首页 DDD Notes
文章
取消

DDD Notes

Part 1: DDD 总览

在深入 DDD 细节之前,先从对 DDD 的基本思想进行概括。

DDD 要解决的问题

存在的问题:复杂问题域的挑战。

  • 反模式:「大泥球」模式。领域复杂性和技术复杂性被混合在一起,导致了软件维护困难
    • 举个例子:一个 BBS 领域中,和 Post、Forum、Discussion 等概念相关联的是 Author;而不应该和「用户权限」相关联;如果把 BBS 领域中的概念和「用户权限」的相关概念关联起来,就可能造成后期难于维护
  • 通用语言和「问题域知识」的缺乏使得软件不能和「业务逻辑」对应,导致了「大泥球」模式。也使得「分析模式」和「代码」之间转换的代价极其高昂

「分析模式」是一种表现形式,使得非技术人员能够理解软件的逻辑和结构

  • 如果不围绕着问题域来设计和和组织软件的开发,会导致复杂度快速提升

如何来解决复杂问题域?DDD 提出了战略模式战术模式

在 DDD 中,整体的建模和设计过程大致为:

但以上过程并不是线性的过程,而可能是「螺旋上升」不断优化的过程。

在具体介绍 DDD 的细节之前,先简要引入各种 DDD 的概念。

问题域

问题域:Problem Domain。

什么是问题域

问题域指的是当前正在构建的软件的主要范围(Subject Area)。DDD 强调的是在构建大型复杂软件时,必须把对问题域的关注放在最高的位置。

例如,在构架一个医疗相关的软件时,不是要去了解怎么成为一个医生,而是要专注于该领域的术语,不同的利益方看待病人的不同方式,以及医生需要收集哪些信息,并且怎么处理这些信息。

DDD 的目的就是用来应对 2 大挑战:

  1. 理解问题域
  2. 创建出长期可维护的解决方案来解决问题域中的问题

DDD 利用多种战略模式战术模式来解决这 2 大挑战。

所有的战略模式战术模式都是用来管理问题空间解空间中的复杂性。

问题空间

DDD 首先强调问题空间解空间的概念。

问题空间:Problem Space。

在解决问题之前,要先专注在对业务问题域的理解。

DDD 首先强调的是定义问题空间,在问题空间定义问题。

问题空间事实上就是领域子域的组合(也就是问题域)。

  • 也就是先把精力集中在识别、提炼问题域(Problem Domain)上
  • 把大的「领域」(Domain)分解为多个小的子域(Subdomain)

解空间

解空间:Solution Space。

在理解了问题域后,在解空间解决问题(也就是用代码来解决问题)。

解空间是一个或多个限界上下文,也就是一组特定的「软件模型」(DDD 里面可以采用领域模型作为「软件模型」)。

注:但「软件模型」也不仅仅只有领域模型,根据场景的不同,可以采用其他更简单的「软件模型」

  • 先在问题空间,针对领域子域进行提炼
    • 识别出「核心子域」、「支撑子域」、「通用子域」
  • 然后在解空间限界上下文进行分析
    • 盘点现有「软件资产」、创建哪些新「软件资产」、如何对「软件资产」集成
    • 解空间要重点关注「核心子域」的解决方案

Strategic Patterns

战略模式:strategic patterns。

  • DDD 的战略模式:The strategic patterns of DDD distill the problem domain and shape the architecture of an application

战略模式包括以下工作模式:

Tactical Patterns

战术模式:tactical patterns,也叫做 model building blocks(模型构建块)。

DDD 中使用战术模式一个重要理由是:由于「核心域」中的「业务逻辑」十分复杂,为了在「核心域」中建立起正确的「领域模型」,需要借助战术模式来实现。

领域

领域:Domain。

什么是领域?广义上,领域就是当前组织在做的事情,以及这个组织做这些事情所处的世界。

当我们为一个组织开发一个软件系统时,我们就工作在这个组织的领域当中。

子域

子域:Subdomain。

  • DDD 强调每个组织是由多个子域组成的;而不是一个组织对应单个领域
    • 企图把整个领域实现在单个系统内,事实上是相当难的:随着系统复杂度的不断提高,面对新的业务需求,单个系统最后无法维护
    • 例如,一个「在线零售」业务的领域可能是由 5 个子域构成的:商品类目、发票、支付、物流、库存
  • DDD 提供了战略模式帮助开发人员把领域逻辑上切分为多个子域
  • 使用战略模式并不是要对现有系统重新划分进行重构,而是先从「逻辑」上把子域识别出来
  • 先使用战略模式识别出「核心子域」 、「通用子域」、「支撑子域」
    • 「核心域」才是公司的价值所在,公司只对「核心域」重点投入(人力,物力)
    • 对于其他子域,无需投入大量精力,可以采用简单的实现方式,甚至直接购买现成产品

逻辑概念和物理概念

领域子域都是逻辑上的概念。

在画图的时候,对子域的边界使用虚线(逻辑概念)。

逻辑概念相对应的是物理概念。

物理概念关注的重点是在真实系统中,在物理上如何把逻辑概念通过代码来实现。

通用语言

通用语言:Ubiquitous Language(UL)。

  • 通用语言(UL)还没有被提炼出来的时候,可以借助「图」,「术语表」等辅助工具来把通用语言提炼出来
  • 但这些工具仅仅在开始的时候使用,真正能保持和「业务逻辑」一致的只有代码。所以最后要把「图」,「术语表」这些东东到后来都要抛弃掉
  • UL 是 DDD 的 2 大强大的工具(UL 和 限界上下文)之一
  • 通用语言中的概念只有在确定的限界上下文才具备确定的含义;UL 和限界上下文是一对一的关系
  • Ubiquitous means “pervasive,” or “found everywhere,” as spoken among the team and expressed by the single domain model that the team develops
    • 这里的「通用」意味着「无处不在」或「每处都能发现」,也就是会在团队内部(无论团队内什么角色:开发、测试、业务专家……)广泛使用,用于表达单个「领域模型」

领域模型

领域模型:Domain Model。

领域模型解空间中的概念。

「领域模型」相关的更多实践细节请参考:领域模型实践

限界上下文

限界上下文:Bounded Context。

限界上下文物理的概念。

限界上下文是包含了领域模型的明确边界。

领域子域逻辑概念相对应的是物理概念;也就是在真实系统中,在物理上如何把逻辑概念通过代码来实现。 领域模型限界上下文都是物理概念,都和真实系统以及代码实现相关。

总之,在逻辑上,通过战略模式领域分为若干子域;然后在物理上,在限界上下文中完成对领域模型的开发。

限界上下文中的术语,只在当前限界上下文有效。

「限界上下文」的更多细节在后面会有更多介绍

模式

DDD 提供了 2 大类模式作为方法论:

DDD 的战略模式能使得产品的「核心部分」和「通用区域」分割开了,避免修改「核心部分」时影响到整个产品。

产品的「核心部分」(极其复杂+频繁变动)必须是基于「模型」的。

DDD 的战术模式(同时配合 Model-Driven Design)帮助开发人员针对 Domain,创建出代码级别的「模型」。「模型」是物理概念:

