​領域模型 vs 數據模型，應該怎麼用？

阿里妹導讀：什麼是領域模型？什麼又是數據模型？兩者可以等同嗎？在實際應用中，怎麼樣才能用好它們？本文介紹領域模型和數據模型的概念定義，並舉例說明兩者相互混淆的錯誤用法，分享如何正確地應用它們。

依稀記得我第一次設計一個系統的時候，畫了一堆 UML（Unified Modeling Language，統一建模語言）圖，面對 Class Diagram（其實就是領域模型），糾結了好久，不知道如何落地。因爲，如果按照這個類圖去落數據庫的話，看起來很奇怪，有點繁瑣。可是不按照這個類圖落庫的話，又不知道這個類圖畫了有什麼用。

現在回想起來，我當時的糾結源自於我對領域模型和數據模型這兩個重要概念的不清楚。最近，我發現對這兩個概念的混淆不是個例，而是非常普遍的現象。其結果就是，小到會影響一些模塊設計的不合理性，大到會影響像業務中臺這樣重大技術決策，因爲如果底層的邏輯、概念、理論基礎沒搞清楚的話，其構建在其上的系統也會出現問題，非常嚴重的問題。

鑑於很少看到有人對這個話題進行比較深入的研究和探討，我覺得有必要花時間認真明晰這兩個概念，幫助大家在工作中，更好的做設計決策。

一  領域模型和數據模型的概念定義

領域模型關注的是領域知識，是業務領域的核心實體，體現了問題域裏面的關鍵概念，以及概念之間的聯繫。領域模型建模的關鍵是看模型能否顯性化、清晰的表達業務語義，擴展性是其次。

數據模型關注的是數據存儲，所有的業務都離不開數據，都離不開對數據的 CRUD，數據模型建模的決策因素主要是擴展性、性能等非功能屬性，無需過分考慮業務語義的表徵能力。

按照 Robert 在《整潔架構》裏面的觀點，領域模型是核心，數據模型是技術細節。然而現實情況是，二者都很重要。

這兩個模型之所以容易被混淆，是因爲兩者都強調實體（Entity），都強調關係（Relationship），這可不，我們傳統的數據庫的數據模型建模就是用的 ER 圖啊。

是的，二者的確有一些共同點，有時候領域模型和數據模型會長的很像，甚至會趨同，這很正常。但更多的時候，二者是有區別的。正確的做法應該是有意識地把這兩個模型區別開來，分別設計，因爲他們建模的目標會有所不同。如下圖所示，數據模型負責的是數據存儲，其要義是擴展性、靈活性、性能。而領域模型負責業務邏輯的實現，其要義是業務語義顯性化的表達，以及充分利用 OO 的特性增加代碼的業務表徵能力。

然而，現實情況是，我們很多的業務系統設計，並沒有很好的區分二者的關係。經常會犯兩個錯誤，一個是把領域模型當數據模型，另一個是把數據模型當領域模型。

二  錯把領域模型當數據模型

這幾天我在做一個報價優化的項目，裏面涉及到報價規則的問題，這塊的業務邏輯大意是說，對於不同的商品（通過類目、品牌、供應商類型等維度區分），我們會給出不同的價格區間，然後來判斷商家的報價是否應該被自動審覈（autoApprove）通過，還是應該被自動攔截（autoBlock）。

對於這個規則，領域模型很簡單，就是提供了價格管控需要的配置數據，如下圖所示：

如果按照這個領域模型去設計我們的存儲的話，自然是需要兩張表：price_rule 和 price_range，一張用來存價格規則，一張是用來存價格區間。

如果這樣去設計數據模型，我們就犯了把領域模型當數據模型的錯誤。這裏，更合適的做法是一張表就夠了，把 price_range 作爲一個字段在 price_rule 中用一個字段存儲，如下圖所示，裏面的多個價格區間信息用一個 JSON 字段去存取就好了。

這樣做的好處很明顯：

可是，在業務代碼裏面，如果是基於 JSON 在做事情可不那麼美好。我們需要把 JSON 的數據對象，轉換成有業務語義的領域對象，這樣，我們既可以享受數據模型擴展性帶來的便捷性，又不失領域模型對業務語義顯性化帶來的代碼可讀性。

