「第二部:容器和微服务架构」(8) 识别每个微服务的领域模型边界

简介: 「第二部:容器和微服务架构」(8) 识别每个微服务的领域模型边界

在确定每个微服务的模型边界和大小时,目标并不是尽可能实现最细粒度的分离,尽管如果可能的话,您应该倾向于使用较小的微服务。相反,您的目标应该是在您的领域知识的指导下实现最有意义的分离。重点不在于规模,而在于业务能力。此外,如果基于大量依赖关系的应用程序的某个特定区域需要明显的内聚,这也表示需要单个微服务。内聚性是一种识别如何分离或组合微服务的方法。最终,当您获得更多关于域的知识时,您应该迭代地调整微服务的大小。找到合适的尺寸不是一蹴而就的过程。


Sam Newman是公认的microservices的发起人,也是《构建microservices》一书的作者,他强调应该根据前面介绍的有界上下文(BC)模式(领域驱动设计的一部分)来设计microservices。有时,BC可以由多个物理服务组成,但反之亦然。


具有特定域实体的域模型应用于具体的BC或微服务中。业务连续性定义了域模型的适用性,并使开发团队成员对什么必须具有内聚性和什么可以独立开发有一个清晰和共享的理解。这些都是微服务的相同目标。

另一个通知您的设计选择的工具是Conway's law,它声明一个应用程序将反映产生它的组织的社会边界。但有时恰恰相反——公司的组织是由软件组成的。你可能需要推翻康威的法律,按照你希望公司组织的方式建立边界,倾向于业务流程咨询。


要识别有界上下文,可以使用称为上下文映射模式的DDD模式。使用上下文映射,可以标识应用程序中的各种上下文及其边界。例如,每个小的子系统都有不同的上下文和边界。上下文映射是定义和明确域之间边界的一种方法。BC是自治的,包含单个域的详细信息(如域实体),并定义与其他BC的集成合同。这类似于微服务的定义:它是自治的,实现了一定的域功能,并且必须提供接口。这就是为什么上下文映射和有界上下文模式是识别微服务的域模型边界的好方法。


在设计大型应用程序时,您将看到它的域模型是如何被分割的——例如,来自目录域的域专家将以不同于装运域专家的方式命名目录域和库存域中的实体。或者,当客户关系管理专家想要存储客户的每一个细节时,用户域实体在大小和属性数量上可能不同于订购域专家,订购域专家只需要客户的部分数据。在与大型应用程序相关的所有域中,很难消除所有域术语的歧义。但最重要的是你不应该试图统一术语。相反,接受每个领域提供的差异和丰富性。如果您试图为整个应用程序建立一个统一的数据库,那么尝试使用统一的词汇表将很困难,而且对任何一个多域专家来说都不太合适。因此,BCs(实现为microservices)将帮助您澄清在何处可以使用某些域术语,以及在何处需要拆分系统并创建具有不同域的附加BCs。


如果域模型之间很少有强关系,并且在执行典型的应用程序操作时通常不需要合并来自多个域模型的信息,那么您将知道每个BC和域模型的边界和大小都是正确的。


对于每个微服务的域模型应该有多大的问题,最好的答案可能是:它应该有一个尽可能独立的自治BC,使您能够在不需要不断切换到其他上下文(其他微服务的模型)的情况下工作。在图10中,您可以看到多个微服务(多个BCs)各自有自己的模型,以及如何定义它们的实体,这取决于应用程序中每个已标识域的特定需求。


图10展示了一个与在线会议管理系统相关的示例场景。同一实体显示为“用户”、“买方”、“付款人”和“客户”,具体取决于有界上下文。基于领域专家为您定义的域,您已经确定了几个可以实现为微服务的bc。如您所见,有些实体只存在于一个microservice模型中,如Payment microservice中的Payments。这些将很容易实施。


