Spring Boot 的实践与思考

阳光穿透心脏的1/2处 2022-05-23 09:20 181阅读 0赞

## 前言 ##

本篇随笔用于记录我在学习 Java 和构建 Spring Boot 项目过程中的一些思考，包含架构、组件和部署方式等。下文仅为概要，待闲时逐一整理为详细文档。  
![801714-20180314125321220-1952609668.png][]

## 1. 组件 ##

开源社区如火如荼，若在当下我们还要去重复 “造轮子” 那真是罪过罪过（当然也并不意味着所有的一切都可拿来即用，了解他，使用他，若有能力，去完善它）。因此，当我们拿到需求的时候首先应当进行拆解，哪些模块在社区中已有比较成熟的解决方案，然后大致罗列一个粗略的所需组件列表（后续根据架构的设计和兼容情况再进行调整）。

### 1.1 ORM ###

用于解耦实体对象的装载过程，他让我们的编程过程更关注业务逻辑本身，其重要性毋庸多言。在 Spring Boot 中比较主流的 ORM 框架有 Spring-Data-JPA 和 MyBatis。

JPA 规范的好处是我们几乎完全专注于业务逻辑本身，JpaRepository 中的接口能够满足大部分简单的操作逻辑了，若要扩展，我们也可以再抽离出一个父类，添加自定义的通用 CRUD 操作，如此一来仓储层的代码变得异常优雅和简洁。以下是一个简单的实现案例：  
application.yml：

spring:
     datasource:
     driver-class-name: com.mysql.jdbc.Driver
     url: jdbc:mysql://mysql:3306/youclk?characterEncoding=utf8&useSSL=false
     username: root
     password: youclk
    
     jpa:
     hibernate:
     ddl-auto: create
     show-sql: true

BookRespository.java：

public interface BookRespository extends JpaRepository<Book,Integer> { }

Book.java：

@Data public class Book { private Long id; private String name; private Date createTime; }

BookRespositoryTest.java：

@RunWith(SpringRunner.class) @SpringBootTest public class BookRespositoryTest { @Autowired private BookRespository repository; @Test public void saveTest() { Assert.assertEquals(repository.findAll().size(),0); } }

映射得到的 sql 如下：

Hibernate: select book0_.id as id1_0_, book0_.name as name2_0_, book0_.number as number3_0_ from book book0_

如果是几年前的话我肯定会首选 JPA， 但是期间近两年的 EFCore 开发经历让我的选择变得谨慎。C\# 是 Lambda 和 Linq 的先驱者，因此 .NET + EF 实践 Code First 着实优雅。然而在迁移 EFCore 的过程中遇到的问题真是不少，比如说 EFCore 1.x 的时候处理 GroupBy 是全表扫描然后拿到内存中过滤。对于旧项目的迁移我们一般没有精力去验证 ORM 映射生成的每条 SQL 语句，而且本地环境因数据基数少，测试阶段很难直观地体现出来，但部署后就悲剧了，服务和数据库一起都要死要死的。

由此引发的思考是当进行里程碑版本的升级和迁移的时候，新版本 ORM 框架所生成的 SQL 还能否完全正确体现之前代码中的逻辑。

在 .NET Core 中除了 EFCore 还有一个非常优秀的 ORM 框架是 Dapper，这个和 MyBatis 非常像，相当于半自动档吧，开发者能更好地掌控 SQL，但牺牲了一定的简洁。介于曾经的入坑经历，至少在查询方面我选择 MyBatis，实例如下：

BookRespository.java：

public interface BookRepository { List<Book> findAll(); @Select("SELECT name FROM book WHERE id = #{id}") @Results({ @Result(property = "name", column = "name") }) String findBookName(Long id); }

BookRepository.xml：

<?xml version="1.0" encoding="UTF-8" ?>
    <!DOCTYPE mapper PUBLIC "-//mybatis.org//DTD Mapper 3.0//EN" "http://mybatis.org/dtd/mybatis-3-mapper.dtd" >
    <mapper namespace="com.youclk.demo.repositories.BookRepository" >
        <resultMap id="BaseResultMap" type="com.youclk.demo.domain.Book" >
            <id column="id" property="id" jdbcType="BIGINT" />
            <result column="name" property="name" jdbcType="VARCHAR" />
            <result column="createTime" property="createTime" jdbcType="DATE" />
        </resultMap>
    
