


Bagaimana untuk membezakan antara logik perniagaan dan logik penyimpanan dalam pembangunan back-end?
Apr 19, 2025 pm 09:18 PMBack-end tiga lapisan seni bina: sempadan antara logik perniagaan dan logik akses data
Dalam pembangunan back-end, arkitek tiga lapisan umum pengawal, perkhidmatan dan DAO agak jelas dalam lapisan pengawal dan perkhidmatan. Mereka terutamanya dilaksanakan dengan memisahkan logik logik dan logik persembahan, seperti decoupling Message Queue (MQ), HTTP, RPC, dan lain -lain dari Logik Perniagaan. Walau bagaimanapun, sempadan antara lapisan perkhidmatan dan lapisan DAO, terutamanya selepas pengenalan lapisan pengurus, sering mengelirukan pemaju.
Dalam pembangunan back-end Python, logik perniagaan kadang-kadang dicampur dalam lapisan model, seperti kaedah pertanyaan perniagaan seperti usermodel.is_super()
, atau operasi pangkalan data asli seperti usermodel.objects.all()
, dan juga operasi silang meja seperti usermodel.**
.
Analisis logik perniagaan dan logik bukan perniagaan
Kunci logik perniagaan dan logik bukan perniagaan terletak sama ada secara langsung berkaitan dengan keperluan pelanggan. Logik yang tidak dapat dilihat oleh pelanggan sering dianggap logik bukan perniagaan, termasuk:
-
Struktur Pangkalan Data dan Hubungan Persatuan: Sebagai contoh, kaedah
usermanager.delete()
dandepartmentmanager.delete()
boleh mengendalikan penghapusan jadual persatuan (sepertiuserdeptmodel
) pada masa yang sama, tanpa memanggil kaedah lapisan DAO dua kali di lapisan perkhidmatan. Walaupun tanpa lapisan pengurus, lapisan DAO boleh melaksanakan operasi persatuan atau silang meja selagi operasi ini bebas daripada logik perniagaan.Kelas Usermanager: def delete (diri): userdao.delete () userDeptdao.delete () Kelas Jabatan Kelas: def delete (diri): jabatandao.delete () userDeptdao.delete ()
-
Garam Kata Laluan: Pengguna hanya perlu tahu bahawa kata laluan tidak disimpan dalam teks biasa, dan operasi tambahan garam boleh diproses di lapisan DAO atau pengurus.
USERDAO KELAS: def make_password (diri, passwd): Kembalikan garam (passwd) # Tambah fungsi garam def Simpan (diri): self.passwd = self.make_password (self.passwd) super (). Simpan ()
Penamaan dan definisi kaedah lapisan DAO: menamakan kaedah lapisan DAO, sebagai contoh, sama ada nama semantik seperti
get_super_user
sesuai bergantung kepada sama ada ia berkaitan dengan logik perniagaan. Jikasuper
tidak berkaitan dengan perniagaan, ia boleh diterima untuk menggunakanget_super_user
.Permintaan HTTP Encapsulation: Ketergantungan backend (seperti perkhidmatan yang disediakan oleh pasukan lain) boleh dikemas dalam kaedah DAO-lapisan, bukannya kaedah lapisan perkhidmatan.
Melaksanakan fungsi yang serupa dengan penapis Django di Django/Flask
Apabila melaksanakan fungsi seperti penapis Django di Django dan Flask, anda sering menghadapi masalah penembusan lapisan demi lapisan kerana lapisan DAO perlu lulus dalam parameter permintaan. Sekiranya tidak ada kerangka suntikan ketergantungan seperti musim bunga, anda boleh mempertimbangkan:
- Di Java, kerangka seperti Mybatis atau JPA biasanya digunakan untuk menguruskan akses data dan penapisan logik melalui anotasi dan fail konfigurasi.
Hubungan antara entiti data dan seni bina tiga lapisan
Entiti data mewakili objek data dalam sistem. Dalam seni bina tiga lapisan, pengawal, perkhidmatan dan lapisan DAO tidak sesuai dengan satu demi satu:
- Lapisan DAO mungkin mengandungi pelbagai kaedah untuk memproses entiti data yang berbeza, seperti
userdao
dandepartmentdao
. - Lapisan perkhidmatan mungkin perlu menggabungkan pelbagai kaedah lapisan DAO untuk melaksanakan logik perniagaan yang lengkap.
Singkatnya, lapisan DAO hanya bertanggungjawab untuk interaksi penyimpanan data dan tidak termasuk logik perniagaan; Lapisan perkhidmatan bertanggungjawab untuk melaksanakan logik perniagaan. Sebagai contoh, apabila membuat pengguna, lapisan perkhidmatan memeriksa sama ada nama pengguna diduplikasi, dan kemudian memanggil kaedah lapisan DAO untuk menyimpan pengguna. Senibina ini direka untuk membahagikan sistem dengan tanggungjawab dan meningkatkan kebolehkerjaan dan skalabilitas kod.
Atas ialah kandungan terperinci Bagaimana untuk membezakan antara logik perniagaan dan logik penyimpanan dalam pembangunan back-end?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undress AI Tool
Gambar buka pakaian secara percuma

