技术

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 MVCC 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 扩展Kubernetes 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 Kubernetes监控 Kubernetes 控制器模型 Prometheus 学习 容器日志采集 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之编排对象 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 kubernetes实践 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 《深入剖析kubernetes》笔记 精简代码的利器——lombok 学习 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 mysql 批量操作优化 《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 环境(主要运行java项目)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 network channel network byte buffer 测试环境docker化实践 netty(七)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 Macvlan 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(六)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 异构数据库表在线同步 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 Kubernetes 其它特性 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件 使用etcd + confd + nginx做动态负载均衡 如何通过fleet unit files 来构建灵活的服务 CoreOS 安装 CoreOS 使用 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

标签


《实现领域驱动设计》笔记

2019年09月09日

简介

DDD绝非是什么标新立异之物,我更倾向于将其看成是软件发展的自然结果。就像20世纪六七十年代出现了软件危机之后,面向对象成为了人们的救赎;瀑布式开发过程遇到瓶颈时,敏捷被搬上了舞台;而DDD则是对传统的以数据为中心的建模方式的反思结果。

如果你的项目完全以数据为中心,所有的操作都通过对数据库的crud完成,那么你并不需要DDD。此时你的团队只需要一个漂亮的数据库表编辑器。如果你的系统只有25到30个业务操作, 这应该是相当简单的,你没有感受到由复杂性和业务变化所带来的痛苦。 当你的系统有三四十个use case的时候,软件的复杂性便暴露出来了,如果软件功能在未来几年不断变化,ddd将有助于你管理复杂性和应对变化。

守住三个基本原则

  1. 必须通过领域建模来驱动设计
  2. One principle behind DDD is to bridge the gap between domain experts and developers by using the same language to create the same understanding.
  3. Another principle is to reduce complexity by applying object oriented design and design patters to avoid reinventing the wheel.

书的基本思路:传统编码的问题 ==> DDD的基本概念 ==> DDD与架构的关系 DDD在某个架构下找到自己“位置”:领域模型只负责业务逻辑,此外还有应用层和基础设施层与领域层协作 ==> 领域模型内,领域对象的组成与彼此之间的关系

DDD入门

public void saveConsumer(String id,name,age,address,...){
    Consumer consumer = new Consumer();
    if(id != null){
        ...
    }
    ...
    consumerDao.save(consumer);
}

saveConsumer 至少存在三大问题

  1. saveConsumer 的业务意图不明确,代码无法反应业务意图,使用同一个方法来处理多个用例流
  2. 方法的实现本身增加了潜在的复杂性(比如复杂的参数校验)
  3. Consumer 只是一个data holder

一种优化:每一个应用层方法对应一个单一的用例流

interface Consumer{
    public changePersonalName(String firstName,String lastName);
    ...
}

我们希望对对象行为的命名能够传达准确的业务含义,也即反映通用语言。要达到这样的目的,肯定不是先在类上定义属性,然后向客户端暴露getter和setter那么简单。那只是在创建纯数据模型。如果只提供setter 和getter 会怎么样?

  1. 暴露了 对象的内部结构
  2. setter 和getter 并没有业务价值,方法的名字没有业务含义。如果Consumer 只修改了地址 而没修改邮政编码会发生什么呢?显然是一种领域逻辑的泄漏。这要求开发对对象很熟悉(随着迭代并不总能办到);如果软件留下太多的地方让用户自己去理解,用户往往需要培训才能做出操作决定

领域建模

限界上下文/Bounded Context

领域上下文是一个显式的边界,领域模型便存在于这个边界之内。创建边界的原因在于:每个模型概念,包括它的属性和操作,在边界之内都具有特殊的含义。在很多情况下, 在不同模型中存在名字相同或相近的对象,但是它们的意思却不同。 当模型被一个显式的边界所包围时,其实每个概念的含义便是确定的了。

考虑一个图书出版机构,它需要处理图书生命周期的不同阶段

  1. 概念设计,计划出书。此时,连书名都没有
  2. 联系作者,签订合同
  3. 图书编辑、设计布局、插图。此时,图书是一些列稿件、注释、校正
  4. 出版纸质书
  5. 市场营销。此时,营销人员只关心书的简介
  6. 将图书卖给销售商或读者。此时,重点是书的价格、重量、物流目的地。

如果整个系统只有一个Book对象,概念混淆、意见分歧和争论是不可避免的。如果我们将系统划分为3个上下文,每个上下文都有Book

  1. 创作上下文,Book 是一个“作品”
  2. 出版上下文,Book 可以视为一个印刷品(可能不准确)、出版物
  3. 销售上下文,Book 可以视为一个 商品

如果你在不同的界限上下文中看到了完全相同的对象,通常意味着你的模型是错误的。有些相似的对象拥有不同的属性和行为(一个对象在不同上下文的“分身”),此时通常可以认为上下文边界的划分是合理的。

