“數據密集型系統”越來越多的應用程序有著各種嚴格而廣泛的要求，單個工具不足以滿足所有的數據處理和存儲需求。取而代之的是，總體工作被拆分成一系列能被單個工具高效完成的任務，并通過應用代碼將它們縫合起來，通過 API 的方式，對外提供服務，屏蔽內部的復雜性。
在日常工作中，你是否也遇到過下面幾種情況：
- 使用一個已有接口進行業務開發，上線后出現嚴重的性能問題，被老板當眾質疑：“你為什么不使用緩存接口，這個接口全部走數據庫，這怎么能抗住！”
- 開發一個后臺管理功能，業務反饋說數據一直不對，對比后發現緩存與數據庫不一致，為什么要使用緩存接口呢，你陷入沉思？
- 產品要求在 xxx 上增加新功能，編碼、測試、上線一氣呵成，最后發現另外一個流程被躺槍，出現異常不得不進行回滾！
- 在一個高并發的場景，DB 成為了系統瓶頸，不加索引查詢扛不住，加索引更新扛不住，又該如何處理？
- 隨著數據量的激增，系統變得越來越慢，特別是后臺管理復雜的查詢場景下，復雜的 Join 讓 DB 不堪重負
- ……
為什么會出現這種現象？其本質仍舊是代碼組織結構不合理，我們將不同的復雜性揉在一起，從而造成了更大的復雜性，然后如此往復，不知不覺中陷入巨大的復雜性旋渦不可自拔。
1. CQRS 是什么？
CQRS 是 Command Query Responsibility Segregation 得簡稱，簡單理解就是對 “寫”（Command） 和 “讀” （Query）操作進行分離。反應快的同學會說：“也不是什么高深技術嗎，不就是數據庫的讀寫分離嗎？”
是的，數據庫的讀寫分離也算是一種 CQRS，但 CQRS 的含義要比這復雜的多。
CRQS 既是一種流行的業務架構，又是一種設計思維。
CQRS 的核心是“拆分”，將復雜系統拆分為 Command 和 Query 兩個部分，針對不同的場景使用不同的模式，選擇最合適的技術落地最佳解決方案，避免兩者相互掣肘相互影響。
CQRS的目的是降低整個系統的復雜性，那它背后的邏輯是什么？
假設，在一個系統中：
- Command 的復雜性為 M
- Query 的復雜性為 N
如果使用同一套模型來處理 Command 和 Query，那在極端情況下，系統的復雜性為 M * N，因為兩者相互影響，調整一方的同時要時刻關注對另一方的影響。
這種“你中有我，我中有你”的設計方式，“兩者的相互影響”成為系統最為復雜之處，大量精力消耗在“排查影響”，而非最有價值的設計和編碼。
如果，將 Command 和 Query 徹底分離，系統的復雜性變成 M + N。Command 的變更不會影響 Query，而 Query 的修改也不會影響 Command。
當然，以上兩個極端在實際工作中也很少見，通常系統的復雜性介于兩者之間。
這只是從理論進行推導，在實際工作中隨處可見的“沖突”也是對“拆分”的一種暗示。
2. 分層架構中的沖突
以最常見的分層架構進行介紹，具體如下：
如圖所示，將系統分成5層，每層的含義如下：
- Web 接入層。主要用于處理系統輸入，對輸入信息進行驗證，調用應用服務完成業務操作，對結果進行轉換，最終返回給調用方；
- 應用服務層。主要處理業務流程編排，從倉庫中獲取領域對象，執行領域模型的業務操作，將最新的對象狀態通過倉庫同步到數據存儲引擎，并對外發布領域事件；
- 領域層。業務邏輯的承載點，是業務價值的集中體現，通常構建于面向對象設計之上，基于封裝、繼承、多態等特性保障業務邏輯的復用性和擴展性；
- 倉庫層。主要用于數據訪問，向上為應用服務提供數據操作服務，向下屏蔽各類存儲引擎的差異；
- 數據層。主要用于數據保存和檢索，常見的數據存儲引擎全部屬于這一層，比如 MySQL、redis、ES 等；
其實，分層架構本身也是一種“拆分”，將不同的關注點封裝在不同的層次。但除了橫向分層，還可以基于 CQRS 對其進行縱向拆分，也就是將每個層的組件拆分為 Command 和 Query 兩部分。
由于接入層沖突較小，本身拆分的意義不大，在此不做要求，但從嚴格意義上講，仍舊建議進行拆分。
3. 應用服務層沖突與拆分
應用服務層拆分就是將一個應用服務拆分為 CommandService 和 QueryService 兩組。