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas

Kunci untuk menangani pengesahan API adalah untuk memahami dan menggunakan kaedah pengesahan dengan betul. 1. Apikey adalah kaedah pengesahan yang paling mudah, biasanya diletakkan dalam tajuk permintaan atau parameter URL; 2. BasicAuth menggunakan nama pengguna dan kata laluan untuk penghantaran pengekodan Base64, yang sesuai untuk sistem dalaman; 3. OAuth2 perlu mendapatkan token terlebih dahulu melalui client_id dan client_secret, dan kemudian bawa bearertoken dalam header permintaan; 4. Untuk menangani tamat tempoh token, kelas pengurusan token boleh dikemas dan secara automatik menyegarkan token; Singkatnya, memilih kaedah yang sesuai mengikut dokumen dan menyimpan maklumat utama adalah kunci.

Untuk menguji API, anda perlu menggunakan Perpustakaan Permintaan Python. Langkah -langkahnya adalah untuk memasang perpustakaan, menghantar permintaan, mengesahkan respons, menetapkan masa dan cuba semula. Pertama, pasang perpustakaan melalui PipinstallRequests; kemudian gunakan permintaan.get () atau requests.post () dan kaedah lain untuk menghantar permintaan GET atau pos; Kemudian semak respons.status_code dan response.json () untuk memastikan hasil pulangan mematuhi jangkaan; Akhirnya, tambah parameter tamat masa untuk menetapkan masa tamat, dan menggabungkan perpustakaan semula untuk mencapai percubaan automatik untuk meningkatkan kestabilan.

Dalam Python, pembolehubah yang ditakrifkan di dalam fungsi adalah pembolehubah tempatan dan hanya sah dalam fungsi; Ditakrifkan secara luaran adalah pembolehubah global yang boleh dibaca di mana sahaja. 1. Pembolehubah tempatan dimusnahkan kerana fungsi dilaksanakan; 2. Fungsi ini boleh mengakses pembolehubah global tetapi tidak dapat diubahsuai secara langsung, jadi kata kunci global diperlukan; 3. Jika anda ingin mengubah suai pembolehubah fungsi luar dalam fungsi bersarang, anda perlu menggunakan kata kunci nonlocal; 4. Pembolehubah dengan nama yang sama tidak mempengaruhi satu sama lain dalam skop yang berbeza; 5. Global mesti diisytiharkan apabila mengubah suai pembolehubah global, jika tidak, kesilapan unboundlocalerror akan dibangkitkan. Memahami peraturan ini membantu mengelakkan pepijat dan menulis lebih banyak fungsi yang boleh dipercayai.

