DDD(领域驱动设计)

领域驱动设计（Domain-Driven Design，DDD）是一种软件开发方法论，其中领域模型是其中的核心概念之一。领域模型是对特定业务领域的抽象表示，它描述了领域中的概念、规则、行为和关系。领域模型通过使用面向对象的方式来组织和表达业务逻辑。
在领域驱动设计中，领域模型通常由实体（Entity）、值对象（Value Object）、聚合（Aggregate）、领域服务（Domain Service）等构成。

1. 实体（Entity）：代表具有唯一标识的有生命周期的对象，具有自身的属性和行为。可以通过标识来跟踪和区分不同的实体。
2. 值对象（Value Object）：用于表示没有唯一标识的对象，它们是不可变的，仅仅由它们的属性值来定义。通常用于传递数据或进行计算。
3. 聚合（Aggregate）：一组相关的实体和值对象的集合，聚合根（Aggregate Root）是聚合的入口点，负责维护聚合内部的一致性和完整性。
4. 领域服务（Domain Service）：表示领域中的操作和行为，它们通常是无状态的，提供一些跨实体的业务操作。
   领域模型通过对领域中的概念进行建模，使得开发人员和领域专家能够更好地理解和沟通业务需求，同时也为软件系统的实现提供了一个清晰而一致的结构。它能够帮助团队更好地理解和解决复杂的业务问题，并支持迭代、增量的开发方式

1.什么是DDD

DDD（领域驱动设计）是一种处理高度复杂领域的设计思想，是一种架构设计方法论，是一种设计模式。以高内聚低耦合为目的，把一个复杂的软件应用系统中各个部分进行一个很好的拆解和封装，对软件系统进行模块化的一种思想。DDD不仅可以用于微服务设计，还可以很好地应用于企业中台的设计，也适用于传统的单体应用。
目前领域驱动设计是目前比较流行的一种架构设计，只需要按照领域驱动设计的四重边界进行架构设计，就能够很好的对各个领域解耦，对后期的业务垂直扩展、功能的水平扩展提供了良好的基础。

我们生活中都听说了DDD，也了解了DDD，那么怎么将一个新项目从头开始按照DDD的过程进行划分与架构设计呢？
DDD不是一种架构，而是一种架构方法论，是一种拆解业务、划分业务、确定业务边界的方法， 被认为是一种高度复杂的领域设计思想。
简单的来说，是为了实现复杂问题领域简单化，帮助我们设计出清晰的领域和边界，以便于更好推进技术架构的演进。
目前，整个业界正在谋求转型，在架构设计上要与业务相匹配。早在2018领域驱动设计中国峰会就曾提到：“现在要把我们的企业文化、组织架构、制度架构向可演进方向转变的时候，DDD 是一个不错的选择。采用演进式方式构建整个企业的架构体系，帮助整个企业真正去解决自身存在的业务问题，而不需过多关注架构治理，甚至架构的文档化、规范化，DDD与企业架构结合提供了这样的解决方案。”

Domain Driven Design(领域驱动设计, DDD)，不是一种架构，而是一种架构方法论，是一种拆解业务、划分业务、确定业务边界的方法，是一种领域设计思想。
核心思想：建立领域模型，领域模型处于架构的核心位置。
核心目标：避免业务逻辑的复杂度与技术实现的复杂度混淆在一起。
DDD包括战术设计和战略设计两部分。
战略设计：侧重于高层次、宏观上去划分和集成限界上下文。
战术设计：关注更具体使用建模工具来细化上下文。

2 Strategic DDD(战略设计)

2.1 简介
Bounded Context(限界上下文)：用来界定领域边界。
Context Mapping(上下文映射图、上下文图)：用来描述系统关系。主要有以下几种关系：
Shared Kernel(共享内核)
Customer/Supplier(客户/供应商)
Conformist(追随者)
Anticorruption Layer(防腐层)
Open Host Service(公开主机服务)
Published Language(发布语言)：通常与Open Host Service一起使用，用于定义开放主机的协议。
Ubiquitous Language(通用语言)
团队统一的语言，是能够简单、清晰、准确的描述业务规则和业务含义的语言。