這樣做可以避免很多不必要的麻煩，Command 和 Query 存在較大的區別，具體如下：
|
|
CommandService |
QueryService |
|
依賴組件不同 |
ValidateService 驗證服務；LazyLoaderFactory 延遲加載服務；CommandRepository 不帶緩存的倉庫；EventPublisher 事件發表器 |
QueryRepository 帶緩存功能的倉庫；JoinService 數據聚合服務；Converter 數據轉換服務 |
|
核心流程不同 |
驗證、加載、業務操作、同步、發布事件 |
驗證、加載、數據組裝、轉換 |
|
功能加強不同 |
主要是事務管理器 |
主要是緩存組件 |
回想開篇時提到的場景，完成應用層拆分，就不在為使用錯組件而煩惱：
- CommandService 的 Repository 不使用緩存，僅操作數據庫
- QueryService 的 Repository 可以使用緩存，以提升訪問性能
除此之外，針對統一的操作流程，還可以進一步抽象來消除重復的“模板代碼”，比如：
- 引入“模板方法設計模式” 以達到核心邏輯的復用
抽象出 BaseCommandService 和 BaseQueryService 兩個父類用于統一核心流程
子類實現 BaseCommandService 和 BaseQueryService 的抽象方法完成功能擴展
- 基于“約定優于配置” 使用 Proxy 模型，只定義接口不寫實現代碼
- 按規范定義 CommandService 和 QueryService 接口，通過注解完成相關配置
- 自動生成 Proxy 實現類，完成流程編排
4. 模型層沖突與拆分
模型層是系統的核心，它的設計直接影響整個系統的質量。作為承接業務邏輯的核心，比較流程的實現策略包括：
- DDD 領域驅動設計，其核心是使用面向對象的高級特性（封裝、繼承、多態、組合等）來進行設計，非常適合復雜的業務場景。其體現就是存在很多高內聚低耦合的對象組（聚合根），業務邏輯由這些小對象相互協作共同完成；
- 事務腳本，使用過程式思維，將數據操作編織到流程中，比較適合并不復雜的業務場景。其體現就是存在很多“上帝 Service”，Service 中存在很多非常長的方法，業務邏輯由這些方法完成；
關于哪個才是最優解，網上已經爭論多年，最終也沒有結論。但我始終認為“沒有業務場景就討論方案，就是在耍流氓”。
從不同應用場景出發便可得到如下結論：
- Command 場景需要保障嚴謹的業務邏輯，通常復雜性偏高，所以DDD 是最優解
- Query 場景需要更靈活的數據組裝能力作為支持，通常比較簡單，所以 事務腳本 是最優解
我經常說：“最簡單的“寫”也是復雜，最復雜的“讀”也是簡單”，其背后邏輯是基于對 Command 和 Query 的場景判斷。
將模型拆分為 Command 和 Query，具體如下：
完成模型拆分后，新模型具有以下特征：
- Agg 也就是 DDD 中聚合根，主要用于處理復雜的 Command 邏輯，由具有大量業務操作的"富對象"構成；
- View 是標準的 POJO，主要充當 Query 結果對象，典型的“貧血對象”，僅作為數據的載體，根據展示需求對數據進行組裝；
- View 沒有自己的 Repository，只能依賴 CommandRepository 獲取數據，Converter 組件負責將 Agg 模型轉換為 View 模型；
這塊是拆分的重點，為了方便理解，簡單舉個例子：
比如在電商的訂單模塊：
- 生單流程，由 Order 作為聚合根對內部 OrderItem 和 PayInfo 進行統一協調
- 訂單列表頁，只需展示 Order 和 User 信息
- 訂單詳情，需要展示Order、User、Address、OrderItem、PayInfo、Product等信息
如果讓一個模型同時支持著三個場景，那模型自己就變的非常復雜，很難判斷某個方法、某個字段究竟屬于哪個場景。
此時，應該根據場景對模型進行拆分：
- OrderBO 以 DDD 方式進行建模，對外提供統一的業務操作，對內協調 OrderItem 和 PayInfo 等多個實體對象；
