供应链商品域DDD实践

作者 | 侧帽
来源 | 阿里技术公众号

前言

供应链商品域DDD实践时间不长，在实践过程也碰到了不少问题，有些找到了答案，有些还是在探索中。最近很荣幸受邀在供应链服务与创新团队做了一次分享，也想在这里把一些经验和想法分享给大家，借此抛砖引玉。

DDD是一套方法论，实践能否成功，我觉得不仅仅是个技术问题，更是执行贯彻实施的问题。

本文内容主要有两部分，DDD基本概念和DDD实施。基本概念包括通用语言、分层架构、DDD要素、边界上下文，DDD实施包括领域知识提取方法、思考方式的转变，在其中会穿插一些商品案例。

一 软件复杂性是什么？

在开始DDD前，我们应该先回答的一个问题，我们为什么需要DDD？DDD是复杂软件应对之道，所以我们来一起看看，软件的复杂度到底在哪里？

在阿里两年，我感受很深的一个点是，我们不能持续交付不断演进的复杂软件，所以有1.0、2.0、3.0很多的版本，1.0搞不下去了，开始2.0，2.0也搞不下去了，开始3.0，不断循环。

阿里体系复杂度我看来是理解力、不可预测、协作力挑战三个方面。

1 理解力挑战

• 需求规模庞大，业务数量和类型不断增多，业务相互耦合，不同业务相互影响。供应链有20多个行业，经销、代销、一盘货等各种商业模式，有跨境进口、国内业务、国际化业务，这些纵横导致系统复杂度大幅提升。
• 业务系统多，边界划分不清，系统间依赖复杂。如供应链商品和共享SELL、AIC和IPM，一直都有边界问题，一个大项目过来，边界问题就得讨论上好几天。
• 系统结构复杂，因为应对高并发、高稳定性等，功能性代码与非功能性代码混合，如业务代码混杂着各种兜底逻辑、灰度逻辑、重试等等，100行代码，可能业务代码不到30行。

2 不可预测性挑战

• 商业环境复杂多变，商业流程、规则多变。商业环境变化快，今年国际化、智能商业路由、考拉融合一下子都来了，在设计上很难前期都规划好。
• 变化不可预测，软件系统变化也不可预测，带来设计挑战。

3 协作力挑战

• 大部分需求横跨多个团队，需求传递低效，需要反复沟通，方案产出效率低。
• 团队角色多，业务概念多，没有统一语言，大家理解容易出现偏差。

二 Why DDD?

DDD设计合适的领域模型来映射现实中的业务，来有效地解决领域中的核心的复杂问题，是对OOAD的扩展和延伸，其解决之道：

• 分而治之，控制规模。
• 关注点分离，应对理解力挑战，领域模型与存储模型分离，业务复杂度与技术复杂度分离。
• 分层架构、分离核心，保持结构清晰，应对不可预测性挑战。
• 统一语言，应对协作力挑战。

三 DDD核心

1 通用语言

通用语言是提炼领域知识的产出物，获得统一语言就是需求分析的过程，也是团队中各个角色就系统目标、范围与具体功能达成一致的过程。

领域语言团队专有，负责解释和维护，相同名称概念，跨出这个团队，理解可以完全不一样。

领域专家、产品经理、开发人员共同的语言，这种语言是将领域专家和技术人员联系在一起的纽带。

在各种文档和平时沟通中，保持概念统一，特别提一下，做一个中文对照， 把概念和代码连接起来，在代码做到概念名称统一，减少混淆。

通用语言价值：

• 定义公共术语，减少概念混淆。
• 沟通达成一致的提前，消除歧义和理解偏差，提升需求和知识消化的效率。
• 概念和代码的统一语言，连接概念和实现。

2 分层架构

DDD第二个核心是分层架构，分离模型。优秀的架构应该是什么样子？关注点是分离的，可以分而治之，可测试性好。

一个人同时要做多件事情的时候，难免手忙脚乱。代码也一样，一段代码要处理各种事情的时候，也会乱成一团，所以我们要分解开来，各个击破。

商品域领域模型，在分层架构中的位置，如下：

• CQRS模式：领域模型在应用层下面，command才走领域模型；查询和搜索服务不走。
• tunnel层，对接db、外部数据资源访问，领域和模型解耦，类似DAO。
• 外部通过SPI和模型交互，六边形的adapter模式。

3 DDD要素

1）实体：有id，有生命周期和状态。有属性，有行为。外部事件会触发他的行为和状态变化。

实体和vo的区分，vo属性不能修改，使用final修饰。vo为表达模型减负，如商品有100多个属性，铺平开不能体现结构化，不能体现分层分类，将相似描述性属性分组封装成一个个vo。

2）为什么需要service，如批量操作多个实体、跨实体操作，如商品复制，转账。

商品域的工程架构：

• serivce职责是：实体创建，持久化，跨实体操作等。
• 不同层使用不同数据对象，tunnel使用dataobjects，面向存储，需要和实体相互转换。
• 实体间有关系，可以动态加载关联对象；dataobjects只有数据，没有行为，一般也不会有关系。

4 边界上下文

• 边界 = 域或子域。
• 领域对象在领域内才有确切的含义。出了这个边界，不能确保还是这个含义，如苹果。
• 语言是有上下文的。
• 在不同的上下文中，职责和任务不一样。人有多个角色，在家里是爸爸、在公司是小二，职责和任务不一样。

上下文映射：

• 有了边界，那么领域如何输出价值呢？一个完全封闭的系统没有任何价值。
• 常用的方式有：共享内核，防腐层等。防腐层：商品上游提供spi，spi不是直接对外开放领域模型，建立一层开放视图。采购域建立防腐层，收口商品的变更对本域影响。

四 DDD实施

1 DDD实施的挑战

• 识别和提炼领域知识，并体现在模型代码上，强调一次“并体现在模型代码上”！
• 防腐，保持模型不断演进，需要持续投入，保证DDD贯彻执行。
• 人的转变，开发思考方式的转变。

2 什么是领域知识？

领域知识有分层分类，平台通用商业规则，是领域模型主要输入，商家个性化不能下沉到领域模型层。

3 领域知识提炼，需求和链路5W1H分析法

两阶段分析：用户故事、链路和边界分析。

• 前3W描写用户故事，用户要什么，为什么要？举个例子，我作为采购小二，需要商品库存为0自动下架，因为有超卖风险，客户会投诉。
• 后面的When、Where、How是链路和边界分析，触发的条件是什么，要实现这个功能需要哪些域参与进来，分别提供什么能力？

通过这个分析，获取用户需求，和全链路分工。

4 领域知识提炼，结构化分析

• APP层至上而下过程分析，模型层自下而上分析相结合。
• 能力下沉保持模型不断演进，能力下沉标准：复用、内聚。

5 思考方式的转变

领域驱动，在模型阶段不会关注数据设计、不会关注存储、不会关注消息怎么发，业务和技术视角关注点做了分离。

五 商品域实践相关

商品域工程架构：

最后，保持模型不断演进！！！

商品域模型更新readme，保持模型不断演进。否则会APP层会越来越大，模型层越来越小，最后头重脚轻，领域坍塌了。

原文链接
本文为阿里云原创内容，未经允许不得转载。