zoukankan      html  css  js  c++  java
  • DDD中的聚合和UML中的聚合以及组合的关系

    UML:

    聚合关系:成员对象是整体的一部分,但是成员对象可以脱离整体对象独立存在。
    如汽车(Car)与引擎(Engine)、轮胎(Wheel)、车灯(Light)之间的关系为聚合关系,引擎、轮胎、车灯可以脱离车而存在,比如把一个引擎换到另一个汽车上也可以。

    组合关系:也表示的是一种整体和部分的关系,但是在组合关系中整体对象可以控制成员对象的生命周期,一旦整体对象不存在,成员对象也不存在。

    所以,UML中聚合与组合的共同点:是两者都是整体与部分的关系,差别点:是整体消亡后,成员对象是否可以脱离整体对象而单独存在。

    DDD聚合

    也是一种整体和部分的关系,部分脱离整体会变得毫无意义,整体和部分之间强调一致的生命周期,也就是整体消亡的话部分也一起消亡,不能单独存在。所以,从定义来看DDD中的聚合应该和UML中的组合关系是同一种关系。所以,Martin Flower也说,DDD中的聚合是限定在DDD这个方法论的上下文中,它不同于其他上下文(UML)中的聚合。

    一个例子

    按照上面的定义,我们再来分析一下一个典型的例子,就是公司和部门的关系。

    UML的角度:
    1、一个公司由多个部门组成,所以满足整体和部分的关系;
    2、一个部门不能脱离公司和加入到其他公司;

    所以,我们推导出,在UML中公司和部门应该属于组合关系。

    DDD的角度:
    虽然基于UML的角度,公司和部门属于组合关系,那在DDD中是否应该把部门聚合在公司下面呢?我的看法是,虽然从生命周期上,确实部门不能脱离公司。但是DDD的聚合设计要考虑的因素会更加丰满,比如:

    • DDD强调需求和Bounded Context,也就是会基于需求和上下文进行建模,我们建模前必须要先确定当前的需求和上下文是什么;
    • 整体在当前上下文是否强关心部分的存在;
    • 整体和部分之间是否存在某些不变性规则;
    • 操作整体与操作部分的业务场景是否一致;
    • 性能问题,如果整体聚合的部分的数量过大,那也不会考虑聚合,即小聚合原则;
    • 一致性问题,我们在设计系统时,即便把本该是聚合在一起的对象分开设计为多个聚合,也可以从技术上去解决一致性,比如通过领域服务来完成多个聚合的协同创建、删除、修改,并能通过数据库事务来保证严格的强一致性;
    • DDD领域建模会对领域概念进行抽象,所以再领域模型中,在有些业务系统如组织架构管理系统中,也许就没有公司了,而是只有部门,把公司也看成是一个顶层的部门就行,所以自然就不会有公司这个聚合根了;

    所以,在进行DDD聚合设计时,如果仅从整体消亡后部分是否仍然存在意义这个点去推导的话,那考虑的就太单薄了,很有可能会得出不合理的聚合设计,最终很可能会导致聚合设计过大。这是没有认真分析业务需求,没有分析业务规则不变性,没有对领域概念进行合理抽象,没有进行OO软件设计原则的应用的表现。

    所以,以上案例由于需求不明,无法进行聚合设计。

    题外话

    我觉得DDD是对OOA/D的一个衍生,OOA/D是一种面向对象分析与设计的思想,强调通过设计对象,为对象分配职责,并让对象之间通过协作的方式来完成软件功能。而DDD则是对OO中的对象进行进一步的细化,比如首次提出了聚合、聚合根、实体、值对象、工厂、领域服务、领域事件,等。尤其是聚合的提出,让OO设计更加丰富,大大减少了对象之间的关系复杂度,以及对象之间边界的更加清晰。但是聚合的设计也很有难度,比如技术人员需要从我上面列举的这些角度(不限于此)去进行聚合分析设计,这对开发人员的能力素质是一个很大的要求,可以说如果不会OOA/D的分析思维,就很难进行DDD领域建模。所以,我想这也是DDD很难在业务系统中落地的一个很大的原因之一吧。

  • 相关阅读:
    Myeclipse2013 SVN安装方法以及项目上传到svn服务器
    Gson把json串转换成java实体对象
    使用HttpClient向服务器发送restful post请求
    使用HttpURLConnection向服务器发送post和get请求
    http://www.ibm.com/developerworks/cn/opensource/os-cn-cas/
    CAS单点登录配置[5]:测试与总结
    CAS单点登录配置[4]:客户端配置
    CAS单点登录配置[3]:服务器端配置
    CAS单点登录配置[2]:证书生成
    【Oracle/Java】向三张表各插入百万数据,共用时18分3秒,平均每张表6分钟
  • 原文地址:https://www.cnblogs.com/netfocus/p/11078464.html
Copyright © 2011-2022 走看看