领域驱动设计-让程序员心中有码(九)

简介: 领域驱动设计-让程序员心中有码(九)

一、易于腐化的软件设计

犹记得刚刚参加工作时,是地图厂商四维图新集团旗下的一家子公司,主要从事规划测绘相关软件研发的公司。当时我的项目是为勘测设计院提供相对应的应用软件,对地理信息和规划相关的图纸信息,几乎已经专业水平。事实上,规划设计大概和软件设计类似,有规划的设计、或无规划的设计,造成的结果几乎是天壤之别。

我们或许很容易就能设想到一个毫无规划设计的城市,纵横交错的路网、杂乱无章式的建筑布局、各种凌乱的棚户区设计,恰好象征着软件设计的无序性,也恰好体现了软件企业在经费不足、组织缺乏管理、开发者能力不足、软件随时随地想改就改时的行业现状,只能说这样的软件是最能符合当时实际劳动生产力水平的产品。

如图一所示,巴西棚户区,层层叠叠、风格迥异、密密麻麻,如果作为一个外人贸然来到这样的地方,大概很容易迷失期间、更不用说充斥在棚户区的各类毒品和黑社会。杂乱无章的建筑和街区,就像代码中错综复杂的调用链;而借助贫民区搞事的黑社会就像是代码中的异味或者bug,表面上看起来如此平静、与世无争、但是你永远也不知道啥时候会来一冷枪。

不要以为离我们很远,我们其实轻易就能写出这样的软件工程项目。不一定是“大泥球”系统,也有可能只是一些看似简单的业务系统,但内部代码逻辑,可能会复杂到令人窒息的程度。也许那个时候有个别开发者也许会试图靠自己的能力来改变局面,但是往往也会碍于屎山太大,难以下咽。

大概只有最顶级的规划设计师、耗费足够多的资源,才能将这样的软件系统进行整改。然而,即便如此,如果以后没有持续维护的手段、更好的设计、仅靠老 程序员或个别架构师、盲目相信将单体服务拆分成微服务,几乎不太可能实现软件未来的可持续发展。

一个良好的软件产品的一生、或许其实是一家企业一生的真实写照。

在特定组织架构下,缺乏技术基因的组织有时候期待技术变革,却会开启新的泥坑。而那些渴望靠技术改变一切的技术专家,虽然拥有某些大厂微服务式架构、以及架构改造的经验,他们也试图通过自己的努力,为企业业务腾飞助力。而在他们过去的经验中,往往相信组织遇到的问题,用微服务一定能解决问题。然后大肆扩招,一年内从几个人的规模、扩招到数百人的规模,将原来的系统从单体服务、改良成为微服务。但是靠单枪匹马根本无力拯救大势,没有更好的业务拆分策略,就只能按照 数据库的表名关系实现了最简单的拆分。架构改造并非每次都会百试百灵,有时甚至连原来的需求都包不住,毕竟只能看到用户界面层外观上的表面逻辑,而隐藏在业务中的那数十万行代码,哪怕包含了企业最有价值的经验财富,也由于代码过于混乱,最终抛弃在源代码管理器中,堪称化神奇为腐朽。

二、易于腐化的面向过程开发

老系统改造也好、新系统开发也好,毫无疑问,我们最容易相信的其实是老程序员经验,而程序员们掌控系统的方式,就是靠数据库建模来驱动软件开发的古老模式,而且几乎都是面向过程式的代码,这些代码的流程几乎一模一样,只需简单的按照步骤,一步步套模式,轻易就能学会。

1、查看用户界面,定义需要绑定到界面的模型和层级结构。

2、设计数据库,不管什么类型的项目,先根据客户提供的业务表单、将其转化成实体关系(ER图)、然后建立对应的代码模型。有可能使用专业软件设计ER图,也有可能会使用Navicat软件设计ER图。

