关于架构设计的易变性,应该如何理解呢?

简介: 通常情况下,我们的架构设计图大概率会如下图这个样子了,首先声明一点,这其实并没有什么不妥的,这也是很典型的分层设计啦~

一、架构设计分层


通常情况下,我们的架构设计图大概率会如下图这个样子了,首先声明一点,这其实并没有什么不妥的,这也是很典型的分层设计啦~


微信图片_20220609110752.jpg


关于各个分层的具体描述,就简单的来聊聊吧。


  • Client层


这个比较简单,就不多说了。


  • Business Logic


业务逻辑这层分成 Manager 和 Engine 层,Manager 负责管理流程类的易变性,Engine 负责某个活动节点本身的易变性。


什么是流程易变性呢?简单理解,就是工作流嘛。


微信图片_20220609110755.jpg


下面的两个流程是完全相同的,只是在第二步使用的活动不一样,如果 B 和 D 干的是同一件事情,那么 B 和 D 应该被封装进同一个 Engine 中。


微信图片_20220609110757.jpg


当然,如果 B 和 D 功能不一样,那这两个流程就不一样了,另论。


  • Resource Access


这一层是资源访问层,负责一些存储资源的封装,也就是说公司内的基础设施要变化的时候,不应该影响到上层的业务,这种在 DDD 社区也有 Repo Pattern 之类的,比较好理解。


  • Utilities


那些紫色的组件,一般是一些大家公用的非功能性 SDK,也比较好理解。


架构图里的模块大多是服务:


微信图片_20220609110800.jpg


这样的分层每一次都是在解决 Who、What、How、Where 这四个问题:


微信图片_20220609110802.jpg


从上往下,易变性是逐渐降低的,这个我们可以理解,公司里最常修改的都是上面的一些业务逻辑,底层的基础设施几年变一次就不错了。


自上而下的重用性是逐渐增加的,Manager 经常做变更、重构、完全重写,都是挺正常的。


二、架构组合设计方案


  • 开放架构


任何组件都可以调用任何其它组件,而不必考虑组件所在的层。可以向上向下调用。


开发架构有很大的灵活性,不过显然会导致层与层之间互相耦合,层内的横向调用也会导致层内的相互耦合,这样的项目是没法维护的。


作者认为产生横向调用是因为架构按照功能分解的恶果之一。


  • 封闭架构


封闭架构禁止层内的横向调用,并且禁止下层调用上层系统。


这样才能发挥分层的优势,将层与层之间解耦。


封闭架构只允许一层的组件调用相邻较低层中的组件,下层的组件封装更下层的逻辑。


半封闭半开放架构


基础设施的关键部分,有时互相调用是难以避免的。因为基础设施要考虑性能问题,必须要进行最大优化,而有时向下转换会导致性能问题。


但大多系统不需要半开半闭,只要封闭就可以了。


放宽一点封闭架构的规则


因为封闭架构的要求太苛刻,实际开发中确实会遇到问题,在下面这些情况下也可以酌情放宽:


  • 调用 utilities


  • 按业务逻辑访问资源访问,即 manager 层直接调用 resource access 层


  • manager 组件调用不太相邻的引擎


  • manager 组件到其它 manager 组件通过 MQ 来通信,这种情况 manager 组件不需要知道其它组件,只要发 message 就可以了


  • 设计禁忌


下面这些行为都是不能允许的:


  • Client 不应该在一个用例中调用多个 Manager,不应该直接调用 Engine


  • Engine 不应该发布消息,不应该订阅消息队列


  • Engine 与 Manager 不应该相互调用


三、总结


关于可组合架构与架构验证,一定不要根据需求设计,而是要根据易变性来设计。


设计系统时,要从需求列表中找到核心需求,在设计完成之后,先用核心用例进行架构验证。在增加新的需求时,应该不太需要变更架构,这才说明这套架构设计对了。


系统中的功能是集成的结果,而不是实现的结果。

相关文章
|
12月前
|
人工智能 监控 数据挖掘
CAP 快速部署项目体验评测
本文介绍了使用CAP(云应用平台)的体验,涵盖模板选择与部署、性能测试与监控、二次开发与调试等方面。作者选择了RAG模板并成功部署,通过性能测试验证了应用的稳定性,进行了二次开发并提出改进建议。CAP在模板库丰富度、产品引导与功能满足度等方面表现良好,但在实时数据分析和定制化方面仍有提升空间。总体而言,CAP是一个强大的云应用开发平台,适合快速构建和管理应用。
180 19
|
12月前
|
机器学习/深度学习 弹性计算 人工智能
大模型进阶微调篇(三):微调GPT2大模型实战
本文详细介绍了如何在普通个人电脑上微调GPT2大模型,包括环境配置、代码实现和技术要点。通过合理设置训练参数和优化代码,即使在无独显的设备上也能完成微调,耗时约14小时。文章还涵盖了GPT-2的简介、数据集处理、自定义进度条回调等内容,适合初学者参考。
2165 6
|
Java 关系型数据库 MySQL
SpringBoot项目使用yml文件链接数据库异常
【10月更文挑战第4天】本文分析了Spring Boot应用在连接数据库时可能遇到的问题及其解决方案。主要从四个方面探讨:配置文件格式错误、依赖缺失或版本不兼容、数据库服务问题、配置属性未正确注入。针对这些问题,提供了详细的检查方法和调试技巧,如检查YAML格式、验证依赖版本、确认数据库服务状态及用户权限,并通过日志和断点调试定位问题。
1225 6
|
12月前
|
SQL 消息中间件 分布式计算
大数据-143 - ClickHouse 集群 SQL 超详细实践记录!(一)
大数据-143 - ClickHouse 集群 SQL 超详细实践记录!(一)
338 0
|
12月前
|
消息中间件 运维 NoSQL
基础架构组件选型及服务化
【10月更文挑战第2天】本文介绍了常见的分布式基础架构组件,包括分布式服务化框架(如Dubbo、Spring Cloud)、分布式缓存(如Redis、Memcached)、数据库及分布式数据库框架(如MySQL、TiDB)、消息中间件(如Kafka、RabbitMQ)和前端接入层(如LVS、Nginx)。文中探讨了组件选型问题,强调统一标准的重要性,避免重复劳动与维护难题。最后,提出基础架构服务化的必要性,通过标准化和平台化提升运维效率
|
存储 设计模式 测试技术
了解三层架构:表示层、业务逻辑层、数据访问层
了解三层架构:表示层、业务逻辑层、数据访问层
6549 0
|
SQL 关系型数据库 MySQL
|
数据采集 机器学习/深度学习 算法
深入Sklearn预处理技术:数据清洗与标准化实战
【7月更文第22天】在机器学习项目中,数据预处理是至关重要的一步,它直接影响到模型的性能和准确性。Scikit-learn(简称sklearn)作为Python中最受欢迎的机器学习库之一,提供了丰富的数据预处理工具。本文将深入探讨sklearn中的数据清洗与标准化技术,并通过实战代码示例展示如何应用这些技术提升模型效果。
1262 2
|
前端开发 容器
CSS布局基础:块级元素、行内元素与行内块元素详解
CSS布局基础:块级元素、行内元素与行内块元素详解
664 0