        <sql id="Base_Column_List" >
            id, name, createTime
        </sql>
    
        <select id="findAll" resultMap="BaseResultMap" >
            SELECT
            <include refid="Base_Column_List" />
            FROM book
        </select>
    
    </mapper>

Application.java 中加一行 MapperScan 注解：

@SpringBootApplication() @MapperScan("com.youclk.demo.repositories") public class DemoApplication { public static void main(String[] args) { SpringApplication.run(DemoApplication.class, args); } }

以上 BookRepository.java 中分别使用了注解和 xml，虽然在 Spring 中注解是王道，但我还是喜欢 xml 这种方式。一方面接口上写这么一堆 SQL 和返回类型看起来很难受，头重脚轻，而且没有突出重点，另一方面在于 IDEA 中对 xml 的智能提示相当友好，效率上也不见得是写注解快多少。不过采用注解方式少了些配置文件，项目结构更优。

### 1.2 日志 ###

Java 中主流的日志框架有 JUL（java.util.logging）、Log4j、Log4j2 和 Logback 这四款，JUL 因过于简陋优先淘汰，剩下的三款都是同一个作者开发，Log4j 太旧速度慢，Log4j2 太新问题多，因此 Logback 就是最优解，对应的接口门面我选择 SLF4j。需要导入的包有： slf4j-api、ogback-classic 和 logback-core，以下是我的案例：

logback-spring.xml：

<configuration>
        <appender name="STDOUT" class="ch.qos.logback.core.ConsoleAppender">
            <encoder>
                <pattern>%d{HH:mm:ss.SSS} %contextName [%thread] %-5level %logger{35} - %msg%n</pattern>
            </encoder>
        </appender>
    
        <appender name="FILE_WARN" class="ch.qos.logback.core.rolling.RollingFileAppender">
            <filter class="ch.qos.logback.classic.filter.LevelFilter">
                <level>WARN</level>
                <onMatch>ACCEPT</onMatch>
                <onMismatch>DENY</onMismatch>
            </filter>
            <rollingPolicy class="ch.qos.logback.core.rolling.TimeBasedRollingPolicy">
                <fileNamePattern>log/com.youclk.demo/warm/%d{yyyy-MM-dd}.log</fileNamePattern>
                <maxHistory>90</maxHistory>
            </rollingPolicy>
            <encoder>
                <pattern>%d{HH:mm:ss.SSS} %contextName [%thread] %-5level %logger{35} - %msg%n</pattern>
            </encoder>
        </appender>
    
        <appender name="FILE_ERROR" class="ch.qos.logback.core.rolling.RollingFileAppender">
            <filter class="ch.qos.logback.classic.filter.LevelFilter">
                <level>ERROR</level>
                <onMatch>ACCEPT</onMatch>
                <onMismatch>DENY</onMismatch>
            </filter>
            <rollingPolicy class="ch.qos.logback.core.rolling.TimeBasedRollingPolicy">
                <fileNamePattern>log/com.youclk.demo/error/%d{yyyy-MM-dd}.log</fileNamePattern>
                <maxHistory>90</maxHistory>
            </rollingPolicy>
            <encoder>
                <pattern>%d{HH:mm:ss.SSS} %contextName [%thread] %-5level %logger{35} - %msg%n</pattern>
            </encoder>
        </appender>
    
        <root level="warn">
            <appender-ref ref="STDOUT"/>
            <appender-ref ref="FILE_WARN"/>
            <appender-ref ref="FILE_ERROR"/>
        </root>
    
    </configuration>

LoggerTest.java：

@RunWith(SpringRunner.class) @SpringBootTest @Slf4j public class LoggerTest { @Test public void testOutput() { log.error("error"); log.warn("warn"); log.info("info"); } }

以上将日志的输出整理归类，若要分布式部署，则只要每个 Container 都挂载 log 目录便可做日志的集中管理。Logback 更详细信息可查阅 [“官方文档”][Link 1]

