设计模式之美总结（设计原则篇）

短命女 2023-09-25 12:14 56阅读 0赞

--------------------

title: 设计模式之美总结（设计原则篇）  
date: 2022-10-27 17:31:42  
tags:

*  设计模式  
    categories:
 *  设计模式  
    cover: https://cover.png  
    feature: false

--------------------

#### 文章目录 ####

*  1. 单一职责原则（SRP）
 *   *  1.1 如何理解单一职责原则？
     *  1.2 如何判断类的职责是否足够单一？
     *  1.3 类的职责是否设计得越单一越好？
 *  2. 开闭原则（OCP）
 *   *  2.1 如何理解“对扩展开放、修改关闭”？
     *  2.2 修改代码就意味着违背开闭原则吗？
     *  2.3 如何做到“对扩展开放、修改关闭”？
     *  2.4 如何在项目中灵活应用开闭原则？
 *  3. 里式替换（LSP）
 *   *  3.1 如何理解“里式替换原则”？
     *  3.2 哪些代码明显违背了 LSP？
 *  4. 接口隔离原则（ISP）
 *   *  4.1 如何理解“接口隔离原则”？
     *   *  4.1.1 把“接口”理解为一组 API 接口集合
         *  4.1.2 把“接口”理解为单个 API 接口或函数
         *  4.1.3 把“接口”理解为 OOP 中的接口概念
 *  5. 依赖反转（DIP）
 *   *  5.1 控制反转（IOC）
     *  5.2 依赖注入（DI）
     *  5.3 依赖注入框架（DI Framework）
     *  5.4 依赖反转原则（DIP）
 *  6. KISS 原则
 *   *  6.1 代码行数越少就越“简单”吗？
     *  6.2 代码逻辑复杂就违背 KISS 原则吗？
     *  6.3 如何写出满足 KISS 原则的代码？
 *  7. YAGNI
 *  8. DRY 原则
 *   *  8.1 实现逻辑重复
     *  8.2 功能语义重复
     *  8.3 代码执行重复
     *  8.4 代码复用性（Code Reusability）
     *   *  8.4.1 什么是代码的复用性？
         *  8.4.2 怎么提高代码复用性？
     *  8.5 辩证思考和灵活应用
 *  9. 迪米特法则（LOD）
 *   *  9.1 何为“高内聚、松耦合”？
     *  9.2 “迪米特法则”理论描述
     *   *  9.2.1 不该有直接依赖关系的类之间，不要有依赖
         *  9.2.2 有依赖关系的类之间，尽量只依赖必要的接口
     *  9.3 辩证思考与灵活应用
 *  10. 针对业务系统的开发，如何做需求分析和设计？
 *   *  10.1 需求分析
     *   *  10.1.1 积分赚取和兑换规则
         *  10.1.2 积分消费和兑换规则
         *  10.1.3 积分及其明细查询
     *  10.2 系统设计
     *   *  10.2.1 合理地将功能划分到不同模块
         *  10.2.2 设计模块与模块之间的交互关系
         *  10.2.3 设计模块的接口、数据库、业务模型
     *  10.3 代码实现
     *   *  10.3.1 设计数据库
         *  10.3.2 设计接口
         *  10.3.3 业务模型的设计
     *  10.4 为什么要分 MVC 三层开发？
     *  10.5 BO、VO、Entity 存在的意义是什么？
     *  10.6 用到的设计原则和思想
 *  11. 针对非业务的通用框架开发，如何做需求分析和设计？
 *   *  11.1 项目背景
     *  11.2 需求分析
     *   *  11.2.1 功能性需求分析
         *  11.2.2 非功能性需求分析
     *  11.3 框架设计
     *  11.4 小步快跑、逐步迭代
     *   *  11.4.1 划分职责进而识别出有哪些类
         *  11.4.2 定义类及类与类之间的关系
         *  11.4.3 将类组装起来并提供执行入口
         *  11.4.4 Review 设计与实现

上一篇见：

*  **[设计模式之美总结（面向对象篇）\_凡 223 的博客][223]**

上一篇介绍了面向对象相关的知识。接下来介绍一些经典的设计原则，其中包括 SOLID、KISS、YAGNI、DRY、LOD 等

## 1. 单一职责原则（SRP） ##

### 1.1 如何理解单一职责原则？ ###

实际上，SOLID 原则并非单纯的 1 个原则，而是由 5个设计原则组成的，它们分别是：单一职责原则、开闭原则、里式替换原则、接口隔离原则和依赖反转原则，依次对应 SOLID 中的 S、O、L、I、D 这 5 个英文字母

单一职责原则的英文是 Single Responsibility Principle，缩写为 SRP

> A class or module should have a single reponsibility.  
> 一个类或者模块只负责完成一个职责（或者功能）

这个原则描述的对象包含两个，一个是类（Class），一个是模块（Module）。关于这两个概念，这里有两种理解方式。

*  一种理解是：把模块看作比类更加抽象的概念，类也可以看作模块
 *  另一种理解是：把模块看作比类更加粗粒度的代码块，模块中包含多个类，多个类组成一个模块

不管哪种理解方式，单一职责原则在应用到这两个描述对象的时候，道理都是相通的。接下来只从“类”设计的角度，来结算如何应用这个设计原则。对于“模块”来说，可以自行引申

单一职责原则的定义描述非常简单，也不难理解。一个类只负责完成一个职责或者功能。也就是说，不要设计大而全的类，要设计粒度小、功能单一的类。换个角度来讲就是，一个类包含了两个或者两个以上业务不相干的功能，那就说它职责不够单一，应该将它拆分成多个功能更加单一、粒度更细的类

比如，一个类里既包含订单的一些操作，又包含用户的一些操作。而订单和用户是两个独立的业务领域模型，将两个不相干的功能放到同一个类中，那就违反了单一职责原则。为了满足单一职责原则，需要将这个类拆分成两个粒度更细、功能更加单一的两个类：订单类和用户类

### 1.2 如何判断类的职责是否足够单一？ ###

从上面这个例子来看，单一职责原则看似不难应用。那是因为举的这个例子比较极端，一眼就能看出订单和用户毫不相干。但大部分情况下，类里的方法是归为同一类功能，还是归为不相关的两类功能，并不是那么容易判定的。在真实的软件开发中，对于一个类是否职责单一的判定，是很难拿捏的。如下例：

在一个社交产品中，用下面的 UserInfo 类来记录用户的信息。你觉得，UserInfo 类的设计是否满足单一职责原则呢？

public class UserInfo {
        
        private long userId;
        private String username;
        private String email;
        private String telephone;
        private long createTime;
        private long lastLoginTime;
        private String avatarUrl;
        private String provinceOfAddress; // 省
        private String cityOfAddress; // 市
        private String regionOfAddress; // 区
        private String detailedAddress; // 详细地址
        // ... 省略其他属性和方法...
    }

对于这个问题，有两种不同的观点。一种观点是，UserInfo 类包含的都是跟用户相关的信息，所有的属性和方法都隶属于用户这样一个业务模型，满足单一职责原则；另一种观点是，地址信息在 UserInfo 类中，所占的比重比较高，可以继续拆分成独立的 UserAddress类，UserInfo 只保留除 Address 之外的其他信息，拆分之后的两个类的职责更加单一

实际上，要从中做出选择，不能脱离具体的应用场景。如果在这个社交产品中，用户的地址信息跟其他信息一样，只是单纯地用来展示，那 UserInfo 现在的设计就是合理的。但是，如果这个社交产品发展得比较好，之后又在产品中添加了电商的模块，用户的地址信息还会用在电商物流中，那最好将地址信息从 UserInfo 中拆分出来，独立成用户物流信息（或者叫地址信息、收货信息等）

再进一步延伸一下。如果做这个社交产品的公司发展得越来越好，公司内部又开发出了跟多其他产品（可以理解为其他 App）。公司希望支持统一账号系统，也就是用户一个账号可以在公司内部的所有产品中登录。这个时候，就需要继续对 UserInfo 进行拆分，将跟身份认证相关的信息（比如，Email、Telephone 等）抽取成独立的类

由此可以总结出，不同的应用场景、不同阶段的需求背景下，对同一个类的职责是否单一的判定，可能都是不一样的。在某种应用场景或者当下的需求背景下，一个类的设计可能已经满足单一职责原则了，但如果换个应用场景或着在未来的某个需求背景下，可能就不满足了，需要继续拆分成粒度更细的类

除此之外，从不同的业务层面去看待同一个类的设计，对类是否职责单一，也会有不同的认识。比如，例子中的 UserInfo 类。如果从“用户”这个业务层面来看，UserInfo 包含的信息都属于用户，满足职责单一原则。如果从更加细分的“用户展示信息”“地址信息”“登录认证信息”等等这些更细粒度的业务层面来看，那 UserInfo 就应该继续拆分

综上所述，评价一个类的职责是否足够单一，并没有一个非常明确的、可以量化的标准，可以说，这是件非常主观、仁者见仁智者见智的事情。实际上，在真正的软件开发中，也没必要过于未雨绸缪，过度设计。所以，**可以先写一个粗粒度的类，满足业务需求。随着业务的发展，如果粗粒度的类越来越庞大，代码越来越多，这个时候，就可以将这个粗粒度的类，拆分成几个更细粒度的类。这就是所谓的持续重构**

