件,并通过回溯事件得到数据的状态。

材料1

《软件架构设计》读写分离模型的典型特征:分别为读和写设计不同的数据结构。

材料2

阿里高级技术专家方法论:如何写复杂业务代码?一般来说实践DDD有两个过程:

  1. 套概念阶段:了解了一些DDD的概念,然后在代码中“使用”Aggregation Root,Bounded Context,Repository等等这些概念。更进一步,也会使用一定的分层策略。然而这种做法一般对复杂度的治理并没有多大作用。
  2. 融会贯通阶段:术语已经不再重要,理解DDD的本质是统一语言、边界划分和面向对象分析的方法。

你写的代码是别人的噩梦吗?从领域建模的必要性谈起软件的世界里没有银弹,是用事务脚本还是领域模型没有对错之分,关键看是否合适。就像自营和平台哪个模式更好?答案是都很好,所以亚马逊可以有三方入住,阿里也可以有自建仓嘛。实际上,CQRS就是对事务脚本和领域模型两种模式的综合,因为对于Query和报表的场景,使用领域模型往往会把简单的事情弄复杂,此时完全可以用奥卡姆剃刀把领域层剃掉,直接访问Infrastructure。

aggregate-framework

  1. changmingxie/aggregate-framework
  2. banq/jdon framework

aggregate-framework 主要由公司大牛实现,所以通过分析它的源码来深入理解ddd和cqrs

领域驱动思想的 跟响应式编程 也有异曲同工之妙,剖析响应式编程的本质。将顺序式的命令编程 改为 事件/数据流。

示例使用

假设订单PricedOrder 有place和confirm 两个行为,其后续处理都是通过PricedOrder.apply(xxEvent)来进行的,dao类负责crud(这个没变)。service 只是负责 操作dao类以及(直接或间接)PricedOrder.apply(xxEvent) 方法。

  1. 订单的创建,触发了支付过程
  2. 支付过程

model 只是apply,剩下的交给eventHandler来做。这里有一个事件驱动的思想,即不是寻常的A==> B ;A ==> C;A ==>D,而是A 干完自己的活儿,发个事件就返回了。剩下的调用BCD,由eventbus 驱动执行。那么handler之间如何编组,如何揉和成一个统一的关系。那问题来了

  1. 后续处理是同步还是异步进行
  2. 一致性如何保证
  3. 业务处理如何接入
  4. 整个工作流程什么样

源码分析

domainObject Repository

在AggregateRoot接口里定义了一个方法apply,用来注册Domain Event。当调用Repository方法save来保存AggregateRoot时,将注册的Domain Event发布。

有三条线:

  1. 领域驱动
  2. 事务执行
  3. 异步执行

领域驱动

代码执行的核心是:

public interface EventBus {
    public void subscribe(EventListener eventListener);
    void publishInTransaction(EventMessage[] messages, LocalTransactionExecutor localTransactionExecutor);
}

从一个例子看执行流程:

public class OrderService {
	@Transactional
	public PricedOrder placeOrder(int productId, int price) {
    	PricedOrder pricedOrder = OrderFactory.buildOrder(productId, price);
    	return orderRepository.save(pricedOrder);
	}
}
@Service
public class OrderHandler {
	@EventHandler
	public void handleOrderCreatedEvent(OrderPlacedEvent event) {
    	Payment payment = PaymentFactory.buildPayment(event.getPricedOrder().getId(),
            String.format("p000%s", event.getPricedOrder().getId()), event.getPricedOrder().getTotalAmount());
    	paymentRepository.save(payment);
	}
}
  1. 系统启动的时候,EventHandler 标记的类和方法会被封装为EventListener,加入到EventBus中
  2. PricedOrder pricedOrder = OrderFactory.buildOrder(productId, price);中执行了PricedOrder构造函数,执行了pricedOrder.apply(new OrderPlacedEvent(this)); 本质上将pricedOrder 转换成了 EventMessage
  3. orderRepository.save(pricedOrder) 触发执行eventBus.publishInTransaction(EventMessage[] messages, LocalTransactionExecutor localTransactionExecutor); 然后各个eventhandler 就被触发执行了。当然,在spring Transaction场景下,eventBus.publishInTransaction也可以由事务调用触发。