但是,您也可能有具有不同形状的实体,但在多个微服务的多个域模型中共享相同的标识。例如,用户实体在会议管理微服务中标识。具有相同身份的同一用户是Ordering microservice中指定的买家,或Payment microservice中指定的付款人,甚至是Customer Service microservice中指定的客户。这是因为,取决于每个领域专家使用的普遍语言,用户可能有不同的视角,即使具有不同的属性。名为“会议管理”的微服务模型中的用户实体可能具有其大部分个人数据属性。但是,在microservice Payment中以Payer形式或在microservice Customer Service中以Customer形式的同一用户可能不需要相同的属性列表。

类似的方法如图11所示。


图11 将传统数据模型分解为多域模型

在有界上下文之间分解传统数据模型时,可以在每个有界上下文中拥有具有不同属性的共享同一标识的不同实体(买方也是用户)。您可以看到用户如何以用户实体的形式出现在会议管理微服务模型中,并且在定价微服务中以买方实体的形式出现,当用户实际上是买方时,还可以看到用户的其他属性或详细信息。根据要解决的问题或上下文,每个微服务或BC可能不需要与用户实体相关的所有数据,而只需要其中的一部分。例如,在Pricing microservice模型中,您不需要用户的地址或名称,只需要ID(身份)和状态,这将在为每个买家定价座位时对折扣产生影响。


Seat实体在每个域模型中具有相同的名称,但属性不同。但是,与用户和买方一样,座椅共享基于相同ID的标识。


基本上,在多个服务(域)中存在一个用户的共享概念,所有服务(域)都共享该用户的身份。但是在每个域模型中,可能有关于用户实体的其他或不同的详细信息。因此,需要有一种方法将用户实体从一个域(微服务)映射到另一个域。


不在域之间共享具有相同数量属性的同一用户实体有几个好处。一个好处是减少重复,这样microservice模型就不需要任何数据。另一个好处是拥有一个主微服务,该主微服务拥有每个实体的特定类型的数据,因此对该类型数据的更新和查询仅由该微服务驱动。


架构师的宝库,每天一篇,开拓你的视野和深度。分享企业架构,业务架构,应用架构,数据架构,技术架构,安全架构等。讨论架构框架,规划,治理,标准,落地。交流新兴的架构风格和模型。如微服务,事件驱动,微前端,大数据,数仓,物联网,人工智能架构。


前端后端一锅端,数据物联区块链,AI AR 和VR,分析 安全 元宇宙。全栈开发Java,Python,Go,Groovy,Kotlin,C#,Node,TypeScript,JavaScript,Rust, Swift,R,Ruby。


首席数字化转型官

交流数字化转型,创新和整合。帮助CIO,CDO,CDTO成长。关注数字化方法,流程,框架,案例以及趋势。探讨业务架构规划,IT建设和数字化落地。聊产品,研发,营销,销售,供应链,计划,工厂,财务,税务等数字化领域。


