Im vorherigen Beitrag haben wir:
- Unsere Problemdomäne: eine ToDo-Anwendung mit einigen Anforderungen
- Ein Basis-Repository, das für die Verwendung von Python und Python Polylith konfiguriert ist.
Einige Entscheidungen sind also getroffen. Wir haben einige der Tools und haben entschieden, wie das Repository aussehen soll.
Das ist eines der Dinge, die ich an Polylith liebe: Es spielt keine Rolle, was Sie programmieren oder wie groß Ihre Organisation ist, alle Repositorys sehen gleich aus – wenn Sie mehr als eines benötigen.
Ihre Repository-Struktur ist konsistent, unabhängig davon, ob Sie FastAPI, Flask oder Django verwenden, eine oder mehrere Bibliotheken erstellen oder Hintergrundaufgaben mit Celery ausführen.
Einer der Hauptvorteile ist der optimierte Onboarding-Prozess für neue Entwickler. Vorausgesetzt, sie beherrschen Polylith, werden sie sich schnell mit der Projektstruktur vertraut machen: Wiederverwendbare Komponenten befinden sich im Komponentenordner, Einstiegspunkte im Basisordner, Demoskripte im Entwicklungsordner und so weiter.
Entitäten
Von Onkel Bob „The Clean Architecture“ sind Entitäten der Grundstein unserer Architektur, sie sind die innerste Schicht unserer Architektur. Wir müssen also mit ihnen beginnen, in Polylith sollten Entitäten als Komponenten leben.
Wie viele Komponenten?
Ich glaube, die Anzahl der Komponenten hängt von der Größe und Komplexität Ihrer Lösung ab. Ich empfehle jedoch, mit einer einzelnen Polylith-Komponente für Entitäten zu beginnen. Dieser Ansatz trägt dazu bei, eine klare und fokussierte Architektur aufrechtzuerhalten, insbesondere bei kleineren Projekten.
Warum eine einzelne Komponente für Entitäten?
- Diese Ebene kapselt Kerngeschäftsregeln, die für die gesamte Anwendung von grundlegender Bedeutung sind. Indem Sie es in einer einzigen Komponente belassen, stellen Sie Konsistenz sicher und vermeiden Duplikate.
- Eine einzelne Komponente vereinfacht die Abhängigkeitsverwaltung, da sie zu einer Abhängigkeit für alle anderen Ebenen wird.
Abhängigkeiten von Drittanbietern vermeiden.
Um externe Abhängigkeiten zu minimieren und die architektonische Flexibilität zu verbessern, sollten Sie sich bemühen, die Standardbibliothek von Python für die Darstellung von Entitäten zu verwenden. Dazu gehört die Nutzung von Datenstrukturen wie Diktat, Liste, Aufzählung, Funktionen, Klassen und neuerdings auch Datenklassen.
Warum sollten Sie Bibliotheken von Drittanbietern wie Pydantic oder Django Models meiden?
- Kopplung mit externen Frameworks: Die Verwendung dieser Bibliotheken kann zu unnötiger Kopplung mit bestimmten Frameworks führen.
- Erhöhte Komplexität: Externe Bibliotheken können die Komplexität erhöhen und potenzielle Wartungsprobleme verursachen.
- Reduzierte Flexibilität: Durch die Begrenzung externer Abhängigkeiten können Sie sich leichter an Änderungen in Anforderungen oder Technologie anpassen.
Durch die Einhaltung dieser Prinzipien können Sie eine robuste und wartbare Architektur erstellen, die gegenüber zukünftigen Änderungen widerstandsfähig ist.
ToDo-Entitäten
Unser Beispiel ist unkompliziert, wobei die Kernentität das „Aufgabenelement“ für Gordon ist. Wir können unserem Repository eine neue Komponente hinzufügen, aber die Wahl des richtigen Namens ist entscheidend.