这里还有一些小技巧，能够很好地帮你，从侧面上判定一个类的职责是否够单一。而且，我个人觉得，下面这几条判断原则，比起很主观地去思考类是否职责单一，要更有指导意义、更具有可执行性：

*  类中的代码行数、函数或属性过多，会影响代码的可读性和可维护性，就需要考虑对类进行拆分
 *  类依赖的其他类过多，或者依赖类的其他类过多，不符合高内聚、低耦合的设计思想，就需要考虑对类进行拆分
 *  私有方法过多，就要考虑能否将私有方法独立到新的类中，设置为 public 方法，供更多的类使用，从而提高代码的复用性
 *  比较难给类起一个合适名字，很难用一个业务名词概括，或者只能用一些笼统的 Manager、Context 之类的词语来命名，这就说明类的职责定义得可能不够清晰
 *  类中大量的方法都是集中操作类中的某几个属性，比如，在 UserInfo 例子中，如果一半的方法都是在操作 address 信息，那就可以考虑将这几个属性和对应的方法拆分出来

此时可能会有这样的疑问：**在上面的判定原则中提到类中的代码行数、函数或者属性过多，就有可能不满足单一职责原则。那多少行代码才算是行数过多呢？多少个函数、属性才称得上过多呢？**

实际上，这个问题并不好定量地回答。比较宽泛的、可量化的标准，那就是一个类的代码行数最好不能超过 200 行，函数个数及属性个数都最好不要超过 10 个。实际上， 从另一个角度来看，当一个类的代码，读起来让你头大了，实现某个功能时不知道该用哪个函数了，想用哪个函数翻半天都找不到了，只用到一个小功能要引入整个类（类中包含很多无关此功能实现的函数）的时候，这就说明类的行数、函数、属性过多了

### 1.3 类的职责是否设计得越单一越好？ ###

为了满足单一职责原则，是不是把类拆得越细就越好呢？答案是否定的。如下例，Serialization 类实现了一个简单协议的序列化和反序列功能，具体代码如下：

public class Serialization {
        
        private static final String IDENTIFIER_STRING = "UEUEUE;";
        private Gson gson;
    
        public Serialization() {
        
            this.gson = new Gson();
        }
        public String serialize(Map<String, String> object) {
        
            StringBuilder textBuilder = new StringBuilder();
            textBuilder.append(IDENTIFIER_STRING);
            textBuilder.append(gson.toJson(object));
            return textBuilder.toString();
        }
        public Map<String, String> deserialize(String text) {
        
            if (!text.startsWith(IDENTIFIER_STRING)) {
        
                return Collections.emptyMap();
            }
            String gsonStr = text.substring(IDENTIFIER_STRING.length());
            return gson.fromJson(gsonStr, Map.class);
        }
    }

如果想让类的职责更加单一，对 Serialization 类进一步拆分，拆分成一个只负责序列化工作的 Serializer 类和另一个只负责反序列化工作的 Deserializer 类。拆分后的具体代码如下所示：

public class Serializer {
        
        private static final String IDENTIFIER_STRING = "UEUEUE;";
        private Gson gson;
    
        public Serializer() {
        
            this.gson = new Gson();
        }
        public String serialize(Map<String, String> object) {
        
            StringBuilder textBuilder = new StringBuilder();
            textBuilder.append(IDENTIFIER_STRING);
            textBuilder.append(gson.toJson(object));
            return textBuilder.toString();
        }
    }
    
    public class Deserializer {
        
        private static final String IDENTIFIER_STRING = "UEUEUE;";
        private Gson gson;
    
        public Deserializer() {
        
            this.gson = new Gson();
        }
        public Map<String, String> deserialize(String text) {
        
            if (!text.startsWith(IDENTIFIER_STRING)) {
        
                return Collections.emptyMap();
            }
            String gsonStr = text.substring(IDENTIFIER_STRING.length());
            return gson.fromJson(gsonStr, Map.class);
        }
    }

虽然经过拆分之后，Serializer 类和 Deserializer 类的职责更加单一了，但也随之带来了新的问题。如果修改了协议的格式，数据标识从“UEUEUE”改为“DFDFDF”，或者序列化方式从 JSON 改为了 XML，那 Serializer 类和 Deserializer 类都需要做相应的修改，代码的内聚性显然没有原来 Serialization 高了。而且，如果仅仅对 Serializer 类做了协议修改，而忘记了修改 Deserializer 类的代码，那就会导致序列化、反序列化不匹配，程序运行出错，也就是说，拆分之后，代码的可维护性变差了

实际上，不管是应用设计原则还是设计模式，最终的目的还是提高代码的可读性、可扩展性、复用性、可维护性等。在考虑应用某一个设计原则是否合理的时候，也可以以此作为最终的考量标准

## 2. 开闭原则（OCP） ##

作者个人觉得，开闭原则是 SOLID 中最难理解、最难掌握，同时也是最有用的一条原则

*  之所以说这条原则难理解，那是因为，“怎样的代码改动才被定义为‘扩展’？怎样的代码改动才被定义为‘修改’？怎么才算满足或违反‘开闭原则’？修改代码就一定意味着违反‘开闭原则’吗？”等等这些问题，都比较难理解
 *  之所以说这条原则难掌握，那是因为，“如何做到‘对扩展开发、修改关闭’？如何在项目中灵活地应用‘开闭原则’，以避免在追求扩展性的同时影响到代码的可读性？”等等这些问题，都比较难掌握
 *  之所以说这条原则最有用，那是因为，扩展性是代码质量最重要的衡量标准之一。在 23 种经典设计模式中，大部分设计模式都是为了解决代码的扩展性问题而存在的，主要遵从的设计原则就是开闭原则

### 2.1 如何理解“对扩展开放、修改关闭”？ ###

开闭原则的英文全称是 Open Closed Principle，简写为 OCP

> software entities (modules, classes, functions, etc.) should be open for extension, but closed for modification.  
> 软件实体（模块、类、方法等）应该“对扩展开放、对修改关闭”

这个描述比较简略，如果详细表述一下，那就是，添加一个新的功能应该是，在已有代码基础上扩展代码（新增模块、类、方法等），而非修改已有代码（修改模块、类、方法等）。如下例，这是一段 API 接口监控告警的代码

其中，AlertRule 存储告警规则，可以自由设置。Notification 是告警通知类，支持邮件、短信、微信、手机等多种通知渠道。NotificationEmergencyLevel 表示通知的紧急程度，包括 SEVERE（严重）、URGENCY（紧急）、NORMAL（普通）、TRIVIAL（无关紧要），不同的紧急程度对应不同的发送渠道

public class Alert {
        
        private AlertRule rule;
        private Notification notification;
    
        public Alert(AlertRule rule, Notification notification) {
        
            this.rule = rule;
            this.notification = notification;
        }
        public void check(String api, long requestCount, long errorCount, long duration) {
        
            long tps = requestCount / durationOfSeconds;
            if (tps > rule.getMatchedRule(api).getMaxTps()) {
        
                notification.notify(NotificationEmergencyLevel.URGENCY, "...");
            }
            if (errorCount > rule.getMatchedRule(api).getMaxErrorCount()) {
        
                notification.notify(NotificationEmergencyLevel.SEVERE, "...");
            }
        }
    }

上面这段代码非常简单，业务逻辑主要集中在 `check()` 函数中。当接口的 TPS 超过某个预先设置的最大值时，以及当接口请求出错数大于某个最大允许值时，就会触发告警，通知接口的相关负责人或者团队

现在，如果需要添加一个功能，当每秒钟接口超时请求个数，超过某个预先设置的最大阈值时，也要触发告警发送通知。这个时候，该如何改动代码呢？主要的改动有两处：第一处是修改 `check()` 函数的入参，添加一个新的统计数据 timeoutCount，表示超时接口请求数；第二处是在 `check()` 函数中添加新的告警逻辑。具体的代码改动如下所示：

public class Alert {
        
        // ... 省略 AlertRule/Notification 属性和构造函数...
        // 改动一：添加参数 timeoutCount
        public void check(String api, long requestCount, long errorCount, long timeoutCount) {
        
            long tps = requestCount / durationOfSeconds;
            if (tps > rule.getMatchedRule(api).getMaxTps()) {
        
                notification.notify(NotificationEmergencyLevel.URGENCY, "...");
            }
            if (errorCount > rule.getMatchedRule(api).getMaxErrorCount()) {
        
                notification.notify(NotificationEmergencyLevel.SEVERE, "...");
            }
            // 改动二：添加接口超时处理逻辑
            long timeoutTps = timeoutCount / durationOfSeconds;
            if (timeoutTps > rule.getMatchedRule(api).getMaxTimeoutTps()) {
        
                notification.notify(NotificationEmergencyLevel.URGENCY, "...");
            }
        }
    }

这样的代码修改实际上存在挺多问题的。一方面，对接口进行了修改，这就意味着调用这个接口的代码都要做相应的修改。另一方面，修改了 `check()` 函数，相应的单元测试都需要修改

上面的代码改动是基于“修改”的方式来实现新功能的。如果遵循开闭原则，也就是“对扩展开放、对修改关闭”。那如何通过“扩展”的方式，来实现同样的功能呢？

首先先重构一下之前的 Alert 代码，让它的扩展性更好一些。重构的内容主要包含两部分：

1.  将 `check()` 函数的多个入参封装成 ApiStatInfo 类；
2.  引入 handler 的概念，将 if 判断逻辑分散在各个 handler 中