3、设计接口,然后把数据拼凑成用户界面层所需的对象。

4、代码层次结构为传统的三层架构,严格按照用户界面层、业务逻辑层、数据访问层进行设计,有时候会引入依赖注入框架,实现不同层次间的解耦。

但是有时候程序员不会严格区分需要编写的代码,究竟是属于哪个层次应该囊括的内容。于是毫无疑问,如果代码是为了实现用户界面上某些数据绑定操作,代码就往用户界面层写;或者代码是为了实现从数据库中抽取某些复杂数据、并构造成满足用户表现层逻辑的查询对象,那么就可以看到数据访问层代码中那些臃肿的SQL语句或查询方法。

正如“罗马不是一天建成的”,屎山也同样如此。这样的写法在代码刚刚编写之初并没有问题,只是随着业务变化、时间的积累、程序员的水平、方法重构、新技术新组件的引入,代码将成为屎山。

这时,高级程序员们的价值,就在于他如何能够在屎山中快速找到bug、并解决问题的能力,这大概是一种不能复用、不可再生的能力,因为永远有让人看不懂的垃圾代码,而且每家企业都有自己的特点,不同企业间往往不能循环利用。我一位朋友经常吐槽,他感觉自己的价值就是守住公司那份拥有8年历史的古老代码,以便其他程序员在进行代码修改时,不会引发莫名其妙的bug让系统无法运转。

三、过程式开发和事务脚本模式

在现代软件工程学的教科书中,都会指出面向对象是解决软件复杂性的方法,但实际上掌握这种方法的开发者并不多。由于开发者普遍缺乏抽象化思维,所以面向数据库、面向过程式的编程习惯能够成为业界主流,并非时代的倒退,而仅仅只是在短期效率和长期维护性上,被迫做出的艰难选择。

假设我们设计出的符合三层架构的系统结构图简化后,如下图所示:

我们来 看看这种数据库建模的开发流程中的输出成果:

1、会定义两种对象,分别是是面向UI层的模型(DTO)和数据实体(Entity)。在领域驱动设计中,将这两种称为所谓贫血模型,贫血模型,只有赋值器Set和取值器Get,(在Java里面会使用POJO 这个名词来定义)。贫血模型是为了作为保存状态或传递对象而存在,他并非按照实际用例场景对某类具体事务的抽象、也没有与对象相关的行为。

2、定义数据访问层来实现数据的持久化、或者从持久层实现数据的创建过程。数据访问层存在的目的是为了构建上述贫血模型对象,这种访问机制被成为“事务脚本”。事务脚本与对象行为割裂,而且容易导致异味产生。

3、与用户行为相关的操作割裂的存放在不同层。有的可能放在用户界面层、有的可能放在数据访问层、有的可能放在业务逻辑层,造成了领域知识的丢失。

4、用户界面层使用接口作为外观或者一种行为、开发者会使用自己独立的风格习惯来定义这种行为,就容易造成术语和规则不统一,也会为后期产品的维护迭代造成问题。

5、现在的软件设计,往往要求输出一份高保真的原型图、也会按照敏捷项目管理的流程对这份原型图建立持续更新的机制,确保原型图是需求的具体表达,但是产品语言并非统一语言,也许产品语言具有业务含义,但是由于不能指导开发者进行接口、类、持久层的设计,造成了代码与需求的割裂。在张逸老师的《领域驱动战术实践》提到他曾经使用dimension和metric两种不同的对象来定义一个维度对象,为代码造成了不必要的麻烦。我也曾经在一个项目,遇到过产品术语未能澄清,导致开发中使用style和theme两种截然不同的定义来定义与“风格”相关术语,为代码引入了不必要的纠结。

四、领域驱动设计是什么?

