当前位置: 首页 > news >正文

六边形架构补充 - 第五章 - DDD领域模型

六边形架构

六边形架构的由基础设施层、用户接口层、应用层和领域层组成。领域层封装核心的业务逻辑,然后由应用层进行业务逻辑的编排。接口层和基础设置层在六边形架构中分别属于输入端口和输出端口,然后在进行端口的适配。

领域层:位于最底部,是整个系统的核心。它封装了最纯粹的业务逻辑(实体、规则、流程),不依赖于任何外部层次(如应用层、基础设施层)。它是系统中最稳定、最不易变化的部分。
应用层:位于领域层之上。它负责协调和编排领域对象来完成具体的用例或用户故事(例如“用户下单”、“审批流程”)。它依赖于领域层,并可能调用基础设施层(如图中箭头所示)来辅助完成工作(如发送消息、访问文件)。
用户接口层:位于应用层之上。它负责处理用户的输入(如HTTP请求、命令行指令),并将其转化为应用层能理解的指令。它依赖于应用层(也可能直接调用领域层,但更佳实践是通过应用层),同时也依赖基础设施层提供的具体技术实现(如Web框架、序列化工具)。
基础设施层:位于最外层(图中最上方)。它包含了所有具体的技术实现细节,如数据库存取、消息队列、外部API调用、文件系统操作等。它的依赖方向是关键:在整洁架构中,基础设施层实现领域层或应用层定义的抽象接口(端口),因此箭头在图上虽然从下层指向它,但代码依赖关系是倒置的

层与层之间调用关系

如下图所示:

整个流程遵循“请求驱动”与“事件驱动”两条主线:

  1. 同步请求处理流(自上而下)
    入口:来自应用终端的请求,首先到达API网关。
    控制流转:API网关将请求路由至用户接口层的Facade。Facade调用应用层的应用服务。
    业务执行:应用服务编排领域层的聚合和领域服务执行业务逻辑。在此过程中,应用服务通过仓储接口获取或保存数据。
    数据持久化:仓储接口的具体调用,会由基础层的仓储实现来执行,从而操作DB或文件。

  2. 异步事件驱动流(通过消息队列)
    内部事件发布:当应用层完成某个操作(如订单已支付),其事件发布组件会向消息队列发布一个领域事件。
    外部服务消费:外部的其他微服务(图下方微服务外模块)会订阅该事件,并在其应用服务中处理,实现系统间的解耦集成。
    响应外部事件:同样,外部微服务发布的事件,会被本系统应用层的事件订阅组件监听,并触发本系统的应用服务做出响应,完成业务闭环。

清晰架构

如下图所示:

这张图片的核心内容是阐述了“清晰架构”(Clean Architecture,常被称为“洋葱架构”)的核心设计理念与运行机制。

  1. 核心模式:以领域模型为中心的同心分层

架构图像一个洋葱,由内到外是:
最内层 - 领域层:包含核心业务实体与规则,是系统中最稳定、最纯粹的部分。
中间层 - 应用层:包含应用服务,负责编排领域对象来实现具体的用例,它依赖于领域层。
最外层 - 接口与基础设施:包含用户界面(UI)、API、数据库等具体实现细节。这一层是易变的,会随技术选型而改变。
最关键的原则是:依赖永远指向内部。外层依赖内层,内层对外层一无所知。这意味着业务逻辑完全独立于数据库、Web框架等外部技术。

  1. 关键机制:端口与适配器

这是架构实现“依赖倒置”的具体手段:
端口:由内层(领域/应用层)定义的抽象接口(例如,一个仓储接口)。它声明“系统需要什么功能”。
适配器:
主/主动适配器(如HTTP控制器、CLI命令):将外部输入(如HTTP请求)适配成对内部应用服务的调用。
从/被动适配器(如数据库ORM实现、消息客户端):适配内部定义的端口,提供具体的技术实现(如连接MySQL)。
通过这个机制,外部世界的任何变化,都只需要更换或修改对应的“适配器”,而核心业务代码纹丝不动。

http://www.cnnetsun.cn/news/88141.html

相关文章:

  • GitHub项目实践:Fork并定制你的个性化Anything-LLM前端界面
  • pythonstudy Day37
  • Linly-Talker结合RAG技术实现知识增强型虚拟客服系统
  • 用Deepseek-v3.1在Trae中编写AI中继程序
  • LobeChat能否实现思维导图输出?结构化内容展示尝试
  • 开源5G基站硬件参数
  • C#开发桌面应用调用GPT-SoVITS REST API实战
  • Dify Docker部署与使用全指南
  • 数组作为参数
  • 蜜罐技术-德迅猎鹰
  • Daily Report — Day 9 (Beta)
  • Seed-Coder-8B-Base与SonarQube智能集成路径
  • 基于CentOS7 DM8单机部署配置记录-20251216
  • 大模型入门:预训练、微调和蒸馏,一篇文章全掌握
  • LobeChat能否编写教案?教师备课自动化尝试
  • vLLM-Omni:全模态AI推理框架技术解析
  • 18、基于位置点的恢复
  • LobeChat文件上传与语音交互实测:这些功能太惊艳了
  • LobeChat日志记录与审计功能配置方法说明
  • Qwen3-8B接入MCP实现动态工具调用
  • Docker 从入门到精通教程
  • waitGroup底层源码分析
  • LobeChat能否用于编写Prometheus告警规则?可观测性增强
  • 大模型学习全攻略:七阶段系统学习路线图,从基础到实战应用,非常详细收藏我这一篇就够了
  • 玄晶引擎AI数字员工更新深度测评:Sora2赋能+RPA运营,AI内容生产进入效率革命期
  • YOLOv5中使用torch加载自定义模型进行目标检测
  • LobeChat能否隐藏源码信息?增强系统隐蔽性
  • React 的桶算法详解
  • 深入理解Dify的依赖管理机制(Dependency Walker适用场景)
  • CordovaOpenHarmony车辆管理系统开发