계층화된 아키텍처에서 DDD까지. 나의 마이그레이션 및 모놀리스 절단 경험
오늘은 백엔드 애플리케이션의 아키텍처에 대해 이야기하고 프로젝트를 구성하는 두 가지 널리 사용되는 방식인 Onion과 DDD를 비교해보겠습니다. 첫 번째 접근 방식에 비해 두 번째 접근 방식의 장점과 최근 프로젝트를 육각형 건축으로 전환한 경험에 대해 말씀드리겠습니다. 이 텍스트는 이미 계층형 아키텍처를 사용해본 경험이 있고 더 많은 작업을 원하는 사용자(예: 마이크로서비스 작업 시작)를 위한 것입니다.
계층형 아키텍처부터 시작해 보겠습니다. 어니언 아키텍처라고도 알려진 계층형은 전체 애플리케이션을 여러 계층으로 나누는 아키텍처입니다. 각 레이어에는 고유한 기능과 명확한 목적이 있습니다. 예를 들어, 데이터베이스와의 상호 작용: 이러한 레이어에는 데이터베이스와의 상호 작용을 위한 기능만 포함되어야 하며 다른 것은 포함되지 않아야 합니다. 클라이언트나 다른 기능과의 상호작용이 없어야 합니다.
계층형 아키텍처에는 백엔드에 3개의 주요 계층, 즉 스토리지와의 상호작용, 애플리케이션 로직, 대표 계층이 있는 경우가 많습니다.
다음은 일반적인 3계층 아키텍처입니다. 모든 것이 매우 간단합니다. 요청은 모든 레이어를 통과하여 최종 형식(스토리지의 요청)을 획득하고, 응답은 반환 과정을 거쳐 클라이언트에게 편리한 형식(JSON, XML 등)으로 전환됩니다.
저는 모든 프로젝트와 제가 참여하는 스타트업에서 꽤 오랫동안 이 아키텍처를 사용해 왔습니다. 소규모 프로젝트에서는 이 접근 방식이 실제로 효과가 있고 문제를 일으키지 않지만, 대규모 프로젝트에서는 혼란이 시작됩니다.
계층형 아키텍처의 주요 원칙 중 하나는 다른 레이어를 전혀 변경할 필요가 없도록 모든 레이어를 유사한 레이어로 교체하는 기능입니다. 하지만 현실적으로 프로젝트에 등장하는 개체가 많아질수록 이를 준수하기가 어려워집니다.
처음에는 종속성이 너무 많이 나타나며 제어하기가 점점 어려워집니다. 이는 단일체를 무시한다는 의미입니다(결국 양파는 단일체 아키텍처입니다). 로드가 올바르게 분산되지 않고 애플리케이션에 과부하가 발생했습니다. 또한 레이어가 혼합되기 시작하여 애플리케이션 로직을 분리하는 것이 점점 더 어려워집니다. 애플리케이션 확장이 점점 더 어려워지고, 종속성이 디버깅을 지옥으로 만들고, 개발 속도가 크게 느려집니다. 불에 연료를 추가하는 것은 개발자의 능력을 제한하는 엄격한 아키텍처 패턴입니다. 이 글을 읽고 계시다면 아마도 이미 이런 일을 겪으셨을 것입니다. 저희 프로젝트에서도 같은 상황이 발생했습니다.
분명히 그러한 상황에서는 모놀리스를 잘라내고 다른 아키텍처로 전환하여 보다 자유로운 패턴을 도입해야 합니다. 우리는 DDD를 선택했는데 그것이 확실한 해결책처럼 보였습니다. DDD(Domain Driven Design, 육각형 아키텍처)는 추상화를 기반으로 구축된 마이크로서비스(모놀리식으로 사용할 수도 있음) 아키텍처입니다. 계층화된 아키텍처 작업 경험만 있다면 대략적인 예로 스토리지와의 상호 작용 계층 대신 일반적으로 모든 기술과의 상호 작용 계층이 있는 동일한 3계층 아키텍처를 상상할 수 있습니다. 추상화가 포함된 별도의 레이어. 추상화는 일반적으로 DDD에서 가장 중요한 것입니다. 이러한 추상화와 보조 도구 및 데모 엔터티(템플릿, 다이어그램)는 애플리케이션과 분리되어 있으며 결과적으로 아키텍처는 다음과 같습니다.
계층형 아키텍처에 비해 육각형 아키텍처의 가장 큰 장점은 확장성입니다. 종속성이 적기 때문에 새로운 기능, 새로운 매개변수 및 새로운 기능을 구현하는 것이 훨씬 쉽습니다.
처음에는 이 구조가 완전히 비논리적으로 보였지만 DDD로 전환하는 과정에서 애플리케이션의 가장 낮은 계층에서도 인프라가 완전히 제거되었기 때문에 작성하기가 훨씬 쉬워졌다는 것을 알게 되었습니다. 의존성이 적었습니다. 각 개체에 대한 일종의 비합리적인 안도감과 갑작스러운 행동의 자유도 있었습니다. 이제 이 접근 방식은 계층형 아키텍처보다 훨씬 더 논리적인 것 같습니다.
그러나 프로젝트에 2~3개의 엔터티가 있는 경우 이러한 아키텍처는 의미가 없다는 점을 기억해야 합니다. 왜냐하면 DDD는 종속성이 많은 애플리케이션에서 주로 마이크로서비스 아키텍처로 사용되기 때문입니다. 2~3개의 에센스로 구성된 소규모 애완동물 프로젝트입니다. 어떤 곳에서는 단순한 선형 아키텍처로도 충분합니다. 그리고 일반적으로, 배우기 위해 실험하기로 결정하지 않는 한, 불필요하게 다양한 기술과 방식을 사용하는 것은 나쁜 습관입니다.
추신 그리고 TGC에 푹 빠져야 합니다: https://t.me/dmkjfss
위 내용은 계층화된 아키텍처에서 DDD까지. 나의 마이그레이션 및 모놀리스 절단 경험의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

