Maison développement back-end Tutoriel Python De l'architecture en couches au DDD. Mon expérience de migration et de découpe d'un monolithe

De l'architecture en couches au DDD. Mon expérience de migration et de découpe d'un monolithe

Dec 28, 2024 pm 03:56 PM

Aujourd'hui, nous allons parler de l'architecture des applications backend et comparer deux manières populaires de structurer des projets : l'oignon et le DDD. Je vais vous parler des avantages de la deuxième approche par rapport à la première et de mon expérience récente de transfert d'un projet vers une architecture hexagonale. Ce texte s'adresse à ceux qui ont déjà travaillé avec une architecture en couches et qui en veulent plus (par exemple, commencer à travailler avec des microservices).

Commençons par l'architecture en couches. En couches, également connue sous le nom d'architecture en oignon, est une architecture dans laquelle nous divisons l'ensemble de l'application en couches. Chaque couche a sa propre fonction, son propre objectif clair. Par exemple, l'interaction avec la base de données : une telle couche doit contenir exclusivement des fonctions d'interaction avec la base de données, et rien d'autre. Il ne devrait y avoir aucune interaction avec le client ou toute autre fonction.

Souvent, dans une architecture en couches, il y a 3 couches principales sur le backend : pour l'interaction avec le stockage, la logique applicative et une couche représentative.

От слоистой архитектуры к DDD. Мой опыт миграции и распила монолита
Voici une architecture typique à trois couches, tout y est assez simple. La demande traverse toutes les couches, acquérant la forme finale (demande dans le stockage), la réponse fait le voyage de retour, se transformant en un format pratique pour le client (JSON, XML, etc.).

J'utilise cette architecture depuis assez longtemps dans tous mes projets et dans la startup à laquelle je participe. Dans les petits projets familiers, cette approche fonctionne vraiment et ne pose pas de problèmes, mais dans les projets plus importants, le chaos commence.

L'un des principes fondamentaux de l'architecture en couches est la possibilité de remplacer n'importe quelle couche par une couche similaire afin qu'aucune autre couche n'ait besoin d'être modifiée. Mais en réalité, plus il y a d'entités dans un projet, plus il est difficile de s'y conformer.

Au début, trop de dépendances apparaissent, et il devient de plus en plus difficile de les contrôler. Cela implique de négliger le monolithe (après tout, l’oignon est une architecture monolithique). La charge n'est pas répartie correctement et l'application est en surcharge. De plus, les couches commencent à se mélanger - il devient de plus en plus difficile d'isoler la logique applicative. Il devient de plus en plus difficile d’étendre l’application, les dépendances rendent le débogage un enfer et le développement ralentit considérablement. Les modèles architecturaux stricts qui limitent les capacités du développeur ajoutent de l'huile sur le feu. Si vous lisez ce texte, vous avez probablement déjà rencontré cela. La même situation s'est produite dans notre projet.

Évidemment, dans une telle situation, il faut couper le monolithe, passer à une autre architecture et introduire des modèles plus libres. Nous avons choisi DDD, cela nous semblait une solution évidente. DDD (Domain Driven Design, architecture hexagonale) est une architecture de microservice (bien qu'elle puisse être utilisée comme monolithique) construite sur des abstractions. Si vous n'avez qu'une expérience de travail avec une architecture en couches, alors à titre d'exemple approximatif, vous pouvez imaginer la même architecture à trois couches, où au lieu d'une couche d'interaction avec le stockage, il y a une couche d'interaction avec toutes les technologies en général, et il y a aussi un calque séparé avec des abstractions. Les abstractions sont généralement la chose principale dans DDD. Ces abstractions, ainsi que les outils auxiliaires et entités de démonstration (modèles, diagrammes) sont séparés de l'application, et par conséquent l'architecture ressemble à ceci :

От слоистой архитектуры к DDD. Мой опыт миграции и распила монолита

Le principal avantage de l'architecture heskagonale par rapport à l'architecture en couches est l'extensibilité. Il est beaucoup plus facile d'implémenter de nouvelles fonctionnalités, de nouveaux paramètres et de nouvelles fonctions car il y a moins de dépendances.

Au début, cette structure me paraissait complètement illogique, mais en passant à DDD, j'ai découvert qu'elle devenait beaucoup plus facile à écrire, car l'infrastructure était complètement supprimée même de la couche la plus basse de l'application, et là il y avait moins de dépendances. Il y avait même une sorte de soulagement irrationnel et une soudaine liberté d’action sur chaque entité. Cette approche me semble désormais encore plus logique que l'architecture en couches.

Mais vous devez vous rappeler qu'une telle architecture n'a pas de sens s'il y a 2-3 entités dans le projet, car DDD est principalement utilisé comme architecture de microservice dans des applications avec un grand nombre de dépendances, qui ne peuvent tout simplement pas être dans petits projets pour animaux de compagnie avec 2-3 entités 3 essences. Dans certains endroits, même une simple architecture linéaire suffit. Et en général, utiliser ainsi différentes technologies et pratiques, inutilement, est une mauvaise pratique, à moins que vous ne décidiez d'expérimenter pour apprendre.

P.S. Et il faut devenir accro à TGC : https://t.me/dmkjfss

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Déclaration de ce site Web
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn

Outils d'IA chauds

Undresser.AI Undress

Undresser.AI Undress

Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover

AI Clothes Remover

Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool

Undress AI Tool

Images de déshabillage gratuites

Clothoff.io

Clothoff.io

Dissolvant de vêtements AI

Video Face Swap

Video Face Swap

Échangez les visages dans n'importe quelle vidéo sans effort grâce à notre outil d'échange de visage AI entièrement gratuit !