- OrderListVO 以 POJO 方式進行建模，屬性中包含 Order 和 User 信息；
- OrderDetailVO 以 POJO 方式進行建模，屬性中包括 Order、User、Address、OrderItem、PayInfo、Product 等信息；
三個模型相互獨立，互不影響。
當然，由于使用統一的 Repository 還需提供對應 VO 的 Converter：
- OrderListVOConverter 將 OrderBO 轉換為 OrderListVO 對象
- OrderDetailVOConverter 將 OrderBO 轉化為 OrderDetailVO 對象
5. 倉庫層沖突與拆分
倉庫層拆分也是非常有必要的，在這一層主要有幾項沖突：
|
|
CommandRepository |
QueryRepository |
|
底層實現不同 |
主要基于 DB 實現 |
基于 DB、Redis、ES 等多種存儲引擎 |
|
方法復雜性不同 |
提供僅有的少量方法并足以支持大多數場景，比如 save、update、getById 等 |
根據業務場景進行定制，方法多種多樣（單條、批量、分頁、排序、統計等），維度多種多樣（id、user、status） |
|
返回值不同 |
直接返回裝配完整的富對象 |
根據業務場景定制返回值 |
倉庫拆分后整體架構如下：
倉庫拆分具有以下特點：
- View 不在需要 Converter 組件完成數據轉換
- View 的數據來自于自己的 Repository，可以根據展示需求進行靈活定制
- Command 和 Query 仍舊使用同一套數據庫、同一套數據表
6. 數據層沖突與拆分
數據層拆分是最重要的拆分，提到分離第一反應也是“數據庫主從分離”。
數據層拆分的本質是：各種數據存儲引擎的最佳應用場景相差巨大，讀 和 寫 優化往往存在矛盾。
仍舊以最常見的數據庫為例：
- 提升查詢性能，建議為各種查詢維度建立索引
- 提升寫入性能，需要讓表上的索引越來越少
- 為了加速更新性能，建議使用三范式設計表結構，減少冗余信息
- 為了加速查詢性能，建議使用反范式設計，盡量冗余數據，避免數據表間的 Join 操作
魚和熊掌不可兼得，在數據庫層展示的淋漓盡致！
數據層拆分后架構如下：
該模型具有以下特點：
- 數據存儲進行了徹底拆分；Command 和 Query 都可以靈活的選擇最合適的存儲引擎；
- Command 與 Query 需要引入一套同步機制以完成兩者的數據同步，常見的同步機制有：
工作在應用層基于領域事件的數據同步，如圖所示
工作在數據層基于log的數據同步，如 MySQL 的主從同步、Canal2XX 等
數據層拆分是大型系統最終的歸宿，仍舊以訂單系統為例：
- 訂單作為一致性要求極高的系統，Command 側首選仍舊為具有 ACID 的關系型數據庫，哪怕是分庫分表底層存儲仍舊不變；
- 為了滿足高性能查詢需求，需要在 Query 側引入 Redis 作為分布式緩存對訪問進行加速；
- 為了滿足后臺復雜且多維度的業務查詢，需要在 Query 側引入 ES 為全文檢索進行加速；
- 為了滿足各種實時報表需求，需要在 Query 側引入 TiDB 以滿足海量數據的實時檢索；
這就是我們面臨的現狀：“數據密集型系統”越來越多的應用程序有著各種嚴格而廣泛的要求，單個工具不足以滿足所有的數據處理和存儲需求。取而代之的是，總體工作被拆分成一系列能被單個工具高效完成的任務，并通過應用代碼將它們縫合起來，通過 API 的方式，對外提供服務，屏蔽內部的復雜性。
7. 小結
“拆分”是“分離關注點”的重要手段之一。拆分的目的是將問題進行歸類，然后采取有針對性的手段更好的解決問題。
CQRS 作為一種架構，將業務系統不同部分進行歸類，接下來需要為 Command 和 Query 尋找最優解決方案：
- Command，以 DDD 作為理論基礎將戰術模型中最佳實戰進行落地，包括
聚合設計
倉庫設計
LazyLoad + Context 模式
業務驗證
領域事件
…
- Query，以數據檢索和組裝作為核心能力，設計留給開發人員，實現留給框架，包括
- QueryObject 查詢對象模式
- 內存 Join 模式
- 寬表&冗余表模式
