一、基本介绍
我们都知道,开发业务项目离不开数据库操作组件的使用,数据库是绝大部分业务项目的核心,这也是”CRUD工程师”戏称的由来。业务项目在进行数据库操作时,比较low
的方式是直接Open/New
然后各种SQL
字符串操作一把梭。稍微正常一点的项目可能会考虑物色或者自己封装一层ORM抽象,提高CRUD效率,降低数据操作风险。再严谨一点的项目可能会在项目工程管理上考虑下,再进一步增加DAO/DTO/VO
之类的设计模式和概念。
信息时代,数据是十分重要的,数据操作是十分敏感的,因此GoFrame
框架对于数据操作管理的工程化思路是严谨的。我们提供了必要的ORM抽象、必要的DAO封装、必要的工程化规范约束。同时,我们并不会采用八股文设计,而是依旧保持简便、灵活、易扩展的工程设计思路。
二、工程化痛点
在一些严谨的业务项目中,已经有了ORM&DAO
抽象、并且项目已有初步工程化设计的前提,依旧存在以下常见的痛点。
1、数据集合与代码结构不同步
当在代码中手动维护数据集合对应的数据结构时,这个坑就算挖好了,就看后面谁掉进去了。
2、数据模型与业务模型模糊不清
混淆了数据模型与业务的职责,并将数据模型与业务逻辑、接口定义形成了耦合,耦合越大,相关方法、接口维护的成本越高,对数据模型改动产生的风险也越大。常见痛点:
- 在
model
中既有业务相关的数据结构(业务模型),又有数据集合对应的数据结构(数据模型),如何高效隔离和管理呢? - 在业务流程中,将数据模型当做业务流程的输入参数使用。甚至,将数据模型直接嵌入到API接口输入数据结构定义中(总是想法设法将数据模型用到业务模型中)。
3、DAO层沉淀太多的业务逻辑封装
您是否有一种感觉,只要是数据操作,都有理由往DAO
里面丢?
4、将数据模型作为ORM/DAO操作的参数
您有可能认为这么做是对的,但是不明确的数据结构都意味着成本和风险。任何的操作,都应当能够明确输入/输出,否则都是不严谨的,对待数据的操作尤其应当严谨。
5、数据操作权限开放,项目任何地方都可以随意调用
数据的操作权限应当尽可能收口,如果过于开放那么当业务及人员复杂之后,项目的维护成本和风险都会曲线增加。
6、从顶层业务到底层数据集合操作,通篇使用同一个数据结构
常见的问题,是设计一个大的结构体,例如数据模型(更有甚者,将属性全部设计为指针或者interface{}
),从顶层业务到底层数据操作层层透传,方法逻辑根据是否输入特定的属性来判断传参。会造成什么问题呢:
- 方法参数定义不明确,不明确的定义意味着会增加额外的协作成本,额外的不明确风险
- 同一数据结构与多数方法形成耦合,数据结构的任一变动将会影响所有相关方法
- 相关方法无法充分复用(特别是
service
层的方法)
三、工程化改进
1、自动化的数据模型管理
通过工具自动化实现数据集合到数据模型的代码生成,避免人工维护造成的不同步。
2、数据与业务模型的隔离
将数据模型通过entity
包维护,业务模型通过model
包维护,通过不同的包职责来做区分。数据模型由工具化维护,业务模型根据业务场景由开发者定义和维护。
3、自动化的DAO代码管理
通过工具自动化实现数据集合的DAO
代码生成,提高生产效率。DAO
中只有自动化生成的基础数据操作,不封装特定业务逻辑。
4、DO数据转换模型的引入
避免数据模型直接被当做DAO
参数使用,避免踩坑。GoFrame
框架引入了DO
包,在DAO
操作时自动化转换为数据集合对应的数据结构,提高DAO
操作的效率,降低操作风险。
5、对数据操作权限进行收口
由于数据操作已经由DAO
包进行了统一维护,通过将DAO
包迁移到了Service
层的internal
目录下,实现项目工程下仅仅只有Service
层的代码可以通过DAO
执行数据操作。
该特性作为工具的可选项供开发者配置使用。