### 1.3 缓存 ###

Memcached 和 Redis 都老生常谈了，Redis 支持更多的数据结构和操作，并且二者性能差距不大，因此选他无疑，实现上也极其简单，如下：

@RunWith(SpringRunner.class) @SpringBootTest public class RedisTest { @Autowired private RedisTemplate redisTemplate; @Test public void testSetCache() { ValueOperations<String, Book> operations = redisTemplate.opsForValue(); operations.set("my-book",new Book(),5, TimeUnit.SECONDS); System.out.println(operations.get("my-book")); } }

另外还有一种注解的用法功能上要强大不少：

@Service
    @CacheConfig(cacheNames="book")
    public class BookService {
    
        @Autowired
        private BookRepository bookRepository;
    
        @Cacheable()
        public List<Book> findAll() {
            return bookRepository.findAll();
        }
    }

## 2. 架构 ##

程序员界一直存在着一条所谓的 “语言鄙视链”，曾经为了 “打嘴炮” 而粗略地对比过 Java 和 C\#，由于未深入探究，因此我一直以来的观念都是 C\# 的语法糖比 Java 优雅太多。直到我切身感受了使用 Java 构建项目，或许就原生的二者来说确实是 C\# 更优雅，但加上社区的力量可就不好说了。比如习惯了 C\# 自动属性的我最不喜欢的就是 Java 那么一堆冗长的 get 和 set， 直到我认识了 lombok，简直汗颜啊，源码注解原来还能这么灵活地使用，由此展开只要你足够有耐心，想要什么语法糖自定义注解去实现就好。还有其他的零零总总， Java 中注解和 AOP 范式的成熟应用拓展了更多的 “编程姿势” 呵（C\# 中通过反射也能做到，奈何封闭的生态导致为其造轮子的不多，现今微软已拥抱开源，给个祝福吧，互相竞争才更有意思嘛）。

回归本节主题，在 .NET 中 DDD 架构的应用可谓是相当普及，你要是不晓得领域、充血模型、事件驱动等概念都不好意思说熟悉 .NET。

这里简要概括一下，顺便谈谈我的想法，传统 DDD 架构主要分四层，分别为：User Interface（用户界面层）、Application（应用层）、Domain（领域层） 和 Infrastructure（基础设施层）。界面层就不说了，应用层主要起协调作用，比如一个请求从用户界面层过来，应用层应当分析其需要哪几个领域模块参与，并协调他们工作，但其本身不应包含任何的业务规则，基础设施层在实际应用中最重要的功能就是提供数据持久化机制。领域层则为整个项目的核心，其应囊括几乎全部的业务规则，我们应当在该层根据项目需求设计领域模型，抽离出领域服务，每个领域模块应当专注于处理其自身的核心业务逻辑，非核心的业务可封装为领域事件交由异步队列处理。其次，领域层作为核心，他不应该对其他层有所依赖，因此一般他会包含基础设施层的实现接口。

之前对于领域模块中的通用逻辑或非核心业务，我通常的处理方案是封装为领域事件分发，现在想想如此做法不合理之处，领域事件有些被滥用了。介于 AOP 在 Spring Boot 的广泛应用，领域模型中除了领域实体、值对象、领域服务、领域事件和工作单元之外再加一个领域切面也是极好的。另外，对于领域实体最后的持久化操作如果使用 MyBatis 此类的 ORM 框架那整个编程过程就变得相当繁琐，在领域中比较容易做到的是对实体状态的跟踪，因此持久化选择 JPA 规范的 ORM 框架才更为合理，但在查询上我更喜欢 MyBatis，因此若要做读写分离的话， JPA 和 MyBatis 分别对应主备数据库操作正好。

## 3. 部署 ##

自从习惯了 Docker 之后，我已经不适应服务的单独部署了，具体操作详见这篇博文：[“Compose & Swarm”][Compose _ Swarm]。

我有一个微信公众号，经常会分享一些Java技术相关的干货；如果你喜欢我的分享，可以用微信搜索“Java团长”或者“javatuanzhang”关注。

[801714-20180314125321220-1952609668.png]: /images/20220523/b0f560276ec44e2fa5a3a231b06d4b2d.png
[Link 1]: https://logback.qos.ch/
[Compose _ Swarm]: http://www.cnblogs.com/youclk/p/8453526%E3%80%82html