领域驱动设计(DDD)【27】之CQRS四个层面的策略
文章目录
- 一 案例情景引入
- 二 代码结构分离
- 三 数据库结构分离
- 四 应用服务分离
- 五 数据库实例分离
- 六 各种策略的组合
- CQRS（Command Query Responsibility Segregation，命令查询职责分离）是一种架构模式，它的核心思想是将系统的**写操作（命令）和读操作（查询）**分离，使用不同的模型来处理。
为了实现命令而进行的查询是不会绕过领域模型的。比如说，修改员工信息，相应的应用服务可以经过后面这四个步骤：
- 第一步，把这个员工聚合从数据库里查询出来。（为了实现命令而进行的查询）
- 第二步，进行校验，看看是否符合修改的条件。
- 第三步，在内存中对员工聚合进行修改。
- 第四步，把修改的员工聚合存回数据库。
第一步中的查询一般仍然要在命令处理器内部完成，而不是在查询处理器中完成。因为这种查询的目的就是查出领域对象，然后进一步执行领域逻辑。而查询模型中的表结构可能已经按照查询的要求进行了反规范化，返回结果也是 DTO 而不是领域对象，这时候，转换回领域模型反而会更麻烦。
- 从另一个角度来理解。CQRS 中的 Q（查询），指的其实是来自客户端的意图。也就是说，客户端的目的就是查询，才算是 CQRS 里的 Q，如果客户端的目的是增、删、改，在这个过程中发生的查询，一般不算是 CQRS 里的 Q。
一 案例情景引入
- 假设项目需求：给定一个工时项，要求查询出这个工时项下的所有工时记录，并显示在屏幕上。要求每条返回记录的字段包括“员工号”“员工姓名”“日期”“工时”和“备注”，并根据员工号和日期升序排序。
- EffortRecordService（工时记录服务）中的方法会接收一个 EffortItemID（工时项 ID），最后返回一个含有所需数据的列表。每一条数据记录封装在名为 EmpEffortRecordDto 的 DTO 里。具体分为三步：
- 第一步，EffortRecordService（工时记录服务）会调用 EffortRecordRepository，根据工时项ID取得一堆 EffortRecord （工时记录）实体。
- 第二步，再根据每个工时记录实体中的员工ID，调用 EmpRepository ，为每个工时记录取得相应的员工实体。这里要注意避免对同一个员工实体重复查询数据库。
- 第三步，把所有工时记录和对应的员工实体信息拼成相应的 EmpEffortRecordDto ，排序后组装成列表返回。
- 这样做带来的问题：程序编写复杂和程序性能问题。
- 要回答这个问题，首先要考虑一下为什么之前的逻辑要经过领域模型。其中主要原因是，如果绕过领域模型，领域逻辑和数据就可能分散，无法保证数据的完整和一致性，程序也将很难理解和维护。对于增、删、改这样的逻辑，符合原来的设计。但是，查询的逻辑并不会改变数据，所以并不会造成数据的不完整和不一致。
- 因此，Greg Young把增、删、改功能称为 Command（命令），把查询称为 Query，这两种功能的职责不同，应该采用不同的方式来处理，因此叫做“命令查询职责分离”（Command Query Responsibility Segregation ），简称 CQRS。我们可以先粗放一点来理解CQRS，一共是两条规则：
- 命令要走领域模型。
- 查询不走领域模型，直接用 SQL 和 DTO。
接下来，我们从代码结构、数据库结构、应用服务、数据库实例四个层面来看待CQRS。
二 代码结构分离
- 第一个层面是代码结构的分离。代码结构的分离，是最简单的 CQRS，多数采用了DDD 分层架构的程序都可以尝试使用。
- 代码分成两个包包括command processor（命令处理器）和 query processor（查询处理器）。命令处理器采用的就是之前基于领域模型的分层架构。查询处理器，里面没有领域层，也没有领域对象，直接用 EmpEffortRecordDto 来表示数据。应用服务调用仓库，仓库里用 SQL 语句进行连表查询，得到的数据直接填到 DTO 里。应用服务可能还要对DTO再做少许加工直接返回。
- 由于 EmpEffortRecordDto 表示的是要查询的数据的结构，所以，也有人把由这些对象组成的模型称为“查询模型”（query model）或者“读模型”（read model）。