具体的代码实现如下所示：

public class Alert {
        
        private List<AlertHandler> alertHandlers = new ArrayList<>();
    
        public void addAlertHandler(AlertHandler alertHandler) {
        
            this.alertHandlers.add(alertHandler);
        }
        public void check(ApiStatInfo apiStatInfo) {
        
            for (AlertHandler handler : alertHandlers) {
        
                handler.check(apiStatInfo);
            }
        }
    }
    public class ApiStatInfo {
        // 省略 constructor/getter/setter 方法
        private String api;
        private long requestCount;
        private long errorCount;
        private long durationOfSeconds;
    }
    
    public abstract class AlertHandler {
        
        protected AlertRule rule;
        protected Notification notification;
    
        public AlertHandler(AlertRule rule, Notification notification) {
        
            this.rule = rule;
            this.notification = notification;
        }
        public abstract void check(ApiStatInfo apiStatInfo);
    }
    public class TpsAlertHandler extends AlertHandler {
        
        public TpsAlertHandler(AlertRule rule, Notification notification) {
        
            super(rule, notification);
        }
        @Override
        public void check(ApiStatInfo apiStatInfo) {
        
            long tps = apiStatInfo.getRequestCount()/ apiStatInfo.getDurationOfSeconds
            if (tps > rule.getMatchedRule(apiStatInfo.getApi()).getMaxTps()) {
        
                notification.notify(NotificationEmergencyLevel.URGENCY, "...");
            }
        }
    }
    public class ErrorAlertHandler extends AlertHandler {
        
        public ErrorAlertHandler(AlertRule rule, Notification notification){
        
            super(rule, notification);
        }
        @Override
        public void check(ApiStatInfo apiStatInfo) {
        
            if (apiStatInfo.getErrorCount() > rule.getMatchedRule(apiStatInfo.getApi()) {
        
                notification.notify(NotificationEmergencyLevel.SEVERE, "...");
            }
        }
    }

上面的代码是对 Alert 的重构，重构之后的 Alert 该如何使用呢？如下，其中，ApplicationContext 是一个单例类，负责 Alert 的创建、组装（alertRule 和 notification 的依赖注入）、初始化（添加 handlers）工作

public class ApplicationContext {
        
        private AlertRule alertRule;
        private Notification notification;
        private Alert alert;
    
        public void initializeBeans() {
        
            alertRule = new AlertRule(/*. 省略参数.*/); // 省略一些初始化代码
            notification = new Notification(/*. 省略参数.*/); // 省略一些初始化代码
            alert = new Alert();
            alert.addAlertHandler(new TpsAlertHandler(alertRule, notification));
            alert.addAlertHandler(new ErrorAlertHandler(alertRule, notification));
        }
        public Alert getAlert() {
         return alert; }
        // 饿汉式单例
        private static final ApplicationContext instance = new ApplicationContext();
        private ApplicationContext() {
        
            instance.initializeBeans();
        }
        public static ApplicationContext getInstance() {
        
            return instance;
        }
    }
    
    public class Demo {
        
        public static void main(String[] args) {
        
            ApiStatInfo apiStatInfo = new ApiStatInfo();
            // ... 省略设置 apiStatInfo 数据值的代码
            ApplicationContext.getInstance().getAlert().check(apiStatInfo);
        }
    }

再来看下，基于重构之后的代码，如果再添加上面讲到的那个新功能，每秒钟接口超时请求个数超过某个最大阈值就告警，又该如何改动代码呢？主要的改动有下面四处：

1.  在 ApiStatInfo 类中添加新的属性 timeoutCount
2.  添加新的 TimeoutAlertHander 类
3.  在 ApplicationContext 类的 initializeBeans() 方法中，往 alert 对象中注册新的 timeoutAlertHandler
4.  在使用 Alert 类的时候，需要给 `check()` 函数的入参 apiStatInfo 对象设置 timeoutCount 的值

public class Alert {
         // 代码未改动... }
    
    public class ApiStatInfo {
        // 省略 constructor/getter/setter 方法
        private String api;
        private long requestCount;
        private long errorCount;
        private long durationOfSeconds;
        private long timeoutCount; // 改动一：添加新字段
    }
    public abstract class AlertHandler {
         // 代码未改动... }
    public class TpsAlertHandler extends AlertHandler {
         // 代码未改动...}
    public class ErrorAlertHandler extends AlertHandler {
         // 代码未改动...}
    
    // 改动二：添加新的 handler
    public class TimeoutAlertHandler extends AlertHandler {
         // 省略代码...}
    
    public class ApplicationContext {
        
        private AlertRule alertRule;
        private Notification notification;
        private Alert alert;
    
        public void initializeBeans() {
        
            alertRule = new AlertRule(/*. 省略参数.*/); // 省略一些初始化代码
            notification = new Notification(/*. 省略参数.*/); // 省略一些初始化代码
            alert = new Alert();
            alert.addAlertHandler(new TpsAlertHandler(alertRule, notification));
            alert.addAlertHandler(new ErrorAlertHandler(alertRule, notification));
            // 改动三：注册 handler
            alert.addAlertHandler(new TimeoutAlertHandler(alertRule, notification));
        }
        //... 省略其他未改动代码...
    }
    public class Demo {
        
        public static void main(String[] args) {
        
            ApiStatInfo apiStatInfo = new ApiStatInfo();
            // ... 省略 apiStatInfo 的 set 字段代码
            apiStatInfo.setTimeoutCount(289); // 改动四：设置 tiemoutCount 值
            ApplicationContext.getInstance().getAlert().check(apiStatInfo);
        }
    }

重构之后的代码更加灵活和易扩展。如果要想添加新的告警逻辑，只需要基于扩展的方式创建新的 handler 类即可，不需要改动原来的 `check()` 函数的逻辑。而且，只需要为新的 handler 类添加单元测试，老的单元测试都不会失败，也不用修改

### 2.2 修改代码就意味着违背开闭原则吗？ ###

看了上面重构之后的代码，可能还会有疑问：在添加新的告警逻辑的时候，尽管改动二（添加新的 handler 类）是基于扩展而非修改的方式来完成的，但改动一、三、四貌似不是基于扩展而是基于修改的方式来完成的，那改动一、三、四不就违背了开闭原则吗？

**1、改动一：往 ApiStatInfo 类中添加新的属性 timeoutCount**

实际上，不仅往 ApiStatInfo 类中添加了属性，还添加了对应的 getter/setter 方法。那这个问题就转化为：给类中添加新的属性和方法，算作“修改”还是“扩展”？

开闭原则的定义：软件实体（模块、类、方法等）应该“对扩展开放、对修改关闭”。从定义中，可以看出，开闭原则可以应用在不同粒度的代码中，可以是模块，也可以类，还可以是方法（及其属性）。同样一个代码改动，在粗代码粒度下，被认定为“修改”，在细代码粒度下，又可以被认定为“扩展”。比如，改动一，添加属性和方法相当于修改类，在类这个层面，这个代码改动可以被认定为“修改”；但这个代码改动并没有修改已有的属性和方法，在方法（及其属性）这一层面，它又可以被认定为“扩展”

实际上，也没必要纠结某个代码改动是“修改”还是“扩展”，更没必要太纠结它是否违反“开闭原则”。回到这条原则的设计初衷：只要它没有破坏原有的代码的正常运行，没有破坏原有的单元测试，就可以说，这是一个合格的代码改动

**2、改动三和改动四：在 ApplicationContext 类的 `initializeBeans()` 方法中，往 alert 对象中注册新的 timeoutAlertHandler；在使用 Alert 类的时候，需要给 `check()` 函数的入参 apiStatInfo 对象设置 timeoutCount 的值**

这两处改动都是在方法内部进行的，不管从哪个层面（模块、类、方法）来讲，都不能算是“扩展”，而是地地道道的“修改”。不过，有些修改是在所难免的，是可以被接受的。为什么这么说呢？

在重构之后的 Alert 代码中，核心逻辑集中在 Alert 类及其各个 handler 中，当在添加新的告警逻辑的时候，Alert 类完全不需要修改，而只需要扩展一个新 handler 类。如果把 Alert 类及各个 handler 类合起来看作一个“模块”，那模块本身在添加新的功能的时候，完全满足开闭原则

而且，添加一个新功能，不可能任何模块、类、方法的代码都不“修改”，这个是做不到的。类需要创建、组装、并且做一些初始化操作，才能构建成可运行的的程序，这部分代码的修改是在所难免的。要做的是尽量让修改操作更集中、更少、更上层，尽量让最核心、最复杂的那部分逻辑代码满足开闭原则

### 2.3 如何做到“对扩展开放、修改关闭”？ ###

在刚刚的例子中，通过引入一组 handler 的方式来实现支持开闭原则。如果没有太多复杂代码的设计和开发经验，这样的代码设计思路可能想不到。能想到，靠的就是理论知识和实战经验，这些需要慢慢学习和积累

实际上，开闭原则讲的就是代码的扩展性问题，是判断一段代码是否易扩展的“金标准”。如果某段代码在应对未来需求变化的时候，能够做到“对扩展开放、对修改关闭”，那就说明这段代码的扩展性比较好。所以，问如何才能做到“对扩展开放、对修改关闭”，也就粗略地等同于在问，如何才能写出扩展性好的代码

