DDD 與 CQRS 才是黃金組合
在日常工作中，你是否也遇到過下面幾種情況：
- 使用一個已有接口進行業(yè)務(wù)開發(fā)，上線后出現(xiàn)嚴(yán)重的性能問題，被老板當(dāng)眾質(zhì)疑：“你為什么不使用緩存接口，這個接口全部走數(shù)據(jù)庫，這怎么能抗?。 ?/span>
- 開發(fā)一個后臺管理功能，業(yè)務(wù)反饋說數(shù)據(jù)一直不對，對比后發(fā)現(xiàn)緩存與數(shù)據(jù)庫不一致，為什么要使用緩存接口呢，你陷入沉思？
- 產(chǎn)品要求在 xxx 上增加新功能，編碼、測試、上線一氣呵成，最后發(fā)現(xiàn)另外一個流程被躺槍，出現(xiàn)異常不得不進行回滾！
- 在一個高并發(fā)的場景，DB 成為了系統(tǒng)瓶頸，不加索引查詢扛不住，加索引更新扛不住，又該如何處理？
- 隨著數(shù)據(jù)量的激增，系統(tǒng)變得越來越慢，特別是后臺管理復(fù)雜的查詢場景下，復(fù)雜的 Join 讓 DB 不堪重負(fù)
- ……
為什么會出現(xiàn)這種現(xiàn)象？其本質(zhì)仍舊是代碼組織結(jié)構(gòu)不合理，我們將不同的復(fù)雜性揉在一起，從而造成了更大的復(fù)雜性，然后如此往復(fù)，不知不覺中陷入巨大的復(fù)雜性旋渦不可自拔。
1. CQRS 是什么？
CQRS 是 Command Query Responsibility Segregation 得簡稱，簡單理解就是對 “寫”（Command） 和 “讀” （Query）操作進行分離。反應(yīng)快的同學(xué)會說：“也不是什么高深技術(shù)嗎，不就是數(shù)據(jù)庫的讀寫分離嗎？”
是的，數(shù)據(jù)庫的讀寫分離也算是一種 CQRS，但 CQRS 的含義要比這復(fù)雜的多。
CRQS 既是一種流行的業(yè)務(wù)架構(gòu)，又是一種設(shè)計思維。
CQRS 的核心是“拆分”，將復(fù)雜系統(tǒng)拆分為 Command 和 Query 兩個部分，針對不同的場景使用不同的模式，選擇最合適的技術(shù)落地最佳解決方案，避免兩者相互掣肘相互影響。
CQRS的目的是降低整個系統(tǒng)的復(fù)雜性，那它背后的邏輯是什么？
假設(shè)，在一個系統(tǒng)中：
- Command 的復(fù)雜性為 M
- Query 的復(fù)雜性為 N
如果使用同一套模型來處理 Command 和 Query，那在極端情況下，系統(tǒng)的復(fù)雜性為 M * N，因為兩者相互影響，調(diào)整一方的同時要時刻關(guān)注對另一方的影響。
圖片
這種“你中有我，我中有你”的設(shè)計方式，“兩者的相互影響”成為系統(tǒng)最為復(fù)雜之處，大量精力消耗在“排查影響”，而非最有價值的設(shè)計和編碼。
如果，將 Command 和 Query 徹底分離，系統(tǒng)的復(fù)雜性變成 M + N。Command 的變更不會影響 Query，而 Query 的修改也不會影響 Command。
圖片
當(dāng)然，以上兩個極端在實際工作中也很少見，通常系統(tǒng)的復(fù)雜性介于兩者之間。
圖片
這只是從理論進行推導(dǎo)，在實際工作中隨處可見的“沖突”也是對“拆分”的一種暗示。
2. 分層架構(gòu)中的沖突
以最常見的分層架構(gòu)進行介紹，具體如下：
圖片
如圖所示，將系統(tǒng)分成5層，每層的含義如下：
- Web 接入層。主要用于處理系統(tǒng)輸入，對輸入信息進行驗證，調(diào)用應(yīng)用服務(wù)完成業(yè)務(wù)操作，對結(jié)果進行轉(zhuǎn)換，最終返回給調(diào)用方；
- 應(yīng)用服務(wù)層。主要處理業(yè)務(wù)流程編排，從倉庫中獲取領(lǐng)域?qū)ο?，?zhí)行領(lǐng)域模型的業(yè)務(wù)操作，將最新的對象狀態(tài)通過倉庫同步到數(shù)據(jù)存儲引擎，并對外發(fā)布領(lǐng)域事件；