相关文章
|
2月前
|
Cloud Native Serverless API
微服务架构实战指南:从单体应用到云原生的蜕变之路
🌟蒋星熠Jaxonic,代码为舟的星际旅人。深耕微服务架构,擅以DDD拆分服务、构建高可用通信与治理体系。分享从单体到云原生的实战经验,探索技术演进的无限可能。
微服务架构实战指南:从单体应用到云原生的蜕变之路
|
10月前
|
人工智能 Kubernetes jenkins
容器化AI模型的持续集成与持续交付(CI/CD):自动化模型更新与部署
在前几篇文章中,我们探讨了容器化AI模型的部署、监控、弹性伸缩及安全防护。为加速模型迭代以适应新数据和业务需求,需实现容器化AI模型的持续集成与持续交付(CI/CD)。CI/CD通过自动化构建、测试和部署流程,提高模型更新速度和质量,降低部署风险,增强团队协作。使用Jenkins和Kubernetes可构建高效CI/CD流水线,自动化模型开发和部署,确保环境一致性并提升整体效率。
|
5月前
|
缓存 Cloud Native Java
Java 面试微服务架构与云原生技术实操内容及核心考点梳理 Java 面试
本内容涵盖Java面试核心技术实操,包括微服务架构(Spring Cloud Alibaba)、响应式编程(WebFlux)、容器化(Docker+K8s)、函数式编程、多级缓存、分库分表、链路追踪(Skywalking)等大厂高频考点,助你系统提升面试能力。
261 0
|
9月前
|
存储 测试技术 对象存储
容器计算服务ACS单张GPU即可快速搭建QwQ-32B推理模型
阿里云最新发布的QwQ-32B模型拥有320亿参数,通过强化学习大幅度提升了模型推理能力,其性能与DeepSeek-R1 671B媲美,本文介绍如何使用ACS算力部署生产可用的QwQ-32B模型推理服务。
|
8月前
|
Cloud Native Serverless 流计算
云原生时代的应用架构演进:从微服务到 Serverless 的阿里云实践
云原生技术正重塑企业数字化转型路径。阿里云作为亚太领先云服务商,提供完整云原生产品矩阵:容器服务ACK优化启动速度与镜像分发效率;MSE微服务引擎保障高可用性;ASM服务网格降低资源消耗;函数计算FC突破冷启动瓶颈;SAE重新定义PaaS边界;PolarDB数据库实现存储计算分离;DataWorks简化数据湖构建;Flink实时计算助力风控系统。这些技术已在多行业落地,推动效率提升与商业模式创新,助力企业在数字化浪潮中占据先机。
458 12
|
9月前
|
存储 测试技术 对象存储
使用容器服务ACK快速部署QwQ-32B模型并实现推理智能路由
阿里云最新发布的QwQ-32B模型,通过强化学习大幅度提升了模型推理能力。QwQ-32B模型拥有320亿参数,其性能可以与DeepSeek-R1 671B媲美。
|
10月前
|
人工智能 Prometheus 监控
容器化AI模型的监控与治理:确保模型持续稳定运行
在前几篇文章中,我们探讨了AI模型的容器化部署及构建容器化机器学习流水线。然而,将模型部署到生产环境只是第一步,更重要的是确保其持续稳定运行并保持性能。为此,必须关注容器化AI模型的监控与治理。 监控和治理至关重要,因为AI模型在生产环境中面临数据漂移、概念漂移、模型退化和安全风险等挑战。全面的监控涵盖模型性能、数据质量、解释性、安全性和版本管理等方面。使用Prometheus和Grafana可有效监控性能指标,而遵循模型治理最佳实践(如建立治理框架、定期评估、持续改进和加强安全)则能进一步提升模型的可信度和可靠性。总之,容器化AI模型的监控与治理是确保其长期稳定运行的关键。
|
10月前
|
监控 Kubernetes Cloud Native
基于阿里云容器服务Kubernetes版(ACK)的微服务架构设计与实践
本文介绍了如何基于阿里云容器服务Kubernetes版(ACK)设计和实现微服务架构。首先概述了微服务架构的优势与挑战,如模块化、可扩展性及技术多样性。接着详细描述了ACK的核心功能,包括集群管理、应用管理、网络与安全、监控与日志等。在设计基于ACK的微服务架构时,需考虑服务拆分、通信、发现与负载均衡、配置管理、监控与日志以及CI/CD等方面。通过一个电商应用案例,展示了用户服务、商品服务、订单服务和支付服务的具体部署步骤。最后总结了ACK为微服务架构提供的强大支持,帮助应对各种挑战,构建高效可靠的云原生应用。
|
9月前
|
存储 JSON NoSQL
微服务——MongoDB的数据模型
MongoDB采用文档(document)作为最小存储单位,类似关系型数据库中的行,使用BSON(Binary-JSON)格式存储数据。BSON是JSON的二进制扩展,支持内嵌文档和数组,新增了如Date、BinData等特殊数据类型,具有轻量、高效、可遍历的特点,适合非结构化与结构化数据存储。其灵活性高,但空间利用率略低。BSON数据类型包括string、integer、boolean等基本类型及date、object id等扩展类型。
243 0

热门文章

最新文章