深入解析 18 種軟件架構設計模式 （2）

本文爲第二篇，包含軟件分層架構、管道與過濾器架構、主從架構。

軟件架構模式捕獲了各類系統和軟件要素的設計結構，使其可以被複用。在編寫代碼的過程中，開發者往往在項目內、公司內乃至職業生涯中多次遇到類似問題。通過創建設計模式，工程師們可以藉助一種可複用的方法來解決問題，結構化地實現項目目標。

  1. 軟件分層架構 Layered Architecture ==============================

在複雜軟件系統設計中，分層架構是一種常見且有效的設計方法。這種方法將系統劃分爲多個層，每一層負責特定的功能。這種結構化的方式有助於組織代碼，使系統更易於維護和隨時間的變化進行修改。

一個典型的分層架構通常包含三個主要層次：表示層 、 業務邏輯層 和 數據訪問層 。

表示層（Presentation Layer）

表示層的職責是向用戶展示信息並收集用戶輸入。該層包含用戶界面及其他直接與用戶交互的組件。用戶界面是用戶所看到並與之交互的部分，例如按鈕、文本框和菜單。表示層還包括與用戶界面相關的邏輯，如事件處理器和驗證機制。

簡單來說，表示層負責：

  1. 展示信息：將數據以用戶友好的形式呈現。

  2. 收集輸入：通過界面元素獲取用戶的輸入。

  3. 處理用戶邏輯：驗證用戶輸入並響應用戶操作。

表示層是用戶與系統的橋樑，是用戶體驗設計和用戶交互邏輯的核心。

業務邏輯層（Business Logic Layer）

業務邏輯層負責實現應用的業務規則和核心邏輯。該層包含處理和操作數據的代碼，以及其他與應用功能相關的邏輯。

這是軟件實現 “智能” 的地方，核心職責包括：

  1. 計算：執行各種算法和數據處理任務。

  2. 決策：根據業務規則作出判斷和決策。

  3. 任務執行：完成具體的功能任務，如生成報告、處理交易等。

業務邏輯層是軟件系統的 “大腦”。它決定了系統的實際功能表現，同時將用戶界面層與數據存儲層隔離開，從而保證代碼的可維護性和擴展性。

數據訪問層（Data Access Layer）

數據訪問層負責與數據庫或其他外部數據源交互。該層的代碼用於從數據庫中讀取數據或向數據庫寫入數據。

核心功能包括：

  1. 數據檢索：從數據庫中提取所需信息。

  2. 數據修改：對現有數據進行增刪改操作。

  3. 數據持久化：將更新後的數據保存到數據庫中。

數據訪問層是軟件系統的 “橋樑”，連接了業務邏輯層和底層數據存儲。這一層的設計直接影響到系統的數據可靠性和性能，是軟件功能實現的關鍵部分。

總結

分層架構通過清晰的分層，將系統複雜度降到最低：

  1. 表示層：用戶與系統交互的入口，專注於用戶體驗和界面邏輯。

  2. 業務邏輯層：系統核心功能的實現地，負責業務規則的執行。

  3. 數據訪問層：數據交互和存儲的紐帶，保證數據的正確性和一致性。

    這種架構設計不僅提高了代碼的可讀性，還使系統具有良好的擴展性和維護性。

  4. 管道與過濾器架構 Pipes and Filters Architecture ==========================================

管道與過濾器架構是一種設計模式，它通過將處理任務分解爲獨立的組件來實現對數據的處理。這種架構特別適用於需要處理大量數據的系統。它能夠顯著提升系統的性能、可擴展性和可維護性。

核心組件

1. 數據源（Data Source） 數據源是管道的起點，負責接收輸入數據並將其傳遞到管道中。它的主要職責是爲整個數據處理流程提供原始數據。

2. 管道（Pipe） 管道是連接其他組件的媒介，主要用於在組件之間傳輸和緩衝數據。功能包括：傳輸數據：從上游組件傳遞數據到下游組件。數據緩衝：在處理數據時提供臨時存儲。同步：協調相鄰過濾器之間的活動。

3. 過濾器（Filter） 過濾器是獨立的數據處理步驟，負責對數據執行轉換功能。它從上游的管道接收數據，對數據進行處理，然後將轉換後的數據傳遞給下游的管道。

特點：

自包含：每個過濾器只專注於完成特定的任務。

模塊化：可以根據需要添加或移除過濾器以擴展功能。

4. 數據終點（Data Sink） 數據終點是管道的終點，負責接收處理後的數據並作爲應用的輸出結果。它是最終數據的 “消費者”，可以將結果輸出到文件、數據庫或其他外部系統。

