


Comment faire la distinction entre la logique métier et la logique non commerciale dans le développement back-end et effectuer une conception en couches raisonnable?
Apr 19, 2025 pm 08:45 PMArchitecture hiérarchique arrière: limites claires entre la logique métier et la logique non commerciale
Dans le développement back-end, les architectures courantes à trois niveaux de Controller, Service et DAO ne sont pas toujours assez claires. Cet article explique comment distinguer efficacement la logique métier et la logique non commerciale dans les couches de service et de DAO, et même après avoir introduit la couche de gestionnaire, afin de créer une conception en couches plus raisonnable.
Définition entre la logique métier et la logique non commerciale
La logique métier relie directement les exigences de l'entreprise, bien que la logique des affaires ne soit pas responsable des opérations sous-jacentes, telles que l'accès aux données, la vérification des données, etc. Les frontières floues entre les deux conduisent souvent à la confusion dans le code.
-
Encapsulation des opérations de données: par exemple,
UserManager.delete()
etDepartmentManager.delete()
peuvent gérer la suppression associée deUserDeptModel
en même temps. Il s'agit d'une logique non commerciale car elle se concentre sur la cohérence des données plut?t que sur le processus métier lui-même. Exemple de code:classe Usermanager: def delete (self, user_id): self.user_dao.delete (user_id) self.user_dept_dao.delete_by_user_id (user_id) Département de département de classe: def delete (self, Dept_id): self.dept_dao.delete (Dept_id) self.user_dept_dao.delete_by_dept_id (Dept_id)
-
Traitement de la sécurité des données: le salage de mot de passe et d'autres opérations sont généralement effectués sur DAO ou la couche Manager, car il s'agit d'un mécanisme de protection des données, et non de la logique métier. Exemple de code (Python avec une fonction
salt
hypothétique):Classe UserDao: Def Save (self, utilisateur): user.password = self.salt (user.password) # ... Enregistrer l'utilisateur dans la base de données ... Def Salt (soi, mot de passe): # ... Logique de salting de mot de passe ... retourner Salted_password
Méthode DAO Méthode de dénomination Spécification: les noms de méthode de couche DAO doivent éviter d'inclure des significations commerciales. Par exemple,
get_super_user()
n'est pas aussi clair queget_user_by_type("super")
.Encapsulation des appels de service externe: si le backend dépend des services externes, ces appels doivent être encapsulés sur la couche DAO, pas la couche de service, car il s'agit d'accès aux données, pas de logique métier.
Simuler la fonction de filtre Django
Dans Python, s'il n'y a pas de cadre d'injection de dépendance, la moquerie du filtre Django nécessite du traitement des paramètres de la demande au niveau de la couche DAO et de leur passage de couche par couche. Le framework Spring de Java simplifie ce processus.
Entité de données et relation de hiérarchie
Le contr?leur, le service et le DAO ne correspondent pas un par un. Leurs responsabilités sont les suivantes:
- Contr?leur: Entrée du système, réception et demandes de traitement, en le gardant léger.
- Service: la couche de traitement de la logique métier principale est relativement complexe.
- DAO: La couche d'accès aux données n'est responsable que de l'interaction des données et n'inclut pas la logique métier.
Par exemple, "Créer un utilisateur": la couche de service effectue "Vérifiez si le nom d'utilisateur est dupliqué" et "Créer un utilisateur"; La couche DAO fournit des "utilisateurs de requête en fonction du nom d'utilisateur" et des méthodes "Enregistrer les utilisateurs".
En distinguant clairement la logique commerciale de la logique non commerciale et en suivant une conception en couches raisonnable, la maintenabilité et l'évolutivité du code peuvent être améliorées.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undress AI Tool
Images de déshabillage gratuites

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Clothoff.io
Dissolvant de vêtements AI

Video Face Swap
échangez les visages dans n'importe quelle vidéo sans effort grace à notre outil d'échange de visage AI entièrement gratuit?!

Article chaud

Outils chauds

Bloc-notes++7.3.1
éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Sujets chauds

Le polymorphisme est un concept de base dans la programmation orientée objet Python, se référant à "une interface, plusieurs implémentations", permettant le traitement unifié de différents types d'objets. 1. Le polymorphisme est implémenté par la réécriture de la méthode. Les sous-classes peuvent redéfinir les méthodes de classe parent. Par exemple, la méthode Spoke () de classe animale a des implémentations différentes dans les sous-classes de chiens et de chats. 2. Les utilisations pratiques du polymorphisme comprennent la simplification de la structure du code et l'amélioration de l'évolutivité, tels que l'appel de la méthode Draw () uniformément dans le programme de dessin graphique, ou la gestion du comportement commun des différents personnages dans le développement de jeux. 3. Le polymorphisme de l'implémentation de Python doit satisfaire: la classe parent définit une méthode, et la classe enfant remplace la méthode, mais ne nécessite pas l'héritage de la même classe parent. Tant que l'objet implémente la même méthode, c'est ce qu'on appelle le "type de canard". 4. Les choses à noter incluent la maintenance