- 領(lǐng)域?qū)?。業(yè)務(wù)邏輯的承載點，是業(yè)務(wù)價值的集中體現(xiàn)，通常構(gòu)建于面向?qū)ο笤O(shè)計之上，基于封裝、繼承、多態(tài)等特性保障業(yè)務(wù)邏輯的復(fù)用性和擴展性；
- 倉庫層。主要用于數(shù)據(jù)訪問，向上為應(yīng)用服務(wù)提供數(shù)據(jù)操作服務(wù)，向下屏蔽各類存儲引擎的差異；
- 數(shù)據(jù)層。主要用于數(shù)據(jù)保存和檢索，常見的數(shù)據(jù)存儲引擎全部屬于這一層，比如 MySQL、Redis、ES 等；
其實，分層架構(gòu)本身也是一種“拆分”，將不同的關(guān)注點封裝在不同的層次。但除了橫向分層，還可以基于 CQRS 對其進行縱向拆分，也就是將每個層的組件拆分為 Command 和 Query 兩部分。
由于接入層沖突較小，本身拆分的意義不大，在此不做要求，但從嚴(yán)格意義上講，仍舊建議進行拆分。
3. 應(yīng)用服務(wù)層沖突與拆分
應(yīng)用服務(wù)層拆分就是將一個應(yīng)用服務(wù)拆分為 CommandService 和 QueryService 兩組。
圖片
這樣做可以避免很多不必要的麻煩，Command 和 Query 存在較大的區(qū)別，具體如下：
CommandService | QueryService | |
依賴組件不同 | ValidateService 驗證服務(wù)；LazyLoaderFactory 延遲加載服務(wù)；CommandRepository 不帶緩存的倉庫；EventPublisher 事件發(fā)表器 | QueryRepository 帶緩存功能的倉庫；JoinService 數(shù)據(jù)聚合服務(wù)；Converter 數(shù)據(jù)轉(zhuǎn)換服務(wù) |
核心流程不同 | 驗證、加載、業(yè)務(wù)操作、同步、發(fā)布事件 | 驗證、加載、數(shù)據(jù)組裝、轉(zhuǎn)換 |
功能加強不同 | 主要是事務(wù)管理器 | 主要是緩存組件 |
回想開篇時提到的場景，完成應(yīng)用層拆分，就不在為使用錯組件而煩惱：
- CommandService 的 Repository 不使用緩存，僅操作數(shù)據(jù)庫
- QueryService 的 Repository 可以使用緩存，以提升訪問性能
除此之外，針對統(tǒng)一的操作流程，還可以進一步抽象來消除重復(fù)的“模板代碼”，比如：
- 引入“模板方法設(shè)計模式” 以達到核心邏輯的復(fù)用
抽象出 BaseCommandService 和 BaseQueryService 兩個父類用于統(tǒng)一核心流程
子類實現(xiàn) BaseCommandService 和 BaseQueryService 的抽象方法完成功能擴展
- 基于“約定優(yōu)于配置” 使用 Proxy 模型，只定義接口不寫實現(xiàn)代碼
- 按規(guī)范定義 CommandService 和 QueryService 接口，通過注解完成相關(guān)配置
- 自動生成 Proxy 實現(xiàn)類，完成流程編排
4. 模型層沖突與拆分
模型層是系統(tǒng)的核心，它的設(shè)計直接影響整個系統(tǒng)的質(zhì)量。作為承接業(yè)務(wù)邏輯的核心，比較流程的實現(xiàn)策略包括：
- DDD 領(lǐng)域驅(qū)動設(shè)計，其核心是使用面向?qū)ο蟮母呒壧匦裕ǚ庋b、繼承、多態(tài)、組合等）來進行設(shè)計，非常適合復(fù)雜的業(yè)務(wù)場景。其體現(xiàn)就是存在很多高內(nèi)聚低耦合的對象組（聚合根），業(yè)務(wù)邏輯由這些小對象相互協(xié)作共同完成；
