【Day 07】领域驱动设计的战术设计(Tactical Design)

前言

上一篇我们讨论DDD的战略设计，说明系统范围如何切割成多个领域(Domain)、子领域(Sub-Domain)，完成後，接着进行战术设计，将实体进一步分类，并订定技术架构，提供服务以操作这些实体。

DDD 战术设计

Eric Evans 描述DDD的工作范围如下，其中上半部为战术设计，下半部为战略设计：

图一. DDD 战术设计

依照上图，战略设计(Model-driven design)要进行的工作如下：

1. 实体(Entity)：将领域内的各项实体识别出来。
2. 值物件(Value Object)：表达实体的状态(State)及计算(Computation)。
3. 领域事件(Domain Event)：列出所有影响实体的事件，说明实体变化及状态。
4. 聚合(Aggregate)：将相关的实体封装为聚合。
5. 设计模式(Design Patterns)：建立工厂(Factory)、仓储设计模式(Repository)，以利於产生物件及存取。
6. 服务(Service)：将模型包装成服务，变成API。

聚合(Aggregate)

为达到『高内聚、低耦合』(High conhesion、Low Coupling)的设计原则，会将各个实体归类成一个个的聚合，例如客户、订单(保单)、产品...等，客户聚合包括客户主体、多个帐户实体、多个分公司地址，其中客户主体称为聚合根(Aggregate Root)，它具有唯一的识别栏位(ID)，可以存取单一实例(instance)，聚合就像是肉粽串，而聚合根就是草绳的头，往上提就可以把聚合内所有的实体都抓起来，因此，聚合根是一个带有业务规则的实体，是对外沟通的窗口。

因此，我们会将一个领域或子领域细分为多个聚合，每个聚合有唯一的聚合根，秉持『高内聚、低耦合』的原则，尽量减少聚合间的连结。

实体(Entity) vs. 值物件(Value Object)

值物件是表达实体的状态(State)，没有识别的Id，例如订单上客户的地址，它是订购当时客户的地址，可能不是最新的，或是订单上的总价或折扣，只是计算栏位，是一个快照(Snapshot)的概念，因此，一个庞大的实体尽量能拆成多个值物件，会使实体变得更容易维护，因为值物件是不可修改的(Immutable)，要嘛整个删除或是重新建立，例如下图。

图二. 实体(Entity) vs. 值物件(Value Object)，信用报告含多个值物件

Domain Object vs. Persistent Object

我们使用各种 ORM、MVC 或 MVVM 架构撰写应用程序时，系统会要求我们建立类别，与资料库的资料表/栏位对应，这就是所谓的Persistent Object(PO)，类别内只有属性，没有方法，称为POJO(Java)或POCO(C#)，会让人误以为这就是实体，依 DDD 的设计原则来看，这是不好的『贫血模型』(Anemic Domain Model)，它会使操作物件的方法全部写在类别外的程序逻辑中，违反物件导向设计原则(OOP)、单一职责设计原则(Solid)，使程序逻辑全部搅在一起，难以维护，因此，我们应该在Persistent Object上，重新组织一层 Domain Object，将相关的PO连结在一起，并且赋予相关行为的描述，即充血模型，业务逻辑应放类别里面，例如MVVM的View Model就是Domain Object(DO)，它可以是画面(View)的资料来源，也可能是API的输入/输出(REST、WSDL)、网路传输的资料内容(Data Transfer Object, DTO)。

在程序开发时 DO 与 PO 的互转非常频繁，笔者使用C#开发程序时，就常使用 AutoMapper 函数库，进行 DO 与 PO 的转换。譬如，从请购单、采购单、到货通知单、验收单，多张请购单可能并成一张采购单，多张采购单可能一次到货，也可能分批到货，验收时也是如此，这些单据如果都是一个物件，每个物件都会影响其他物件的状态及内容。

Design Pattern

DDD 建议引用各种设计模式，提高生产力，例如 Repository/Factory简化物件产生/共通方法操作，Adapter方便模组挂载，PPublish/Subscribe处理事件的传送/接收，目前各种语言都可以找到相关的框架(Framework)或函数库，可以直接套用，後续我们就来看看Python相关的套件。

结语

DDD 并没有严格规定进行的步骤，只有一些原则(Principle)，每本书籍的作者各有领悟，利用上述的原则，自行订定详细的执行步骤，大部份都搭配Java框架，笔者推荐『中台架构与实现：基於 DDD 和微服务』一书的说明，不过，笔者并不喜欢Java繁复的架构，所以，想使用Python试试看，它又可以轻易的整合机器学习模型。