重庆分公司,新征程启航
为企业提供网站建设、域名注册、服务器等服务
[TOC]
专业领域包括成都网站设计、网站制作、商城网站建设、微信营销、系统平台开发, 与其他网站设计及系统开发公司不同,创新互联建站的整合解决方案结合了帮做网络品牌建设经验和互联网整合营销的理念,并将策略和执行紧密结合,为客户提供全网互联网整合方案。
我们在软件开发设计及开发过程中,习惯将软件横向拆分为几个层。比如常见的三层架构:表现层(VIEW/UI)、业务逻辑层(SERVICE/BAL)、数据访问层(DAO/DAL)。如下图:
那应用系统为什么要分层呢?其实主要是解决以下几个问题:
第一是解耦:
有一句计算机名言:软件的所有问题都可以通过增加一层来解决。当系统越大,团队越多,需求变化越快时,越需要保证程序之间的依赖关系越少。而分层/面向接口编程,会使我们在应对变化时越容易。
第二是简化问题:
当我们想不明白从用户操作一直到数据落盘整个过程的交互情况时,我们应该换种方式思考。想想各层应该提供哪些支持,通过对各层分工的明确定义,复杂问题就变成了如何将各层功能组合起来的“积木搭建”。
第三是降低系统维护与升级成本:
这里体现了面向接口编程的优势。我们抽象出数据访问层后,只需要保证对外提供的接口不变,底层数据库使用Oracle还是MySQL,上层结构是感知不到的。
第四是逻辑复用/代码复用:
通过分层,明确定义各层职责,再也不会出现系统中多个地方查询同一个数据库表的代码。因为查询某个数据库表的工作只会由一个数据访问层类来统一提供。
如果开发团队很多,通过分层和接口定义。各团队只需要遵循接口标准/开发规范,就可以并行开发。有一个形容比较贴切:分层化相当于把软件横向切几刀,模块化相当于把软件纵向切几刀。
在《阿里巴巴Java开发手册》中,对应用分层的建议是这样的:
以上的层级只是在原来三层架构的基础上进行了细分,而这些细分的层级仅仅是为了满足业务的需要。千万不要为了分层而分层。
过多的层会增加系统的复杂度和开发难度。因为应用被细分为多个层次,每个层关注的点不同。所以在这基础上,抽象出不同的领域模型。也就是我们常见的DTO,DO等等。其本质的目的还是为了达到分层解耦的效果。
以上我们简单了解了分层的重要性,那么随着分层引入的典型领域模型都有哪些?我们还是来看看《阿里开发手册》提供的分层领域模型规约参考:
各个领域模型在分层上的传输关系大概是这样:
在给出的参考中并没有对模型对象进行非常明确的划分,特别是对BO、AO、DTO的界限不是非常明确。这也是因为系统处理的业务不同、复杂度不同导致的。所以在设计系统分层和建模的时候,需要综合考虑实际应用场景。
数据在上传下达的过程中就会出现转换的工作,可能有些小伙伴会觉得麻烦,为什么要弄出这么多O?转来转去的多累!
在这里我举个例子,比如你查询自己网上购物的订单,可能会在网页上看到这样的信息:
其中包含:订单编号,下单日期,店铺名称,用户信息,总金额,支付方式,订单状态还有一个订单商品明细的集合。
对终端显示层来说,这些信息是可以封装成一个VO对象的。因为显示层的关注点就是这些信息。为了方便显示层展示,我们可以将所有属性都弄成字符串类型。如下示例,可以看到,除了订单id外,都是String类型:
public class OrderVO {
/**
* 订单id
*/
Long orderId;
/**
* 下单日期
*/
String orderDate;
/**
* 总金额
*/
String totalMoney;
/**
* 支付方式
*/
String paymentType;
/**
* 订单状态
*/
String orderStatus;
/**
* 商铺名称
*/
String shopName;
/**
* 用户名称
*/
String userName;
/**
* 订单商品明细集合
*/
List orderedProducts;
}
再来看看对于业务逻辑层来说,它关心的是什么呢?显然跟显示层关注的不一样,它更加关注的是内部的逻辑关系。如下示例:
public class OrderVO {
/**
* 订单id
*/
Long orderId;
/**
* 下单日期
*/
Date orderDate;
/**
* 总金额
*/
BigDecimal totalMoney;
/**
* 支付方式
*/
PaymentType paymentType;
/**
* 订单状态
*/
OrderStatus orderStatus;
/**
* 商铺信息
*/
ShopDTO shopInfo;
/**
* 用户信息
*/
UserDTO userInfo;
/**
* 订单商品明细集合
*/
List orderedProducts;
}
从如上代码可以看到,下单日期使用的Date类型,金额使用BigDecimal,支付方式和订单状态使用枚举值表示,商铺名称和用户名称变成了商铺信息/用户信息对象,明细集合中的商品也变成了DTO类型的对象。
在业务逻辑层面,更多的是关注由多种信息组合而成的关系。因为它在系统中起到信息传递的作用,所以它携带的信息也是最多的。
那我们再来看看数据持久层,上面也提到了,数据持久层与数据库是一一对应的关系,而上一层的订单信息其实可以拆解为多个持久层对象,其中包含:订单持久层对象(OrderDO),商铺持久层对象(ShopDO),用户持久层对象(UserDO)还有一堆的商品持久层对象(ProductDO)。相信通过描述大家也可以理解具体的拆分方法了。
回过头来想想,如果我们一路拿着最开始的OrderVO对象来操作,当我们想要将它持久化时,会遇到多少坑就可想而知了。所以分层/拆分的本质还是简化我们思考问题的方式,各层只关注自己感兴趣的内容。
可这样的拆分确实增加了许多工作量,不同模型之间转来转去的确实头疼。那就让我们来梳理一下,在模型转换时都需要注意哪些问题。在进行不同领域对象转换时,有些问题是需要我们考虑的。
例如,上面这两个不同的模型在转换时,我们就需要考虑一些问题:
这么多需要考虑的地方,咱们要怎么处理,才能优雅的进行模型转换呢?