- 事務(wù)腳本，使用過程式思維，將數(shù)據(jù)操作編織到流程中，比較適合并不復(fù)雜的業(yè)務(wù)場景。其體現(xiàn)就是存在很多“上帝 Service”，Service 中存在很多非常長的方法，業(yè)務(wù)邏輯由這些方法完成；
關(guān)于哪個才是最優(yōu)解，網(wǎng)上已經(jīng)爭論多年，最終也沒有結(jié)論。但我始終認(rèn)為“沒有業(yè)務(wù)場景就討論方案，就是在耍流氓”。
從不同應(yīng)用場景出發(fā)便可得到如下結(jié)論：
- Command 場景需要保障嚴(yán)謹(jǐn)?shù)臉I(yè)務(wù)邏輯，通常復(fù)雜性偏高，所以DDD 是最優(yōu)解
- Query 場景需要更靈活的數(shù)據(jù)組裝能力作為支持，通常比較簡單，所以 事務(wù)腳本 是最優(yōu)解
我經(jīng)常說：“最簡單的“寫”也是復(fù)雜，最復(fù)雜的“讀”也是簡單”，其背后邏輯是基于對 Command 和 Query 的場景判斷。
將模型拆分為 Command 和 Query，具體如下：
圖片
完成模型拆分后，新模型具有以下特征：
- Agg 也就是 DDD 中聚合根，主要用于處理復(fù)雜的 Command 邏輯，由具有大量業(yè)務(wù)操作的"富對象"構(gòu)成；
- View 是標(biāo)準(zhǔn)的 POJO，主要充當(dāng) Query 結(jié)果對象，典型的“貧血對象”，僅作為數(shù)據(jù)的載體，根據(jù)展示需求對數(shù)據(jù)進行組裝；
- View 沒有自己的 Repository，只能依賴 CommandRepository 獲取數(shù)據(jù)，Converter 組件負(fù)責(zé)將 Agg 模型轉(zhuǎn)換為 View 模型。
這塊是拆分的重點，為了方便理解，簡單舉個例子：
比如在電商的訂單模塊：
- 生單流程，由 Order 作為聚合根對內(nèi)部 OrderItem 和 PayInfo 進行統(tǒng)一協(xié)調(diào)
- 訂單列表頁，只需展示 Order 和 User 信息
- 訂單詳情，需要展示Order、User、Address、OrderItem、PayInfo、Product等信息
如果讓一個模型同時支持著三個場景，那模型自己就變的非常復(fù)雜，很難判斷某個方法、某個字段究竟屬于哪個場景。
此時，應(yīng)該根據(jù)場景對模型進行拆分：
- OrderBO 以 DDD 方式進行建模，對外提供統(tǒng)一的業(yè)務(wù)操作，對內(nèi)協(xié)調(diào) OrderItem 和 PayInfo 等多個實體對象；
- OrderListVO 以 POJO 方式進行建模，屬性中包含 Order 和 User 信息；
- OrderDetailVO 以 POJO 方式進行建模，屬性中包括 Order、User、Address、OrderItem、PayInfo、Product 等信息；
三個模型相互獨立，互不影響。
當(dāng)然，由于使用統(tǒng)一的 Repository 還需提供對應(yīng) VO 的 Converter：
- OrderListVOConverter 將 OrderBO 轉(zhuǎn)換為 OrderListVO 對象
- OrderDetailVOConverter 將 OrderBO 轉(zhuǎn)化為 OrderDetailVO 對象
5. 倉庫層沖突與拆分
倉庫層拆分也是非常有必要的，在這一層主要有幾項沖突：
CommandRepository | QueryRepository | |
底層實現(xiàn)不同 | 主要基于 DB 實現(xiàn) | 基于 DB、Redis、ES 等多種存儲引擎 |
方法復(fù)雜性不同 | 提供僅有的少量方法并足以支持大多數(shù)場景，比如 save、update、getById 等 | 根據(jù)業(yè)務(wù)場景進行定制，方法多種多樣（單條、批量、分頁、排序、統(tǒng)計等），維度多種多樣（id、user、status） |