三 数据库结构分离
- 前面的程序里SQL 用连表查询，可能造成性能问题。本质原因是，程序里的查询模型和物理数据模型（数据库里表结构）不一致。数据库表结构是根据领域模型，而不是查询模型设计的。从物理数据模型到程序中的查询模型的转换，是通过 SQL完成的。而这种转换需要表连接，可能造成性能问题。
- 一种解决思路是为查询单独创建一套表，采用“反规范化设计”（引入冗余字段），使表结构和查询模型吻合，从而避免或减少表连接。
- 数据库表分成两套——命令模型（command model）和查询模型（query model），分别由命令处理器和查询处理器访问。其中命令模型中的表是根据领域模型设计，查询模型部分的表就是根据查询需求进行了反规范化设计。
- 命令处理器对命令模型里的表进行操作后，要把数据同步给查询模型，如，命令模型中的仓库同时写两边的数据表，或者使用触发器，还可以用同步或异步的事件驱动机制。
四 应用服务分离
- 在之前的两种策略中，程序仍然在同一个微服务，数据库也只有一个实例。但是，当遇到更高
的并发性能需求时，就要需要分布式程序和数据库，可以考虑应用服务分离、数据库实例分离策略解决问题。
- 项目需求在采用应用服务分离后的架构图：
- 命令处理器和查询处理器原来是在同一个微服务中的，现在拆成到两个微服务中。两个服务的可伸缩性可以不同，如负责处理命令的微服务可以部署在 5 个容器里，而负责处理查询的微服务部署在 10 个容器里。
- 应用服务分离策略的好处是容易横向扩展，代价则是微服务的数量增加了，相应的运维和治理成本也就随之增加。
五 数据库实例分离
- 在上面的例子里微服务分开了，但是数据库实例并没有分开。虽然通过微服务的横向扩展，可以解决由于应用程序造成的性能瓶颈，但是如果性能瓶颈是由数据库引发的，那么拆分微服务的策略就无法解决问题。这时候，可以考虑“数据库实例分离”策略。
- 数据库实例分离的架构图：
- 这种策略把数据库实例也分成两个，分别用于命令和查询两种数据模型。
- 数据库之间用“变更数据捕获”（change data capture, 简称 CDC）机制来同步。目前有多种开源或商业的方案可以选择。多数方案的原理都是由命令模型的数据库日志的变化来触发，然后同步到查询模型的数据库。
- 同时也可以在应用程序层面同步数据。
六 各种策略的组合
- CQRS 四个层面的策略，分别是代码结构分离、数据库结构分离、应用服务分离、数据库实例分离。其中，代码结构分离是其他几种策略的基础，对于 CQRS 是必选的，而其他三种策略都是可选的。
- 由于一共3种可选策略，每种都有使用和不使用两种选择，所以一共就可以有 8 种组合。它们各自的优缺点如下：
| 应用服务分离 | 数据库结构分离 | 数据库实例分离 | 主要优点 | 主要缺点 |
|---|---|---|---|---|
| ✖️ | ✖️ | ✖️ | 📌 实现简单 | ❌ 不容易通过横向扩展解决性能问题 |
| ✖️ | ✖️ | ✔️ | 📌 可通过横向扩展数据库实例，解决性能问题 | ❌ 数据同步比较复杂 ❌ 程序横向扩展成本较高 ❌ 连表查询仍可能影响性能 |
| ✖️ | ✔️ | ✖️ | 📌 通过减少表连接，解决性能问题 | ❌ 不容易通过横向扩展数据库解决性能问题 ❌ 表结构的转换逻辑比较复杂 |
| ✖️ | ✔️ | ✔️ | 📌 可通过横向扩展数据库解决性能问题 📌 通过减少表连接，解决性能问题 | ❌ 程序横向扩展成本较高 ❌ 表结构的转换逻辑比较复杂 |
| ✔️ | ✖️ | ✖️ | 📌 容易通过横向扩展程序解决性能问题 | ❌ 微服务运维成本高 ❌ 不容易通过横向扩展数据库解决性能问题 ❌ 连表查询仍可能影响性能 |
| ✔️ | ✖️ | ✔️ | 📌 容易通过横向扩展程序解决性能问题 📌 可通过横向扩展数据库实例，解决性能问题 | ❌ 微服务运维成本高 ❌ 连表查询仍可能影响性能 ❌ 数据同步比较复杂 |
| ✔️ | ✔️ | ✖️ | 📌 容易通过横向扩展程序解决性能问题 📌 通过减少表连接，解决性能问题 | ❌ 微服务运维成本高 ❌ 不容易通过横向扩展数据库解决性能问题 |
| ✔️ | ✔️ | ✔️ | 📌 容易通过横向扩展程序和数据库解决性能问题 📌 通过减少表连接，解决性能问题 | ❌ 微服务运维成本高 ❌ 数据同步比较复杂 |