舉個例子：圖像處理流水線

圖像處理系統，任務是對圖像進行一系列的順序處理，例如調整大小、應用圖像濾鏡（如銳化或模糊），然後將處理後的圖像保存到存儲中。

過濾器：

  1. 調整大小過濾器（Resize Filter）：將圖像調整爲指定的尺寸。

  2. 銳化過濾器（Sharpen Filter）：增強調整後圖像的清晰度。

  3. 模糊過濾器（Blur Filter）：對圖像應用模糊效果。

  4. 保存過濾器（Save Filter）：將最終處理的圖像保存到存儲中。

處理流水線：

  1. 輸入：原始圖像。

  2. 處理步驟：原始圖像 → 調整大小過濾器 → 銳化過濾器 → 模糊過濾器 → 保存過濾器 → 輸出圖像。

優勢：

  1. 性能：可以通過並行處理提升處理效率。

  2. 可擴展性：容易添加新過濾器或調整現有的處理流程。

  3. 可維護性：由於組件獨立，修改或替換某個過濾器不會影響整個系統。

管道與過濾器架構尤其適合數據密集型的應用場景，例如音視頻處理、日誌分析和數據流處理系統。

  1. 主從架構 Master-Slave Architecture =================================

主從架構是一種分佈式系統設計模式，其中一個節點（主節點，Master）控制一個或多個節點（從節點，Slave）以執行特定任務。主節點負責將工作負載分配給從節點，並協調其活動。從節點沒有與主節點同等的控制權，僅執行主節點分配的任務。

優勢：

  1. 高效的工作負載分配 主從架構的核心優勢在於能夠將工作負載高效地分佈到多個節點上。這種分佈式處理減少了單個節點的負載，確保系統能夠應對海量數據和高併發流量。

  2. 容錯性 主從架構還具有良好的容錯能力。如果一個從節點出現故障，主節點可以將該從節點的工作重新分配給其他正常工作的從節點。這種機制保證即使某些節點失效，系統仍能正常運行。

實際案例

1. Web 服務器負載均衡

主從架構在 Web 服務器集羣中的負載均衡是一個典型的應用場景。假設有多個 Web 服務器處理客戶端的 HTTP 請求，主節點（負載均衡器）負責將請求高效地分配給不同的從節點（Web 服務器）。

主節點（負載均衡器）：

  1. 接收來自客戶端的請求。

  2. 根據預定義規則（如輪詢、最小連接數等）決定哪個從節點（Web 服務器）處理請求。

  3. 將請求分配給對應的從節點。

從節點（Web 服務器）：

  1. 接收主節點分配的任務（如 HTTP 請求）。

  2. 獨立處理任務，並將結果（HTTP 響應）通過主節點返回給客戶端。

這種架構優化了 Web 服務器集羣的資源利用率，並增強了系統的可用性和擴展性。

2. 主從數據庫配置

隨着數據量的快速增長，數據的可訪問性、可讀性和備份成爲關鍵問題。主從架構同樣在數據庫系統中廣泛應用，典型場景是主從數據庫配置。

主數據庫（Master Database）：

  1. 負責所有寫操作（如插入、更新、刪除）。

  2. 將數據變更同步到從數據庫。

從數據庫（Slave Database）：

  1. 負責處理讀操作，爲主數據庫減輕負擔。

  2. 同時作爲主數據庫的備份，在主數據庫失效時可作爲容災恢復的解決方案。

這種主從數據庫配置不僅提高了數據庫系統的性能，還增強了數據的可靠性和可用性。

總結

主從架構通過主節點的集中控制實現了以下目標：

  1. 高效分佈：將任務分配到多個從節點，減少單點瓶頸。

  2. 容錯性：在部分節點失效的情況下，保持系統的正常運行。

  3. 擴展性：可以通過增加從節點來擴展系統處理能力。

無論是在 Web 服務器的負載均衡場景，還是在數據庫系統中，主從架構都提供了靈活且高效的解決方案，適用於需要高性能、高可靠性的分佈式系統。

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/DnSeaceVOdMWDBHDwS23sw

猜你喜歡