**在讲具体的方法论之前，先来看一些更加偏向顶层的指导思想。为了尽量写出扩展性好的代码，要时刻具备扩展意识、抽象意识、封装意识。这些“潜意识”可能比任何开发技巧都重要**

在写代码的时候后，要多花点时间往前多思考一下，这段代码未来可能有哪些需求变更、如何设计代码结构，事先留好扩展点，以便在未来需求变更的时候，不需要改动代码整体结构、做到最小代码改动的情况下，新的代码能够很灵活地插入到扩展点上，做到“对扩展开放、对修改关闭”

还有，在识别出代码可变部分和不可变部分之后，要将可变部分封装起来，隔离变化，提供抽象化的不可变接口，给上层系统使用。当具体的实现发生变化的时候，只需要基于相同的抽象接口，扩展一个新的实现，替换掉老的实现即可，上游系统的代码几乎不需要修改

**讲完了实现开闭原则的一些偏向顶层的指导思想，现在再来看下，支持开闭原则的一些更加具体的方法论**

前面讲到，代码的扩展性是代码质量评判的最重要的标准之一。实际上，很多设计原则、设计思想、设计模式，都是以提高代码的扩展性为最终目的的。特别是 23 种经典设计模式，大部分都是为了解决代码的扩展性问题而总结出来的，都是以开闭原则为指导原则的

在众多的设计原则、思想、模式中，最常用来提高代码扩展性的方法有：多态、依赖注入、基于接口而非实现编程，以及大部分的设计模式（比如，装饰、策略、模板、职责链、状态等）。接下来重点讲一下，如何利用多态、依赖注入、基于接口而非实现编程，来实现“对扩展开放、对修改关闭”

实际上，多态、依赖注入、基于接口而非实现编程，以及前面提到的抽象意识，说的都是同一种设计思路，只是从不同的角度、不同的层面来阐述而已。这也体现了“很多设计原则、思想、模式都是相通的”这一思想

如下例，代码中通过 Kafka 来发送异步消息。对于这样一个功能的开发，要学会将其抽象成一组跟具体消息队列（Kafka）无关的异步消息接口。所有上层系统都依赖这组抽象的接口编程，并且通过依赖注入的方式来调用。当要替换新的消息队列的时候，比如将 Kafka 替换成 RocketMQ，可以很方便地拔掉老的消息队列实现，插入新的消息队列实现。具体代码如下所示：

// 这一部分体现了抽象意识
    public interface MessageQueue {
         //... }
    public class KafkaMessageQueue implements MessageQueue {
         //... }
    public class RocketMQMessageQueue implements MessageQueue {
        //...}
    
    public interface MessageFromatter {
         //... }
    public class JsonMessageFromatter implements MessageFromatter {
        //...}
    public class ProtoBufMessageFromatter implements MessageFromatter {
        //...}
    
    public class Demo {
        
        private MessageQueue msgQueue; // 基于接口而非实现编程
    
        public Demo(MessageQueue msgQueue) {
         // 依赖注入
            this.msgQueue = msgQueue;
        }
        // msgFormatter：多态、依赖注入
        public void sendNotification(Notification notification, MessageFormatter msg) {
        
            //...
        }
    }

### 2.4 如何在项目中灵活应用开闭原则？ ###

写出支持“对扩展开放、对修改关闭”的代码的关键是预留扩展点。那问题是如何才能识别出所有可能的扩展点呢？

如果开发的是一个业务导向的系统，比如金融系统、电商系统、物流系统等，要想识别出尽可能多的扩展点，就要对业务有足够的了解，能够知道当下以及未来可能要支持的业务需求。如果开发的是跟业务无关的、通用的、偏底层的系统，比如，框架、组件、类库，需要了解“它们会被如何使用？今后你打算添加哪些功能？使用者未来会有哪些更多的功能需求？”等问题

不过，有一句话说得好，“唯一不变的只有变化本身”。即便对业务、对系统有足够的了解，那也不可能识别出所有的扩展点，即便能识别出所有的扩展点，为这些地方都预留扩展点，这样做的成本也是不可接受的。没必要为一些遥远的、不一定发生的需求去提前买单，做过度设计

最合理的做法是，对于一些比较确定的、短期内可能就会扩展，或者需求改动对代码结构影响比较大的情况，或者实现成本不高的扩展点，在编写代码的时候之后，就可以事先做些扩展性设计。但对于一些不确定未来是否要支持的需求，或者实现起来比较复杂的扩展点，可以等到有需求驱动的时候，再通过重构代码的方式来支持扩展的需求

而且，开闭原则也并不是免费的。有些情况下，代码的扩展性会跟可读性相冲突。比如之前举的 Alert 告警的例子。为了更好地支持扩展性，对代码进行了重构，重构之后的代码要比之前的代码复杂很多，理解起来也更加有难度。很多时候，都需要在扩展性和可读性之间做权衡。在某些场景下，代码的扩展性很重要，就可以适当地牺牲一些代码的可读性；在另一些场景下，代码的可读性更加重要，那就适当地牺牲一些代码的可扩展性

在之前举的 Alert 告警的例子中，如果告警规则并不是很多、也不复杂，那 `check()` 函数中的 if 语句就不会很多，代码逻辑也不复杂，代码行数也不多，那最初的第一种代码实现思路简单易读，就是比较合理的选择。相反，如果告警规则很多、很复杂，`check()` 函数的 if 语句、代码逻辑就会很多、很复杂，相应的代码行数也会很多，可读性、可维护性就会变差，那重构之后的第二种代码实现思路就是更加合理的选择了

## 3. 里式替换（LSP） ##

### 3.1 如何理解“里式替换原则”？ ###

里式替换原则的英文翻译是：Liskov Substitution Principle，缩写为 LSP。这个原则最早是在 1986 年由 Barbara Liskov 提出，原文如下：

> If S is a subtype of T, then objects of type T may be replaced with objects of type S, without breaking the program.

在 1996 年，Robert Martin 在他的 SOLID 原则中，重新描述了这个原则，原文如下：

> Functions that use pointers of references to base classes must be able to use objects of derived classes without knowing it.

综合两者的描述，翻译成中文即：**子类对象（object of subtype/derived class）能够替换程序（program）中父类对象（object of base/parent class）出现的任何地方，并且保证原来程序的逻辑行为（behavior）不变及正确性不被破坏**

如下例，父类 Transporter 使用 org.apache.http 库中的 HttpClient 类来传输网络数据。子类 SecurityTransporter 继承父类 Transporter，增加了额外的功能，支持传输 appId 和 appToken 安全认证信息

public class Transporter {
        
        private HttpClient httpClient;
    
        public Transporter(HttpClient httpClient) {
        
            this.httpClient = httpClient;
        }
        public Response sendRequest(Request request) {
        
            // ...use httpClient to send request
        }
    }
    
    public class SecurityTransporter extends Transporter {
        
        private String appId;
        private String appToken;
    
        public SecurityTransporter(HttpClient httpClient, String appId, String appToken) {
        
            super(httpClient);
            this.appId = appId;
            this.appToken = appToken;
        }
        @Override
        public Response sendRequest(Request request) {
        
            if (StringUtils.isNotBlank(appId) && StringUtils.isNotBlank(appToken)) {
        
                request.addPayload("app-id", appId);
                request.addPayload("app-token", appToken);
            }
            return super.sendRequest(request);
        }
    }
    
    public class Demo {
        
        public void demoFunction(Transporter transporter) {
        
            Reuqest request = new Request();
            //... 省略设置 request 中数据值的代码...
            Response response = transporter.sendRequest(request);
            //... 省略其他逻辑...
        }
    }
    // 里式替换原则
    Demo demo = new Demo();
    demo.demofunction(new SecurityTransporter(/* 省略参数 */););

在上面的代码中，子类 SecurityTransporter 的设计完全符合里式替换原则，可以替换父类出现的任何位置，并且原来代码的逻辑行为不变且正确性也没有被破坏

这样一看，刚刚的代码设计不就是简单利用了面向对象的多态特性吗？多态和里式替换原则说的是不是一回事呢？从刚刚的例子和定义描述来看，里式替换原则跟多态看起来确实有点类似，但实际上它们完全是两回事。为什么这么说呢？

假如需要对 SecurityTransporter 类中 `sendRequest()` 函数稍加改造一下。改造前，如果 appId 或者 appToken 没有设置，就不做校验；改造后，如果 appId 或者 appToken 没有设置，则直接抛出NoAuthorizationRuntimeException 未授权异常。改造前后的代码对比如下所示：

// 改造前：
    public class SecurityTransporter extends Transporter {
        
        //... 省略其他代码..
        @Override
        public Response sendRequest(Request request) {
        
            if (StringUtils.isNotBlank(appId) && StringUtils.isNotBlank(appToken)) {
        
                request.addPayload("app-id", appId);
                request.addPayload("app-token", appToken);
            }
            return super.sendRequest(request);
        }
    }
    
    // 改造后：
    public class SecurityTransporter extends Transporter {
        
        //... 省略其他代码..
        @Override
        public Response sendRequest(Request request) {
        
            if (StringUtils.isBlank(appId) || StringUtils.isBlank(appToken)) {
        
                throw new NoAuthorizationRuntimeException(...);
            }
            request.addPayload("app-id", appId);
            request.addPayload("app-token", appToken);
            return super.sendRequest(request);
        }
    }