Article chaud

<🎜>: Bubble Gum Simulator Infinity - Comment obtenir et utiliser les clés royales
4 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
<🎜>: Grow A Garden - Guide de mutation complet
3 Il y a quelques semaines By DDD
Nordhold: Système de fusion, expliqué
4 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
Mandragora: Whispers of the Witch Tree - Comment déverrouiller le grappin
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌

Outils chauds

Bloc-notes++7.3.1

Bloc-notes++7.3.1

Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise

SublimeText3 version chinoise

Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1

Envoyer Studio 13.0.1

Puissant environnement de développement intégré PHP

Dreamweaver CS6

Dreamweaver CS6

Outils de développement Web visuel

SublimeText3 version Mac

SublimeText3 version Mac

Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Sujets chauds

Tutoriel Java
1672
14
Tutoriel PHP
1277
29
Tutoriel C#
1256
24
Python vs C: courbes d'apprentissage et facilité d'utilisation Python vs C: courbes d'apprentissage et facilité d'utilisation Apr 19, 2025 am 12:20 AM

Python est plus facile à apprendre et à utiliser, tandis que C est plus puissant mais complexe. 1. La syntaxe Python est concise et adaptée aux débutants. Le typage dynamique et la gestion automatique de la mémoire le rendent facile à utiliser, mais peuvent entraîner des erreurs d'exécution. 2.C fournit des fonctionnalités de contrôle de bas niveau et avancées, adaptées aux applications haute performance, mais a un seuil d'apprentissage élevé et nécessite une gestion manuelle de la mémoire et de la sécurité.

Apprendre Python: 2 heures d'étude quotidienne est-elle suffisante? Apprendre Python: 2 heures d'étude quotidienne est-elle suffisante? Apr 18, 2025 am 12:22 AM

Est-ce suffisant pour apprendre Python pendant deux heures par jour? Cela dépend de vos objectifs et de vos méthodes d'apprentissage. 1) Élaborer un plan d'apprentissage clair, 2) Sélectionnez les ressources et méthodes d'apprentissage appropriées, 3) la pratique et l'examen et la consolidation de la pratique pratique et de l'examen et de la consolidation, et vous pouvez progressivement maîtriser les connaissances de base et les fonctions avancées de Python au cours de cette période.

Python vs. C: Explorer les performances et l'efficacité Python vs. C: Explorer les performances et l'efficacité Apr 18, 2025 am 12:20 AM

Python est meilleur que C dans l'efficacité du développement, mais C est plus élevé dans les performances d'exécution. 1. La syntaxe concise de Python et les bibliothèques riches améliorent l'efficacité du développement. Les caractéristiques de type compilation et le contrôle du matériel de CC améliorent les performances d'exécution. Lorsque vous faites un choix, vous devez peser la vitesse de développement et l'efficacité de l'exécution en fonction des besoins du projet.

Python vs C: Comprendre les principales différences Python vs C: Comprendre les principales différences Apr 21, 2025 am 12:18 AM

Python et C ont chacun leurs propres avantages, et le choix doit être basé sur les exigences du projet. 1) Python convient au développement rapide et au traitement des données en raison de sa syntaxe concise et de son typage dynamique. 2) C convient à des performances élevées et à une programmation système en raison de son typage statique et de sa gestion de la mémoire manuelle.

Quelle partie fait partie de la bibliothèque standard Python: listes ou tableaux? Quelle partie fait partie de la bibliothèque standard Python: listes ou tableaux? Apr 27, 2025 am 12:03 AM

PythonlistSaReparmentofthestandardLibrary, tandis que les coloccules de colocède, tandis que les colocculations pour la base de la Parlementaire, des coloments de forage polyvalent, tandis que la fonctionnalité de la fonctionnalité nettement adressée.

Python: automatisation, script et gestion des tâches Python: automatisation, script et gestion des tâches Apr 16, 2025 am 12:14 AM

Python excelle dans l'automatisation, les scripts et la gestion des tâches. 1) Automatisation: La sauvegarde du fichier est réalisée via des bibliothèques standard telles que le système d'exploitation et la fermeture. 2) Écriture de script: utilisez la bibliothèque PSUTIL pour surveiller les ressources système. 3) Gestion des tâches: utilisez la bibliothèque de planification pour planifier les tâches. La facilité d'utilisation de Python et la prise en charge de la bibliothèque riche en font l'outil préféré dans ces domaines.

Python pour l'informatique scientifique: un look détaillé Python pour l'informatique scientifique: un look détaillé Apr 19, 2025 am 12:15 AM

Les applications de Python en informatique scientifique comprennent l'analyse des données, l'apprentissage automatique, la simulation numérique et la visualisation. 1.Numpy fournit des tableaux multidimensionnels et des fonctions mathématiques efficaces. 2. Scipy étend la fonctionnalité Numpy et fournit des outils d'optimisation et d'algèbre linéaire. 3. Pandas est utilisé pour le traitement et l'analyse des données. 4.Matplotlib est utilisé pour générer divers graphiques et résultats visuels.

Python pour le développement Web: applications clés Python pour le développement Web: applications clés Apr 18, 2025 am 12:20 AM

Les applications clés de Python dans le développement Web incluent l'utilisation des cadres Django et Flask, le développement de l'API, l'analyse et la visualisation des données, l'apprentissage automatique et l'IA et l'optimisation des performances. 1. Framework Django et Flask: Django convient au développement rapide d'applications complexes, et Flask convient aux projets petits ou hautement personnalisés. 2. Développement de l'API: Utilisez Flask ou DjangorestFramework pour construire RestulAPI. 3. Analyse et visualisation des données: utilisez Python pour traiter les données et les afficher via l'interface Web. 4. Apprentissage automatique et AI: Python est utilisé pour créer des applications Web intelligentes. 5. Optimisation des performances: optimisée par la programmation, la mise en cache et le code asynchrones

See all articles