这里我调研了大概有10种方法,有些使用起来比较复杂就没有下大力气去深入研究,如果有感兴趣的小伙伴,可以自行深入研究下。
做为测试和讲解的案例,咱们就以上面说到的OrderDTO转OrderVO为例,来说说下面的各种方法。源对象OrderDTO大体结构是这样的:
{
"orderDate":1570558718699,
"orderId":201909090001,
"orderStatus":"CREATED",
"orderedProducts":[
{
"price":799.990000000000009094947017729282379150390625,
"productId":1,
"productName":"吉他",
"quantity":1
},
{
"price":30,
"productId":2,
"productName":"变调夹",
"quantity":1
}
],
"paymentType":"CASH",
"shopInfo":{
"shopId":20000101,
"shopName":"乐韵商铺"
},
"totalMoney":829.990000000000009094947017729282379150390625,
"userInfo":{
"userId":20100001,
"userLevel":2147483647,
"userName":"尼古拉斯赵四"
}
}
我们期待转换完的OrderVO对象是这样的:
{
"orderDate":"2019-10-09 15:49:24.619",
"orderStatus":"CREATED",
"orderedProducts":[
{
"productName":"吉他",
"quantity":1
},
{
"productName":"变调夹",
"quantity":1
}
],
"paymentType":"CASH",
"shopName":"乐韵商铺",
"totalMoney":"829.99",
"userName":"尼古拉斯赵四"
}
先来看第一种方法:
也是最简单粗暴的方法,直接通过Set/Get方式来进行人肉赋值。代码我就不贴了,相信大家都会。
说一说它的优缺点:
优点:直观,简单,执行速度快
缺点:属性过多的时候,人容易崩溃,代码显得臃肿不好复用
第二种:FastJson:
利用序列化和反序列化,这里我们采用先使用FastJson的toJSONString的方法将原对象序列化为字符串,再使用parseObject方法将字符串反序列化为目标对象。
// JSON.toJSONString将对象序列化成字符串,JSON.parseObject将字符串反序列化为OderVO对象
orderVO = JSON.parseObject(JSON.toJSONString(orderDTO), OrderVO.class);
转换后的结果如下:
// 目标对象
{
"orderDate":"1570558718699",
"orderId":201909090001,
"orderStatus":"CREATED",
"orderedProducts":[
{
"productName":"吉他",
"quantity":1
},
{
"productName":"变调夹",
"quantity":1
}
],
"paymentType":"CASH",
"totalMoney":"829.990000000000009094947017729282379150390625"
}
可以看到转换后的数据格式有几个问题:
这就是第二种使用JSON处理,好像也不能满足我们的要求
第三种,Apache工具包PropertyUtils工具类,代码如下:
PropertyUtils.copyProperties(orderVO, orderDTO);
转换代码看着很简单,但是转换过程会报错:
java.lang.IllegalArgumentException: Cannot invoke com.imooc.demo.OrderVO.setTotalMoney on bean class 'class com.imooc.demo.OrderVO' - argument type mismatch - had objects of type "java.math.BigDecimal" but expected signature "java.lang.String"
转换结果:
// 目标对象
{
"orderId":201909090001
}
缺点:
第四种,Apache工具包BeanUtils工具类,代码如下:
BeanUtils.copyProperties(orderVO, orderDTO);
转换后的结果是这样:
// 目标对象
{
"orderDate":"Wed Oct 09 02:36:25 CST 2019",
"orderId":201909090001,
"orderStatus":"CREATED",
"orderedProducts":[
{
"price":799.990000000000009094947017729282379150390625,
"productId":1,
"productName":"吉他",
"quantity":1
},
{
"price":30,
"productId":2,
"productName":"变调夹",
"quantity":1
}
],
"paymentType":"CASH",
"totalMoney":"829.990000000000009094947017729282379150390625"
}
缺点:
第五种,Spring封装BeanUtils工具类,代码如下:
// 对象属性转换,忽略orderedProducts字段
BeanUtils.copyProperties(orderDTO, orderVO, "orderedProducts");
在忽略了部分属性后,转换结果就只剩下:
// 目标对象
{
"orderId":201909090001
}
apache的BeanUtils
和spring的BeanUtils
中拷贝方法的原理都是先用jdk中 java.beans.Introspector
类的getBeanInfo()