2.2 Bounded Context(界限上下文，BC)
2.2.1 从一个段子开始
开始之前，先说思考一个问题：早上起床，妈妈让小明衣服能穿多少穿多少，那么小明是应该多穿衣服呢，还是少穿衣服呢？如果没有所处的环境，我们其实无法判断。因为如果是在夏天，妈妈的意思是让小明少穿衣服；如果是在冬季，妈妈意思是让小明多穿衣服。在程序的世界中，Bounded Context就是为了确定领域边界，让每一个事物的表达精确。
2.2.2 举个例子
如果我们要设计一个电商平台，那么我们需要就要有商品、交易、支付、物流等模块，这些模块其实就是一个个的领域。在不同领域中，同样一个事物的因为关注点不同，其含义也不同，但是在确定的上线文中，其含义就是确定的。例如：
在商品领域我们关注商品的基本信息(名字、品牌、型号、价格等)，在交易领域我们关注交易流程(订单创建、支付结果、履约过程等)，但同样是商品，在交易领域中我们称之为订单明细或交易明细；所以当我们在交易领域谈及商品的时候，我们指的是订单的明细(商品)，而且一般只关注交易履约状态，顺其自然的不会那么在意商品属性。
同样是一个用户，在用户领域我们关注其基本信息、账号密码等，但是在权限领域，我们关注的是其拥有的菜单、功能权限，关注其角色。
以上示例这直接反映在代码层面时，其差异是非常明显的，当在确定领域内讨论问题是，其指代性也很强。
在不同场景中，我们对同一个事物的称呼也有较大差异。例如
商品、货物：同样一个东西，在交易领域叫做商品，在物流领域叫货物。
渠道商品、后端商品：在进销存管理中，在销售测叫做渠道商品(可以通过多个渠道售卖，例如在淘宝、京东上卖)；在采购侧叫做后端商品。
2.2.3 什么是Bounded Context
Bounded Context定义领域边界，以确保每个上下文含义在它特定的边界内都具有唯一含义。
Bounded Context定义了模型的适用范围，使团队所有成员能够明确地知道什么应该在模型中实现，不应该在模型中实现。
注意：处于不同界限上下文中，领域模型一定不可以共用。例如：上面示例中的商品/货物、商品/订单明细不可以使用同一个模型，不过这对于有经验的开发者而言也是显而易见的。
2.2.4 领域拆分
继续之前电商平台的示例，电商平台可以分为商品、交易、支付、物流几个领域，如图：

随着业务发展，这些领域可以进一步拆分出多个子领域出来，例如：商品可以拆分为：类目、库存、商品等领域；交易可以拆分为：交易、促销、优惠券、售后等领域；支付可以拆分为：支付核心、支付路由、支付渠道等领域。如图：

