一体多面:哪有什么DO、BO、DTO,只不过是司空见惯的日常

1 分层疑问

无论DDD还是MVC模式构建项目,势必涉及到工程结构的分层,每一层由于定位不同,所以访问的对象也不同,那么对象在每一层传递时就会涉及到对象的转换,这时有人会产生以下疑问:

  • 对象种类多,增加理解成本
  • 对象之间转换,增加代码成本
  • 编写代码时有时不同层对象几乎一样

即使有这样的疑问,我也认为分层是必要的,所以本文我们尝试回答上述疑问。

2 通用分层模型

两种通用模型是MVC和DDD,我之前在文章《DDD理论建模与实现全流程》也详细讨论DDD建模和落地全流程,本文只涉及对象的讨论,所以会对模型有所简化。

2.1 模型分类

  • 数据对象:DO(data object)
  • 业务对象:BO(business object)
  • 视图对象:VO(view object)
  • 数据传输对象:DTO(data transfer object)
  • 领域对象:DMO(domain object)
  • 聚合对象:AGG(aggregation)

2.2 MVC

MVC模型总体分为三层:

  • 持久层(persistence)
  • 业务层(business)
  • 表现层(presentation/client)

每一层使用对象:

  • 持久层
    • 输入对象:DO
    • 输出对象:DO
  • 业务层
    • 输入对象:BO
    • 输出对象:BO
  • 表现层
    • 输入对象:VO/DTO
    • 输出对象:VO/DTO

2.3 DDD

DDD模型总体分为四层:

  • 基础设施层(infrastructure)
  • 领域层(domain)
  • 应用层(application)
  • 外部访问层(presentation/client)

每一层使用对象:

  • 基础设施层
    • 输入对象:DO
    • 输出对象:DO
  • 领域层
    • 输入对象:DMO
    • 输出对象:DMO
  • 应用层
    • 输入对象:AGG
    • 输出对象:DTO
  • 外部访问层
    • 输入对象:VO/DTO
    • 输出对象:VO/DTO

3 生活实例

这些对象看起来比较复杂,理解成本很高,好像是为了分层硬造出来的概念。其实不然,这些对象在生活中司空见惯,只不过大家并没有觉察。我们设想有一家三口,小明、小明爸爸和小明妈妈,看看这些对象是怎么应用在生活中的。

3.1 MVC

3.1.1 数据对象(DO)

数据对象作用是直接持久化至数据库,是最本质的一种对象,这就像小明在卧室中穿着背心睡觉,这接近于人最本质的一种状态,小明此时是一种数据对象。

3.1.2 业务对象(BO)

小明起床走出卧室,这时小明就不仅仅是他自己了,他还多了很多身份,例如儿子、学生、足球队队员,不同身份输入和输出信息是不一样的。作为儿子要回应家长的要求,作为学生要回应老师的要求,作为足球队员要回应教练的要求。作为小明从数据对象,在不同的身份场景中变成了不同的业务对象。

3.1.3 视图对象/数据传输对象(VO/DTO)

小明吃完早饭准备去上学,但是嘴角粘上了饭粒,出门前要把饭粒擦掉。数据传输对象需要注意简洁性和安全新,最重要的是只携带必要信息,而不应该携带不必须要信息,所以此时小明变成了视图对象。

3.2 DDD

3.2.1 领域对象(DMO)

领域对象要做到领域完备,从本质上来说与业务对象相同,但是通常使用充血模型,业务对象通常使用贫血模型。

3.2.2 聚合对象(AGG)

学校要开家长会要求小明、小明妈妈和小明爸爸全部参加,其中小明负责大扫除,小明妈妈负责出黑板报,小明爸爸负责教小朋友们踢足球。此时学校和家长联系时是以家庭为单位的,家庭就是聚合对象。

4 一体多面

通过上述实例我们看到,即使是同一个自然人,在不同的场景下也有不同的身份,不同的身份对他的要求是不同的,输入和输出也是不同的。这就是一体多面。

同理对于同一个对象,即使其在数据库只有一条数据,但是由于场景的不同,输入和输出也是不同的,所以有了各种看似复杂的对象。我们再回看上面三个问题,可以尝试给出本文的答案:

对象种类多,增加理解成本:这是必须要付出的成本,小明不能嘴角挂着饭粒去上学

对象之间转换,增加代码成本:这是必须要付出的成本,不同角色切换时必须要付出切换成本,小明不能用回应足球队教练的输出回应老师或者老师,这是截然不同的角色

编写代码时有时不同层对象属性几乎一样:小明作为一个自然人,他自身固有特性也是相同的,所以表现在对象上是很多属性是一致的。但是不同的角色是有不同要求的,所以为了一些细微的差别,也是要新增对象的,这是必要的代价

相关推荐
Gopher_HBo4 小时前
Go CPU 剖析的"地基":信号、CAS、写屏障、无锁环形缓冲
后端
panbook4 小时前
从0到1实现一个分布式时序数据库(二):写入成功之后,如何用 WAL 找回数据
后端
Dawson Zhu4 小时前
【LLM推理与Serving⑪】MoE推理与MLA:DeepSeek-V3架构下的显存与通信权衡
人工智能·语言模型·架构·aigc·agi
Swot5 小时前
上传一张 4MB 图片,我先后撞上了三层请求体限制
后端
IT_陈寒5 小时前
Vite的HMR把我整不会了:一个生产环境的热更新坑
前端·人工智能·后端
OLRainM5 小时前
实习复盘:大模型网关渠道质量评分实战(二)—— 报错了到底算谁的锅?流式归因与 Token 补账踩过的 8 个真坑
后端
梦想恒远5 小时前
Spring Boot + LangChain4j 统计 token 成本:ChatModelListener 实测与单价口径
spring boot·后端
努力的小郑6 小时前
数据查到了,回答去哪儿了?一次百炼 + LangChain 排查实录
后端·langchain·agent
isfox7 小时前
Python 虚拟环境:别再把所有项目塞进一个"大仓库"了
后端
易师傅7 小时前
技术面试已死?AI 时代,真正拉开程序员差距的是什么?
前端·后端·程序员