前言

前面我们有文章介绍了架构设计的目标以及DDD相关的领域知识，本章重点会介绍DDD到底在架构设计中解决了什么问题。

1. 系统复杂性的6个来源以及通用解法

架构设计的目标是管理系统复杂性以及高效率匹配资源。那系统复杂性源于好处呢？

1.1 高性能

软件系统找那个高性能带来的复杂性主要体现在两方面：

单台计算机内部为了高性能带来的复杂性

单机为了压榨服务器资源使用率，会由单进程单线程演变成多进程多线程模式。多进程让多任务能够并行处理，但有可能要解决进程间的互相通信问题，包括管道、信号量、消息队列、套接字、共享存储等。而在单进程内部，多子任务的并行处理交由多线程来处理。有了多线程后，操作系统调度的最小单位就变成了线程，而进程变成了操作系统分配资源的最小单位。

集群性能带来的复杂性

让多台服务器配合起来达到高性能，常见的方式有任务分配和任务拆解。

任务分配

任务分配是每台服务器都能完整处理业务任务，不同的任务分配法不同的机器上。常见的任务分配方式如硬件（F5、交换机），软件（LVS）、负载均衡（Nginx，HAProxy）或者自研调度。任务分配带来了新的问题：

任务分配需要将不同的任务分配到不同的服务器
服务器数量增多，状态管理和故障处理难度增大

任务分解

任务分配能够突破单机服务器性能瓶颈，但是如果业务本身负责，单纯通过任务分配，边际效应递减。所以有一种新的方式——任务拆解，将复杂的任务拆解成小而简单，多个子任务配合完成。任务分解能提升性能的主要点是：简单系统能够更容易做到高性能，而且子任务拆解后，更能发现性能瓶颈点，针对单个瓶颈点改造风险小、收益好。但拆解任务不是万能的：

任务拆解理论上有一个阈值，不是拆解得越细越好
系统增多，链路变长，时延和状态维护复杂度增加，运维成本上升。

1.2 高可用

高可用的本质是通过增加冗余机器来做备份。常见的做法有

计算高可用：计算不能调度到哪一台服务器，相同的输入和算法，产出的结果相同。
存储高可用：存储高可用需要将数据从一台服务器搬迁到另一台服务器，有线路传输。存储高可用的难点不在于如何备份数据，而在于如何减少或者规避数据的不一致性。

1.3 高扩展性

可扩展性是系统为了应对未来需求变化而提供的一种能力，当有新需求出现的时候，无需改动或者只需要少量改动即可支持。设计良好的系统，具有两个特性：

正确预测变化：预测变化的复杂性在于：不能为每个设计点都考虑扩展性、不能完全不考虑扩展性以及所有的预测都存在错误的可能。所以如何预测变化会是一件负责的事情，没有通用标准，更多的是经验、直觉。
封装变化：应对变化常见的做法有封装变化，提炼出一个“抽象层”和一个“实现层”。抽象层是稳定的，实现层可以根据具体业务需要定制开发，当加入新的功能时，只需要增加新的实现，无须修改抽象层。

1.4 低成本

低成本本质上和高性能、高可用是冲突的，低成本很多时候不是架构设计的目标，而是架构设计的约束。低成本往往给架构设计带来的挑战是：只有创新才能达到低成本目标。这里的创新包括：开创一个新技术、引入一个新方案等；

1.5 安全

从技术角度讲，安全分为功能安全和架构安全。

功能安全：常见的 XSS 攻击、CSRF 攻击、SQL 注入、Windows 漏洞、密码破解等，本质上是因为系统实现有漏洞。从实现角度来看，功能安全更多和具体的编码相关，是一个攻防的矛盾体，只能在攻防中逐步完善；
架构安全：传统的架构安全主要通过防火墙来隔离网络，但性能一般，而且资源耗费大，所以互联网领域架构安全并没有太好的设计手段，更多依靠运营商或者云服务商的大带宽、大流量能力。

1.6 规模

规模的复杂性通常由”量变引起质变“，常见的有：功能越来越多，系统复杂性上升；数据越来越多，系统复杂性上升。

2. 微服务解决的高可用、可扩展性问题以及问题

微服务架构通过对系统做拆分，解决了应用高可用和可扩展性问题，但是微服务相对于单体服务，引入了新的问题：

复杂度提升：系统增多，从团队管理和系统融合上负责度都有数量级提升
成本上升：每项微服务都有自己的成本
性能下降：微服务链路变长，系统性能下降。

3. DDD帮助微服务控制规模复杂度

微服务设计后期会面临一个必选题：服务的粒度拆分到何种粒度？这个问题引申开来，就会形成微服务拆分的边界，只有确定了服务边界后这个问题才能迎刃而解。

DDD能够帮助我们设计出清洗的领域和应用边界。DDD包含战略设计和战术设计两部分。战略设计主要从业务视角出发，建立业务领域模型，划分领域边界，建立通用上下文语言边界，这些边界就可以作为微服务设计的参考。战术设计则从技术视角出发，着重于领域实现，包括聚合根、值对象、领域服务、应用服务和资源库等代码逻辑实现。

领域设计中，建立领域模型是重中之重，针对领域模型的建立，有一些列的方法。常见的流程有：