名词解释

DDD战略设计相关核心概念的理解

  1. 领域是一个边界,所以可以划分领域的大小,即领域划分,划分出来的子领域简称子域,每个子域对应一个小的问题域和和小的业务;
  2. BC和子域的关系?没有关系。因为它们是不同的东西被划分后的产物,对解决方案空间进行划分产生了BC,对领域划分后产生了子域。
  3. 领域模型和业务模型是不同的

叫什么不重要,我们真正要学会的是划分的原则、依据、经验

需要特别注意的是,领域模型设计只是整个软件设计中的很小一部分。除了领域模型设计之外,要落地一个系统,我们还有非常多的其他设计要做,比如:容量规划;架构设计;数据库设计;缓存设计;框架选型;发布方案;数据迁移、同步方案;分库分表方案;回滚方案;高并发解决方案;一致性选型;性能压测方案。

DDD——事件风暴 ==> 归类划分的分析方法

《DDD实战》DDD 战略设计会建立领域模型,事件风暴是建立领域模型的主要方法,它是一个从发散到收敛的过程

  1. 发散:采用用例分析、场景分析和用户旅程分析,尽可能全面不遗漏地分解,业务领域,并梳理领域对象之间的关系,事件风暴过程会产生很多的实体、命令、事件等领域对象,这是一个发散的过程。
  2. 收敛:我们将这些领域对象从不同的维度进行聚类,形成如聚合、限界上下文等边界,建立领域模型

ddd与微服务的结合

  1. 在事件风暴中梳理业务过程中的用户操作、事件以及外部依赖关系等,根据这些要素梳理出领域实体等领域对象。
  2. 根据领域实体之间的业务关联性,将业务紧密相关的实体进行组合形成聚合,同时确定聚合中的聚合根、值对象和实体。在这个图里,聚合之间的边界是第一层边界,它们在同一个微服务实例中运行,这个边界是逻辑边界,所以用虚线表示。
  3. 根据业务及语义边界等因素,将一个或者多个聚合划定在一个限界上下文内,形成领域模型。在这个图里,限界上下文之间的边界是第二层边界,这一层边界可能就是未来微服务的边界,不同限界上下文内的领域逻辑被隔离在不同的微服务实例中运行,物理上相互隔离,所以是物理边界,边界之间用实线来表示。

DDD 主要关注:从业务领域视角划分领域边界,构建通用语言进行高效沟通,通过业务抽象,建立领域模型,维持业务和代码的逻辑一致性。PS:就像一个大牛讲ddd的文章中提到的,你在实现一个购物车业务的时候,代码看起来就要像是一个购物车。

微服务主要关注:运行时的进程间通信、容错和故障隔离,实现去中心化数据管理和去中心化服务治理,关注微服务的独立开发、测试、构建和部署。

DDD 不仅可以用于微服务设计,还可以很好地应用于企业中台的设计。PS:从《DDD实战》中嗅出来的味道是,ddd可以认为是一种从事件风暴到分类划分,进而指导组织划分(中台)、系统划分(微服务)、代码划分的思想方法。

DDD 与架构整合

架构描述了如何划分系统的各个部分以及各个部分的关系(说的直观点,就是会影响项目中package的命名)。包括分层、六边形、CQRS等架构

DDD 与分层架构

DDD 与分层架构整合有多种方式,这是比较传统的一种

  1. 领域层实现业务逻辑,领域层映射到领域模型,是问题域的领域模型在软件中的反映。包含实体、值对象和领域服务等领域对象,在实体、值对象和领域服务等领域对象的方法中封装实现业务规则和保证完整性约束。领域对象在实现业务逻辑上具备坚不可摧的完整性,意味着不管外界代码如何操作,都不可能创建不合法的领域对象(例如没有账户号码或余额为负数的借记卡对象),亦不可能打破任何业务规则(例如在多次转账之后,钱凭空丢失或凭空产生)。领域对象的功能是高度内聚的,具有单一的职责,任何不涉及业务逻辑的复杂的组合操作都不在领域层而在应用层中实现。领域层中的全部领域对象的总和在功能上是完备的,意味着系统的所有行为都可以由领域层中的领域对象组合实现。
  2. 应用层映射到系统用例模型,是系统用例模型在软件中的反映。它的职责可表示为“编排和转发”,即将它要实现的功能委托给一个或多个领域对象来实现,它本身只负责安排工作顺序和拼装操作结果。
  3. 基础设施层为其余各层提供技术支持。注意基础设施层不只负责数据库访问,它实现了系统的全部技术性需求,比如持久化、消息通知等
  4. 用户接口层为外部用户访问底层系统提供交互界面和数据表示。用户接口层有两个任务:(1)从用户处接收命令操作,改变底层系统状态;(2)从用户处接收查询操作,将底层系统状态以合适的形式呈现给用户。PS:相当于输入输出设备

六边形架构

我们通常将客户与系统交互的地方称为“前端”;同样,我们将系统中获取、存储持久化数据和发送输出数据的地方称为“后端”。六边形架构提倡用一种新的视角来看待系统, 该架构中存在两个区域:外部和内部。 外部客户和内部系统的交互都会通过端口和适配器完成转换,这些外部客户之间是平等的。 web界面和持久化统称在一起,没有前端和数据库后端之分。

