为什么说基于贫血模型的MVC架构违背OOP

2024-04-08 20:36
文章标签 模型 架构 mvc oop 贫血 违背

本文主要是介绍为什么说基于贫血模型的MVC架构违背OOP,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

我们大部分的业务开发都是MVC架构的,但是我们平时使用的基于贫血模型的MVC架构它对吗?为了搞清楚这个问题,我们先来理清楚几个概念。

一、贫血模型VS充血模型

贫血模型与充血模型是软件开发中两种常见的设计模式,它们各自具有独特的特点和适用场景。

贫血模型,也被称为数据驱动模型,主要基于数据库的建模。在这种模型中,数据和操作被分离,数据对象主要存储数据,而操作则全部放在业务逻辑层中实现。领域对象通常只包含getter和setter方法,没有具体的行为,所有的业务逻辑都放在业务逻辑层处理。这种设计模式的优点在于使系统的层次结构清晰,各层之间单向依赖,有利于代码的清晰和可维护性,同时也提高了代码的可重用性和扩展性。然而,其缺点在于领域对象只是作为保存或传递状态使用,缺乏真正的对象行为,这在一定程度上降低了代码的面向对象性。

充血模型则基于对象的建模,通过面向对象的方式抽象系统关系。在充血模型中,领域模型不仅包含自身的属性状态,还包括方法行为等,即领域对象不仅包含数据,还包含对这些数据的操作。这使得领域模型更加生动和灵活,能够更好地反映真实世界的业务逻辑。充血模型的优点在于它更符合面向对象的理念,领域对象具有完整的生命周期和行为,这使得代码更加易于理解和维护。同时,由于业务逻辑和数据操作都在领域对象中,也提高了代码的内聚性。

综上所述,贫血模型和充血模型各有其优势和适用场景。在选择使用哪种模型时,需要根据项目的具体需求、团队的技术能力和维护成本等因素进行综合考虑。对于简单的业务场景,或者当领域对象的业务逻辑较为简单时,可以选择使用贫血模型;而对于复杂的业务场景,或者需要更好地体现面向对象特性的情况,充血模型可能更为合适。

可见我们平时使用的MVC模式,是面向过程的一种编程思维,但是由于历史原因和真实业务的情况,反而是基于贫血模型的MVC架构使用的更多。

二、MVC

MVC(Model-View-Controller)是一种软件设计模式,主要用于构建用户界面和应用程序的架构。MVC将应用程序的输入、处理和输出分开,使其更加易于管理和维护。MVC模式通过将应用程序分为三个主要组件来工作:模型(Model)、视图(View)和控制器(Controller)。

  1. 模型(Model)
    • 模型是应用程序的核心部分,代表应用程序的数据和业务逻辑。
    • 它负责数据的存储、检索和状态管理。
    • 模型不依赖于视图或控制器,这意味着模型可以被多个视图共享,并且可以独立于视图进行测试。
    • 模型通常包含数据访问逻辑,与数据库或其他数据源进行交互。
  2. 视图(View)
    • 视图是用户界面的表示,负责显示数据给用户。
    • 它从模型中获取数据,并将其以特定的格式(如HTML、JSON等)呈现给用户。
    • 视图通常是被动的,它等待控制器发送数据来更新其内容。
    • 视图不应该直接访问模型,它应该通过控制器来获取数据。
  3. 控制器(Controller)
    • 控制器是模型和视图之间的协调者。
    • 它接收用户的输入(如点击事件、表单提交等),并决定如何处理这些输入。
    • 控制器可能会从模型中获取数据,并发送给视图进行显示,或者根据用户的输入更新模型的状态。
    • 控制器确保模型和视图保持同步,并且负责响应用户请求。

MVC模式通过将应用程序的输入、处理和输出分离,使得代码更加模块化,提高了代码的可维护性和可重用性。当业务逻辑或用户界面需要改变时,只需要修改相应的组件,而不需要对整个应用程序进行大规模的修改。

MVC模式广泛应用于各种Web应用程序和桌面应用程序中,是软件开发中非常重要的一种设计模式。通过使用MVC模式,开发人员可以更好地组织和管理代码,提高应用程序的可扩展性和可维护性。

三、拓展问题(MVC模式中的Entity,bo,vo可以合并成一个类吗?)

在MVC(Model-View-Controller)模式中,EntityBO(Business Object)和VO(Value Object)通常各自具有特定的职责,不建议将它们合并成一个类。以下是它们各自的作用和为什么不建议合并的原因:

  1. Entity(实体)
    • 代表数据库中的一张表或数据模型。
    • 通常与数据库表字段一一对应,包含主键、外键等数据库相关的特性。
    • 负责数据的持久化,与数据库交互。
  2. BO(Business Object,业务对象)
    • 封装了业务逻辑,包含了与业务相关的属性和方法。
    • 通常用于处理复杂的业务逻辑,如计算、验证等。
    • 可能是由多个Entity组成的一个复合对象,或者对Entity进行了封装和扩展。
  3. VO(Value Object,值对象)
    • 主要用于数据的传输和展示,通常用于前后端之间的数据交换。
    • 只包含数据,不包含行为(方法)。
    • 可能是Entity的一个子集,或者是对Entity数据的重新组合和格式化。

为什么不建议合并它们

  • 职责分离:每个对象都有其特定的职责。将它们合并会导致一个对象承担过多的责任,使得代码难以理解和维护。
  • 耦合度增加:合并这些对象会增加它们之间的耦合度,使得修改其中一个对象可能影响到其他对象。这违反了“高内聚、低耦合”的软件设计原则。
  • 可重用性降低:如果合并成一个类,那么在不同的场景中(如不同的业务逻辑、不同的数据展示需求)使用这个类时,可能需要进行大量的条件判断和逻辑分支,降低了代码的可重用性。
  • 测试困难:合并后的类将包含多种不同的功能和逻辑,这使得对其进行单元测试变得更加困难。

在实际开发中,通常建议根据项目的具体需求和设计原则,合理地使用这些对象,并根据需要进行适当的封装和组合,以达到更好的代码质量和可维护性。

这篇关于为什么说基于贫血模型的MVC架构违背OOP的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/886406

相关文章

Python基于火山引擎豆包大模型搭建QQ机器人详细教程(2024年最新)

《Python基于火山引擎豆包大模型搭建QQ机器人详细教程(2024年最新)》:本文主要介绍Python基于火山引擎豆包大模型搭建QQ机器人详细的相关资料,包括开通模型、配置APIKEY鉴权和SD... 目录豆包大模型概述开通模型付费安装 SDK 环境配置 API KEY 鉴权Ark 模型接口Prompt

mybatis的整体架构

mybatis的整体架构分为三层: 1.基础支持层 该层包括:数据源模块、事务管理模块、缓存模块、Binding模块、反射模块、类型转换模块、日志模块、资源加载模块、解析器模块 2.核心处理层 该层包括:配置解析、参数映射、SQL解析、SQL执行、结果集映射、插件 3.接口层 该层包括:SqlSession 基础支持层 该层保护mybatis的基础模块,它们为核心处理层提供了良好的支撑。

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

百度/小米/滴滴/京东,中台架构比较

小米中台建设实践 01 小米的三大中台建设:业务+数据+技术 业务中台--从业务说起 在中台建设中,需要规范化的服务接口、一致整合化的数据、容器化的技术组件以及弹性的基础设施。并结合业务情况,判定是否真的需要中台。 小米参考了业界优秀的案例包括移动中台、数据中台、业务中台、技术中台等,再结合其业务发展历程及业务现状,整理了中台架构的核心方法论,一是企业如何共享服务,二是如何为业务提供便利。

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言