Le marché des actifs numériques attire l'attention mondiale avec sa grande volatilité. Dans cet environnement, comment capturer régulièrement les rendements est devenu l'objectif poursuivi par d'innombrables participants. Le trading quantitatif, avec sa dépendance à l'égard des données et des caractéristiques axés sur les algorithmes, devient un outil puissant pour faire face aux défis du marché. Surtout en 2025, ce n?ud temporel plein de possibilités infinies est combinée avec le puissant langage de programmation Python pour construire une stratégie automatisée de "déménagement", c'est-à-dire pour utiliser les minuscules écarts de prix entre différentes plates-formes de trading pour l'arbitrage, ce qui est considéré comme un moyen potentiel de réaliser des bénéfices efficaces et stables.

Une méthode de classe est une méthode définie dans Python via le décorateur @classMethod. Son premier paramètre est la classe elle-même (CLS), qui est utilisée pour accéder ou modifier l'état de classe. Il peut être appelé via une classe ou une instance, qui affecte la classe entière plut?t que par une instance spécifique; Par exemple, dans la classe de personne, la méthode show_count () compte le nombre d'objets créés; Lorsque vous définissez une méthode de classe, vous devez utiliser le décorateur @classMethod et nommer le premier paramètre CLS, tel que la méthode Change_var (new_value) pour modifier les variables de classe; La méthode de classe est différente de la méthode d'instance (auto-paramètre) et de la méthode statique (pas de paramètres automatiques), et convient aux méthodes d'usine, aux constructeurs alternatifs et à la gestion des variables de classe. Les utilisations courantes incluent:

GolangoffersSuperiorPerformance, nativeConcaunternandViagoroutines, and efficaceResourceUsage, faisant la provision de la trafic, low-lantentencyapis; 2.python, tandis que la locosystème de lavel

Les paramètres sont des espaces réservés lors de la définition d'une fonction, tandis que les arguments sont des valeurs spécifiques transmises lors de l'appel. 1. Les paramètres de position doivent être passés dans l'ordre, et l'ordre incorrect entra?nera des erreurs dans le résultat; 2. Les paramètres de mots clés sont spécifiés par les noms de paramètres, qui peuvent modifier l'ordre et améliorer la lisibilité; 3. Les valeurs de paramètres par défaut sont attribuées lorsqu'elles sont définies pour éviter le code en double, mais les objets variables doivent être évités comme valeurs par défaut; 4. Les args et * kwargs peuvent gérer le nombre incertain de paramètres et conviennent aux interfaces générales ou aux décorateurs, mais doivent être utilisées avec prudence pour maintenir la lisibilité.

TointegrategolangServices withexistingpythoninfrastructure, userestapisorgrpcForInter-Servicecommunication, permettant à la perfection

Le mécanisme de collecte des ordures de Python gère automatiquement la mémoire grace à un comptage de référence et à la collecte périodique des ordures. Sa méthode principale est le comptage de référence, qui libère immédiatement la mémoire lorsque le nombre de références d'un objet est nul; Mais il ne peut pas gérer les références circulaires, donc un module de collecte d'ordures (GC) est introduit pour détecter et nettoyer la boucle. La collecte des ordures est généralement déclenchée lorsque le nombre de références diminue pendant le fonctionnement du programme, la différence d'allocation et de libération dépasse le seuil, ou lorsque GC.Collect () est appelé manuellement. Les utilisateurs peuvent désactiver le recyclage automatique via GC.Disable (), exécuter manuellement GC.Collect () et ajuster les seuils pour atteindre le contr?le via gc.set_thershold (). Tous les objets ne participent pas au recyclage des boucles. Si les objets qui ne contiennent pas de références sont traités par comptage de référence, il est intégré

Les itérateurs sont des objets qui implémentent __iter __ () et __Next __ (). Le générateur est une version simplifiée des itérateurs, qui implémentent automatiquement ces méthodes via le mot clé de rendement. 1. L'ITERATOR renvoie un élément chaque fois qu'il appelle Next () et lance une exception d'arrêt lorsqu'il n'y a plus d'éléments. 2. Le générateur utilise la définition de la fonction pour générer des données à la demande, enregistrer la mémoire et prendre en charge les séquences infinies. 3. Utilisez des itérateurs lors du traitement des ensembles existants, utilisez un générateur lors de la génération de Big Data ou de l'évaluation paresseuse, telles que le chargement ligne par ligne lors de la lecture de fichiers volumineux. Remarque: les objets itérables tels que les listes ne sont pas des itérateurs. Ils doivent être recréés après que l'itérateur a atteint sa fin, et le générateur ne peut le traverser qu'une seule fois.