六边形每条不同的边代表了不同类型的端口,端口要么处理输入,要么处理输出。 以输入端口为例, 当客户请求到达时, 会有相应的适配器对输入进行转化,然后端口将调用应用程序的某个操作或者向应用程序发送一个事件,控制权由此交给内部区域。

端口 适配器
HTTP java的Servlet,也可以是SpringMVC的注解和Controller
消息机制 Rabbitmq消息监听器
资源库接口 资源库的实现便是持久化适配器

DDD 与 CQRS

  1. 代码层面:一个方法要么是执行某种动作的命令,要么是返回数据的查询,而不是两者皆是。
  2. 对象设计层面:如果一个方法修改了对象的状态,该方法便是一个命令,它不应该返回数据。在java和C#中, 这样的方法应该声明为void。如果一个方法返回了数据,该方法便是一个查询,此时它不应该通过直接的或间接的手段去修改对象的状态。
  3. 对于同一个(领域)模型,考虑将那些纯粹的查询功能从命令功能中分离出来。聚合将不再有查询方法,而只有命令方法。 资源库也将变成只有add或save方法(分别支持创建和更新操作),同时只有一个查询方法,比如fromId()。这个唯一的查询方法将聚合的身份标识作为参数, 然后返回该聚合实例。在将所有的查询方法移除之后,我们将此时的模型称为命令模型。但我们仍需要向用户显示数据,为此我们创建第二个模型——查询模型,专门用于优化查询。领域模型被一分为二。

这张图读写只是逻辑分离,物理层面还是使用了一个数据库,我们可以将数据库改成读库和写库做到物理分离

DDD面向对象设计——对面向对象的进一步约束

开发者趋向于将关注点放在数据上,而不是领域上。在软件开发中,数据库依然占据着主导地位。我们应首先考虑的是数据的属性(对应数据库的列)和关联关系(外键关联),而是富有行为的领域概念。这样做的结果是将数据模型直接反映在对象模型上,导致那些表示领域模型的实体包含了大量getter和setter方法。

唯一身份标识和可变性特征将实体对象和值对象区分开来。

类的公有方法表示类的隐式接口

只有当我们不必使用多个setter方法来完成单个请求时, 才有道理使用setter方法。多个setter方法使意图充满了歧义, 同时也使发布领域事件变得更加复杂,因为一个领域事件应该对应于逻辑上的单个命令。

值对象的不变性。通常来说,值对象一般有两个构造函数

  1. 第一个构造函数接受用于构建对象状态的所有属性参数。只有主构造函数才能使用setter方法来设置属性值,其它属性都不能使用setter方法。由于值对象中的所有setter方法都是私有的,消费方是没有机会直接调用setter方法的,这是保持值对象不变性的两个重要因素。
  2. 第二个构造方法用于将一个值对象复制到另一个新的值对象。

领域服务表示一个无状态的操作,它用于实现特定于某个领域的任务。当且仅当某个操作不适合放在实体和值对象上时(当然也不会在不负责业务逻辑的应用服务中),可以将其放在领域服务中。主要有以下场景

  1. 执行一个显著地业务操作过程
  2. 对领域对象进行转换
  3. 以多个领域对象作为输入进行计算,结果产生一个值对象。

过度的使用领域服务将导致贫血领域模型,即所有业务逻辑都位于领域服务中,而不是实体和值对象中,陷入将领域服务作为银弹的陷阱

在java世界中, 常见的命名实现类的方法便是给接口加上Impl后缀。此外, 实现类和接口通常被放在相同的包下。如果是这种情况,往往意味着你根本就不需要一个独立接口,因为我们知道不会再有另外的实现类。

对于系统中发生的每一件事情,我们都用事件的形式予以捕获, 然后将事件发布给订阅方处理, 这能达到简化系统的目的么?答案是肯定的。原本集中处理的过程可以分散成许多粒度较小的处理单元,业务需求也由此得到更快的满足。

将实体和值对象在一致性边界之内组成聚合(Aggregate)乍看起来是一件轻松地任务。一方面,我们可能为了对象组合上的方便而将聚合设计的很大(一个用例对应一个聚合上的命令方法)。另一方面,我们设计的聚合有可能因为过于贫瘠而丧失了保护真正不变条件的目的(某个用例需要修改多个聚合实例,这是需要保持多个聚合实例间的一致性,这时要考虑是否将聚合组合成一个新的聚合,慎重)。推荐

  1. 设计小聚合。聚合只包含最小数量的属性或值类型属性,且为相互之间必须保持一致的属性
  2. 优先考虑通过全局唯一标识来引用外部聚合,而不是直接的对象引用

其它

无论你选择做什么,总有人说你是错的,又总有这样那样的困难诱使你相信批评你的人是对的。要找到一条正确之路并坚持到最后,你需要的是勇气。

一旦你没有被击倒,那么你所做的选择将双倍的补偿你