领域驱动设计引入了以下概念,但是我们无需在这篇文章中深刻理解这些概念的具体含义,我们只需知道,有这个东西。当我们开始按照领域驱动设计的方法设计一个系统时,按照前人整理的领域驱动的sample,往往就会将概念融汇贯通,达到更好的理解效果。

1、统一语言:定义好产品原型,需要建立统一语言。这是一种在内部和外部都能使用的规范化用语,包括UML、适当的图、一致性的描述、以及专业术语和术语对应的英文描述。

2、实体:在领域中可以通过标识进行唯一值定位的对象。

3、值对象:在领域中,从其他领域或某个实体中分离出只包含某些特定属性的对象。由于不具备唯一性特征,往往无需用于数据持久化。

4、聚合、聚合根:将具有相关性的对象聚合在一起,并以聚合根的形式统一对外提供访问方法和属性字段成员。

5、限界上下文:领域包含核心领域、子域和通用子域,而限界上下文则是一个具体业务的流程。每个限界上下文独立于其他限界上下文而存在,独立演进、功能完备。限界上下文的识别充满技术含量。

6、领域服务:包括仓储服务和工厂服务,前者负责实现对象与数据库的操作过程、封装了一系列数据库操作的方法;后者则侧重于对象的创建过程。个人认为从三层架构演进到领域驱动架构过程中,仓储服务是最接近于数据访问层的逻辑,也是让大部分领域驱动架构最终又回归到三层架构的一种通病。从对数据访问层中抽出对象、行为、数据访问,是战术设计的关键步骤。

领域驱动设计引入了一堆新的架构形式,包括经典的四层架构、EDA(事件驱动架构)、CQRS架构(命令查询职责分离)。而由于Evans的原书没有过分讨论如何识别领域,后来又有许多大佬在他的基础上进行了完善,提出了许多方法,包括名词、形容词、动词建模法、事件风暴、四色建模等方法,限于篇幅,且听下回分解。


五、思维的转变,才是最大的困难

领域驱动设计,或许是解决这些问题的一剂良方,但也或许是开启了暗黑世界的大门。

概念晦涩难懂、程序员们不愿意开始思维变革、技术上可能存在不预期的坑、都可能让新方法的实践陷入一滩烂泥。还有许多人以为自己看懂了领域驱动设计(包括笔者),在往项目中运用时,总是有意无意的会被过程式代码的思维定式控制,让架构回退到三层架构。

由于微服务架构的兴起,让复杂系统的开发维护成为大家普遍关心的问题,使得Eric Evans于十五年前提出的这套理论,在今天绽放出了新的光芒。当然领域驱动设计仅仅只是众多面向对象编程的一种实践,通过领域驱动设计将UML等方法灵活的运用其中,通过打破原有数据库关系建模给代码造成的桎梏,让开发者能够真正的实现面向对象编程。

然而思维模式的转换并非易事,从过程式代码中,抽离出与对象有关的行为,远比理解这几个概念要复杂,这需要大量经验的积累。


毋庸置疑,数据库建模驱动软件开发具有速度快、学习成本低的显著特点,在许多项目中,能在短期内可以给开发者带来许多便利;而应用领域驱动设计,则可以在更长的维护周期内,给软件维护带来实质性好处。

两种不同类型的开发模式,根据企业实际出发进行选择,还只是开始,但能真正运用好领域驱动设计或者UML、面向对象设计这种软件工程的美学思维来改造我们的系统,让系统绽放出更加璀璨的光芒,这才是软件设计的乐趣所在。