在改造之后的代码中，如果传递进 demoFunction() 函数的是父类 Transporter 对象，那 `demoFunction()` 函数并不会有异常抛出，但如果传递给 `demoFunction()` 函数的是子类 SecurityTransporter 对象，那 `demoFunction()` 有可能会有异常抛出。尽管代码中抛出的是运行时异常（Runtime Exception），可以不在代码中显式地捕获处理，但子类替换父类传递进 demoFunction 函数之后，整个程序的逻辑行为有了改变

虽然改造之后的代码仍然可以通过 Java 的多态语法，动态地用子类 SecurityTransporter 来替换父类 Transporter，也并不会导致程序编译或者运行报错。但是，从设计思路上来讲，SecurityTransporter 的设计是不符合里式替换原则的

虽然从定义描述和代码实现上来看，多态和里式替换有点类似，但它们关注的角度是不一样的。**多态是面向对象编程的一大特性，也是面向对象编程语言的一种语法。它是一种代码实现的思路。而里式替换是一种设计原则，是用来指导继承关系中子类该如何设计的，子类的设计要保证在替换父类的时候，不改变原有程序的逻辑以及不破坏原有程序的正确性**

### 3.2 哪些代码明显违背了 LSP？ ###

实际上，里式替换原则还有另外一个更加能落地、更有指导意义的描述，那就是“Design By Contract”，中文翻译就是“按照协议来设计”

看起来比较抽象，进一步解读一下就是子类在设计的时候，要遵守父类的行为约定（或者叫协议）。父类定义了函数的行为约定，那子类可以改变函数的内部实现逻辑，但不能改变函数原有的行为约定。这里的行为约定包括：函数声明要实现的功能；对输入、输出、异常的约定；甚至包括注释中所罗列的任何特殊说明。实际上，定义中父类和子类之间的关系，也可以替换成接口和实现类之间的关系。几个违反里式替换原则的例子如下：

**1、子类违背父类声明要实现的功能**

父类中提供的 `sortOrdersByAmount()` 订单排序函数，是按照金额从小到大来给订单排序的，而子类重写这个 `sortOrdersByAmount()` 订单排序函数之后，是按照创建日期来给订单排序的。那子类的设计就违背里式替换原则

**2、子类违背父类对输入、输出、异常的约定**

在父类中，某个函数约定：运行出错的时候返回 null；获取数据为空的时候返回空集合（empty collection）。而子类重载函数之后，实现变了，运行出错返回异常（exception），获取不到数据返回 null。那子类的设计就违背里式替换原则

在父类中，某个函数约定，输入数据可以是任意整数，但子类实现的时候，只允许输入数据是正整数，负数就抛出，也就是说，子类对输入的数据的校验比父类更加严格，那子类的设计就违背了里式替换原则

在父类中，某个函数约定，只会抛出 ArgumentNullException 异常，那子类的设计实现中只允许抛出 ArgumentNullException 异常，任何其他异常的抛出，都会导致子类违背里式替换原则

**3、子类违背父类注释中所罗列的任何特殊说明**

父类中定义的 `withdraw()` 提现函数的注释是这么写的：“用户的提现金额不得超过账户余额……”，而子类重写 `withdraw()` 函数之后，针对 VIP 账号实现了透支提现的功能，也就是提现金额可以大于账户余额，那这个子类的设计也是不符合里式替换原则的

以上便是三种典型的违背里式替换原则的情况。除此之外，判断子类的设计实现是否违背里式替换原则，还有一个小窍门，那就是拿父类的单元测试去验证子类的代码。如果某些单元测试运行失败，就有可能说明，子类的设计实现没有完全地遵守父类的约定，子类有可能违背了里式替换原则

实际上，里式替换这个原则是非常宽松的。一般情况下都不怎么会违背它

## 4. 接口隔离原则（ISP） ##

### 4.1 如何理解“接口隔离原则”？ ###

接口隔离原则的英文翻译是“ Interface Segregation Principle”，缩写为 ISP。Robert Martin 在 SOLID 原则中是这样定义它的：

> Clients should not be forced to depend upon interfaces that they do not use.  
> 客户端不应该强迫依赖它不需要的接口
> 
> 其中的“客户端”，可以理解为接口的调用者或者使用者

实际上，“接口”这个名词可以用在很多场合中。在软件开发中，既可以把它看作一组抽象的约定，也可以具体指系统与系统之间的 API 接口，还可以特指面向对象编程语言中的接口等。理解接口隔离原则的关键，就是理解其中的“接口”二字。在这条原则中，可以把“接口”理解为下面三种东西：

*  一组 API 接口集合
 *  单个 API 接口或函数
 *  OOP 中的接口概念

#### 4.1.1 把“接口”理解为一组 API 接口集合 ####

如下例，微服务用户系统提供了一组跟用户相关的 API 给其他系统使用，比如：注册、登录、获取用户信息等。具体代码如下所示：

现在，后台管理系统要实现删除用户的功能，希望用户系统提供一个删除用户的接口。这个时候该如何来做呢？可能会说只需要在 UserService 中新添加一个 `deleteUserByCellphone()` 或 `deleteUserById()` 接口就可以了。这个方法可以解决问题，但是也隐藏了一些安全隐患

删除用户是一个非常慎重的操作，只希望通过后台管理系统来执行，所以这个接口只限于给后台管理系统使用。如果把它放到 UserService 中，那所有使用到 UserService的系统，都可以调用这个接口。不加限制地被其他业务系统调用，就有可能导致误删用户

当然，最好的解决方案是从架构设计的层面，通过接口鉴权的方式来限制接口的调用。不过，如果暂时没有鉴权框架来支持，还可以从代码设计的层面，尽量避免接口被误用。参照接口隔离原则，调用者不应该强迫依赖它不需要的接口，将删除接口单独放到另外一个接口 RestrictedUserService 中，然后将 RestrictedUserService 只打包提供给后台管理系统来使用。具体的代码实现如下所示：

public interface UserService {
        
        boolean register(String cellphone, String password);
        boolean login(String cellphone, String password);
        UserInfo getUserInfoById(long id);
        UserInfo getUserInfoByCellphone(String cellphone);
    }
    public interface RestrictedUserService {
        
        boolean deleteUserByCellphone(String cellphone);
        boolean deleteUserById(long id);
    }
    public class UserServiceImpl implements UserService, RestrictedUserService {
        
        // ... 省略实现代码...
    }

在刚刚的这个例子中，把接口隔离原则中的接口，理解为一组接口集合，它可以是某个微服务的接口，也可以是某个类库的接口等等。在设计微服务或者类库接口的时候，如果部分接口只被部分调用者使用，那就需要将这部分接口隔离出来，单独给对应的调用者使用，而不是强迫其他调用者也依赖这部分不会被用到的接口

#### 4.1.2 把“接口”理解为单个 API 接口或函数 ####

把接口理解为单个接口或函数（这里简称为“函数”）。那接口隔离原则就可以理解为：函数的设计要功能单一，不要将多个不同的功能逻辑在一个函数中实现。如下例：

public class Statistics {
        
        private Long max;
        private Long min;
        private Long average;
        private Long sum;
        private Long percentile99;
        private Long percentile999;
        //... 省略 constructor/getter/setter 等方法...
    }
    public Statistics count(Collection<Long> dataSet) {
        
        Statistics statistics = new Statistics();
        //... 省略计算逻辑...
        return statistics;
    }

在上面的代码中，`count()` 函数的功能不够单一，包含很多不同的统计功能，比如，求最大值、最小值、平均值等等。按照接口隔离原则，应该把 `count()` 函数拆成几个更小粒度的函数，每个函数负责一个独立的统计功能。拆分之后的代码如下所示：

public Long max(Collection<Long> dataSet) {
         //... }
    public Long min(Collection<Long> dataSet) {
         //... }
    public Long average(Colletion<Long> dataSet) {
         //... }
    // ... 省略其他统计函数...

不过在某种意义上讲，`count()` 函数也不能算是职责不够单一，毕竟它做的事情只跟统计相关。在讲单一职责原则的时候，也提到过类似的问题。实际上，判定功能是否单一，除了很强的主观性，还需要结合具体的场景

如果在项目中，对每个统计需求，Statistics 定义的那几个统计信息都有涉及，那 `count()` 函数的设计就是合理的。相反，如果每个统计需求只涉及 Statistics 罗列的统计信息中一部分，比如，有的只需要用到 max、min、average 这三类统计信息，有的只需要用到 average、sum。而 `count()` 函数每次都会把所有的统计信息计算一遍，就会做很多无用功，势必影响代码的性能，特别是在需要统计的数据量很大的时候。所以，在这个应用场景下，`count()` 函数的设计就有点不合理了，应该按照第二种设计思路，将其拆分成粒度更细的多个统计函数

这里可以发现接口隔离原则跟单一职责原则有点类似，不过稍微还是有点区别。单一职责原则针对的是模块、类、接口的设计。而接口隔离原则相对于单一职责原则，一方面它更侧重于接口的设计，另一方面它的思考的角度不同。它提供了一种判断接口是否职责单一的标准：通过调用者如何使用接口来间接地判定。如果调用者只使用部分接口或接口的部分功能，那接口的设计就不够职责单一

#### 4.1.3 把“接口”理解为 OOP 中的接口概念 ####

把“接口”理解为 OOP 中的接口概念，比如 Java 中的 interface，如下例：

假设项目中用到了三个外部系统：Redis、MySQL、Kafka。每个系统都对应一系列配置信息，比如地址、端口、访问超时时间等。为了在内存中存储这些配置信息，供项目中的其他模块来使用，分别设计实现了三个 Configuration 类：RedisConfig、MysqlConfig、KafkaConfig。如下所示：

public class RedisConfig {
        
        private ConfigSource configSource; // 配置中心（比如 zookeeper）
        private String address;
        private int timeout;
        private int maxTotal;
        // 省略其他配置: maxWaitMillis,maxIdle,minIdle...
    
