搜尋
首頁後端開發Python教學乾淨的架構:從哪裡開始?

Clean architecture: Where to start ?

在上一篇文章中我們有:

  • 我們的問題領域:具有一些要求的 ToDo 應用程式
  • 配置為使用 Python 和 Python Polylith 的基本儲存庫。

因此,一些決定已經完成。我們擁有一些工具並已經決定了儲存庫的外觀。

這是我喜歡 Polylith 的原因之一:無論您編碼什麼或您的組織有多大,所有儲存庫看起來都一樣 - 如果您需要多個儲存庫。

無論您使用 FastAPI、Flask 或 Django,建立單一或多個庫,還是使用 Celery 執行後台任務,您的儲存庫結構都是一致的。

主要優勢之一是簡化新開發人員的入職流程。假設他們掌握了 Polylith,他們很快就會熟悉專案結構:可重複使用元件位於 Components 資料夾中,入口點位於 bases 資料夾中,演示腳本位於development 資料夾中,等等。

實體

來自鮑伯叔叔的「清潔架構」實體是我們架構的基石,它們是我們架構的最內層。所以我們需要從它們開始,在 Polylith 中實體應該作為元件存在。

有幾個組件?

我相信組件的數量取決於解決方案的大小和複雜性。但是,我建議從實體的單一多塊組件開始。這種方法有助於保持清晰且重點突出的架構,特別是對於較小的專案。

為什麼實體只有一個組件?

  • 該層封裝了對整個應用程式至關重要的核心業務規則。透過將其保留在單一組件中,可以確保一致性並避免重複。
  • 單一元件簡化了依賴關係管理,因為它成為所有其他層的依賴關係。

避免第三方依賴

為了最大限度地減少外部依賴並增強架構靈活性,請努力使用Python的標準函式庫來表示實體。這包括利用字典、列表、枚舉、函數、類別和最近的資料類別等資料結構。

為什麼要避免使用 Pydantic 或 Django Models 等第三方函式庫?

  • 與外部框架的耦合:依賴這些函式庫可能會引入與特定框架不必要的耦合。
  • 複雜性增加:外部函式庫可能會增加複雜性和潛在的維護問題。
  • 靈活性降低:透過限制外部依賴,您可以更輕鬆地適應需求或技術的變化。

遵守這些原則,您可以創建一個健壯且可維護的架構,能夠適應未來的變化。

待辦事項實體

我們的範例很簡單,核心實體是 Gordon 的「待辦事項」。我們可以為我們的儲存庫添加一個新元件,但選擇正確的名稱至關重要。

雖然使用「core」或「main」等通用名稱可能很誘人,但選擇在網域上下文中有意義的名稱至關重要。理想情況下,這些名稱應與客戶或產品所有者使用的術語一致。透過使用特定於網域的名稱,我們增強了程式碼的可讀性和可維護性,使開發人員和利害關係人更容易理解專案的結構。

儲存庫工作區名稱定義為 todo。因此,我們所有的導入都將遵循以下格式:

from todo.XYZ import ...
import todo.XYZ

為了簡單起見,在本範例中,我們將使用實體作為元件名稱。但是,在現實場景中,請考慮反映您的網域的命名約定。例如,如果您的應用程式圍繞文件恢復,則名為恢復的元件將是合適的。同樣,為了清晰起見,遊戲應用程式可能會使用錦標賽實體。

使用 Python Polylith 建立元件很簡單:

poetry poly create component --name=entities
poetry poly sync
poetry install # it may be necessary

這將在元件資料夾中新增一個 python 套件,這是來源樹中的新條目:

./components
└── todo
    └── entities
        ├── __init__.py
        └── core.py
./test/components
└── todo
    └── entities
        ├── __init__.py
        └── test_core.py

python-polylith 工具將為我們產生測試範例,這是一個很好的功能。可以透過在 [tool.polylith.test] 部分中將enabled = true 值設為 false 來變更workspace.toml 檔案中的此行為。

在新的實體元件中,新增了兩個檔案:__init__.py 和 core.py。您可以重新命名 core.py 模組以更好地滿足您的需求。常見的做法是透過 __init__.py 公開套件的公共 API,同時在 core.py 等其他模組中維護內部組織。

根據要求,目前我們只有一個實體,即 ToDo 項:

@dataclass
class TodoItem:
    owner: str
    title: str
    description: str
    is_done: bool = False
    due_date: Optional[date] = None

測試這樣一個簡單的實體似乎沒有必要,但我更喜歡至少測試所有欄位的存在。雖然這在貢獻者較少的小型專案中似乎並不重要,但它可以防止在擁有許多開發人員的大型專案中出現重大問題。從實體中刪除單一欄位可能會無意中破壞應用程式的各個部分。

在這部分的拉取請求中,您將看到我為該實體添加了一些基本測試。

已經定義了一些測試,我藉此機會添加了 GitHub 工作流程來自動執行每個拉取請求的測試。

結論

  • 應用程式基本實體
  • CI 設定

接下來:我們來談談堅持

以上是乾淨的架構:從哪裡開始?的詳細內容。更多資訊請關注PHP中文網其他相關文章!

陳述
本文內容由網友自願投稿,版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容,請聯絡admin@php.cn
Python與C:學習曲線和易用性Python與C:學習曲線和易用性Apr 19, 2025 am 12:20 AM

Python更易學且易用,C 則更強大但複雜。 1.Python語法簡潔,適合初學者,動態類型和自動內存管理使其易用,但可能導致運行時錯誤。 2.C 提供低級控制和高級特性,適合高性能應用,但學習門檻高,需手動管理內存和類型安全。

Python vs. C:內存管理和控制Python vs. C:內存管理和控制Apr 19, 2025 am 12:17 AM

Python和C 在内存管理和控制方面的差异显著。1.Python使用自动内存管理,基于引用计数和垃圾回收,简化了程序员的工作。2.C 则要求手动管理内存,提供更多控制权但增加了复杂性和出错风险。选择哪种语言应基于项目需求和团队技术栈。

科學計算的Python:詳細的外觀科學計算的Python:詳細的外觀Apr 19, 2025 am 12:15 AM

Python在科學計算中的應用包括數據分析、機器學習、數值模擬和可視化。 1.Numpy提供高效的多維數組和數學函數。 2.SciPy擴展Numpy功能,提供優化和線性代數工具。 3.Pandas用於數據處理和分析。 4.Matplotlib用於生成各種圖表和可視化結果。

Python和C:找到合適的工具Python和C:找到合適的工具Apr 19, 2025 am 12:04 AM

選擇Python還是C 取決於項目需求:1)Python適合快速開發、數據科學和腳本編寫,因其簡潔語法和豐富庫;2)C 適用於需要高性能和底層控制的場景,如係統編程和遊戲開發,因其編譯型和手動內存管理。

數據科學和機器學習的Python數據科學和機器學習的PythonApr 19, 2025 am 12:02 AM

Python在數據科學和機器學習中的應用廣泛,主要依賴於其簡潔性和強大的庫生態系統。 1)Pandas用於數據處理和分析,2)Numpy提供高效的數值計算,3)Scikit-learn用於機器學習模型構建和優化,這些庫讓Python成為數據科學和機器學習的理想工具。

學習Python:2小時的每日學習是否足夠?學習Python:2小時的每日學習是否足夠?Apr 18, 2025 am 12:22 AM

每天學習Python兩個小時是否足夠?這取決於你的目標和學習方法。 1)制定清晰的學習計劃,2)選擇合適的學習資源和方法,3)動手實踐和復習鞏固,可以在這段時間內逐步掌握Python的基本知識和高級功能。

Web開發的Python:關鍵應用程序Web開發的Python:關鍵應用程序Apr 18, 2025 am 12:20 AM

Python在Web開發中的關鍵應用包括使用Django和Flask框架、API開發、數據分析與可視化、機器學習與AI、以及性能優化。 1.Django和Flask框架:Django適合快速開發複雜應用,Flask適用於小型或高度自定義項目。 2.API開發:使用Flask或DjangoRESTFramework構建RESTfulAPI。 3.數據分析與可視化:利用Python處理數據並通過Web界面展示。 4.機器學習與AI:Python用於構建智能Web應用。 5.性能優化:通過異步編程、緩存和代碼優

Python vs.C:探索性能和效率Python vs.C:探索性能和效率Apr 18, 2025 am 12:20 AM

Python在開發效率上優於C ,但C 在執行性能上更高。 1.Python的簡潔語法和豐富庫提高開發效率。 2.C 的編譯型特性和硬件控制提升執行性能。選擇時需根據項目需求權衡開發速度與執行效率。

See all articles

熱AI工具

Undresser.AI Undress

Undresser.AI Undress

人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover

AI Clothes Remover

用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool

Undress AI Tool

免費脫衣圖片

Clothoff.io

Clothoff.io

AI脫衣器

Video Face Swap

Video Face Swap

使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱工具

MinGW - Minimalist GNU for Windows

MinGW - Minimalist GNU for Windows

這個專案正在遷移到osdn.net/projects/mingw的過程中,你可以繼續在那裡關注我們。 MinGW:GNU編譯器集合(GCC)的本機Windows移植版本,可自由分發的導入函式庫和用於建置本機Windows應用程式的頭檔;包括對MSVC執行時間的擴展,以支援C99功能。 MinGW的所有軟體都可以在64位元Windows平台上運作。

WebStorm Mac版

WebStorm Mac版

好用的JavaScript開發工具

mPDF

mPDF

mPDF是一個PHP庫,可以從UTF-8編碼的HTML產生PDF檔案。原作者Ian Back編寫mPDF以從他的網站上「即時」輸出PDF文件,並處理不同的語言。與原始腳本如HTML2FPDF相比,它的速度較慢,並且在使用Unicode字體時產生的檔案較大,但支援CSS樣式等,並進行了大量增強。支援幾乎所有語言,包括RTL(阿拉伯語和希伯來語)和CJK(中日韓)。支援嵌套的區塊級元素(如P、DIV),

DVWA

DVWA

Damn Vulnerable Web App (DVWA) 是一個PHP/MySQL的Web應用程序,非常容易受到攻擊。它的主要目標是成為安全專業人員在合法環境中測試自己的技能和工具的輔助工具,幫助Web開發人員更好地理解保護網路應用程式的過程,並幫助教師/學生在課堂環境中教授/學習Web應用程式安全性。 DVWA的目標是透過簡單直接的介面練習一些最常見的Web漏洞,難度各不相同。請注意,該軟體中

SecLists

SecLists

SecLists是最終安全測試人員的伙伴。它是一個包含各種類型清單的集合,這些清單在安全評估過程中經常使用,而且都在一個地方。 SecLists透過方便地提供安全測試人員可能需要的所有列表,幫助提高安全測試的效率和生產力。清單類型包括使用者名稱、密碼、URL、模糊測試有效載荷、敏感資料模式、Web shell等等。測試人員只需將此儲存庫拉到新的測試機上,他就可以存取所需的每種類型的清單。