Untuk mewujudkan API moden dan cekap menggunakan Python, FastAPI disyorkan; Ia berdasarkan kepada jenis python standard yang diminta dan secara automatik dapat menghasilkan dokumen, dengan prestasi yang sangat baik. Selepas memasang FastAPI dan Asgi Server UVicorn, anda boleh menulis kod antara muka. Dengan menentukan laluan, menulis fungsi pemprosesan, dan data yang kembali, API boleh dibina dengan cepat. FastAPI menyokong pelbagai kaedah HTTP dan menyediakan sistem dokumentasi Swaggersui dan Redoc yang dihasilkan secara automatik. Parameter URL boleh ditangkap melalui definisi laluan, manakala parameter pertanyaan boleh dilaksanakan dengan menetapkan nilai lalai untuk parameter fungsi. Penggunaan rasional model Pydantic dapat membantu meningkatkan kecekapan dan ketepatan pembangunan.

Tambah kawalan tamat masa ke Python untuk gelung. 1. Anda boleh merakam masa mula dengan modul masa, dan menilai sama ada ia ditetapkan dalam setiap lelaran dan menggunakan rehat untuk melompat keluar dari gelung; 2. Untuk mengundi tugas kelas, anda boleh menggunakan gelung sementara untuk memadankan penghakiman masa, dan menambah tidur untuk mengelakkan kepenuhan CPU; 3. Kaedah lanjutan boleh mempertimbangkan threading atau isyarat untuk mencapai kawalan yang lebih tepat, tetapi kerumitannya tinggi, dan tidak disyorkan untuk pemula memilih; Ringkasan Mata Utama: Penghakiman masa manual adalah penyelesaian asas, sementara lebih sesuai untuk tugas kelas menunggu masa yang terhad, tidur sangat diperlukan, dan kaedah lanjutan sesuai untuk senario tertentu.

Bagaimana cara mengendalikan fail JSON yang besar di Python? 1. Gunakan Perpustakaan IJSON untuk mengalir dan mengelakkan limpahan memori melalui parsing item demi item; 2. Jika dalam format Jsonlines, anda boleh membacanya dengan garis dan memprosesnya dengan json.loads (); 3. Atau memecah fail besar ke dalam kepingan kecil dan kemudian memprosesnya secara berasingan. Kaedah ini dengan berkesan menyelesaikan masalah batasan memori dan sesuai untuk senario yang berbeza.

Di Python, kaedah melintasi tupel dengan gelung termasuk secara langsung melelehkan unsur -unsur, mendapatkan indeks dan elemen pada masa yang sama, dan memproses tuple bersarang. 1. Gunakan gelung untuk terus mengakses setiap elemen dalam urutan tanpa menguruskan indeks; 2. Gunakan penghitungan () untuk mendapatkan indeks dan nilai pada masa yang sama. Indeks lalai adalah 0, dan parameter permulaan juga boleh ditentukan; 3. Di samping itu, tuple tidak berubah dan kandungan tidak dapat diubah suai dalam gelung. Nilai yang tidak diingini boleh diabaikan oleh \ _. Adalah disyorkan untuk memeriksa sama ada tuple kosong sebelum melintasi untuk mengelakkan kesilapan.

Parameter lalai Python dinilai dan nilai tetap apabila fungsi ditakrifkan, yang boleh menyebabkan masalah yang tidak dijangka. Menggunakan objek berubah -ubah seperti senarai sebagai parameter lalai akan mengekalkan pengubahsuaian, dan disyorkan untuk menggunakan tiada sebaliknya; Skop parameter lalai adalah pembolehubah persekitaran apabila ditakrifkan, dan perubahan pembolehubah berikutnya tidak akan menjejaskan nilai mereka; Elakkan bergantung pada parameter lalai untuk menyelamatkan keadaan, dan keadaan enkapsulasi kelas harus digunakan untuk memastikan konsistensi fungsi.