        public RedisConfig(ConfigSource configSource) {
        
            this.configSource = configSource;
        }
        public String getAddress() {
        
            return this.address;
        }
        //... 省略其他 get()、init() 方法...
        public void update() {
        
            // 从 configSource 加载配置到 address/timeout/maxTotal...
        }
    }
    public class KafkaConfig {
         //... 省略... }
    public class MysqlConfig {
         //... 省略... }

现在，有一个新的功能需求，希望支持 Redis 和 Kafka 配置信息的热更新。所谓“热更新（hot update）”就是，如果在配置中心中更改了配置信息，希望在不用重启系统的情况下，能将最新的配置信息加载到内存中（也就是 RedisConfig、KafkaConfig 类中）。但是，因为某些原因，并不希望对 MySQL 的配置信息进行热更新

为了实现这样一个功能需求，设计实现了一个 ScheduledUpdater 类，以固定时间频率（periodInSeconds）来调用 RedisConfig、KafkaConfig 的 `update()` 方法更新配置信息。具体的代码实现如下所示：

public interface Updater {
        
        void update();
    }
    public class RedisConfig implemets Updater {
        
        //... 省略其他属性和方法...
        @Override
        public void update() {
         //... }
    }
    public class KafkaConfig implements Updater {
        
        //... 省略其他属性和方法...
        @Override
        public void update() {
         //... }
    }
    public class MysqlConfig {
         //... 省略其他属性和方法... }
    
    public class ScheduledUpdater {
        
        private final ScheduledExecutorService executor = Executors.newSingleThread
        private long initialDelayInSeconds;
        private long periodInSeconds;
        private Updater updater;
    
        public ScheduleUpdater(Updater updater, long initialDelayInSeconds, long periodInSeconds) {
        
            this.updater = updater;
            this.initialDelayInSeconds = initialDelayInSeconds;
            this.periodInSeconds = periodInSeconds;
        }
    
        public void run() {
        
            executor.scheduleAtFixedRate(new Runnable() {
        
                @Override
                public void run() {
        
                    updater.update();
                }
            }, this.initialDelayInSeconds, this.periodInSeconds, TimeUnit.SECONDS)
        }
    }
    
    public class Application {
        
        ConfigSource configSource = new ZookeeperConfigSource(/* 省略参数 */);
        public static final RedisConfig redisConfig = new RedisConfig(configSource);
        public static final KafkaConfig kafkaConfig = new KakfaConfig(configSource);
        public static final MySqlConfig mysqlConfig = new MysqlConfig(configSource);
    
        public static void main(String[] args) {
        
            ScheduledUpdater redisConfigUpdater = new ScheduledUpdater(redisConfig, 300);
            redisConfigUpdater.run();
            ScheduledUpdater kafkaConfigUpdater = new ScheduledUpdater(kafkaConfig, 60);
            redisConfigUpdater.run();
        }
    }

刚刚的热更新的需求已经搞定了。现在，又有了一个新的监控功能需求。通过命令行来查看 Zookeeper 中的配置信息是比较麻烦的。所以，希望能有一种更加方便的配置信息查看方式

可以在项目中开发一个内嵌的 SimpleHttpServer，输出项目的配置信息到一个固定的 HTTP 地址，比如：http://127.0.0.1:2389/config 。只需要在浏览器中输入这个地址，就可以显示出系统的配置信息。不过，出于某些原因，只想暴露 MySQL 和 Redis 的配置信息，不想暴露 Kafka 的配置信息。为了实现这样一个功能，还需要对上面的代码做进一步改造。改造之后的代码如下所示：

public interface Updater {
        
        void update();
    }
    public interface Viewer {
        
        String outputInPlainText();
        Map<String, String> output();
    }
    
    public class RedisConfig implemets Updater, Viewer {
        
        //... 省略其他属性和方法...
        @Override
        public void update() {
         //... }
        @Override
        public String outputInPlainText() {
         //... }
        @Override
        public Map<String, String> output() {
         //...}
    }
    
    public class KafkaConfig implements Updater {
        
        //... 省略其他属性和方法...
        @Override
        public void update() {
         //... }
    }
    
    public class MysqlConfig implements Viewer {
        
        //... 省略其他属性和方法...
        @Override
        public String outputInPlainText() {
         //... }
        @Override
        public Map<String, String> output () {
         //...}
    }
    
    public class SimpleHttpServer {
        
        private String host;
        private int port;
        private Map<String, List<Viewer>> viewers = new HashMap<>();
    
        public SimpleHttpServer(String host, int port) {
        //...}
        public void addViewers (String urlDirectory, Viewer viewer){
        
            if (!viewers.containsKey(urlDirectory)) {
        
                viewers.put(urlDirectory, new ArrayList<Viewer>());
            }
            this.viewers.get(urlDirectory).add(viewer);
        }
        public void run () {
         //... }
    }
    
    public class Application {
        
        ConfigSource configSource = new ZookeeperConfigSource();
        public static final RedisConfig redisConfig = new RedisConfig(configSource)
        public static final KafkaConfig kafkaConfig = new KakfaConfig(configSource)
        public static final MySqlConfig mysqlConfig = new MySqlConfig(configSource)
    
        public static void main(String[] args) {
        
            ScheduledUpdater redisConfigUpdater = new ScheduledUpdater(redisConfig, 300, 300);
            redisConfigUpdater.run();
            ScheduledUpdater kafkaConfigUpdater = new ScheduledUpdater(kafkaConfig, 60, 60);
            redisConfigUpdater.run();
            SimpleHttpServer simpleHttpServer = new SimpleHttpServer(“ 127.0 .0 .1”,2
            simpleHttpServer.addViewer("/config", redisConfig);
            simpleHttpServer.addViewer("/config", mysqlConfig);
            simpleHttpServer.run();
        }
    }

至此，热更新和监控的需求就都实现了。设计了两个功能非常单一的接口：Updater 和 Viewer。ScheduledUpdater 只依赖 Updater 这个跟热更新相关的接口，不需要被强迫去依赖不需要的 Viewer 接口，满足接口隔离原则。同理，SimpleHttpServer 只依赖跟查看信息相关的 Viewer 接口，不依赖不需要的 Updater 接口，也满足接口隔离原则

如果不遵守接口隔离原则，不设计 Updater 和 Viewer 两个小接口，而是设计一个大而全的 Config 接口，让 RedisConfig、KafkaConfig、MysqlConfig 都实现这个 Config 接口，并且将原来传递给 ScheduledUpdater 的 Updater 和传递给 SimpleHttpServer 的 Viewer，都替换为 Config，那会有什么问题呢？先看一下按照这个思路来实现的代码是什么样的

public interface Config {
        
        void update();
        String outputInPlainText();
        Map<String, String> output();
    }
    public class RedisConfig implements Config {
        
        //... 需要实现 Config 的三个接口 update/outputIn.../output
    }
    public class KafkaConfig implements Config {
        
        //... 需要实现 Config 的三个接口 update/outputIn.../output
    }
    public class MysqlConfig implements Config {
        
        //... 需要实现 Config 的三个接口 update/outputIn.../output
    }
    
    public class ScheduledUpdater {
        
        //... 省略其他属性和方法..
        private Config config;
    
        public ScheduleUpdater(Config config, long initialDelayInSeconds, long period) {
        
            this.config = config;
            //...
        }
        //...
    }
    
    public class SimpleHttpServer {
        
        private String host;
        private int port;
        private Map<String, List<Config>> viewers = new HashMap<>();
    
        public SimpleHttpServer(String host, int port) {
        //...}
        public void addViewer (String urlDirectory, Config config){
        
            if (!viewers.containsKey(urlDirectory)) {
        
                viewers.put(urlDirectory, new ArrayList<Config>());
            }
            viewers.get(urlDirectory).add(config);
        }
        public void run () {
         //... }
    }

这样的设计思路也是能工作的，但是对比前后两个设计思路，在同样的代码量、实现复杂度、同等可读性的情况下，第一种设计思路显然要比第二种好很多。为什么这么说呢？主要有两点原因

**1、第一种设计思路更加灵活、易扩展、易复用**

因为 Updater、Viewer 职责更加单一，单一就意味了通用、复用性好。比如，现在又有一个新的需求，开发一个 Metrics 性能统计模块，并且希望将 Metrics 也通过 SimpleHttpServer 显示在网页上，以方便查看。这个时候，尽管 Metrics 跟 RedisConfig 等没有任何关系，但仍然可以让 Metrics 类实现非常通用的 Viewer 接口，复用 SimpleHttpServer 的代码实现。具体的代码如下所示：

public class ApiMetrics implements Viewer {
        //...}
    public class DbMetrics implements Viewer {
        //...}
    
    public class Application {
        
        ConfigSource configSource = new ZookeeperConfigSource();
        public static final RedisConfig redisConfig = new RedisConfig(configSource)
        public static final KafkaConfig kafkaConfig = new KakfaConfig(configSource)
        public static final MySqlConfig mySqlConfig = new MySqlConfig(configSource)
        public static final ApiMetrics apiMetrics = new ApiMetrics();
        public static final DbMetrics dbMetrics = new DbMetrics();
        public static void main(String[] args) {
        