相关文章
|
JSON NoSQL MongoDB
MongoDB 数据导出和导入 大全
MongoDB 数据导出和导入 大全
830 0
|
2月前
|
人工智能 调度
如何独自完成工作任务
在AI智能体时代,“一个人干一个部门的活”成为现实:关键不在加班,而在任务拆解、工具协同与流程复用。善用大模型、AI工具与自动化工作流,将重复劳动交给智能体,人专注判断、创意与交付。本质是构建“人+AI+系统”的高效协同范式。
284 4
|
2月前
|
人工智能
OPC一人公司如何变现?AI时代,普通人的新赚钱方式正在出现
AI时代,“OPC一人公司”正兴起:借助ChatGPT、Midjourney、剪映AI等工具,一人即可高效完成文案、设计、剪辑、运营与客服。轻启动、低门槛、强变现——从AI内容创作到智能体代运营,普通人也能构建完整商业闭环。
|
6月前
|
人工智能 缓存 文字识别
Python驱动的PDF信息提取与结构化输出:从文本到表格的全流程解析
本文详解Python处理PDF的三大场景:文本提取(PyPDF2/pdfplumber)、扫描件OCR(Tesseract+pdf2image)、表格结构化(Camelot/tabula),结合真实案例演示精准提取与自动化输出,助力合同、发票等业务数据高效数字化。(239字)
912 1
|
8月前
|
机器学习/深度学习 数据采集 监控
《游戏平衡的高阶解法:强化学习主导的参数迭代策略》
本文聚焦强化学习技术在游戏动态平衡领域的落地实践,针对传统人工调参的滞后性与片面性痛点,提出构建RL驱动的参数自适应调节体系。文章阐释了从搭建生态感知网络、提炼隐性玩家行为数据,到构建体验反馈闭环、实施微幅迭代调整的核心路径,强调通过平衡熵控制实现稳定性与探索性的动态均衡,以及依托渐变式调整策略降低玩家适应成本。最终点明,RL技术并非取代设计师,而是通过人机协同打造自洽进化的游戏生态,让游戏在玩家行为博弈中始终维持兼具挑战与乐趣的平衡区间。
331 0
|
10月前
|
SQL Oracle 关系型数据库
SQL语言小结
针对数据库、表单和数据行的增删改,没有涉及到sql真正的用途也就是查询,sql提供的查询语句的关键字占 sql 语言的一半之多,查询语句还是得单拿出来讲,不然太多了。 因为没有涉及到查询,所以sql的新增和修改都是很笼统的做法,drop、alter drop、delete这些很容易,逻辑性也不强,再次说明sql的真正精髓在于查询,不然为啥叫做结构化查询语言
500 0
|
SQL 人工智能 自然语言处理
别让你的大模型被忽悠了,聊聊prompt注入攻击
本文探讨了Prompt工程中的隐私与安全问题,重点分析了“奶奶漏洞”及更广泛的Prompt攻击现象,特别是Prompt注入的原理与防御手段。Prompt注入通过构造恶意输入突破模型限制,使LLM执行非预期操作。文章介绍了直接注入和间接注入类型,并提供了多种防御方案,如输入过滤、强化系统指令、接入第三方校验库及多模型协作防御。此外,还讨论了Prompt逆向工程及其正负影响,以及恶意MCP服务投毒的实际案例,如GitHub Copilot漏洞。最后提出了动态权限控制和持续安全监测等解决策略。
|
存储 人工智能 数据可视化
高效率,低成本!且看阿里云AI大模型如何帮助企业提升客服质量和销售转化率
在数字化时代,企业面临海量客户对话数据处理的挑战。阿里云推出的“AI大模型助力客户对话分析”解决方案,通过先进的AI技术和智能化分析,帮助企业精准识别客户意图、发现服务质量问题,并生成详尽的分析报告和可视化数据。该方案采用按需付费模式,有效降低企业运营成本,提升客服质量和销售转化率。
高效率,低成本!且看阿里云AI大模型如何帮助企业提升客服质量和销售转化率
|
自然语言处理 IDE 测试技术
通义灵码怎么样?分为哪些版本,看看基础能力多少分?
通义灵码是一款基于通义大模型的智能编码辅助工具,提供实时代码续写、自然语言生成代码、单元测试生成、代码优化、注释生成、代码解释等功能。
|
存储 大数据 Python
NumPy 内存管理和性能调优
【8月更文第30天】NumPy 是 Python 中用于科学计算的核心库之一,它提供了高效的数组操作功能。然而,随着数据集的增大,如何有效地管理和优化 NumPy 数组的内存使用成为了一个重要的问题。本文将介绍一些技巧,帮助你更好地管理和优化 NumPy 数组的内存使用。
854 0