随着业务的继续发展，这里的所有领域、子域都有可能面临再次拆分的可能。熟悉微服务开发的小伙伴，看到这里应该就很清楚了，一个领域可以是一个独立的微服务，而实际上微服务正是领域拆分的结果。
如果不考虑技术异构、团队沟通等因素，一个限界上下文理论上就可以设计为一个微服务。
上面领域拆分的过程其实就是划分Bounded Context的过程，每一个Bounded Context就是一个领域。
2.2.5 领域
领域根据核心程度不同，分为Core Domain、Supporting Domain、Generic Domain。
Core Domain(核心领域)：
公司的业务核心。例如电商业务中，商品、购物车、交易、促销、优惠、支付等都属于核心领域
Generic Domain(通用领域)：
通用的领域，没有个性化的需求，甚至是各个公司都类似的功能或市场上可以直接购买到，可以被多个子域使用的领域，例如：用户、权限、认证、人脸识别等。
Supporting Domain(支撑领域)：
一般是只不是系统中的最核心模块，但是也不是通用的组件和服务，但是对核心业务起到了支撑的作用的模块。
2.2.6 Ubiquitous Language(通用语言)
通用语言是：团队统一的语言，是能够简单、清晰、准确的描述业务规则和业务含义的语言。
通用语言的价值：
解决各岗位的沟通障碍问题，确保业务需求的正确表达。
如果没有通用语言，因为业务、产品、开发、测试的角色和术语不同，经常会遇到battle了很久，结果说的是同一个事情。
如果没有通用语言，产品、开发、测试经常不能达成一致，导致开发的内容和业务诉求不同。
通用语言贯穿于整个设计过程，能准确的把业务需求转化为代码。
通用语言中的名词一般可以给领域对象命名。例如：订单、商品可以对应到领域中的一个实体。
通用语言中的动词一般对应一个动作或领域事件。例如：订单已支付，订单已发货都对应一个领域事件。
2.3 Context Map(上下文映射图)
Context Map描述的是各个系统之间关系的总体视图，有以下几种关系：

2.3.1 Shared Kernel(共享内核)
在电商场景中，购买不同品类的商品，其流程也会有非常大的差异。例如：买卖实物商品的流程一般是：买家付款、卖家发货、买家确认收货；买卖酒店房间的流程一般是：买家付款、卖家预留客房、买家入驻、买家退房结单；买卖旅游线路的流程一般是：买家付款、卖家确认、服务履约。

这些业务场景、交易流程虽然有较大的的差异，但是他们可以共同复用核心的交易流程，如下图所示：

可以不使用共享内核么？或者说共享内核对于系统架构来说有什么好处？
复用。用同一套抽象的交易流程即可完成对不同场景的业务支持，可以极大地节省开发成本。
扩展。如果没有复用流程，各个业务场景分别搞一套，那么如果过一段时间要支持促销、优惠券、套餐等，就需要在各个业务线分别开发一遍。
维护。如果在其中一套流程中发现有问题需要迭代优化，那么另外两套流程很可能也要调整。
其实还有很多好处，具体可以参考中台架构的优势，这里就不在一一讨论了。
上面这个示例并不是纯粹YY的思想实验，在我之前的工作经历中有一段经历是做旅游的公司进行线上转型，同时遇到了以上的几种场景。
如上示例，从多个团队或业务中剥离的共享的子集，就是共享内核。
2.3.2 Customer/Supplier(客户/供应商)
分布式开发中随处可见，即接口提供者就是Supplier(或Provider)，接口消费者就是Customer(或Consumer)。
2.3.3 Conformist(追随者)
有些场景中，一个系统(例如：A)的状态变化会直接影响另一个系统(例如：B)的结果，并且当A系统状态变化了以后B系统状态必须变化，这种系统关系即为Conformist。
例如：支付系统已经完成了支付，支付订单的状态已经变成「已支付」，那么交易系统的订单状态也必须变化，变成「买家已付款」。
2.3.4 Anticorruption Layer(防腐层)
如果依赖的系统设计的不友好，不适合当前系统的场景，降低系统间依赖和耦合，就需要使用防腐层(Anticorruption Layer)模式。
2.3.5 Open Host Service(公开主机服务)
就是将系统的一组服务暴露出去，给其他系统使用。例如微服务开发中的给其他系统使用接口(Service)。

3 Tactical DDD(战术设计)

3.1 战术设计内容
3.1.1 Aggregate(聚合) & Aggregate Root(聚合根)
定义：
在领域模型中，我们将紧密联系的个体聚合在一起，按照组织内统一的业务规则完成特定的业务功能，这就是聚合。例如，在电商中，主订单、订单明细他们的业务规则相同，而且基本上都是一同操作的，对订单进行操作的时候，基本上都会同时修改主订单和订单明细，那么主订单和订单明细就是一个聚合。在这个聚合中，操作的入口基本都是主订单，所以主订单就是这个聚合的聚合根。