三  錯把數據模型當領域模型

的確，數據模型最好儘量可擴展，畢竟，改動數據庫可是個大工程，不管是加字段、減字段，還是加表、刪表，都涉及到不少的工作量。

說到數據模型的擴展設計經典之作，非阿里的業務中臺莫屬，核心的商品、訂單、支付、物流 4 張表，得益於良好的擴展性設計，就支撐了阿里幾十個業務的成千上萬的業務場景。

拿商品中臺來說，它用一張 auction_extend 垂直表，就解決了所有業務商品數據存儲擴展性的需求。理論上來說，這種數據模型可以滿足無限的業務擴展。

JSON 字段也好，垂直表也好，雖然可以很好的解決數據存儲擴展的問題，但是，我們最好不要把這些擴展（features）當成領域對象來處理，否則，你的代碼根本就不是在面向對象編程，而是在面向擴展字段（features）編程，從而犯了把數據模型當領域模型的錯誤。更好的做法，應該是把數據對象（Data Object）轉換成領域對象來處理。

如下所示，這種代碼裏面到處是 getFeature、addFeature 的寫法，是一種典型的把數據模型當領域模型的錯誤示範。

四  領域模型和數據模型各司其職

上面展示了因爲混淆領域模型和數據模型，帶來的問題。正確的做法應該是把領域模型、數據模型區別開來，讓他們各司其職，從而更合理的架構我們的應用系統。

其中，領域模型是面向領域對象的，要儘量具體，儘量語義明確，顯性化的表達業務語義是其首要任務，擴展性是其次。而數據模型是面向數據存儲的，要儘量可擴展。

在具體落地的時候，我們可以採用 COLA[1] 的架構思想，使用 gateway 作爲數據對象（Data Object）和領域對象（Entity）之間的轉義網關，其中，gateway 除了轉義的作用，還起到了防腐解耦的作用，解除了業務代碼對底層數據（DO、DTO 等）的直接依賴，從而提升系統的可維護性。

此外，教科書上教導我們在做關係數據庫設計的時候，要滿足 3NF（三範式），然而，在實際工作中，我們經常會因爲性能、擴展性的原因故意打破這個原則，比如我們會通過數據冗餘提升訪問性能，我們會通過元數據、垂直表、擴展字段提升表的擴展性。

業務場景不一樣，對數據擴展的訴求也不一樣，像 price_rule 這種簡單的配置數據擴展，JSON 就能勝任。複雜一點的，像 auction_extend 這種垂直表也是不錯的選擇。

wait，有同學說，你這樣做，數據是可擴展了，可數據查詢怎麼解決呢？總不能用 join 表，或者用 like 吧。實際上，對一些配置類的數據，或者數據量不大的數據，完全可以 like。然而，對於像阿里商品、交易這樣的海量數據，當然不能 like，不過這個問題，很容易通過讀寫分離，構建 search 的辦法解決。

五  關於擴展的更多思考

最後，再給一個思考題吧。

前面提到的數據擴展，還都是領域內的有限擴展。如果我連業務領域是什麼還不知道，能不能做數據擴展呢？可以的，Salesforce 的 force.com 就是這麼做的，其底層數據存儲完全是元數據驅動的（metadata-driven[2]），他用一張有 500 個匿名字段的表，去支撐所有的 SaaS 業務，每個字段的實際表意是通過元數據去描述的。如下圖所示，value0 到 value500 都是預留的業務字段，具體代表什麼意思，由 metadata 去定義。

說實話，這種實現方式的確是一個很有想法，很大膽的設計，也的確支撐了上面數以千計的 SaaS 應用和 Salesforce 千億美金的市值。

只是，我不清楚從元數據到領域對象的映射，Salesforce 具體是怎麼做的，是通過他們的語法糖 Apex？如果沒有領域對象，他們的業務代碼要怎麼寫呢？反正據在 Salesforce 裏面做 vendor 的同學說，他們所謂的 Low-Code，裏面還是有很多用 Apex 寫的代碼，而且可維護性一般。

anyway，我們絕大部分的應用都是面向確定問題域的，不需要像 Salesforce 那樣提供 “無邊際” 的擴展能力。在這種情況下，我認爲，領域對象是最好的連接數據模型和業務邏輯的橋樑。

相關鏈接

[1]https://github.com/alibaba/COLA

[2]https://developer.salesforce.com/wiki/multi_tenant_architecture

本文由 Readfog 進行 AMP 轉碼，版權歸原作者所有。
來源：https://mp.weixin.qq.com/s/Wt2Fssm8kd8b8evVD9aujA

猜你喜歡