  • 「模型」是分离复杂性,让「软件」能够持续进化的关键
  • 「模型」也是在问题域上和其他开发人员以及领域专家沟通的关键

下面的章节开始详细介绍 DDD 的各种细节。准备分 3 部分来介绍:

  • DDD 基础理念,以及 DDD 的原则与实践
  • DDD 的战略模式(strategic pattern)
  • DDD 的战术模式(tactical pattern)

Part 2: DDD 原则与实践

先介绍第一部分:DDD 的原则和实践。

之后会再分别介绍其他 2 个部分:战略模式战术模式

DDD Intro

DDD 解决复杂问题域

DDD 如何利用战略模式战术模式来解决复杂问题域的问题

DDD 战略模式的主要工作模式如下:

  • 识别出「核心域」,找到软件真正的价值所在,「核心域」才是真正值得投资的部分。避免「大泥球」模式的出现
  • 解空间中,为每个子域(Subdomain)构建一个「软件模型」来和「业务逻辑」对齐。不过由于不同的子域的重要性及复杂度不同,所付出的实现代价也就不同(例如,不复杂的子领域,甚至可以不用面向对象模型来构建)
  • 既然「模型」是由「领域专家」和「开发人员」合作建立起来的,所以一套不断进化的通用语言(UL)是必须的。「分析模型」中的新概念会通过 UL 反馈到「代码」中,「代码」中的概念也会被复制到 UL 中
  • 「模型」属于限界上下文(Bounded Context),限界上下文定义了「模型」的应用范围,同时确保了「模型」的完整性。这种围绕着模型的保护边界可以防止软件变成「大泥球」模式(「模型」被隔离在自己的边界内变化,避免把复杂度扩展到其他「上下文」)
  • Context Map 用来表现处于不同「上下文」中的「模型」的关系

DDD 实践原则

一些 DDD 实践原则:

  • 集中在「核心域」(Core Subdomain)
  • 协作:需要「领域专家」和「开发人员」的协作,以及相互学习
  • 通过探索和试验来创建「模型」:「分析模型」和「代码模型」的不断迭代和相互反馈
  • 交流:必须创建 UL 来保障正确而高效的交流
  • 理解「模型」的应用范围(「模型」处于「上下文边界」内)
  • 「模型」保持不断进化

DDD 的常见误区

一些 DDD 常见误区:

  • 战术模式是 DDD 的关键
  • DDD 是一种 Framework
  • DDD 是银弹

之后,我们开始介绍 DDD 的工作流程。

对问题域进行提取

DDD 的工作流程是先从对问题域的理解出发,也就是先对问题域进行提取。

  • 问题域提取出建设「模型」所需要的知识
    • 知识提取必须和「业务专家」合作才能成功:「业务专家」+「开发团队」+「Use Cases」=> 满足用例的「模型」
    • 「领域知识」可能比技术本身还要重要:开发人员要具备有使用简单术语向客户描绘「业务域」中复杂概念的能力
  • 完成「知识提取」并达成共识的一个标志是产出通用语言
  • 「利益方」(甲方)和「业务专家」是不同的角色
    • 「利益方」更多的是描绘对系统的愿景、系统的输入输出;「开发团队」把这些信息收集起来形成「Use Cases」
    • 「业务专家」和「开发团队」一起合作进行「知识提取」,并产出「模型」
  • 一些有用的手段:
    • 「手绘的草图」
    • CRC 卡(类职责合作卡):类名及其蕴含的概念+类的职责+类之间的合作关系
    • 避免过早的对模型中的概念命名
    • 在和「业务专家」交流时可以使用 BDD(GWT,Given-When-Then)。也就是对一个特性进行描绘可以分解为:条件(Given)、场景中包含的事件(When)、输出结果(Then)
    • 利用快速原型
    • Impact Mapping(理解为业务事件「影响力」):利用业务事件的「影响力」来更好的理解业务
      • 例如:利用「思维导图」的形式展示出「提高自行车销量 25%」这个业务事件的影响力
    • 业务模型图
    • ……

识别核心域

识别「核心域」:

  • 首先要发掘问题的实质:要去了解需求背后的深意,理解需求方的真正目的
  • 向需求方寻求「项目概述」,也就是确立该项目的真实原因和愿景:为什么要编写这款软件,而不是到直接购买;软件做成什么样子才算成功?
  • 问题空间问题域分割为子域。而这个过程是「逻辑」过程,和公司组织结构以及技术细节无关
  • 然后区分出「核心域」、「通用域」、「支撑域」
  • 把「核心域」作为产品,而不是项目。项目有终点,而产品是会被不断打磨,进化

DDD 的理想状况限界上下文子域一一对应;但在现实中可能并不是理想状况。需要先对现有状况进行盘点:

  • 这种场景特别常见:少量物理上的「子系统」(也就是「上下文」)中包含了多个子域
  • 也可能多个物理上的「子系统」(也就是「上下文」)在同一个子域当中

可以用图的形式表达出现有状况 。

其中,用「实线」划分出「物理」上现存的「子系统」(也就是「上下文」);

同时,由于我们已经把问题域分割为子域,画图时,可以用「虚线」划分出「逻辑」上的子域

在对现有状况进行盘点后,接下来的任务就是向限界上下文子域一一对应的目标前进。

Model Driven Design

在完成对问题域的理解,并识别出「核心域」之后,开始把关注点放到解空间

DDD 提倡使用 Model-Driven Design 来到达「分析模型」和「代码模型」的一致。

Model-Driven Design 重度依赖通用语言(UL),利用 UL 把「分析模型」和「代码实现」绑定在一起,并在软件的生命周期中保持一致。

Domain Model

既然是 Model-Driven Design,先来看看什么是 Model(模型),也就是领域模型

  • DDD 中,Domain Model 是「一体两面」的形式存在,而且这「两面」要保持同步一致:
    • 既是一种「分析模型」,以 UL + 草图的形式存在
    • 也是一种「代码模型」,以「代码实现」的形式存在
  • 虽然 Domain Model 最后的形态是「代码模型」,是解空间的概念;但一开始的时候,它是在「知识提取」阶段,在问题空间作为一种「分析模型」成形的(「开发团队」和「业务领域专家」协作产出)
  • 而最后当 Domain Model 成为「代码模型」后,它就只是为了满足问题域中 User Cases 需求,而设计出来表示问题空间的视图
    • 这里强调一下:「代码模型」只是「视图」,只是对问题域中的「现实」状况的抽象,是按「代码实现」的方式来表达,而不是「现实」状况本身;与之相对的,Domain 表现的则是问题域实实在在的「现实」状况
    • 也就是说,不需要把「现实」中的所有事物和行为都提取为领域模型中的「名词」和「动词」;而是要抓住重点,把精力放在怎么抽象出领域模型来解决问题域的问题,满足「User Cases」
  • 另外一个建模时要注意的问题就是不要轻易使用「抽象」。「抽象」必然会付出代价,所以需要确实能从「抽象」获得收益,才可以在设计时对某些概念进行「抽象」
    • 仅仅对「变体」(变化的事物)采用抽象
  • UL 是问题空间解空间的桥梁。Domain Model 和使用了相同 UL 的「分析模型」绑定在一起
  • Domain Model(领域模型) 是解空间的概念;对应的,领域问题空间的概念
  • Domain Model 的用途是解决问题空间的「业务 User Cases],表达领域中的复杂的「业务逻辑」,并不是对「现实」状况的表现
  • DDD 强调「代码模型」(也就是实现)需要和「分析模型」(也就是设计)保持一致,这种一致需要靠通用语言来保证
    • 「分析模型」也叫做「业务模型」。「分析模型」用于对问题域的理解
    • 如果「开发团队」发现代码和「分析模式」存在不一致,需要立即和「领域专家」沟通解决:code is model;code is truth
    • Model-Driven Design 和 DDD(领域驱动设计)的区别就是前者注重实现,后者注重语言、协作和知识