注意：
聚合内的内容具有一致性，即：需要在事务中修改一个聚合的内容。如果没有一致性要求，那么应该就不属于一个聚合。
通过唯一标识来引用其他聚合或实体。
如果聚合创建复杂，推荐使用工厂方法来屏蔽内部复杂的创建逻辑。
在传统数据模型中，一般认为每个实体都是对等的，可以单独修改任意一个实体；在DDD中，聚合内对象的修改必须按照统一的业务规则来完成，聚合是数据修改、持久化的基本单元。

示例：
交易系统中的订单包括主单、明细，他们就是一个聚合，主单就是这个聚合的聚合根。
商品系统中的商品包括Item(商品)、SKU(商品的库存单元)，他们也是一个聚合，其中Item就是一个聚合根。

聚合设计的原则：
设计小聚合。小聚合可以降低数据冲突，规避业务过大。
通过唯一标识引用其他聚合。
聚合内保持数据强一致，聚合外保持数据最终一致。
通过应用层实现跨聚合调用。

3.1.2 Entity(实体)
定义：
有一对象拥有唯一标识(一般是id)，在经历各种状态变化后，唯一标识依然保持不变，对这种对象而言，重要的是具有延续性的唯一标识，而不是属性。领域中这种对象称为实体。
实体一般对应业务对象，拥有属性和业务行为。
实体是基础的领域对象(Domain Object)。
示例：
DB表中的数据加载到内存中以后就变成一个实体，我们都是通过db主键来区别不同的记录。
3.1.3 Value Objects(值对象)
定义：
无唯一标识的简单对象。
其唯一标志不重要，重要的是其属性，其描述的是领域中的一个信息，这种对象称为值对象。
值对象是属性集合，是对实体信息的描述。
值对象也是基础的领域对象(Domain Object)
示例：
订单对象中的商品信息、地址信息就是值对象。
3.1.4 Domain Services(领域服务)
一些重要的领域行为或操作，可以归类为领域服务。它既不是实体，也不是值对象的范畴。

3.1.5 Domain Events(领域事件)
领域事件是对领域内发生的活动进行的建模。

3.1.6 Factory(工厂模式)
在创建对象时，有些聚合需要实体或值对象较多，或者关系比较复杂，为了确保聚合内所有对象都能同时被创建，同时避免在聚合根中加入与其本身领域无关的内容，一般会将这些内容交给Factory处理。
Factory的主要作用：封装聚合内复杂对象的创建过程，完成聚合根、实体、值对象的创建。

3.1.7 Repository Model(仓储模式)
为了避免基础层数据处理逻辑渗透到领域层的业务代码中，导致领域层和基础层形成紧密耦合关系，引入Repository层。
Repository分为Interface和Implement，领域层依赖Repository接口。

3.1.8 Modules(模块)
在创建系统的时候，我们一般会根据负责的内容，将一个系统划分为多个模块，每个模块一般和子领域对应。

4 从领域划分到系统落地

以电商平台为例，DDD战略设计指导微服务落地如下图所示。

将电商领域进行细分，然后将业务相近、耦合紧密的领域聚合在一起，落地成我们的业务系统。

每个领域都有很多内容，下面以商品领域为例，我们将商品领域进行进一步细分，可以分为类目、属性、属性值、SPU、Item、SKU，然后关系紧密的内容据合在一起，形成一个个的聚合。

5 领域模型

5.1 贫血模型(Anemic Model)
贫血模型是值领域对象中：只数据没有行为。即：模型中只有属性、set、get方法，逻辑放在业务逻辑层(Service/Manager)中。
只有数据没有行为的对象不是真正的对象，所以贫血模型是一种反模式，和面向对象设计相违背。领域对象只是作为保存状态或者传递状态使用，在业务逻辑层处理所有的业务逻辑，对于细粒度的逻辑处理，通过增加一层Facade达到门面包装的效果。

