领域驱动应对业务复杂度

领域驱动应对业务复杂度

领域驱动应对业务复杂度

核心业务逻辑与技术细节分离

在简单的业务场景中,系统对于扩展性的要求并不高,于是很多程序员对于扩展能力的训练就少一些。但是随着业务发展的越来越快,复杂度逐渐增高,代码中可能通过大量的if-else进行逻辑处理,在架构层面有没有好的应对扩展性的解决方案呢?

以业界流行的中台解决方案(阿里的TMF)来说,一般存在两个很重要的概念:

  1. 业务身份(BizCode)
  2. 扩展点(ExtensionPoint)

业务身份(BizCode)

指的是业务在系统中的唯一标识一个业务或者一个场景的标记。BizCode可以采用类似于Java包命名空间的方式命名,如“ali.tmall”表示的是天猫。

扩展点(ExtensionPoint)

每个业务或者场景都可以实现一个或多个扩展点。业务身份加上扩展点,可以唯一的确定一个扩展实现(Extension)。

有了业务身份和扩展点,可以从框架或者平台纬度实现多租户的管理。不同业务,不同场景都可以实现定制。阿里的中台主要也是围绕于这个思想,实现了一个平台框架的多业务支撑。

约定大于配置

最开始使用MVC架构时,听到过“约定大于配置”这句话,意思是将规则性的东西固化下来,尽量减少随心所欲而带来的复杂度。

我们可以在系统中针对于架构命名、模块命名、规范约束、组件、包等进行命名,实现标准化和约束性,以提高系统的可维护性。

网上找了一个基于DDD和CQRS的架构,通过使用扩展点和元数据提供了系统的扩展性:

架构图

总结

不管是分层架构、六边形架构,还是洋葱圈架构,还是整洁架构,我们可以发下一个共同点,就是“核心业务逻辑与技术细节分离”。我们在网关拆分上也是基于这一点做的,核心业务下沉,网关只维护技术相关细节。

总结图

核心业务逻辑下沉之后,可以实现领域模型和领域服务的复用,没有技术细节的代码也更易于RD所理解。技术细节不受业务迭代限制,随时可以升级或是丢弃。

Read more

决策树算法介绍:原理与案例实现

决策树算法介绍:原理与案例实现

决策树算法介绍:原理与案例实现 决策树算法介绍:原理与案例实现 一、决策树算法概述 决策树是一种基本的分类与回归方法,它基于树形结构进行决策。决策树的每一个节点都表示一个对象属性的测试,每个分支代表该属性测试的一个输出,每个叶节点则代表一个类别或值。决策树学习通常包括三个步骤:特征选择、决策树的生成和决策树的剪枝。 二、决策树算法原理 1. 特征选择 特征选择是决策树学习的核心。它决定了在树的每个节点上选择哪个属性进行测试。常用的特征选择准则有信息增益、增益比和基尼不纯度。 * 信息增益:表示划分数据集前后信息的不确定性减少的程度。选择信息增益最大的属性作为当前节点的测试属性。 * 增益比:在信息增益的基础上考虑了属性的取值数量,避免了对取值数量较多的属性的偏好。 * 基尼不纯度:在CART(分类与回归树)算法中,使用基尼不纯度作为特征选择的准则。基尼不纯度越小,表示纯度越高。 2. 决策树的生成 根据选择的特征选择准则,从根节点开始,递归地为每个节点选择最优的划分属性,并根据该属性的不同取值建立子节点。直到满足停止条件(如所有样本属于同一类,

By Ne0inhk
他给女朋友做了个树莓派复古相机,算法代码可自己编写,成本不到700元

他给女朋友做了个树莓派复古相机,算法代码可自己编写,成本不到700元

手机拍照不够爽,带个单反又太重? 试试做个树莓派复古相机,还能自己编写处理算法的那种—— 成本不到700元。 没错,颜值很高,拍出来的照片也能打: 你也可以快速上手做一个。 如何制作一个树莓派复古相机 目前,这部相机的代码、硬件清单、STL文件(用于3D打印)和电路图都已经开源。 首先是硬件部分。 这部复古相机的硬件清单如下: 树莓派Zero W(搭配microSD卡)、树莓派高清镜头模组、16mm 1000万像素长焦镜头、2.2英寸TFT显示屏、TP4056微型USB电池充电器、MT3608、2000mAh锂电池、电源开关、快门键、杜邦线、3D打印相机外壳、黑色皮革贴片(选用) 至于3D打印的相机外壳,作者已经开源了所需的STL文件,可以直接上手打印。 材料齐全后,就可以迅速上手制作了~ 内部的电路图,是这个样子的: 具体引脚如下: 搭建好后,整体电路长这样: 再加上3D外壳(喷了银色的漆)和镜头,一部简易的树莓派复古相机就做好了。 至于软件部分,

By Ne0inhk
🚀Zeek.ai一款基于 Electron 和 Vite 打造的跨平台(支持 Windows、macOS 和 Linux) AI 浏览器

🚀Zeek.ai一款基于 Electron 和 Vite 打造的跨平台(支持 Windows、macOS 和 Linux) AI 浏览器

是一款基于 Electron 和 Vite 打造的跨平台(支持 Windows、macOS 和 Linux) AI 浏览器。 集成了 SearXNG AI 搜索、开发工具集合、 市面上最流行的 AI 工具门户,以及代码编写和桌面快捷工具等功能, 通过模块化的 Monorepo 架构,提供轻量级、可扩展且高效的桌面体验, 助力 AI 驱动的日常工作流程。

By Ne0inhk
LibreChat 集成 Stripe 支付的奶妈级教程

LibreChat 集成 Stripe 支付的奶妈级教程

我们假设你已经熟悉基本的 React 和 Node.js 开发,并且正在使用 LibreChat 的默认技术栈(React 前端、Node.js 后端、Vite 构建工具,可能还有 Electron 桌面应用)。教程会特别考虑 Electron 环境下的适配问题(例如 macOS 中文路径或路由错误)。“奶妈级”带你从零开始实现支付功能(包括一次性支付和添加高级会员订阅) 教程目标 * 在 LibreChat 中添加支付页面,支持用户通过信用卡付款。 * 实现 Stripe 的一次性支付功能。 * (可选)扩展到订阅功能,管理高级会员状态。 * 解决 Electron 环境下的常见问题(如路由和路径解析)。 * 生成可公开推送的 Markdown 教程,方便社区参考。 前提条件 在开始之前,请确保你已准备好以下内容:

By Ne0inhk