DDD领域驱动设计-充血模型、贫血领域模型(上)

简介: DDD领域驱动设计-充血模型、贫血领域模型(上)
  • 贫血模型即事务脚本模式
  • 充血模型即领域模型模式

贫血模型

最早广泛应用源于EJB2,最强盛时期则是由Spring创造,把

“行为”(逻辑、过程)

“状态”(数据,对应到语言就是对象成员变量)

分离到不同的对象中:


只有状态的对象就是所谓的“贫血对象”(常称为VO——Value Object)

只有行为的对象就是我们常见的N层结构中的Logic/Service/Manager层(对应到EJB2中的Stateless Session Bean)。(曾经Spring的作者Rod Johnson也承认,Spring不过是在沿袭EJB2时代的“事务脚本”,也就是面向过程编程)

贫血领域模型是一个存在已久的反模式,它不是个好东西。


贫血领域模型的基本特征

它第一眼看起来还真像这么回事儿。项目中有许多对象,它们的命名都是根据领域来的。对象之间有着丰富的连接方式,和真正的领域模型非常相似。但当你检视这些对象的行为时,会发现它们基本上没有任何行为,仅仅是一堆getter/setter。

其实这些对象在设计之初就被定义为只能包含数据,不能加入领域逻辑。这些逻辑要全部写入一组叫Service的对象中。这些Service构建在领域模型之上,使用这些模型来传递数据。

反模式的恐怖

它完全和面向对象设计背道而驰。面向对象设计主张将数据和行为绑定在一起,而贫血领域模型则更像是一种面向过程设计。

贫血领域模型的根本问题在于,它引入了领域模型设计的所有成本,却没有带来任何好处。

最主要的成本是将对象映射到数据库中,从而产生了一个O/R(对象关系)映射层。只有当你充分使用了面向对象设计来组织复杂的业务逻辑后,这一成本才能够被抵消。如果将所有行为都写入到Service对象,那最终你会得到一组事务处理脚本,从而错过了领域模型带来的好处。正如martin在企业应用架构模式一书中说到的,领域模型并不一定是最好的工具。


将行为放入领域模型,这点和分层设计(领域层、持久化层、展现层等)并不冲突。因为领域模型中放入的是和领域相关的逻辑——验证、计算、业务规则等。如果你要讨论能否将数据源或展现逻辑放入到领域模型中,这就不在本文论述范围之内了。


一些面向对象专家的观点有时会让人产生疑惑,他们认为的确应该有一个面向过程的服务层。但是,这并不意味着领域模型就不应该包含行为。事实上,service层需要和一组富含行为的领域模型结合使用。


Eric Evans的Domain Driven Design一书中提到:


应用层(即Service层)

描述应用程序所要做的工作,并调度丰富的领域模型来完成它。这个层次的任务是描述业务逻辑,或和其它项目的应用层做交互。这层很薄,不包含任何业务规则或知识,仅用于调度和派发任务给下一层的领域模型。这层没有业务状态,但可以为用户或程序提供任务状态。


领域层(或者叫模型层)

表示业务逻辑、业务场景和规则。该层次会控制和使用业务状态,即使这些状态最终会交由持久化层来存储。总之,该层是软件核心。


服务层很薄——所有重要的业务逻辑都写在领域层。他在服务模式中复述了这一观点:

如今人们常犯的错误是不愿花时间将业务逻辑放到合适的领域模型中,从而逐渐形成面向过程的程序设计。


为什么这种反模式会那么常见呢。我怀疑是因为大多数人并没有使用过一个设计良好的领域模型,特别是那些以数据为中心的开发人员。此外,有些技术也会推动这种反模式,比如J2EE的Entity Bean,这会让我更倾向于使用POJO领域模型。