一般在使用Spring的项目中，这种贫血模型随处可见，以下是使用贫血模型后，典型的系统结构图：

这种系统结构层次简单清晰，即：Consumer/Api -> Service -> Manager/Biz -> Dao -> Mybatis -> DB。
贫血的领域对象起的作用是：只传递数据，不包含任何业务逻辑。在[DDD-Domain Primitive](DDD-Domain Primitive.md)中有一些简单的小例子，介绍了领域对象如果不包含逻辑，将会在持续的迭代升级中，给开发、维护工作带来大量成本。

5.2 充血模型
面向对象设计的本质是：“一个对象是拥有状态和行为的”，充血模型就是那种即拥有属性、又拥有操作的类。
修改一个用户信息，然后保存，在贫血模型的场景中示例代码如下：

user.setXXX();
userManager.save(user);
1
2
在充血模型的场景中，代码如下所示：

user.setXXX()
user.save(); 保存自己
1
2
典型的系统结构图：

优点：是面向对象的；Service符合单一职责。
缺点：那些逻辑放在Domain Object中，那些逻辑放在Service中，比较含糊。编码成本也比较高，事务控制的成本也会增加。

6 CQRS模式

6.1 CQRS简介
CQRS(Command Query Responsibility Segregation)是将Command(命令)与Query(查询)分离的一种模式。
其基本思想在于：任何一个方法都可以拆分为命令和查询两部分：

Command：不返回任何结果(void)，但会改变对象的状态。
Command是引起数据变化操作的总称，一般会执行某个动作，如：新增，更新，删除等操作。
操作都封装在Command中，用户提交Commond到CommandBus，然后分发到对应的CommandHandler中执行。Command执行后通过Repository将数据持久化。
事件源(Event source)CQRS，Command将特定的Event发送到EventBus，然后由特定的EventHandler处理。
Query：返回查询结果，不会对数据产生变化的操作，只是按照某些条件查找数据。
基于Query条件，返回查询结果；为不同的场景定制不同的Facade。
6.2 CQRS三种模式
6.2.1 单数据库的CQRS

6.2.2 读写分离的CQRS
CQRS不只是为了分离数据的写入和读取，它的根本目的是为了实现数据的多重表示，每一种表示都能够满足某些用户的需求。
CQRS可能会有多种查询模式，可以使用数据库、Redis，ES等等。例如对于复杂的数据查询诉求，Command负责将数据落到DB中，然后同步到ES中，Query端从ES中查询需要的数据。

6.2.3 事件源的CQRS
当Command系统完成数据更新的操作后，会通过「领域事件」的方式通知Query系统。Query系统在接受到事件之后更新自己的数据源。所有的查询操作都通过Query系统暴露的接口完成。

6.4 CQRS架构的优点
Command、Query两端架构分离、相互不受束缚，各自独立设计、扩展
Command端通常结合DDD，解决复杂的业务逻辑；
Query端轻量级查询，多种不同的查询视图通过订阅事件来更新
Command端通过分布式消息队列水平扩展，天然支持削峰
EDA架构(Event-Driven Architecture, 事件驱动架构)，整个系统各个部分松耦合，可扩展性好
架构层面做到无并发，实现Command的高吞吐
技术架构和业务代码完全分离，程序员不用关心技术问题,更方便的分工合作
6.5 CQRS架构的缺点
需要处理事务问题，开发成本提高。例如一个Command可能需要修改多个DB，数据一致性处理成本较高。CQRS不是强一致性，而是面向最终一致性
实效性问题。Command端修改后同步给Query端可能存在时间差，那么Command修改数据后、Query可能查询到旧数据。
Event传递需要稳定且性能强大的分布式消息队列
必须有强大可靠的CQRS框架，从头做起成本高、风险大
最好结合Event Sourcing模式，否则Command、Query分离意义不大
提高了开发人员的门槛