Video Face Swap
완전히 무료인 AI 얼굴 교환 도구를 사용하여 모든 비디오의 얼굴을 쉽게 바꾸세요!

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

Python은 배우고 사용하기 쉽고 C는 더 강력하지만 복잡합니다. 1. Python Syntax는 간결하며 초보자에게 적합합니다. 동적 타이핑 및 자동 메모리 관리를 사용하면 사용하기 쉽지만 런타임 오류가 발생할 수 있습니다. 2.C는 고성능 응용 프로그램에 적합한 저수준 제어 및 고급 기능을 제공하지만 학습 임계 값이 높고 수동 메모리 및 유형 안전 관리가 필요합니다.

하루에 2 시간 동안 파이썬을 배우는 것으로 충분합니까? 목표와 학습 방법에 따라 다릅니다. 1) 명확한 학습 계획을 개발, 2) 적절한 학습 자원 및 방법을 선택하고 3) 실습 연습 및 검토 및 통합 연습 및 검토 및 통합,이 기간 동안 Python의 기본 지식과 고급 기능을 점차적으로 마스터 할 수 있습니다.

Python은 개발 효율에서 C보다 낫지 만 C는 실행 성능이 높습니다. 1. Python의 간결한 구문 및 풍부한 라이브러리는 개발 효율성을 향상시킵니다. 2.C의 컴파일 유형 특성 및 하드웨어 제어는 실행 성능을 향상시킵니다. 선택할 때는 프로젝트 요구에 따라 개발 속도 및 실행 효율성을 평가해야합니다.

Python과 C는 각각 고유 한 장점이 있으며 선택은 프로젝트 요구 사항을 기반으로해야합니다. 1) Python은 간결한 구문 및 동적 타이핑으로 인해 빠른 개발 및 데이터 처리에 적합합니다. 2) C는 정적 타이핑 및 수동 메모리 관리로 인해 고성능 및 시스템 프로그래밍에 적합합니다.

Pythonlistsarepartoftsandardlardlibrary, whileraysarenot.listsarebuilt-in, 다재다능하고, 수집 할 수있는 반면, arraysarreprovidedByTearRaymoduledlesscommonlyusedDuetolimitedFunctionality.

파이썬은 자동화, 스크립팅 및 작업 관리가 탁월합니다. 1) 자동화 : 파일 백업은 OS 및 Shutil과 같은 표준 라이브러리를 통해 실현됩니다. 2) 스크립트 쓰기 : PSUTIL 라이브러리를 사용하여 시스템 리소스를 모니터링합니다. 3) 작업 관리 : 일정 라이브러리를 사용하여 작업을 예약하십시오. Python의 사용 편의성과 풍부한 라이브러리 지원으로 인해 이러한 영역에서 선호하는 도구가됩니다.

과학 컴퓨팅에서 Python의 응용 프로그램에는 데이터 분석, 머신 러닝, 수치 시뮬레이션 및 시각화가 포함됩니다. 1.numpy는 효율적인 다차원 배열 및 수학적 함수를 제공합니다. 2. Scipy는 Numpy 기능을 확장하고 최적화 및 선형 대수 도구를 제공합니다. 3. 팬더는 데이터 처리 및 분석에 사용됩니다. 4. matplotlib는 다양한 그래프와 시각적 결과를 생성하는 데 사용됩니다.

웹 개발에서 Python의 주요 응용 프로그램에는 Django 및 Flask 프레임 워크 사용, API 개발, 데이터 분석 및 시각화, 머신 러닝 및 AI 및 성능 최적화가 포함됩니다. 1. Django 및 Flask 프레임 워크 : Django는 복잡한 응용 분야의 빠른 개발에 적합하며 플라스크는 소형 또는 고도로 맞춤형 프로젝트에 적합합니다. 2. API 개발 : Flask 또는 DjangorestFramework를 사용하여 RESTFULAPI를 구축하십시오. 3. 데이터 분석 및 시각화 : Python을 사용하여 데이터를 처리하고 웹 인터페이스를 통해 표시합니다. 4. 머신 러닝 및 AI : 파이썬은 지능형 웹 애플리케이션을 구축하는 데 사용됩니다. 5. 성능 최적화 : 비동기 프로그래밍, 캐싱 및 코드를 통해 최적화