            SimpleHttpServer simpleHttpServer = new SimpleHttpServer(“127.0.0.1”, 2
            simpleHttpServer.addViewer("/config", redisConfig);
            simpleHttpServer.addViewer("/config", mySqlConfig);
            simpleHttpServer.addViewer("/metrics", apiMetrics);
            simpleHttpServer.addViewer("/metrics", dbMetrics);
            simpleHttpServer.run();
        }
    }

**2、第二种设计思路在代码实现上做了一些无用功**

因为 Config 接口中包含两类不相关的接口，一类是 `update()`，一类是 `output()` 和 `outputInPlainText()`。理论上，KafkaConfig 只需要实现 `update()` 接口，并不需要实现 `output()` 相关的接口。同理，MysqlConfig 只需要实现 `output()` 相关接口，并需要实现 `update()` 接口。但第二种设计思路要求 RedisConfig、KafkaConfig、MySqlConfig 必须同时实现 Config 的所有接口函数（update、output、outputInPlainText）。除此之外，如果要往 Config 中继续添加一个新的接口，那所有的实现类都要改动。相反，如果接口粒度比较小，那涉及改动的类就比较少

## 5. 依赖反转（DIP） ##

前面讲到，单一职责原则和开闭原则的原理比较简单，但是，想要在实践中用好却比较难。依赖反转原则正好相反。这个原则用起来比较简单，但概念理解起来比较难。比如如下问题：

*  “依赖反转”这个概念指的是“谁跟谁”的“什么依赖”被反转了？“反转”两个字该如何理解？
 *  还有另外两个概念：“控制反转”和“依赖注入”。这两个概念跟“依赖反转”有什么区别和联系呢？它们说的是同一个事情吗？
 *  Spring 框架中的 IOC 跟这些概念又有什么关系呢？

### 5.1 控制反转（IOC） ###

控制反转的英文翻译是 Inversion Of Control，缩写为 IOC。如下例：

public class UserServiceTest {
        
        public static boolean doTest() {
        
            // ...
        }
        public static void main(String[] args) {
        // 这部分逻辑可以放到框架中
            if (doTest()) {
        
                System.out.println("Test succeed.");
            } else {
        
                System.out.println("Test failed.");
            }
        }
    }

在上面的代码中，所有的流程都由程序员来控制。如果抽象出一个下面这样一个框架，再来看如何利用框架来实现同样的功能。具体的代码实现如下所示：

public abstract class TestCase {
        
        public void run() {
        
            if (doTest()) {
        
                System.out.println("Test succeed.");
            } else {
        
                System.out.println("Test failed.");
            }
        }
        public abstract void doTest();
    }
    
    public class JunitApplication {
        
        private static final List<TestCase> testCases = new ArrayList<>();
    
        public static void register(TestCase testCase) {
        
            testCases.add(testCase);
        }
        public static final void main(String[] args) {
        
            for (TestCase case: testCases) {
        
                case.run();
            }
        }
    }

把这个简化版本的测试框架引入到工程中之后，只需要在框架预留的扩展点，也就是 TestCase 类中的 `doTest()` 抽象函数中，填充具体的测试代码就可以实现之前的功能了，完全不需要写负责执行流程的 `main()` 函数了。 具体的代码如下所示：

public class UserServiceTest extends TestCase {
        
        @Override
        public boolean doTest() {
        
            // ...
        }
    }
    // 注册操作还可以通过配置的方式来实现，不需要程序员显示调用 register()
    JunitApplication.register(new UserServiceTest();

上面这个例子，就是典型的通过框架来实现“控制反转”的例子。框架提供了一个可扩展的代码骨架，用来组装对象、管理整个执行流程。程序员利用框架进行开发的时候，只需要往预留的扩展点上，添加跟自己业务相关的代码，就可以利用框架来驱动整个程序流程的执行

**这里的“控制”指的是对程序执行流程的控制，而“反转”指的是在没有使用框架之前，程序员自己控制整个程序的执行。在使用框架之后，整个程序的执行流程可以通过框架来控制。流程的控制权从程序员“反转”到了框架**

实际上，实现控制反转的方法有很多，除了上面所示的类似于模板设计模式的方法之外，还有下面的依赖注入等方法，所以，控制反转并不是一种具体的实现技巧，而是一个比较笼统的设计思想，一般用来指导框架层面的设计

### 5.2 依赖注入（DI） ###

依赖注入跟控制反转恰恰相反，它是一种具体的编码技巧。依赖注入的英文翻译是 Dependency Injection，缩写为 DI。对于这个概念，有一个非常形象的说法，那就是：依赖注入是一个标价 25 美元，实际上只值 5 美分的概念。也就是说，这个概念听起来很“高大上”，实际上，理解、应用起来非常简单

**依赖注入用一句话来概括就是：不通过 `new()` 的方式在类内部创建依赖类对象，而是将依赖的类对象在外部创建好之后，通过构造函数、函数参数等方式传递（或注入）给类使用**

如下例，Notification 类负责消息推送，依赖 MessageSender 类实现推送商品促销、验证码等消息给用户。分别用依赖注入和非依赖注入两种方式来实现一下。具体的实现代码如下所示：

// 非依赖注入实现方式
    public class Notification {
        
        private MessageSender messageSender;
    
        public Notification() {
        
            this.messageSender = new MessageSender(); // 此处有点像 hardcode
        }
        public void sendMessage(String cellphone, String message) {
        
            //... 省略校验逻辑等...
            this.messageSender.send(cellphone, message);
        }
    }
    public class MessageSender {
        
        public void send(String cellphone, String message) {
        
            //....
        }
    }
    // 使用 Notification
    Notification notification = new Notification();
    
    // 依赖注入的实现方式
    public class Notification {
        
        private MessageSender messageSender;
    
        // 通过构造函数将 messageSender 传递进来
        public Notification(MessageSender messageSender) {
        
            this.messageSender = messageSender;
        }
        public void sendMessage(String cellphone, String message) {
        
            //... 省略校验逻辑等...
            this.messageSender.send(cellphone, message);
        }
    }
    // 使用 Notification
    MessageSender messageSender = new MessageSender();
    Notification notification = new Notification(messageSender);

通过依赖注入的方式来将依赖的类对象传递进来，这样就提高了代码的扩展性，可以灵活地替换依赖的类。这一点在我们之前讲“开闭原则”的时候也提到过。当然，上面代码还可以把 MessageSender 定义成接口，基于接口而非实现编程。改造后的代码如下所示：

public class Notification {
        
        private MessageSender messageSender;
        public Notification(MessageSender messageSender) {
        
            this.messageSender = messageSender;
        }
        public void sendMessage(String cellphone, String message) {
        
            this.messageSender.send(cellphone, message);
        }
    }
    public interface MessageSender {
        
        void send(String cellphone, String message);
    }
    
    // 短信发送类
    public class SmsSender implements MessageSender {
        
        @Override
        public void send(String cellphone, String message) {
        
            //....
        }
    }
    // 站内信发送类
    public class InboxSender implements MessageSender {
        
        @Override
        public void send(String cellphone, String message) {
        
            //....
        }
    }
    // 使用 Notification
    MessageSender messageSender = new SmsSender();
    Notification notification = new Notification(messageSender);

实际上，只需要掌握刚刚举的这个例子，就等于完全掌握了依赖注入。尽管依赖注入非常简单，但却非常有用，它是编写可测试性代码最有效的手段

### 5.3 依赖注入框架（DI Framework） ###

在采用依赖注入实现的 Notification 类中，虽然不需要用类似 hard code 的方式，在类内部通过 new 来创建 MessageSender 对象，但是，这个创建对象、组装（或注入）对象的工作仅仅是被移动到了更上层代码而已，还是需要程序员自己来实现。具体代码如下所示：

public class Demo {
        
        public static final void main(String args[]) {
        
            MessageSender sender = new SmsSender(); // 创建对象
            Notification notification = new Notification(sender);// 依赖注入
            notification.sendMessage("13918942177", " 短信验证码：2346");
        }
    }

在实际的软件开发中，一些项目可能会涉及几十、上百、甚至几百个类，类对象的创建和依赖注入会变得非常复杂。如果这部分工作都是靠程序员自己写代码来完成，容易出错且开发成本也比较高。而对象创建和依赖注入的工作，本身跟具体的业务无关，完全可以抽象成框架来自动完成

这个框架就是“依赖注入框架”。只需要通过依赖注入框架提供的扩展点，简单配置一下所有需要创建的类对象、类与类之间的依赖关系，就可以实现由框架来自动创建对象、管理对象的生命周期、依赖注入等原本需要程序员来做的事情

实际上，现成的依赖注入框架有很多，比如 Google Guice、Java Spring、Pico Container、Butterfly Container 等。不过，Spring 框架自己声称是控制反转容器（Inversion Of Control Container）

实际上，这两种说法都没错。只是控制反转容器这种表述是一种非常宽泛的描述，DI 依赖注入框架的表述更具体、更有针对性。因为前面讲到实现控制反转的方式有很多，除了依赖注入，还有模板模式等，而 Spring 框架的控制反转主要是通过依赖注入来实现的。不过这点区分并不是很明显，也不是很重要