模型驱动设计实践

所谓 Model-Driven Design 就是把「分析模型」绑定到「代码模型」,并确保 2 者不断进化且保持一致的设计过程。

Model-Driven Design 和 DDD 的区别:

Model-Driven Design 和 DDD 互相补充。

传统的开发模式往往会造成「分析模型」和「代码模型」偏离。

而 DDD 强调的是「开发」、「测试」、「业务分析人员」、「架构师」、「业务专家」工作在同一个团队中,对问题空间进行讨论,协作提取「领域知识」:技术人员要懂业务,业务人员要懂「分析模型」以及怎么验证「代码模型」。「代码模型」和「分析模型」不断迭代保持同步。

总之,DDD 强调的是协作:「团队建模」。

通用语言实践

  • 通用语言是 DDD 的基础(既然 DDD 强调「业务专家」和「开发团队」直接的沟通和协作)
  • 从「实际例子」中来提取 UL。但注意:
    • 不要在描述「实际例子」时使用「技术术语」
    • 不要在描述「实际例子」时转到解空间,而是要专注在问题空间
    • 尽量避免使用「过载」的词语,例如:service,manager,policy 等等
    • 专注于「核心域」,首先在「核心域」使用「模型驱动」并建立 UL;不需要把太多精力放到「通用域」和「支撑域」

作为「技术开发人员」,可以尝试为自己正在工作的领域开发一套通用语言

领域模型实现模式

正如前面提到的,并不是所有的领域(或者说子域)的复杂度和重要性都是相同的,所以,在对复杂度和重要性不同各个子域进行建模时,我们可以采用不同的「领域模型的实现模式」。下面各个小节给出不同的「实现模式」,并给出它们的适用场景。

领域层

另外,也先明确一下领域层(Domain Layer):是应用程序的核心,包含了领域模型的代码。

领域层在领域模型实现中的作用:在代码构架中把领域模型和代码的其他部分隔离开,比如把领域模型和「代码基础设施」(事物管理、状态持久化等……)隔离开,从而实现对「复杂度」的隔离。

领域模型模式

  • 领域模型模式(Domain Model Pattern)是面向对象模型,适用于「业务逻辑」复杂的领域(Subdomain)
  • 值得注意的是,「领域模型模式」的建模过程中不需要考虑数据的持久化,也就是说,不需要涉及到「数据库建模」
    • 如果建立「领域模型」时,同时也考虑如何「数据库建模」反而会影响到对「领域」的抽象
  • 领域模型可以被看成是当前领域的「概念层」。事物存在于该模型中,并与其他事物相互关联作用
  • 「模型」就是数据+行为;建模是应该把注意力集中在「行为」上,而不要去关注「模型」的状态

特别注意的是:只有在对「核心域」建模时,才使用「领域模型模式」;对于「业务逻辑」不复杂的其他子域(例如:通用域,支撑域),不一定要使用「领域模型模式」,可能使用「贫血领域模型」或者「表模型模式」就够了

事务脚本模式

  • 「事务脚本」使用的是「过程式」的编程方式,而不是面向对象的编程方式
  • 「事务脚本」的优点是上手比较简单;但当业务逻辑复杂度增大的时候,重叠的功能逐渐增多,「事务脚本」就会遇到管理困难的问题

当「业务逻辑」复杂度增高时,需要从「事务脚本」向领域模型的方向进行重构

表模型模式

  • 「表模型模式」把「对象模型」对应到「数据库模型」上:
    • 单个「对象模型」表示数据库中的单个「表」或「视图」
  • 「表模型模式」特别适用于「数据库驱动设计」(Database-Driven Design)方法
  • 对于被「有边界的上下文」隔离出来的简单领域,并且该领域数据形式很简单的话,可以考虑使用「表模型模式」;这样做的优点是更容易掌控

当「对象模型」和「数据库模型」开始出现分歧时,需要从「表模型」向领域模型方向进行重构

Active Record

  • 「Active Record 模式」是「表模型模式」的变体;它不是把「对象模型」对应到「表」,而是把「对象模型」对应到「表的行」
    • 单个「对象模型」表示「表中单独一行」在某个时刻的状态
  • 在使用「Active Record 模式」时,每个「业务对象」都负责其自身的持久化,及其相关的业务逻辑
  • 「Active Record 模式」适用于「对象模型」和「数据模型」一一对应的场景

贫血领域模型

  • 「贫血领域模型」和领域模型的共同点是都使用了「领域对象」。但和领域模型不同,「贫血领域模型」中的「领域对象」不包含行为,仅仅包含了数据
  • 「贫血领域模型」最大的缺点也就是其采用了类似「过程式」的程序风格(类似「事务脚本」模式)
    • 「过程式」的程序风格最大的问题是违反了所谓的「Tell,Don’t Ask」原则。如果按照该原则,「对象」只会告诉客户端该「对象」能做什么,不能做什么;而不能把「对象」自己的状态暴露给客户端;不能让客户端去根据「对象」的状态来实施动作
  • 「贫血领域模型」中的「模型对象」被剥夺了「业务逻辑」,仅仅存储了数据
  • 「贫血领域模型」适用于「业务逻辑」比较简单的场景;或者是不擅长「面向对象」开发的「开发团队」

贫血领域模型和函数式编程

  • 在使用「函数式编程」时,「贫血领域模型」不再是「反模式」?
  • 尽管表面上看起来,「贫血领域模型」剔除掉了把「领域概念」表示成「对象」的能力,从而和领域模型强调的与「领域专家」进行对话有所冲突。但事实上,使用「函数编程」+「贫血领域模型」依然可以做到和「领域专家」进行有意义的对话?

这部分内容还需要进一步的理解

Bounded Context

限界上下文的必要性

限界上下文是 DDD 成功的关键。对当前的软件系统进行盘点,往往会发现现状可能是「模型」的边界不清晰,但 DDD 的目标就是要让每个子域对应一个限界上下文

  • 限界上下文也是「语言」上的界限:DDD 不是要提炼出整个领域内都适用的「术语」,DDD 的目标是获取到限制在限界上下文之内的「术语」
  • 如果不清楚「模型」(Model)适用于哪个「上下文」,「模型」(Model)就会变得越来越模糊,「模型」(Model)的概念和逻辑也会越来越混乱
  • 所以需要保护「模型」(Model)的「完整性」,并在代码中清晰的定义「模型」(Model)的职责的边界:Bounded Context(限界上下文)
    • 把一个「模型」(Model)绑定在特定的「上下文」也就是限界上下文

限界上下文对管理解空间的复杂度至关重要,所以使用限界上下文是成功实施 DDD 的关键。

限界上下文切分大模型

如上面一个小节说的,一个「模型」(或「领域概念」)如果跨了多个「子域」,需要正确的把它切分到多个限界上下文中去 。也就是要定义「模型」的边界。

一些切分大模型到多个限界上下文的原则:

  • 依据领域中的「术语」在不同「上下文」所具有的不同「含义」,将「模型」切分到不同的限界上下文
  • 通过和「业务能力」对齐的方式来进行切分
    • 不过要特别小心「业务能力」和限界上下文不是完美对应的场景
  • 「开发团队」的组建也要和限界上下文对齐(而不是和公司的组织结果对齐)
    • 同时,「开发团队」也要熟悉自己所在的限界上下文和其他限界上下文的关系
    • 「开发团队」也要保持和「其他团队」的交流,分享自己团队当前工作内容和未来的工作计划,甚至和「其他团队」结对编程

总之:

限界上下文可以和「技术组件」对应起来(例如,「技术组件」可以是一个代码级别的项目工程);但限界上下文的确定必须是由通用语言所驱动

设计的最终目的是使得每个限界上下文能和各自对应的子域形成一一对应的关系

子域限界上下文的区别

限界上下文的实现

  • 限界上下文实现起来并不一定都要是一个单独的程序(微服务),其实可能是一套算法、或者是一个代码模块……各种可能都有

  • 在「战略设计」阶段除了要划分出若干子域,也需要识别和划分出限界上下文
  • 确认哪些领域模型的 Building Blocks 可以被加到当前的限界上下文的依据是通用语言。相反,如果我们依据「架构」和「开发任务」(即开发资源)等不正确的依据来判断需要加到限界上下文的 Building Blocks,会得到错误的「上下文边界」

  • 限界上下文中并不仅仅只是包含模型。除了模型之外,它还包含:
    • 如果「建模团队」也负责数据库 schema 的设计,那么数据库 schema 也术语这个限界上下文(但如果数据库 schema 由另外的团队负责,并已经存在,则不属于这个限界上下文
    • UI 界面也和数据库 schema 类似,有可以属于限界上下文
    • 面向服务的组件也可以属于限界上下文
    • 应用服务也可以属于限界上下文
  • 我们倾向于使用多个小「模型」,而非单一大「模型」
    • DDD 鼓励把一个大的系统分割为多个子系统,尽量避免把单个「模型」用于整个系统
    • 因为,如果使用单个「模型」,单个「模型」过于庞大,容纳了太多的「领域概念」,随着系统的不断增长,单个「模型」会更加复杂,变得难于管理
    • 多个「开发团队」工作在单个「模型」,随着系统的增长,工作成本越来越高,效率越来越低
    • 很多时候,同样的「名称」在不同的「上下文」其实代表了不同的含义,所以多个小「模型」比单一大 Model 更加有效
      • 类似的,问题域中的单个「实体」也可能代表不同的「领域概念」

其他一些实践经验:

  • 有时候要通过重构把两个原先设计不合理,交错在同个限界上下文的 2 个子域分到 2 个不同的限界上下文。这个时候可以采用两种「中间方案」:
    • 一种是可以隔离出一个新的 Repository 层
    • 另外一种是采用「隔离内核」的方法,我们倾向于这种方法
  • 使用「隔离内核」的时机是当你有一个非常重要的限界上下文,但是其中模型的关键部分却被大量的起辅助作用的功能所掩盖
  • 注意:使用「隔离内核」只是中间方案,「隔离内核」为下一步把两个交错在一起的领域模型彻底分开到 2 个不同的限界上下文打下了基础
  • 要避免发生谷仓效应。例如:不要系统里面到处都是验证身份的代码,还是应该把验证身份的代码内聚到一个单独的身份验证限界上下文
  • 实现上,限界上下文可以和「技术组件」对应起来。例如,一个限界上下文可以对应一个 Project(Intellij IDEA 中的 Project)。而这个工程中,可以划分出不同的 packages(Java 项目),「领域模型」、「界面」、「应用服务」等系统模块就放在一个 package 里面。

上下文映射

  • 上下文映射(Context Map):其职责是确保系统各个上下文之间的边界被明确定义,并且每个团队都理解他们之间的契合点
  • 很多时候,Context Map 都不是文档,就是手绘的图。只需要简单的表示出各个限界上下文之间的集成关系:上下游关系,以及集成种类
  • Context Map 表示的是现实的状态,而不是未来的理想状态

  • 上下文关系之间关系的种类:
    • 防止损坏层:在集成其他子系统时,为了避免其他子系统中的模型破坏当前系统的模型,增加防止损坏层来进行隔离。该层主要是做转换工作
    • 共享内核:在具有大量交错的独立限界上下文中,提取出一个供 2 个团队共享的模型是一种交接方法
      • 该方案的风险在于:「共享模型」中的任何修改都可能影响到 2 个团队,需要测试充分后才能变更
    • 开放宿主服务(Open Host Service):当前模型的多个使用者可以共享一套模型转换逻辑,可以把这层转换逻辑提取出来形成「开放宿主服务」供多个使用者使用
    • Separate Ways(互不相干):有时候系统之间的沟通互不相干也是一种选择,而是采用非系统的手工方式来沟通
    • Partnership:2 个团队协作工作,2 个系统的发布保持同步。2 个团队的成功与否绑定在一起
    • 上下游关系:又分为 2 种「上下游」关系,「客户-供应商」关系和「遵从」关系(Conformist)

在绘制「上下文映射」图时,可以标明「上下游」,以及「上下文」之间是哪种关系

应用架构

  • DDD 不限制具体使用哪种「应用架构」,DDD 强调的是:无论使用哪种「应用架构」都要有对「领域逻辑」进行隔离的能力
  • 「应用架构」要能够分离「技术复杂度」和「领域复杂度」
  • 「应用架构」要能够对「复杂的领域细节」进行抽象和封装:在粗粒度上实现「User Cases」
  • 可以考虑使用「分层架构」。其中关键有 2 层:
    • 「领域层」包含所有核心业务逻辑;「领域层」不和任何技术实现相关,也不需要了解任何持久化的具体实现
    • 「应用层」表示各种外部要访问的用例;用「应用层」包裹住「领域层」
    • 其他层次重要性比这 2 个核心层要低,只是起到支持作用
  • 「领域层」不依赖任何其他层次;「应用层」只依赖领域层
    • 例如,如果「领域层」中的「领域对象」需要持久化,实现的时候不能把「领域层」相关的代码和「持久化」的代码耦合在一起,而是从「应用层」来暴露一个用于存储「领域对象」的接口来实现(可以使用「依赖倒置」的方式来达到这个目的)
  • 「应用层」表示应用程序的用例和行为;「应用层」把应用的逻辑代理给「领域层」和「基础设施层」来实现
    • 「应用层」隐藏所有「领域层」的工作细节
    • 「应用层」的工作可能会依赖除了「领域层」之外的其他层(例如:「基础设施层」),但代码实现上又不能依赖其他层,所以会采用「依赖倒置」的方式编码
    • 从某种意义上来说,「应用层」就是「领域层」的「防止损坏层」,避免技术实现细节的变动影响到「领域逻辑」
  • 「基础设施层」(Infrastructural Layer)包含整个应用程序工作的技术实现细节;「基础设施层」完全不涉及任何「业务逻辑」和「模型行为」
    • 此外,「基础设施层」可以为日志,安全,通知,以及和其他限界上下文或「应用程序」的集成提供能力
  • 「跨层通讯层」:跨层间通讯的时候,不要直接传输「领域对象」而是要遵从低层次的协议,用 DTO 对象进行传输
  • 既然「领域层」不依赖任何其他层次,测试时,可以把「领域层」和其他层隔离开来,进行单独的测试
  • 多个限界上下文不要通过「共享数据库」数据的方式来通讯,而是应该遵循「分层架构」,由「应用层」暴露接口来实现限界上下文之间的通讯