总之,如果你将大部分行为都放置在服务层,那么你就会失去领域模型带来的好处。如果你将所有行为都放在服务层,那你就无可救药了。


目录
相关文章
|
架构师 NoSQL Java
【案例实战】SpringBoot3.x自定义封装starter实战
【案例实战】SpringBoot3.x自定义封装starter实战
【案例实战】SpringBoot3.x自定义封装starter实战
|
12月前
|
弹性计算 运维 监控
【阿里云】操作系统控制台——体验与测评
阿里云操作系统控制台是一款强大的综合管理平台,集健康评估、智能诊断与性能优化于一体。通过可视化界面,用户可便捷高效地管理操作系统,降低运维复杂度。它支持弹性云服务器(ECS)的监控与调优,提供进程热点追踪、系统诊断等功能,帮助用户快速定位问题并给出优化建议。此外,控制台还具备地域限制和组件安装要求,需确保配置一致性。对于中小企业和技术新手,这款工具极大简化了运维流程,提升了资源利用率和系统稳定性。建议增加报告导出功能及内嵌智能助手,进一步优化用户体验。总结来说,该控制台如同“云服务器管家”,让运维更简单、业务更稳定。
|
存储 关系型数据库 MySQL
2022年最新最详细的MYSQL数据库安装(详细图解过程、毕成功)
这篇文章提供了2022年最新最详细的MYSQL数据库安装教程,包括下载、安装步骤图解、初始化配置文件创建、登录密码修改注意事项,并分享了作者在安装过程中遇到的常见问题及其解决方法。
2022年最新最详细的MYSQL数据库安装(详细图解过程、毕成功)
|
人工智能 文字识别 测试技术
苹果多模态模型大升级!文本密集、多图理解,全能小钢炮
苹果公司近日发布了其最新版本的多模态模型MM1.5,该模型在文本密集图像理解、视觉引用和定位以及多图推理等方面进行了显著升级。MM1.5基于MM1模型,具备更强的文本处理、视觉理解和多图推理能力,适用于多种下游任务。此外,还推出了专门用于视频理解和移动UI理解的变体。
328 3
|
设计模式 算法
探索编程的本质:从代码到哲学的奇妙旅程
在这篇文章中,我们将深入探讨编程的本质,揭示它不仅仅是一门技术学科,更是一种思维方式和解决问题的策略。通过个人的技术感悟,我们会看到编程如何与哲学、逻辑以及人类思考方式紧密相连,进而理解编程的真正内涵和其在现代社会中的重要性。
333 3
|
Python
Matplotlib 教程 之 Matplotlib 中文显示 1
Matplotlib 中文显示教程:介绍如何在 Matplotlib 中正确显示中文,包括设置 Matplotlib 字体参数和下载支持中文的字体库。通过获取系统字体库列表,选择合适的中文字体进行配置。
350 0
|
JavaScript
vue 页面向下滚动到指定位置时,顶部显示悬浮搜索框
vue 页面向下滚动到指定位置时,顶部显示悬浮搜索框
399 1
|
数据采集 机器学习/深度学习 TensorFlow
TensorFlow中的数据加载与处理
【4月更文挑战第17天】本文介绍了在TensorFlow中进行数据加载与处理的方法。使用`tf.keras.datasets`模块可便捷加载MNIST等常见数据集,自定义数据集可通过`tf.data.Dataset`构建。利用`tf.data`模块构建输入管道,包括数据打乱、分批及重复,以优化训练效率。数据预处理涉及数据清洗、标准化/归一化以及使用`ImageDataGenerator`进行数据增强,这些步骤对模型性能和泛化至关重要。
|
IDE API 开发工具
在 VSCode 中实现 Jupyter Debug Adapter
通过本文的介绍,我们可以了解 VSCode 的 Debug Adapter 的实现原理,并以 Jupyter 为例,成功在 VSCode 中实现 Jupyter Debug Adapter,并实现完全的调试能力。 得益于 VSCode 灵活的调试注入能力,我们可以方便地为更多的语言,甚至是一些自定义框架实现调试能力,这可能可以为更多的小众语言或框架的开发者带来工作效率上的帮助。
|
前端开发 Java 数据库
DTO、TO、VO、PO、DO、BO、AO、DAO、POJO
DTO、TO、VO、PO、DO、BO、AO、DAO、POJO
506 0