Obwohl es verlockend sein könnte, generische Namen wie „core“ oder „main“ zu verwenden, ist es wichtig, Namen auszuwählen, die im Domänenkontext eine Bedeutung haben. Idealerweise sollten diese Namen mit der vom Kunden oder Produkteigentümer verwendeten Terminologie übereinstimmen. Durch die Verwendung domänenspezifischer Namen verbessern wir die Lesbarkeit und Wartbarkeit des Codes und machen es sowohl für Entwickler als auch für Stakeholder einfacher, die Struktur des Projekts zu verstehen.
Der Name des Repository-Arbeitsbereichs ist als todo definiert. Folglich folgen alle unsere Importe dem Format:
from todo.XYZ import ... import todo.XYZ
Der Einfachheit halber verwenden wir in diesem Beispiel „Entities“ als Komponentennamen. In realen Szenarien sollten Sie jedoch Namenskonventionen in Betracht ziehen, die Ihre Domäne widerspiegeln. Wenn sich Ihre Anwendung beispielsweise um die Wiederherstellung von Dokumenten dreht, wäre eine Komponente namens „Recovery“ geeignet. Ebenso könnte eine Spieleanwendung der Übersichtlichkeit halber Tournaments_entities verwenden.
Das Erstellen der Komponente mit Python Polylith ist einfach:
poetry poly create component --name=entities poetry poly sync poetry install # it may be necessary
Dadurch wird ein Python-Paket im Komponentenordner hinzugefügt. Dies sind die neuen Einträge im Quellbaum:
./components └── todo └── entities ├── __init__.py └── core.py ./test/components └── todo └── entities ├── __init__.py └── test_core.py
Das Python-Polylith-Tool generiert Testbeispiele für uns, was eine nette Funktion ist. Dieses Verhalten kann in der Datei workspace.toml geändert werden, indem der Wert „enabled = true“ im Abschnitt [tool.polylith.test] auf „false“ gesetzt wird.
In der neuen Entitätenkomponente werden zwei Dateien hinzugefügt: __init__.py und core.py. Sie können das core.py-Modul umbenennen, um es Ihren Anforderungen besser anzupassen. Die gängige Praxis besteht darin, die öffentliche API des Pakets über __init__.py verfügbar zu machen und gleichzeitig die interne Organisation innerhalb anderer Module wie core.py aufrechtzuerhalten.
Von den Anforderungen haben wir derzeit nur eine Entität, den ToDo-Artikel:
@dataclass class TodoItem: owner: str title: str description: str is_done: bool = False due_date: Optional[date] = None
Das Testen einer so einfachen Entität mag unnötig erscheinen, aber ich bevorzuge es, zumindest das Vorhandensein aller Felder zu testen. Während dies bei kleineren Projekten mit weniger Mitwirkenden möglicherweise nicht entscheidend erscheint, kann es bei größeren Projekten mit vielen Entwicklern erhebliche Probleme verhindern. Das Entfernen eines einzelnen Felds aus der Entität kann versehentlich verschiedene Teile der Anwendung beschädigen.
In der Pull-Anfrage für diesen Teil sehen Sie, dass ich einige grundlegende Tests für diese Entität hinzugefügt habe.
Da einige Tests bereits definiert sind, habe ich die Gelegenheit genutzt, einen GitHub-Workflow hinzuzufügen, um die Tests für jede Pull-Anfrage automatisch auszuführen.
Schlussfolgerungen
- Basiseinheiten der Anwendung
- CI-Setup
Was kommt als nächstes: Reden wir über Beharrlichkeit
Das obige ist der detaillierte Inhalt vonSaubere Architektur: Wo soll ich anfangen?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Python und C haben jeweils ihre eigenen Vorteile, und die Wahl sollte auf Projektanforderungen beruhen. 1) Python ist aufgrund seiner prägnanten Syntax und der dynamischen Typisierung für die schnelle Entwicklung und Datenverarbeitung geeignet. 2) C ist aufgrund seiner statischen Tipp- und manuellen Speicherverwaltung für hohe Leistung und Systemprogrammierung geeignet.