总结:使用 DDD,一般应用架构会有 2 个核心层次:「领域层」和「应用层」。 在具有这 2 个核心层次的前提下,可能的应用架构有 2 种:「4 层架构」和「六边型架构」。

「4 层架构」。从下到上分别有:「基础设施层」、「领域层」、「应用层」、「接口层」

「六边型架构」:从内到外分别有:「领域层」、「应用层」、「基础设施层」、「对外适配层」

和「4 层架构」相比,在「六边型架构」中,「领域层」不依赖其它层次(使用「依赖倒置」),更加纯粹,开发团队可专注于「领域模型」。

应用服务层

最后在专门说明一下「应用服务」(Application Service),属于上面提到的「应用层」。

  • 「应用服务」对外暴露该应用程序可用的业务能力,而这些业务能力是由系统需要满足的「业务用例」所定义的。同时,对外暴露的协议不能受调用方(client 方)的影响,只能是暴露「User Cases」,和界面展现无关
    • 简单点说,就是「领域逻辑」和「User Cases」之间还存在「Gap」,需要应用服务层来填补这个「Gap」:安全、限流、日志、事务、权限、定时任务、外部事件处理等工作的实现
  • 「应用服务」对「领域层」进行抽象,并对其复杂性进行封装
  • 「应用服务」只包含「应用逻辑」,而不应该存在任何「领域逻辑」
  • 「应用服务」需要跟上最新的技术潮流,并保持精简;但不会依赖任何程序框架或技术
  • 「应用服务」的功能有点像 MVC 模式中「控制器」,都是「过程式」而非「面向对象」的代码
  • 「应用服务」也可以用于验证该子域是否真的需要一个领域模型:如果「应用服务」的 API 过于简单(只是简单的增删改查),那么未必需要领域模型,用「事务脚本」之类的方案可能就够了

再说明一下应用层的具体逻辑。应用层逻辑就是用来满足「业务 User Cases」的一个工作流,工作流中包含多个步骤。这些步骤有:

  • 从持久层(Database)拿出「领域对象」
  • 把用户的输入翻译成「领域层」能理解的「领域对象」
  • 把用户请求转给「领域层」执行「业务逻辑」,拿到执行结果,并返回业务结果给用户
  • 另外也包含需要调用「基础设施层」来工作的步骤(消息,日志,通知,认证等)

如果一个「业务功能」需要跨多个限界上下文才能完成,就不是单个应用服务层能完成的了,需要一个无状态的「过程管理器」(Process Manager)来协调多个限界上下文来完成

DDD 的常见问题

  • 过分强调战术模式:技术人员倾向于各种「技术模式」并埋头写代码;而事实上,一旦问题定义清楚,写代码真心不是大问题
  • 对所有的限界上下文使用同样的「架构」;而事实上,对复杂度不高的限界上下文可以使用简单的架构
  • 花了过多的精力和时间在把战术模式的实现得更完美上面了;而事实上,这些模式只是参考,不是规则,必须了解什么时候可以不完全按这些「模式」来实施;明白这些「模式」能解决什么问题,比掌握怎么用代码实现这些「模式」更重要
  • 在使用了 DDD 的「简化版」的同时,又忽略了 DDD 的原则,只是把精力主要放在编码上。没有用到「协作」,「知识提取」,领域模型设计,提取 UL 等战略模式
  • 忽略了 DDD 真正的价值所在:「协作」,「沟通」,「上下文」
  • 低估了划分「上下文」的重要性,从而导致应用软件成为一个「大泥球」
  • UL 定义得不完善,从而导致了歧义和误解:「沟通」是解决问题域的基础,UL 不完善的话,就不能好的解决问题
  • 缺乏「协作」和「沟通」,从而实现的方案过于技术化,并不能真正的解决问题(为了技术而技术)
    • 「沟通」不充分,往往会造成对问题域一些潜在「领域逻辑」的忽视
  • 不能接受不完美;事实上,要把「核心子域」划分出来,并把精力集中投入到「核心子域」上
  • 把一些「简单问题」复杂化了:
    • 简单,或者不重要的子域其实不需要实施 DDD 原则;也没有必要对所有的限界上下文使用「模型驱动设计」模式
    • 不敢使用 CRUD 模式;在合适的场合,使用 CRUD 模式其实是简单而有效的
    • 总之,在引入复杂之前,先评估一下付出的代价是否能匹配获得的好处
  • 低估了实施 DDD 的成本。事实上,实施 DDD 的要求是相当高的:
    • 对整个团队有非常高的要求
    • 领域专家要愿意投入大量精力,并愿意协同工作
    • 需要持续迭代对设计进行打磨
    • 对简单问题使用 DDD 反而可能拖慢整体的进度

DDD 的实施

首先强调一点:不是无脑推广使用 DDD;而是在了解 DDD 的适用场景和 DDD 的优势后,再判断是否要使用 DDD

也要强调开发团队的学习;特别是对 DDD战略模式的学习和使用

同时,相对于向「甲方」推销 DDD 的概念,更重要的是,找到「业务专家」和他们随时随地的协同工作

DDD 的实施过程:

  • 「产品愿景」阶段:先要通过和「甲方」沟通,搞清楚「产品愿景」。可以通过一些问题来达到这一目标:
    • 产品的业务目标(或者说,业务驱动力)是什么?
    • 产品能给业务带来什么价值?
    • 怎么确定这个产品一定能成功?如果成功的话,产品看起来会是什么样子?
    • 和现存的类似产品有什么本质不同?
  • 「需求收集」阶段:在找「甲方」收集需求的时候,可以使用 BDD
    • 最后收集到的是 User-Cases、Input、Output
    • 收集需求的过程中,也会形成 UL
    • 「需求收集」阶段只专注于问题域,并不急于投入到「解决域」
    • 如果需求过于庞大,可以考虑对问题空间进行提炼,也就是把问题抽象到更高的层次,并新建子域,然后再识别出「核心域」,「通用域」,「支撑域」
    • 把主要精力投入到「核心域」;尽量把「核心域」做得小而美
  • 「边界划分」阶段:在解空间进行建模之前,先要划分出限界上下文,并建立 Context Map
    • 在「建模」之前,要先搞清楚系统的大环境的状况,当前产品在整个体系中如何存在
    • 要识别出各个限界上下文,以及各个「上下文」和当前产品如何相互作用,也就是要建立「上下文映射」(Context Map)
    • 「边界划分」(建立 Context Map)具体工作包括:
      • 问题域上,确认本团队负责的「模型」
      • 画出各个「上下文」、对各个「上下文」命名、标明各个「上下文」的负责人
      • 确认「上下文映射」映射时的各个「集成点」
      • 确认「上下文映射」映射时需要交互的数据
      • 标明「上下文」之间的相互关系的种类(梳理上下游)
      • 持续收集当前产品所处的整个体系大环境的信息
    • 另外,Context Map 就是「作战地图」;不需要太复杂,只要能快速准确的表达出映射关系就行了
  • 「建模阶段」:建模时要牢记 DDD 的原则,只有在合适的场景才使用 DDD,否则就是浪费资源。建模时的一些建议:
    • 问题域的不同部分有不同的重要性,只是对重要的部分实施 DDD。要选择好自己的主战场
    • 和「领域专家」一起协作,进行「建模」
    • 「建模」工作的粒度是选择一个「行为」,并围绕着该行为具体的场景;而不是对整个问题域进行建模
      • 所谓的「行为」就是:Given-When-Then
    • 「建模」工作要从最重要,最有价值的场景开始,而不是从最容易「建模」的场景开始;先要去解决整个「系统」最核心的部分
    • 在「建模」阶段要持续对 UL 进行迭代。尽管 UL 是在「需求收集」阶段创建的,但需要持续迭代,消除歧义;当然,UL 进化的同时,代码也要同时迭代,保持和 UL 的一致
    • 弃掉前 2 个模型;前 2 个模型往往都是在对问题域理解不够深刻时产出的,弃掉并不可惜
    • 「模型」产出后,就是着手通过代码来实现该「模型」;但如果在实现过程中,发现「模型」不准确的话,需要反过来修订「模型」。总之,「模型」和「代码」要不断迭代,一起进化
    • 领域模型建立以后要能在具体的业务场景中作为例子来验证。领域模型需遵守 2 原则:
      • Be relevant:Able to answer questions in the problem domain and enforce rules and invariants
      • Be expressive:Able to communicate to developers exactly why it’s doing what it’s doing
    • 保持「模型」专注于单个问题,同时其代码实现也就应该是简单的(一旦发现代码陷入复杂就需要引起警惕)
    • 如果存在「遗留代码」,不要把精力投入到「遗留代码」;而是给「遗留代码」划分一个清晰的边界,保护「遗留代码」不会影响到其他部分
    • 尽早的做集成,持续的做集成。通过集成,可以尽早不断的对「模型」进行检验
    • 「非技术性重构」:不是在技术层面做重构,而是通过对「领域」更深层次的认识,更新「领域知识」,对「模型」进行迭代,再实施对应的代码重构
    • 当「模型」变得更庞大时,要考虑对解空间进行分解。相对于对代码精雕细琢,更值得去追求完美的边界划分
    • 「建模」也是不断迭代,核心模型至少需要制作出 3 个版本才能最后达到目标。所以,代码实现也需要相应的比较灵活,要能适应「模型」的持续迭代
    • 「建模」过程中要注意把深层次的「隐式规则」发掘出来,更新到领域模型中,并明确的实现在代码中,消除歧义
    • 注意给新的概念命名,随时更新 UL

Part 3: 战略模式

从本节开始详细介绍 DDD 的战略模式(strategic pattern)。

集成限界上下文

在识别出限界上下文以后,就可以开始集成它们,让它们配合起来实现完整的 User Cases。

也就是如何把多个限界上下文集成起来构建一个分布式系统。

所以,实现上最大的挑战就是如何实现一个可靠的分布式系统(包括技术上的挑战,以及组织上的挑战),下面重点就会针对这些内容来介绍。

在实现分布式系统时,可以考虑使用 SOA (Service Oriented Architecture)模式。另外,细节上也可以考虑使用响应式的事件驱动编程。

实现分布式系统时,对 SLA (service level agreements)的定义也是必要的。

下面几个小节会详细介绍。

如何集成限界上下文

先要确定软件服务之间应该采用哪种通讯方式。

代码实现上,要注意保持限界上下文之间的「松耦合」。

要注意使用 SRP 原则:不同的限界上下文专注各自的职责。

可以把所有「上下文」的代码放在同个代码库中;也把不同的「上下文」的代码放在不同的代码库中。哪种好就用哪种,没有强制的规定。但使用单代码库时,需要考虑可能的一些问题:

  • 如果不同的「上下文」的代码在同个代码库中,需要避免修改一个「上下文」代码的时候,不小心改动到其他「上下文」的代码
  • 尽量避免使用「数据库集成」模式。使用「数据库集成」会使得各个「上下文」紧密的耦合在一起
  • 不同「上下文」代码都在同个代码库中还会有一个问题:可能需要开多个分支并行工作,各个分支间的协调管理比较麻烦。发布上也不好协调,持续集成变得难以实施
  • 要注意维护「上下文」的边界,这比代码的美观更重要(必要时可能需要把相似的代码复制到不同的「上下文」)

在处理「遗留系统」时,可以采用一些常用的模式:

  • Bubble Context 模式:新的代码被隔离在「气泡上下文」中,不直接和「遗留系统」接触。对应的,也需要给「遗留系统」创建一个 ACL 层(防腐层),ACL 层用于对「气泡」中的模型和「遗留系统」做双向翻译
  • Autonomous Bubble Context 模式:技术上实现一个更加「独立自主」的「气泡上下文」。这种「气泡上下文」往往采用「异步」的方式来和「遗留系统」进行通讯,当时,实现上也会更加复杂
  • Exposing Legacy Systems as Services 模式:把「遗留系统」封装成服务暴露出来。当多个「上下文」都需要使用同一个「遗留系统」时,封装成服务暴露出来可能更加有效;但实现上要考量的方面也比较多

集成分布式限界上下文

常用的分布式「上下文」的集成方式是 RPC,不过「纯文件共享」和「数据库集成」在有时候也适用。

总之,要从「可扩展性」、「可用性」、「可靠性」(这里的「可靠性」指的是系统如何容错)等方面来考量如何进行集成。当然,如何选择也要综合考量「业务需求」和「成本」等因素。

「纯文件共享」和「数据库集成」可以在简单的系统中使用,但当系统变得更加复杂时就不再适用了。RPC(或 REST)才是王道。但使用 RPC 时也要注意一些问题:

  • 要考虑网络不可用等错误出现时的容错方案(技术上或业务上的容错)
  • 使用 RPC 时,上下游系统的耦合是比较紧密的
  • 分布式系统中,必须关注如何合理处理「分布式事务」(能忍受不一致,或者能实现「最终一致」就够了)

响应式消息驱动也是一种选择。不过由于是新技术,实现上要付出的代价可能会更高一点。

SOA 架构

既然 SOA 的核心思想是基于「松耦合」给「业务」和「技术」提供好处。所以可以考虑使用 SOA 架构(或者说是「微服务架构」)结合「响应式编程」来实现集成的松耦合:

  • SOA 中的服务是高度自治的,能够在不依赖其他服务的条件下运行,所以可以把 SOA 的原则应用到集成限界上下文
  • 相对于「响应式编程」是在低层次上(代码上)实现「松耦合」的目的;SOA 是在高层次上(业务上)实现「松耦合」
  • 把 SOA 的原则应用到 DDD 当中,就是考虑把限界上下文看成是 SOA 服务,这样限界上下文就有可能被分解为「业务组件」
    • 限界上下文所承担的每个「职责」封装成一个个的「业务组件」
    • 各个「业务组件」对应代码中的一个「模块」
    • 而各个「业务组件」是相互松耦合的(无 RPC 调用,无数据库共享),便于维护
    • 注意,这里的 SOA 中的「服务」和「业务组件」都是逻辑概念,「逻辑概念」仅仅用于隔离,从而到达「松耦合」的目的
    • 「业务组件」进一步分解为「组件」:「业务组件」需要处理各种「业务消息」,可以使用不同的「微服务」(或者「组件」)来处理不同的「业务消息」(利用响应式编程来处理消息)
    • 以「微服务」(或者「组件」)作为部署单元,这样可以优化对硬件的使用率。而「微服务」(或者「组件」)之间通讯比较灵活,可以采用数据库共享的方式来通讯

下图是一个限界上下文中存在多个「业务组件」的例子:

  • 「物流上下文」中存在「高优先级物流组件」和「普通优先级物流组件」2 个「业务组件」
  • 「业务组件」间不会共享 DB,而是每个「业务组件」拥有独立的 DB
  • 而每个「业务组件」又分成了 2 个「组件」:「发货组件」和「撤销组件」。

C4Context


    title Decomposing the shipping bounded context into business components.


    Enterprise_Boundary(b0, "Shipping Bounded Context") {

        Enterprise_Boundary(b1, "Priority Shipping Component") {

            System(SystemA, "Arrange Shipping Component")

            System(SystemB, "Cancel Shipping Component")

            SystemDb(SystemDB1, "Priority Shipping Database")

        }


        Enterprise_Boundary(b3, "Standary Shipping Component") {

            System(SystemC, "Arrange Shipping Component")

            System(SystemD, "Cancel Shipping Component")

            SystemDb(SystemDB2, "Standary Shipping Database")

        }

    }


总结:

SOA 架构是把限界上下文分解为「业务组件」;「业务组件」又分解为「微服务」

通过消息系统集成

利用消息系统的异步编程模式可以建立响应式应用。

Message Bus:消息总线;系统中的所有「组件」(就是「微服务」)都通过「消息总线」来发送和接收消息。通过「消息总线」实现了去「中心化」。

消息中间件要保证:消息的「可靠性」、消息的持久化。

消息系统实战:

  • 先收集「领域事件」,典型的「领域事件」例如:下单,付款,发货。
    • 「领域事件」可以形成部分 UL;同时,把「领域事件」拼起来可以得到完整的 User Cases
  • 和「领域专家」协同工作提取领域知识,并画出「组件图」
    • 「组件图」不需要什么标准格式,也不需要太细节,只要能在沟通中使用「线」,「框」来描述「领域事件」和「过程」
    • 「组件图」还需要表示出在限界上下文之间的「消息流」
  • 「容器图」(Container Diagram)。利用「容器图」回答以下问题:
    • 显示系统不同部分是如何分组的
    • 不同部分是如何通讯的
    • 系统的主要技术选型是什么
  • 系统「架构」需要持续演进:新知识更新到系统中,新事件被添加到领域中,调整上下文边界,同时各种示意图也保持相应的调整
  • 在各个「上下文」内部保存数据的本地副本是一个好的选择:付出一点存储的代价(存储的成本其实不高),降低系统的耦合
  • 推荐各个不同的「业务组件」都拥有自己的私有 DB;同时,每个「业务组件」都通过公开的 API 开放自己的数据
  • 「消息系统」的维护:
    • 合理的设计「消息」格式;可以通过「消息版本」的方式来保持系统更新时的向后兼容
    • 制定系统 SLA,并对其进行监控
    • 系统要具备 Scaling Out 能力
  • 如果要把 2 个使用了不同「消息中间件」的系统集成在一起,可以考虑使用「消息桥接」模式
    • 「消息桥接」的实现可以是多做形式(例如采用数据库共享的方式来实现)

Part 4: 战术模式

从本节开始详细介绍 DDD 的战术模式(tactical pattern)。

Building Block Patterns

模型模式

模型相关的模式有 4 种:EntitiesValue ObjectsDomain ServicesModules

Entities

Entities 的关键特点是其具有「Identity」和「Continuity」。

Entities 用于表示领域中可以按 identity 来定义的概念。

「Continuity」也就是说 Entities 具有生命周期。在 Entities 的整个生命周期,它的 identity 是不变的,但同时,它的属性是可变的。

Entities 一个显著的特点是当实现它的时候,会 override equality 方法。

Entities 的实现上要注意:

  • 考虑通过把 Value Objects 放到 Entities 中来实现的 Entities 的行为
    • 也就是把「业务逻辑」放到 Value Objects 中后,再把 Value Objects 放到 Entities 中;而不是直接把「业务逻辑」放到 Entities
    • 但这样也会带来一个问题:容易造成对象嵌套层次可能会比较深,所以对是否真的这样做要做权衡
  • Entities 要实现对 Entities 自身的约束(不变性)和校验(保证其「业务逻辑」正确)
  • 「Tell Don’t Ask」:只对外暴露行为,而不是暴露内部的数据(或状态)
  • 避免「建模」中的一个「误解」:DDD 是对现实世界建模
    • 所以,Entities 不是描述现实世界的行为,而是要和所构建的「软件系统」的行为相关
  • 分布式问题:如果是在一个分布式系统中,单个 Entities 中的属性可能来至于不同的限界上下文,所以当从「持久化」系统(DB)中「实例化」这个 Entities 时,需要考虑分布式问题。

实现 Entities 时可以使用的一些常用 tips:

  • 使用 Specifications:也就是把「业务规则」(Validation 或 Invariants)封装到小的、单职责的 class 中,这种 class 就是 Specification。例如,该 class 中可实现一个验证方法:bool IsSatisfiedBy(T Entity);
  • 最好不要用一个 State class 来表达不同的「业务状态」;而是要给每个「业务状态」一个对应的 Entity
  • 尽量不要使用 Getters 和 Setters 方法
  • 实现 Entities 的方法时,尽量不要有 side effecting(也就是调用该方法时,会改变 Entities 的内部状态),而是要做到 effect‐free

Value Objects

Value Objects 用于表示领域中只需要通过其「特征」来辨识的概念。

也就是说,我们可以用 Value Objects 来描述领域中的「模型」;同时,Value Objects 可以不需要 identity。

Value Objects 单独使用没有意义,必须是在某个上下文中使用,也就是配合其他对象使用(例如,作为 Entities 的属性)。

Domain Services

Domain Services 把不能放到 EntitiesValue Objects 的「领域逻辑」封装起来。有 3 大特点:

  • 需要是「领域逻辑」,也就是「业务逻辑」;如果不是「业务逻辑」就不能作为 Domain Services
    • 和「业务逻辑」无关、偏向依赖「基础设施层」的服务应该是放到应用服务层
  • 只和「行为」相关(无标识 id)
  • 无状态
  • 需要把多个 Entities 和「领域对象」协调在一起工作

另外,在使用 Domain Services 的同时,又要避免使用「贫血模式」。

应用服务层的区别在于[应用服务层不代表「领域概念」,不表达「业务规则」;而 Domain Services 是用于表现「领域概念」的。

Domain Services 有 2 大类:

其他一些注意事项:

  • 如果 Entities 内部需要用到 Domain Services,可以考虑在构造 Entities 的时候,把 Domain Services 作为构造方法的参数传入
    • 也可以选择使用「Dependency Injection」,而不是用构造函数的参数来实现
  • Entities 发布一个「领域事件」,然后 Domain Services 作为消费者来处理这个「领域事件」也是一种实现方法。这种方法的好处是不需要把 Domain Services 在构造时传入 Entities;坏处是相关的代码可能分布在多个地方,需要 tradeoff……

Modules

Modules 对应项目代码中的 namespaces 或 projects,用于封装各种相关的概念(EntitiesValue Objects)到「模块」中。从而能够简化对大型领域的理解。

生命周期模式

生命周期模式有 3 种:AggregatesFactoriesRepositories

Aggregates

EntitiesValue Objects 相互合作会形成大的「领域对象」:「对象图结构」。

DDD 使用 Aggregates 模式按照业务「复杂性」和「不变性」把大「对象图结构」切分为多个 Aggregates,并保证各个 Aggregates 的「一致性」,以及定义它们的「并行事务边界」。

要尽量的按「不变性」来分割 Aggregates,这样更容易保持「领域」的「一致性」。

「领域对象」之间的关联本质是为了支持「不变性」和「一致性」。

确认 Aggregates 边界的一些特征:

  • 一致性:识别出工作在一起的「领域对象」,同时这些「领域对象」必须保持一致来满足「用例」
  • 保持「事务一致性」

「对象图结构」是一个大的「领域模型」,如果不使用 Aggregates 模式的话,会难于管理。

实现上,Aggregates 之间相互引用时,是通过其「根对象」的 Id 来引用,而不是通过「根对象」本身来引用。

Aggregates 「根对象」是对 Aggregates 进行操作的入口点。

总结:

Factories

Factories 负责 EntitiesValue Objects 的创建。封装「领域概念」创建的「复杂性」。

构造领域对象的方法有 2 种:

  • 工厂方法
  • 抽象工厂方法:依据所提供的具体信息,工厂(Factories)就能判定要创建和返回哪个子类

另外,可以考虑在「领域对象」中实现 Builder 模式来精简其构建代码。

Repositories

Repositories 模式用于抽象「模型」的「反持久化过程」和「持久化过程」,使得开发人员无需关注「持久化」相关的底层「基础设施」。

换句话说,Repositories 确保了「持久化」的「抽象」(无需关注「持久化」的底层实现细节)。

这里的「抽象」指的是:Repositories 利用 Facade 模式,把对领域中的 Aggregates 进行存储的工作 facade 到底层「基础设施层」机制来实现。

也就是说在「领域模型」和「数据模型」(DB 中数据的存储模式)并不一定完全一致的情况下,Repositories 利用 Facade 模式隐藏掉「领域模型」和「数据模型」这 2 种模型之间的转换的复杂度。

Repositories 也就是定义了「领域模型」和「数据模型」这 2 个模型的边界,从而实现了把「领域模型」和「数据模型」的存储解耦。

显露模式

Domain Events

Domain Events 就是领域中发生的,「领域专家」感兴趣的事情。

Domain Events 并不是技术概念,和「事件驱动」什么的技术概念无关。

Domain Events 一般从 Aggregates 产生,把在某个 Aggregates 上的变化发布出去,从而使得其他关注这个变化的 Aggregates 能够通过订阅的方式获取到。

  • Domain Events 的命名一般是:名词+动词的完成时,例如:OrderCanceledEvent(订单已取消事件)
  • Domain Events 需要被持久化
  • Domain Events 对象包含的一些属性:
    • 领域事件 ID
    • 事件产生时间
  • Domain Events 技术上的发布可以采用的实现方式:
    • API 调用
    • 数据库流
    • 消息队列
  • Events 实现上就是「不可变类」(数据对象)
  • 这里说的 Domain Events 主要是指单个限界上下文中的事件,而且可能是同步的模式处理事件
  • 处理 Events 可能是「调用领域逻辑」(和业务逻辑相关,可以是调用 Domain Services);也可能是调用「应用程序逻辑」(和业务逻辑无关)
事件风暴建模

Domain Events 除了是一种战术模式,它也和一种重要的「领域建模方法」,事件风暴建模相关,这里重点介绍一下。

事件风暴建模可以完成几类不同的任务:

  • 获取整个领域的 Big Picture
  • 明确业务处理流程
  • 帮助开发人员完成软件设计

事件风暴建模的应用场景:

  • 评估已有业务线的健康度,并发现优化点
  • 探索一个新业务模型的可行性
  • 在已有项目里面发现具有最大利益的新服务
  • 设计整洁可维护的软件,能支持快速推进的业务

事件风暴建模的关键词:

  • Domain Events
  • Aggregates
  • 「决策命令」:系统的「参与者」对「系统」发出的「指令」,从而引发「系统」状态的变化,也就是会触发 Domain Events
  • 「角色」:触发「决策命令」的「角色」,可能是人,也可能是其他事件触发源
  • 「读模型」:在「角色」发出「决策命令」之前可能需要先查询必要的「信息」,这个查询信息就是「读模型」
  • 「策略」:对 Domain Events 采用何种「策略」进行响应
  • 「外部系统」:整个过程中需要协作的「外部系统」
  • 「问题/热点」:会对整个过程中发现的不确定点,或重要的点进行标注

事件风暴建模关键步骤:

  • 列出「领域事件」、选定「领域事件」
  • 收集「关注点」和「问题」:「讨论点」、「问题点」、「假设」、「风险/关注点」
  • 深入领域:确定「决策命令」、「角色」
  • 找出 AggregatesAggregates 负责产生「事件」,也负责处理「事件」。Aggregates 连接了「决策命令」和「领域事件」
  • 找出「读模型」
  • 找出「策略」:响应「领域事件」、也会触发「领域事件」(触发「决策命令」)

然后,沿着「时间线」确定下一个「领域事件」,再按同样的步骤对这个「领域事件」按步骤分析。

Event Sourcing

Event Sourcing 通过把「事件」按顺序存储起来的方式来记录 Entities 的状态,而不是直接对 Entities 的状态进行持久化。

本文由作者按照 CC BY 4.0 进行授权