    • 向threadlocal 挂一个clientSession
    • 向clientSession 加入 AggregateEntry,AggregateEntry 聚合了pricedOrder 和一个全局的eventBus。同时挂一个实际的save逻辑
    • clientSession commit,主体就是执行 eventBus.publishInTransaction

      • 因为eventBus是全局的,里面的EventListener太多, 所以要找到和EventMessage匹配的EventListener
      • EventListener 根据 EventMessage 执行逻辑
      • 执行save domain 逻辑本身
    • clientSession flush、postHandle、closeClientSession 等完成后续流程

仅仅靠注解,如何知道OrderHandler.handleOrderCreatedEvent 处理的就是pricedOrder.apply(new OrderPlacedEvent(this)); ?根据参数类型。这也是整个eventbus的意义所在:发布者发布事件,监听者监听事件。框架将整个过程整合在一起并处理。

“发布者发布事件,监听者监听事件”的优势在于:举一个例子, 笔者实现配置中心系统时,新增一个配置需要进行很多关联操作:

  1. 打掉系统中的缓存
  2. 新增ConfigChange数据
  3. 新增ChangeLog数据

并且随着业务需求的调整,新增一个配置要做的工作越来越多,并且在不断变化。新增配置如此,更改配置就更不用多说。后来,笔者提供了一个ConfigAddListener、ConfigChangeListener等。关心这些事件的人实现这个listener即可。

事务

@Transactional
public PricedOrder placeOrder(int productId, int price) {
	PricedOrder pricedOrder = OrderFactory.buildOrder(productId, price);
	return orderRepository.save(pricedOrder);
}

此处只是借用了spring-tx 的 Transactional 注解的调用接口做外壳,在其回调方法中塞的是compensable-transaction的事务处理逻辑。

异步执行

当eventhanlder 标记为异步任务时,将任务加入到Disruptor中。Disruptor是一个高性能队列,可以当做一个高性能的ArrayBlockingQueue 使用。然后有一个独立的Executor从Disruptor 取出任务并执行。

异步执行,带来几个问题

  1. 异步任务执行失败了怎么办?
  2. 异步离不开 队列,队列里的消息丢了(比如停电)怎么办
  3. 异步任务执行失败后重试,那重试好几次怎么办?
  4. 重试的时候,当时触发事件的 事件源本身就没有保存成功,或者状态改变怎么办?比如用户下了个订单,然后一个异步任务去发货,结果发货任务开始执行的时候用户把订单取消了。

所以在aggregate-framework 中,下单操作是以下逻辑

  1. 生成一个下单event
  2. event 保存到redis/db
  3. 订单数据库操作
  4. 发布 下单event
  5. 异步执行发货等任务
  6. 所有任务执行完了,删除redis/db 中的event

针对提出的几个问题

  1. 执行失败,便按照规定次数重试,若仍失败,等待手动处理(event一直在)
  2. 使用redis/db 等将event 持久化,并且先于订单存储操作,类似于mysql 写数据到磁盘之前先写日志
  3. eventhandler 必须支持幂等性
  4. eventhandler 执行之前,执行一个check检查函数,判断订单状态

eventhandler 不管由哪个实例产生, 可以由任意一个实例执行

缓存

聚合根 一次拉的数据太多,所以框架本身支持缓存, 也因此带来 缓存并发修改问题

小结

aggregate-framework 哪些部分是ddd,哪些是额外增强的

  1. eventhandler ,本身来自于事件驱动
  2. 事务支持,是为了一致性
  3. 异步执行,是为了效率

事件驱动大多数时候会用到异步,使用异步的话,一致性、异常处理、重启消息丢失等都来了。同步下不是问题的问题 都出现了,同步下是问题的,更复杂了。

和公司内大佬关于支付系统为何用ddd,以及ddd与微服务的关系(项目拆分角度)问题的讨论。

  1. 在做支付系统的时候,DDD提供了一个切分系统的思路,防止系统变成一个大煤球. 这个切分思想的好处是让工作经验比较浅的人做也不会出太大问题.通过事件发布机制把业务各环节串联起来,AGG提供的可靠机制保证不丢失数据

  2. DDD是逻辑上的切分.微服务是实现上的切分。按DDD做模块切分,最终实现如果还是在一个应用里面,那就是单一应用程序.如果把DDD的模块分散成多个app,通过发布事件的方式建立联系协调工作,那就是微服务的实现