方法获取对象的属性信息及属性get/set方法,接着使用反射(Method
的invoke(Object obj, Object... args)
)方法进行赋值。
前面五种都不能满足我们的需要,其实想想也挺简单。对象转换本来就很复杂,人工不介入很难做到完美转换。
第六种,cglib工具包BeanCopier:
cglib的BeanCopier
采用了不同的方法:它不是利用反射对属性进行赋值,而是直接使用ASM的MethodVisitor
直接编写各属性的get/set
方法生成class文件,然后进行执行。
使用方法如下,注释写的很清楚。我们通过自定义的转换器来处理Date转String的操作:
// 构造转换器对象,最后的参数表示是否需要自定义转换器
BeanCopier beanCopier = BeanCopier.create(orderDTO.getClass(), orderVO.getClass(), true);
// 转换对象,自定义转换器处理特殊字段
beanCopier.copy(orderDTO, orderVO, (value, target, context) -> {
// 原始数据value是Date类型,目标类型target是String
if (value instanceof Date) {
if ("String".equals(target.getSimpleName())) {
SimpleDateFormat sdf = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss.SSS");
return sdf.format(value);
}
}
// 未匹配上的字段,原值返回
return value;
});
转换结果如下,对于我们自定义处理的属性可以完美支持,其他未处理的属性就不行了:
// 目标对象
{
"orderDate":"2019-10-09 03:07:13.768",
"orderId":201909090001
}
优缺点:
第七种,Dozer框架:
注意,这已经不是一个工具类了,而是框架。使用以上类库虽然可以不用手动编写get/set
方法,但是他们都不能对不同名称的对象属性进行映射。在定制化的属性映射方面做得比较好的就是Dozer了。
Dozer支持简单属性映射、复杂类型映射、双向映射、隐式映射以及递归映射。可使用xml或者注解进行映射的配置,支持自动类型转换,使用方便。但Dozer底层是使用reflect
包下Field
类的set(Object obj, Object value)
方法进行属性赋值,执行速度上不是那么理想。代码示例:
// 创建转换器对象,强烈建议创建全局唯一的,避免不必要的开销
DozerBeanMapper mapper = new DozerBeanMapper();
// 加载映射文件
mapper.addMapping(TransferTest.class.getResourceAsStream("/mapping.xml"));
// 转换
orderVO = mapper.map(orderDTO, OrderVO.class);
使用方式很简单,关键在于配置:
com.imooc.demo.OrderDTO
com.imooc.demo.OrderVO
shopInfo.shopName
shopName
userInfo.userName
userName
orderDate
orderDate
totalMoney
totalMoney
orderId
orderId
在配置文件中对特殊属性进行了特殊定义,转换结果符合我们的要求:
// 目标对象
{
"orderDate":"2019-10-09 15:49:24.619",
"orderStatus":"CREATED",
"orderedProducts":[
{
"productName":"吉他",
"quantity":1
},
{
"productName":"变调夹",
"quantity":1
}
],
"paymentType":"CASH",
"shopName":"乐韵商铺",
"totalMoney":"829.99",
"userName":"尼古拉斯赵四"
}
Dozer支持自定义转换器,如下示例:
public class DozerCustomConverter implements CustomConverter {
@Override
public Object convert(Object destination, Object source, Class> destClass, Class> sourceClass) {
// 如果原始属性为BigDecimal类型
if (source instanceof BigDecimal) {
// 目标属性为String类型
if ("String".equals(destClass.getSimpleName())) {
return String.valueOf(((BigDecimal) source).doubleValue());
}
}
return destination;
}
}
它的特点如下:
第八种,MapStruct框架:
基于JSR269的Java注解处理器,通过注解配置映射关系,在编译时自动生成接口实现类。类似于Lombok的原理一样,所以在执行速度上和Setter、Getter差不多。我目前个人使用较多的是MapStruct和BeanCopier,后期有空会单独写一篇文章介绍MapStruct的使用。
第九种,Orika框架:
支持在代码中注册字段映射,通过javassist类库生成Bean映射的字节码,之后直接加载执行生成的字节码文件。
第十种,ModelMapper框架:
基于反射原理进行赋值或者直接对成员变量赋值。相当于是BeanUtils
的进阶版
其他几种框架就没有深入研究了。但看使用情况应该都能满足实际场景的要求。介绍的这些转换方法中,在性能上基本遵循:手动赋值 > cglib > 反射 > Dozer > 序列化。
在实际项目中,需要综合使用上述方法进行模型转换。比如较低层的DO,因为涉及到的嵌套对象少,改动也少,所以可以使用BeanUtils直接转。如果是速度、稳定优先的系统,还是乖乖使用Set、Get实现吧。