1.环境和周边系统说明

上下文交互：

内部鉴权：

建模工具

• 便利贴
• Miro
• draw.io / processon

云：

• 云主机
• 消息队列
• 大数据处理和可视化

2.领域事件

2.1 领域事件为什么重要

领域事件为什么重要

• 领域事件能够驱动建模
• 领域事件和很多重要思想相关
  CQRS
  Event Sourcing：事件溯源
• 领域事件和大数据处理和分析相关

CQRS：

• 就是把读模型和写模型分开
• 读写模型之间的数据同步通过领域事件

CQRS

2.2 什么是领域事件

领域中发生的任何领域专家感兴趣的事情。

领域事件一般由聚合产生（不是绝对的）。

领域事件不是技术概念。

2.3 领域事件的基本属性

事件命名和基本属性

• 命名方法：名称 + 动词的过去完成时 OrderCreatedEvent
• 事件ID
• 产生时间

2.4 领域事件的发布和订阅方式

发布和订阅方式

• 外部系统
  API定向通知；
  API定时拉取；
  消息队列；
• 内部系统
  观察者模式；
  数据库流水；
  消息队列；

2.5 领域事件的存储

事件存储

• 直接使用消息中间件存储
  冗余机制
  做好备份
• 基于数据库
  分布式
  按时间分区

2.6 事件处理的要求

事件处理的要求

• 顺序性
  聚合ID
  存储分片
  消费分组
• 幂等性（代替分布式事务）
  状态判断或去重

2.7 领域事件和大数据分析

3.事件风暴建模法

3.1 什么是事件风暴建模法

一种协作式的对复杂业务领域进行探索的讨论形式。

一种灵活易调整的轻量级的适用于DDD的建模方法。

3.2 事件风暴的应用场景

应用场景

• 评估已有业务线的健康度并发现优化点
• 探索一个新业务模型的可行性
• 设想为各个参与方能带来最大利益的新服务
• 设计整洁的可维护的软件以支持快速推进的业务

3.3 事件风暴的开展形式

核心词汇

• 领域事件
• 聚合
• 决策命令
• 角色
• 读模型
• 策略
• 外部系统
• 问题/热点

组织会议

• 产品经理
• 领域专家
• 研发人员

准备工具

• 便利贴
• 白板/纸
• 胶水/磁力贴
• 笔

3.4 事件风暴的流程和构成元素

流程：

• 列出主要领域事件
• 收集关注点和问题
• 通过命令深入领域
• 找到聚合
• 找出读模型
• 策略
• 外部系统

事件风暴的几个任务

• Big Picture
• 业务处理流程
• 软件设计

高效事件风暴的注意事项

• 首先关注学习和倾听
• 谈话和例子很关键
• 锚定到具体的业务用例
• 澄清模糊概念

4.使用事件风暴建模法对运营域建模

领域事件

• 售卖机信息已录入（运营人员，录入售卖机信息）
• 点位已创建（运营人员，创建点位）
• 投放订单已创建（运营人员，创建投放订单）
• 投放订单已完成（外部系统：ERP）
• 库存计划已创建（运营人员，创建库存计划）
• 配送订单已创建（定时调度，创建配送订单）
• 配送订单已完成（外部系统，配送中台）

聚合

• 售卖机信息
• 点位
• 投放订单
• 库存计划
• 配送订单

读模型：

• （配送订单）库存计划、售卖机信息、售卖机商品库存信息
• （库存计划）点位信息、商品信息、销售报表
• （投放订单）点位信息、售卖机信息

5.防腐层的构建

防腐层的作用：

• 防止上游上下文的复杂和混乱扩展到下游上下文

VendingMachineInstallOrder
DevicePurchaseService售卖机投放（采购）服务
DevicePurchaseServiceImpl适配层

6.事件框架的实现和云上测试环境部署

事件框架

• DomainEvent
• DomainEventBus
• DomainEventHandler

两个待解决问题

• 事件存储
  Kafka
  一致性问题，Kafka也支持回滚，也可以放到最后
• 事件顺序
  分组排序，提高并发性

7.使用阿里云大数据服务实现经营数据分析

7.1 大数据处理分析和DDD的关系

读模型大部分是由大数据处理系统生成的，比如销售报表。

7.2 整体流程和架构

7.3 数据生成

locust

7.4 数据集成和计算

7.5 数据可视化

Quick BI

参考

• https://coding.imooc.com/class/541.html