Die Auswahl von Python oder C hängt von den Projektanforderungen ab: 1) Wenn Sie eine schnelle Entwicklung, Datenverarbeitung und Prototypdesign benötigen, wählen Sie Python. 2) Wenn Sie eine hohe Leistung, eine geringe Latenz und eine schließende Hardwarekontrolle benötigen, wählen Sie C.

Indem Sie täglich 2 Stunden Python -Lernen investieren, können Sie Ihre Programmierkenntnisse effektiv verbessern. 1. Lernen Sie neues Wissen: Lesen Sie Dokumente oder sehen Sie sich Tutorials an. 2. Üben: Schreiben Sie Code und vollständige Übungen. 3. Überprüfung: Konsolidieren Sie den Inhalt, den Sie gelernt haben. 4. Projektpraxis: Wenden Sie an, was Sie in den tatsächlichen Projekten gelernt haben. Ein solcher strukturierter Lernplan kann Ihnen helfen, Python systematisch zu meistern und Karriereziele zu erreichen.

Zu den Methoden zum effizienten Erlernen von Python innerhalb von zwei Stunden gehören: 1. Überprüfen Sie das Grundkenntnis und stellen Sie sicher, dass Sie mit der Python -Installation und der grundlegenden Syntax vertraut sind. 2. Verstehen Sie die Kernkonzepte von Python wie Variablen, Listen, Funktionen usw.; 3.. Master Basic und Advanced Nutzung unter Verwendung von Beispielen; 4.. Lernen Sie gemeinsame Fehler und Debugging -Techniken; 5. Wenden Sie Leistungsoptimierung und Best Practices an, z. B. die Verwendung von Listenfunktionen und dem Befolgen des Pep8 -Stilhandbuchs.

Python ist für Anfänger und Datenwissenschaften geeignet und C für Systemprogramme und Spieleentwicklung geeignet. 1. Python ist einfach und einfach zu bedienen, geeignet für Datenwissenschaft und Webentwicklung. 2.C bietet eine hohe Leistung und Kontrolle, geeignet für Spieleentwicklung und Systemprogrammierung. Die Wahl sollte auf Projektbedürfnissen und persönlichen Interessen beruhen.

Python eignet sich besser für Datenwissenschaft und schnelle Entwicklung, während C besser für Hochleistungen und Systemprogramme geeignet ist. 1. Python -Syntax ist prägnant und leicht zu lernen, geeignet für die Datenverarbeitung und wissenschaftliches Computer. 2.C hat eine komplexe Syntax, aber eine hervorragende Leistung und wird häufig in der Spieleentwicklung und der Systemprogrammierung verwendet.

Es ist machbar, zwei Stunden am Tag zu investieren, um Python zu lernen. 1. Lernen Sie neues Wissen: Lernen Sie in einer Stunde neue Konzepte wie Listen und Wörterbücher. 2. Praxis und Übung: Verwenden Sie eine Stunde, um Programmierübungen durchzuführen, z. B. kleine Programme. Durch vernünftige Planung und Ausdauer können Sie die Kernkonzepte von Python in kurzer Zeit beherrschen.

Python ist leichter zu lernen und zu verwenden, während C leistungsfähiger, aber komplexer ist. 1. Python -Syntax ist prägnant und für Anfänger geeignet. Durch die dynamische Tippen und die automatische Speicherverwaltung können Sie die Verwendung einfach zu verwenden, kann jedoch zur Laufzeitfehler führen. 2.C bietet Steuerung und erweiterte Funktionen auf niedrigem Niveau, geeignet für Hochleistungsanwendungen, hat jedoch einen hohen Lernschwellenwert und erfordert manuellem Speicher und Typensicherheitsmanagement.


Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

Video Face Swap
Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heißer Artikel

Heiße Werkzeuge

ZendStudio 13.5.1 Mac
Leistungsstarke integrierte PHP-Entwicklungsumgebung

EditPlus chinesische Crack-Version
Geringe Größe, Syntaxhervorhebung, unterstützt keine Code-Eingabeaufforderungsfunktion

MinGW – Minimalistisches GNU für Windows
Dieses Projekt wird derzeit auf osdn.net/projects/mingw migriert. Sie können uns dort weiterhin folgen. MinGW: Eine native Windows-Portierung der GNU Compiler Collection (GCC), frei verteilbare Importbibliotheken und Header-Dateien zum Erstellen nativer Windows-Anwendungen, einschließlich Erweiterungen der MSVC-Laufzeit zur Unterstützung der C99-Funktionalität. Die gesamte MinGW-Software kann auf 64-Bit-Windows-Plattformen ausgeführt werden.

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor