簡介
DDD是一套方法論,一套想法。種類繁多的元模型和名詞概念。其本質都是指導思想對應的解決方案“之一”,初學者容易被表象所困。應始終清醒保持認知「DDD各種元模型都是為解決實際開發中某類問題而起」。在接觸各類元模型時應結合自身業務面臨問題來求證,這樣有助於避免被概念表象所困,回歸解決問題的本質。
背景
資料架構團隊從18年開始,受業務需求驅動開發電話機器人,轉眼已近5年。目前,在該平台下已搭建100 不同類型機器人,為公司經銷商、二手車、主機廠、金融等多個BU業務提供外撥能力,日外呼量數十萬通。電話機器人專案已初具規模,但過程中也遇到不少挑戰。為了應對這些挑戰,我們團隊最終採用DDD思想進行重構和開發。
在應用DDD的過程中,資料架構團隊落地了一些自己的開發規格。這裡就把一些經驗和想法分享給大家,希望能起到拋磚引玉作用。這裡解釋一下,篇幅中很多元模型沒有展開講,也沒有給具體案例。一是考慮篇幅長度問題。二是了解DDD思想,結合各自業務來實現就好了,給我業務的例子意義不大。另外這類案例很容易找的到。同時,覺得給我們團隊遇到的問題、解決方案,落地過程和我們形成的開發規範對大家來說更有價值。對DDD有興趣,想了解更多或對本文有疑問的同學,歡迎找我交流討論。
下面,我從這幾個部分來進行分享:機器人專案中遇到的挑戰、為什麼是DDD、DDD落地步驟、對團隊帶來的提升、理論到實戰遇到的衝突以及未來在DDD應用方面的改進與總結。
1.遇到的挑戰
挑戰一:業務邏輯複雜度高。隨著各類業務的接入,為因應不同場景下的特定業務,不斷追加新邏輯。
如:流程中的意圖辨識邏輯。
意圖識別需要依賴AI的多個模型識別,多個模型識別出來的意圖有可能是衝突的,需要對衝突的意圖配置規則做取捨。同時,對一些冷啟動或緊急優化的場景,需要支援透過配置規則即時生效的方式來意圖識別。並且在規則的意圖識別中需要支援匹配詞槽。詞槽的類型又有多種,從優先順序上區分有場景的全域詞槽、流程上的詞槽。從資料辨識來源區分,可以分為AI辨識出來的,字典規則配對出來的,也可能是由業務方傳遞進來的。業務開展一段時間後,不同類型的詞槽又增加不同屬性,如車系的詞槽有本品、經營範圍、非經營等等;
挑戰二:程式碼架構結構不清晰。隨著業務需求功能的追加,伴隨著程式碼規模增加。加之邏輯複雜和團隊開發人員程式碼迥異,逐漸導致各種邏輯邊界變得混亂。
如:我們通常的開發方式,依功能模組拆解,業務流程串聯協調各個模組,共同完成業務需求。但是處理這類業務複雜的邏輯,這種方案設計有很大的弊端,模組邊界很容易被穿透。
各模組關係相互調用,原本作為模組的隔離設計,實際在實現過程被完全完全的打破了。使原本理想中垂直拆分的模組,變成網狀的結構。
模組負責人中間環節發展出來的屬性或方法,被外部其它模組外依賴導致功能發散出去。導致後期需求變動時風險增加,又或是發現被依賴了原本可以隨意更改的方法不能變動,不得不增加額外邏輯程式碼來實現。造成了本來就複雜的程式碼更加複雜。
對業務需求拆解不合理,需求功能在實現時就近開發,未嚴格按照模組拆解,缺少統一思想作為指導。
挑戰三:產品需求多,難以辨別是否有真實價值。
挑戰四:邏輯變化快,不少需求導致需要程式碼邏輯重新設計。
挑戰五:業務多,各業務表達不一致,溝通成本高。
垂直邊界被打破,程式碼複雜度增加,加上業務流程頻繁調整。這些多重維度相互疊加,使得開發和維護難度指數增加。電話機器人這個一級應用系統的穩定性難以保障。即便技術同學都是資深的工程師,已經按照所能理解的微服務思想設計、按照模組拆解項目,即便代碼邏輯中已經也引用不少設計模式來構建與擴展,即便已經是接入了公司各個平台品質工具、寫了不少單元測試。但是在專案新需求迭代時,依舊出現不少“驚喜”,使整個團隊很頭疼。
2.為什麼是DDD
為什麼是DDD?每天那麼多技術棧,那麼多思想,為什麼就是DDD來應對呢?首先DDD修飾的很好“軟體核心複雜性應對之道”,使得不少人想一探究竟。所以來看看DDD是怎麼來解決專案中遇到的挑戰。
首先,我們來看看DDD對複雜度的歸類,弄清楚DDD要處理的複雜度是否是我面臨的挑戰。 DDD相關資料中,從理解能力和預測能力兩個維度來探討剖析複雜度的成因。
理解能力(就是軟體系統對開發人員來說複雜難以理解):
第一規模:影響理解能力的第一要素。幾百上千萬行的程式碼,各需求點的關係相互影響。修改一處就會牽一發動全身。
第二個結構:不合理甚至混亂的結構,導致開發人員難以維護功能。
預測能力(就是業務的發展難以預測):
當需求改變時,難以預測軟體實現的走向,會出現過度設計和設計不足問題。過度設計,預留了很多接口,構造了很多模式增加了代碼的實現複雜度,但後來發現用不到。設計不足,需求的實現沒考慮到後期的發展,當變化來臨時需要推翻現有設計重新開發,被產品抱怨設計能力差。
DDD對複雜度的成因歸結為:規模、結構、變化;規模和結構製造了理解能力障礙,變化製造了預測能力障礙,兩者相加形成了複雜度問題。
其次,DDD並非只是程式設計階段的理論,而是還包含從需求分析、架構映射和建模及實現的全流程設計指導。
需求分析階段,透過相關指導思想提前準確獲知業務價值,捕捉未來變化方向。架構映射階段,給予從需求到架構過程的指導思想,增加了設計權重和規範。透過子領域拆分、系統分層和限界上下文業務歸類,給予指導規範,保障了系統架構的清晰,並且降低系統複雜度。建模及實現階段,給出來領域驅動設計相關元模型,使各部分職能分工明確,快速回應業務需求及未來功能變化。
再,來看DDD給予的指導思想:
規模問題:拆邊界。以子領域、限界上下文對拆解分治。
針對分治思想,DDD給出兩個重要的設計元模型:限界上下文和上下文映射。
結構問題:分層架構 限界隔離。
分層起到了隔離業務邏輯和技術實作複雜度問題。 DDD引進的分層架構,將業務邏輯封裝到領域層,支撐業務邏輯的技術實作放到基礎設施層。在領域層之上的應用層封裝應用服務,黏合二者進行協作。
變化問題:主動設計變化。
變化無法控制,只能擁抱變化。需求分析階段運用5W思維辨識變化規律,把控業務變化。 DDD透過模型驅動設計元模型對限界上下文進行領域建模,形成結合分析、設計和實現一體的領域模型。
最後,來看DDD給的解決方案。其引入了一套提煉為模式的設計元模型,對業務軟體做到了對規模的控制、結構的拆分以及變化的主動響應。
簡單介紹下這張圖,整體分成兩個大部分。第一部分是下面虛線圈出來的部分,不涉及具體技術實現。在需求分析階段進行的,應對問題空間的一些元模型方案。另外部分,在第一部分的基礎上,做具體係統架構分層、物件抽離聚合、服務拆解環節,這個階段做對應的設計落地。
我的理解是這樣,這套設計元模型給出了從需求分析、設計和實現一體整套解決方案。需求分析階段的系統拆解(對應圖中子領域元模型)。再拆到更新粒度的限界上下文。並給出各限界的協同關係方案(對應圖中上下文映射元模型)。設計實現階段給出模型驅動設計的設計元方案,透過系統的分層架構、領域服務、聚合等粒度的設計。給出一套完善的、有理論支撐的、可落地有標準的解決方案。
上述DDD對問題複雜度的剖析定位,完全就是電話機器人系統中的痛點。給出的解決方案,也完美解決業務面臨的各類挑戰。在認識到其價值後,團隊很快就達成共識在後續的專案中進行落地。
3. DDD落地步驟
元模型細節、業務限界的拆解不展開講了,直接給出我們團隊實戰中的步驟和產物。
3.1第一步預研階段
這部分我們的經驗是團隊中有人充當先行者,先花費精力做深入學習DDD相關理念,然後同步到整個團隊。就我們團隊來講,研究階段時間比較零碎不好評估用時多久,團隊科普階段前後4次用8小時。之後,團隊內同學在有概念指導的基礎上,已具備快速深入學習能力。並組織團隊成內相互探討印證理解。
3.2第二步引入指導思想與落地規範
3.2.1 需求分析階段引入5W模型理論支撐,有助於辨識出真實需求,主動把控變化方向和排除無意義需求。
這部分就是5W理論作為跟產品分析需求的理論的支撐,非常有助於辨識出真實的需求,更好的分析出業務的發展方向。也能從源頭縮減無效需求,直接上圖;
#3.2.2 引入服務規約,以文件型對照程式碼業務功能實現。有助於開發及後續需求梳理,同時也能作為單元測試覆蓋度的考量。
- 3.2.2.1 團隊成員共識,需求先寫服務規約,再做開發。寫服務規約的時間,其實就是科技對需求理解的梳理,理清了思路,後續寫程式碼時把這部分時間賺回來。
- 3.2.2.2 服務規約及需求,服務規約即對應單測。順帶解決了先前單測沒有標準(我理解的程式碼、方法覆蓋率這類,不能稱作為標準)的問題。
這裡給出我們團隊採用的服務規約範本:
編號:標記業務服務的唯一編號。
名稱:動詞片語形式的業務服務名稱。
描述:
作為
我想要
角色主動觸發的該業務服務事件,可以是點選UI的控制項、具體的策略或伴生系統所傳送的訊息等。 基本流程:用於表現業務服務的主流程,即執行成功的業務場景。也可以稱為「主成功場景」。 替代流程:用於表現業務服務的擴充流程,即執行失敗的業務場景。 驗收標準:一系列可以接受的條件或業務規則,以要點形式列舉。 3.3第三步驟決定架構方案學習DDD中模型驅動設計元模型的方案。主要是劃分職責邊界,也就是限界上下文,達到從傳統網狀結構關係變成垂直切分關係,減少彼此依賴。整體採用限界上線文拆解加菱形驅動設計,形成整體思想指導。系統採用分層架構COLA 4.0
3.4第四步驟共識命名標準形成團隊編碼規格
就依我們入參、出參訊息命名來舉例。綜合各方考量,並沒有採用上圖粒度特別細的命名方式。而是團隊內簡單共識為入參*request,出參*reponse命名標準。
3.6最後進入建模的實作階段
該方式遵循其三定律,這樣能改善對需求的設計不足和過度設計問題。
定律一 |
一次只寫一個剛好失敗的測試,作為新加功能的描述。 |
定律二 |
#不寫任何產品程式碼,除非它剛好能讓失敗的測試通過。 |
定律三 |
#只在測試全部通過的前提下做程式碼重構,或開始新加功能。 |
4.對團隊帶來的提升
4.1被動接收需求到主動因應
需求分析階段,運用5W原則。剖析需求的合理性,能主動把控項目的變化方向。解決「挑戰三」對需求價值辨別並改善了「挑戰四」的把控業務發展變化方向。
4.2降低溝通成本
運用統一語言思想溝通,降低「挑戰五」的各個環節的協作成本。
4.3架構設計提升
透過設計元模型的子領域模型、限界上下文合理拆解程式碼規模。透過DDD的分層思想,隔離業務邏輯與技術維度複雜度,清楚程式碼結構。同時專案採用菱形對稱結構,透過南北向網關與外部交互,避免了模組的網狀情況滋生。解決了「挑戰二」問題和降低了「挑戰一」複雜度問題。
4.4技術實現提升
團隊在開發業務功能時,會考慮需求放到那個限界合理。實現過程會考慮放到領域層還是業務服務層,功能的實現上採用貧血模型還是充血。
4.5 文件規格提升
文件規格上,引入服務規約機制。既能作為梳理需求的工具,又能作為單測的依據。同時也為後期提供了服務說明的文件。
4.6程式碼實作提升
程式碼實作上,從架構到編碼實作、命名,形成了一套有標註的規格。
總的來說,在該模式下,團隊的思維方式發生了轉變。透過應用各類元模型,來因應從需求分析到系統架構、程式碼實現不同環節所帶來的挑戰。
5.理論到實戰遇到的衝突
5.1貧血模型PK 充血模型
貧血模型:通俗來說,就是domain object只有屬性的getter/setter方法的純資料類,業務邏輯和應用邏輯都放到服務層中,這種模型下的domain object被Martin Fowler稱之為「貧血的domain object」。
充血模型:反之,充血模型中不僅包含了物件的屬性,也包含了物件的行為,包括業務邏輯。
從物件導向角度分析,物件是包含屬性和行為的,理應是使用充血模型,並且DDD原則上也是建議採用充血模型。但落地到具體開發現狀,即便是貧血模型有很多問題,但業界存在這麼多年、運用這麼普遍,總歸是有其存在的價值。加上JAVA應用大部分採用Mybatis技術棧,許多物件是插件自動產生的貧血實體。所以問題來了,採用充血模型意味著一部分便利工具的廢棄。這個問題團隊內分歧比較大。最終我們的方式是這部分不做硬性標準,但建議使用充血模式。
5.2嚴格遵守資料轉換限制
PK 精簡提效的外部資料直接使用
在DDD的想法中,為了確保領域服務的可靠性。要求領域服務依賴的數據為領域內的實體、聚合數據,不允許直接使用外部的消息鍥約數據。對應到菱形對稱架構的南北向網關取得資料的轉換,會帶來額外的工作量。有團隊同學建議某些相對穩定的結構可以不遵守該原則,理由是能提高開發速度,且認為可能90%的資料都是如資料庫這類結構較為穩定的資源。但最終團隊內還是嚴格要求遵守該指導思想。
5.3快取處理允許共享 PK 限界隔離
同一系統不同限界中快取處理:允許共享 PK 各限界隔離。
就當時場景來看,允許共享短期內能減少部分工作量、節約資源等優勢。但之所以要劃分限界,就是為了拆解關係防止過大。這裡給到的建議是,首先考慮共用資料的服務是不是合併為一個限界比較合理。如果不能合併,必須隔離資料。
5.4服務規則對照需求的前端 PK 後端
指導理論想法很美好,需求分析時要求屏蔽技術實現思考。但終歸是要落地到技術棧的,落地到技術實現時就會受技術實現的干擾。當時比較突出的一個問題,功能的實作可以放到前端,也可以後端服務實作。
舉例一:需求要求「id 名字」組合展示,但是後端介面返回的id、名字兩個字段,實際前端技術棧來組合,那面向前端與後端的服務規約不一致。
範例二:需求要求驗證參數非空。在一些內部系統中,我們團隊技術都是前後端全端工程師,分工依需求模組開發。往往不會特別嚴謹到兩端都做驗證。也導致服務規約面向哪端有衝突。
我們最終的取捨:團隊採用面向後端服務層面。但同時做一些改進,如驗證這類功能轉移到介面層面來實現。
5.5誰來確保服務規約編寫是否正確產品PK 技術
最開始階段理想狀態是由需求面產品來核驗,本著誰的需求誰確認原則。但由於4.4的差異問題,我們實際落地是由技術負責人來審核。
6.未來在DDD應用方面的改進和總結
DDD的應用,團隊目前做到了從架構和規範上面進行落地。但有些細節如:聚合類別、實體、值物件這些設計,並沒有特別精細。後期會進一步推進在這些細粒度上面的改進。同時,對一些在用的老項目,依照DDD思想進行改造重構。
有人認為應用DDD會降低開發效率,這也是很多團隊的一個顧慮。我們是這麼看待這個問題的,應用DDD的場景是解決複雜性業務問題的,確實是會增加程式碼量。但不等於降低開發效率。清晰的架構結構、聚合的領域服務和規範的標準,對後期需求升級、程式碼維護、複雜度控制帶來的效益,遠大於投入。並且,軟體產業給出的數據,80%的時間是在需求分析設計,開發時間只佔20%。因此這部分損耗不是重點。
最後,陳述一下使用DDD的感受。 DDD各種元模型種類繁多,大家可以根據業務面臨的痛點有目的來學習和採用。在實際的業務環境中,我們的領域模型或多或少的都有一定的“特殊性”,如果100%的要符合DDD規範可能成本會比較高,所以最主要的是理解DDD思想,最終選擇合適自身業務的方案。
作者簡介
李曉華
- 經銷商事業部-經銷商技術部。
- 2016年加入汽車之家,目前任職於經銷商資料架構小組團隊,負責電話機器人專案。
以上是電話機器人團隊DDD實踐的詳細內容。更多資訊請關注PHP中文網其他相關文章!

數據完整性:刪除Excel中的重複項以進行準確分析 乾淨的數據對於有效的決策至關重要。 Excel電子表格中的重複條目可能會導致錯誤和不可靠的分析。本指南向您展示瞭如何輕鬆刪除DUP

掌握電話採訪的藝術:成功指南 成功的電話面試可以大大增加進入工作申請過程下一階段的機會。 這種至關重要的第一印象,通常是唯一的前fac

介紹 想像一下,有能力在醫療保健,金融或體育等領域為自己和您的公司做出明智的決定。那就是統計學家的角色。 隨著組織中數據的越來越多,對統計學家的需求

人工智能:綜合指南 技術使我們能夠設想一個世界,即機器了解我們的偏好,預測我們的需求,並從過去的互動中學習以提供更好的結果。這不是科幻小說;它是

介紹 在數據分析的世界中,有效的溝通是關鍵。 象形圖提供了一個強大的解決方案,以視覺上吸引人且易於消化的格式提供信息。與復雜的圖表和數字不同,象形文字 - 也

Llama 3.1風暴8b:有效語言模型的突破 追求高效,準確的語言模型導致了Llama 3.1 Storm 8b的發展,這是80億個參數模型類別的顯著進步。 這是完善的

git:您的版本控制與協作的基本指南 Git是開發人員的關鍵工具,簡化了項目協作和版本控制。 本指南提供了在Linux,MacOS和Wind上安裝GIT的直接說明

大型語言模型(LLMS)的流行激增,工具稱呼功能極大地擴展了其功能,而不是簡單的文本生成。 現在,LLM可以處理複雜的自動化任務,例如Dynamic UI創建和自主a


熱AI工具

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
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

Dreamweaver CS6
視覺化網頁開發工具

Safe Exam Browser
Safe Exam Browser是一個安全的瀏覽器環境,安全地進行線上考試。該軟體將任何電腦變成一個安全的工作站。它控制對任何實用工具的訪問,並防止學生使用未經授權的資源。

SublimeText3 Linux新版
SublimeText3 Linux最新版

MantisBT
Mantis是一個易於部署的基於Web的缺陷追蹤工具,用於幫助產品缺陷追蹤。它需要PHP、MySQL和一個Web伺服器。請查看我們的演示和託管服務。

WebStorm Mac版
好用的JavaScript開發工具