返回值不同 | 直接返回裝配完整的富對象 | 根據(jù)業(yè)務(wù)場景定制返回值 |
倉庫拆分后整體架構(gòu)如下：
圖片
倉庫拆分具有以下特點：
- View 不在需要 Converter 組件完成數(shù)據(jù)轉(zhuǎn)換
- View 的數(shù)據(jù)來自于自己的 Repository，可以根據(jù)展示需求進行靈活定制
- Command 和 Query 仍舊使用同一套數(shù)據(jù)庫、同一套數(shù)據(jù)表
6. 數(shù)據(jù)層沖突與拆分
數(shù)據(jù)層拆分是最重要的拆分，提到分離第一反應(yīng)也是“數(shù)據(jù)庫主從分離”。
數(shù)據(jù)層拆分的本質(zhì)是：各種數(shù)據(jù)存儲引擎的最佳應(yīng)用場景相差巨大，讀 和 寫 優(yōu)化往往存在矛盾。
仍舊以最常見的數(shù)據(jù)庫為例：
- 提升查詢性能，建議為各種查詢維度建立索引
- 提升寫入性能，需要讓表上的索引越來越少
- 為了加速更新性能，建議使用三范式設(shè)計表結(jié)構(gòu)，減少冗余信息
- 為了加速查詢性能，建議使用反范式設(shè)計，盡量冗余數(shù)據(jù)，避免數(shù)據(jù)表間的 Join 操作
魚和熊掌不可兼得，在數(shù)據(jù)庫層展示的淋漓盡致！
數(shù)據(jù)層拆分后架構(gòu)如下：
圖片
該模型具有以下特點：
- 數(shù)據(jù)存儲進行了徹底拆分；Command 和 Query 都可以靈活的選擇最合適的存儲引擎；
- Command 與 Query 需要引入一套同步機制以完成兩者的數(shù)據(jù)同步，常見的同步機制有：
- 工作在應(yīng)用層基于領(lǐng)域事件的數(shù)據(jù)同步，如圖所示
- 工作在數(shù)據(jù)層基于log的數(shù)據(jù)同步，如 MySQL 的主從同步、Canal2XX 等
數(shù)據(jù)層拆分是大型系統(tǒng)最終的歸宿，仍舊以訂單系統(tǒng)為例：
- 訂單作為一致性要求極高的系統(tǒng)，Command 側(cè)首選仍舊為具有 ACID 的關(guān)系型數(shù)據(jù)庫，哪怕是分庫分表底層存儲仍舊不變；
- 為了滿足高性能查詢需求，需要在 Query 側(cè)引入 Redis 作為分布式緩存對訪問進行加速；
- 為了滿足后臺復(fù)雜且多維度的業(yè)務(wù)查詢，需要在 Query 側(cè)引入 ES 為全文檢索進行加速；
- 為了滿足各種實時報表需求，需要在 Query 側(cè)引入 TiDB 以滿足海量數(shù)據(jù)的實時檢索；
這就是我們面臨的現(xiàn)狀：“數(shù)據(jù)密集型系統(tǒng)”越來越多的應(yīng)用程序有著各種嚴(yán)格而廣泛的要求，單個工具不足以滿足所有的數(shù)據(jù)處理和存儲需求。取而代之的是，總體工作被拆分成一系列能被單個工具高效完成的任務(wù)，并通過應(yīng)用代碼將它們縫合起來，通過 API 的方式，對外提供服務(wù)，屏蔽內(nèi)部的復(fù)雜性。
7. 小結(jié)
“拆分”是“分離關(guān)注點”的重要手段之一。拆分的目的是將問題進行歸類，然后采取有針對性的手段更好的解決問題。
CQRS 作為一種架構(gòu)，將業(yè)務(wù)系統(tǒng)不同部分進行歸類，接下來需要為 Command 和 Query 尋找最優(yōu)解決方案：
- Command，以 DDD 作為理論基礎(chǔ)將戰(zhàn)術(shù)模型中最佳實戰(zhàn)進行落地，包括
聚合設(shè)計
倉庫設(shè)計
LazyLoad + Context 模式
業(yè)務(wù)驗證
領(lǐng)域事件
…
- Query，以數(shù)據(jù)檢索和組裝作為核心能力，設(shè)計留給開發(fā)人員，實現(xiàn)留給框架，包括：
- QueryObject 查詢對象模式
- 內(nèi)存 Join 模式
- 寬表&冗余表模式