### 5.4 依赖反转原则（DIP） ###

依赖反转原则。依赖反转原则的英文翻译是 Dependency Inversion Principle，缩写为 DIP。中文翻译有时候也叫依赖倒置原则。原文如下：

> High-level modules shouldn’t depend on low-level modules. Both modules should depend on abstractions. In addition, abstractions shouldn’t depend on details. Details depend on abstractions.  
> 高层模块（high-level modules）不要依赖低层模块（low-level）。高层模块和低层模块应该通过抽象（abstractions）来互相依赖。除此之外，抽象（abstractions）不要依赖具体实现细节（details），具体实现细节（details）依赖抽象（abstractions）

所谓高层模块和低层模块的划分，简单来说就是，在调用链上，调用者属于高层，被调用者属于低层。在平时的业务代码开发中，高层模块依赖底层模块是没有任何问题的。实际上，这条原则主要还是用来指导框架层面的设计，跟前面讲到的控制反转类似。拿 Tomcat这个 Servlet 容器作为例子来解释一下

Tomcat 是运行 Java Web 应用程序的容器。编写的 Web 应用程序代码只需要部署在 Tomcat 容器下，便可以被 Tomcat 容器调用执行。按照之前的划分原则，Tomcat 就是高层模块，编写的 Web 应用程序代码就是低层模块。Tomcat 和应用程序代码之间并没有直接的依赖关系，两者都依赖同一个“抽象”，也就是 Sevlet 规范。Servlet 规范不依赖具体的 Tomcat 容器和应用程序的实现细节，而 Tomcat 容器和应用程序依赖 Servlet 规范

## 6. KISS 原则 ##

KISS 原则的英文描述有好几个版本，比如下面这几个：

*  Keep It Simple and Stupid.
 *  Keep It Short and Simple.
 *  Keep It Simple and Straightforward.

不过，仔细看就会发现，它们要表达的意思其实差不多，翻译成中文就是：尽量保持简单

KISS 原则算是一个万金油类型的设计原则，可以应用在很多场景中。它不仅经常用来指导软件开发，还经常用来指导更加广泛的系统设计、产品设计等，比如，冰箱、建筑、iPhone 手机的设计等等。不过，这里重点讲解如何在编码开发中应用这条原则

代码的可读性和可维护性是衡量代码质量非常重要的两个标准。而 KISS 原则就是保持代码可读和可维护的重要手段。代码足够简单，也就意味着很容易读懂，bug 比较难隐藏。即便出现 bug，修复起来也比较简单

不过，这条原则只是告诉我们，要保持代码“Simple and Stupid”，但并没有讲到，什么样的代码才是“Simple and Stupid”的，更没有给出特别明确的方法论，来指导如何开发出“Simple and Stupid”的代码。所以，看着非常简单，但不能落地

### 6.1 代码行数越少就越“简单”吗？ ###

先看一个例子。下面这三段代码可以实现同样一个功能：检查输入的字符串 ipAddress 是否是合法的 IP 地址。一个合法的 IP 地址由四个数字组成，并且通过“.”来进行分割。每组数字的取值范围是 0~255。第一组数字比较特殊，不允许为 0

// 第一种实现方式: 使用正则表达式
    public boolean isValidIpAddressV1(String ipAddress) {
        
        if (StringUtils.isBlank(ipAddress)) return false;
    
        String regex = "^(1\\d{2}|2[0-4]\\d|25[0-5]|[1-9]\\d|[1-9])\\."
            + "(1\\d{2}|2[0-4]\\d|25[0-5]|[1-9]\\d|\\d)\\."
            + "(1\\d{2}|2[0-4]\\d|25[0-5]|[1-9]\\d|\\d)\\."
            + "(1\\d{2}|2[0-4]\\d|25[0-5]|[1-9]\\d|\\d)$";
        return ipAddress.matches(regex);
    }
    
    // 第二种实现方式: 使用现成的工具类
    public boolean isValidIpAddressV2(String ipAddress) {
        
        if (StringUtils.isBlank(ipAddress)) return false;
    
        String[] ipUnits = StringUtils.split(ipAddress, '.');
        if (ipUnits.length != 4) {
        
            return false;
        }
        for (int i = 0; i < 4; ++i) {
        
            int ipUnitIntValue;
            try {
        
                ipUnitIntValue = Integer.parseInt(ipUnits[i]);
            } catch (NumberFormatException e) {
        
                return false;
            }
            if (ipUnitIntValue < 0 || ipUnitIntValue > 255) {
        
                return false;
            }
            if (i == 0 && ipUnitIntValue == 0) {
        
                return false;
            }
        }
        return true;
    }
    
    // 第三种实现方式: 不使用任何工具类
    public boolean isValidIpAddressV3(String ipAddress) {
        
        char[] ipChars = ipAddress.toCharArray();
        int length = ipChars.length;
        int ipUnitIntValue = -1;
        boolean isFirstUnit = true;
        int unitsCount = 0;
    
        for (int i = 0; i < length; ++i) {
        
            char c = ipChars[i];
            if (c == '.') {
        
                if (ipUnitIntValue < 0 || ipUnitIntValue > 255) return false;
                if (isFirstUnit && ipUnitIntValue == 0) return false;
                if (isFirstUnit) isFirstUnit = false;
            ipUnitIntValue = -1;
            unitsCount++;
            continue;
        }
        if (c < '0' || c > '9') {
        
            return false;
        }
        if (ipUnitIntValue == -1) ipUnitIntValue = 0;
            ipUnitIntValue = ipUnitIntValue * 10 + (c - '0');
        }
        if (ipUnitIntValue < 0 || ipUnitIntValue > 255) return false;
        if (unitsCount != 3) return false;
        return true;
    }

第一种实现方式利用的是正则表达式，只用三行代码就把这个问题搞定了。它的代码行数最少，那是不是就最符合 KISS 原则呢？答案是否定的。虽然代码行数最少，看似最简单，实际上却很复杂。这正是因为它使用了正则表达式

一方面，正则表达式本身是比较复杂的，写出完全没有 bug 的正则表达本身就比较有挑战；另一方面，并不是每个程序员都精通正则表达式。对于不怎么懂正则表达式的同事来说，看懂并且维护这段正则表达式是比较困难的。这种实现方式会导致代码的可读性和可维护性变差，所以，从 KISS 原则的设计初衷上来讲，这种实现方式并不符合 KISS 原则

第二种实现方式使用了 StringUtils 类、Integer 类提供的一些现成的工具函数，来处理 IP地址字符串。第三种实现方式，不使用任何工具函数，而是通过逐一处理 IP 地址中的字符，来判断是否合法。从代码行数上来说，这两种方式差不多。但是，第三种要比第二种更加有难度，更容易写出 bug。从可读性上来说，第二种实现方式的代码逻辑更清晰、更好理解。所以，在这两种实现方式中，第二种实现方式更加“简单”，更加符合 KISS 原则

不过可能会说，第三种实现方式虽然实现起来稍微有点复杂，但性能要比第二种实现方式高一些啊。从性能的角度来说，选择第三种实现方式是不是更好些呢？

一般来说，工具类的功能都比较通用和全面，所以，在代码实现上，需要考虑和处理更多的细节，执行效率就会有所影响。而第三种实现方式，完全是自己操作底层字符，只针对 IP 地址这一种格式的数据输入来做处理，没有太多多余的函数调用和其他不必要的处理逻辑，所以，在执行效率上，这种类似定制化的处理代码方式肯定比通用的工具类要高些

不过，尽管第三种实现方式性能更高些，但还是更倾向于选择第二种实现方法。那是因为第三种实现方式实际上是一种过度优化。除非 `isValidIpAddress()` 函数是影响系统性能的瓶颈代码，否则，这样优化的投入产出比并不高，增加了代码实现的难度、牺牲了代码的可读性，性能上的提升却并不明显

### 6.2 代码逻辑复杂就违背 KISS 原则吗？ ###

前面提到，并不是代码行数越少就越“简单”，还要考虑逻辑复杂度、实现难度、代码的可读性等。那如果一段代码的逻辑复杂、实现难度大、可读性也不太好，是不是就一定违背 KISS 原则呢？先看下面的代码：

// KMP algorithm: a, b 分别是主串和模式串；n, m 分别是主串和模式串的长度。
    public static int kmp(char[] a, int n, char[] b, int m) {
        
        int[] next = getNexts(b, m);
        int j = 0;
        for (int i = 0; i < n; ++i) {
        
            while (j > 0 && a[i] != b[j]) {
         // 一直找到 a[i] 和 b[j]
                j = next[j - 1] + 1;
            }
            if (a[i] == b[j]) {
        
                ++j;
            }
            if (j == m) {
         // 找到匹配模式串的了
                return i - m + 1;
            }
        }
        return -1;
    }
    
    // b 表示模式串，m 表示模式串的长度
    private static int[] getNexts(char[] b, int m) {
        
        int[] next = new int[m];
        next[0] = -1;
        int k = -1;
        for (int i = 1; i < m; ++i) {
        
            while (k != -1 && b[k + 1] != b[i]) {
        
                k = next[k];
            }
            if (b[k + 1] == b[i]) {
        
                ++k;
            }
            next[i] = k;
        }
        return next;
    }

这段代码完全符合刚提到的逻辑复杂、实现难度大、可读性差的特点，但它并不违反 KISS 原则。为什么这么说呢？

KMP 算法以快速高效著称。当需要处理长文本字符串匹配问题（几百 MB 大小文本内容的匹配），或者字符串匹配是某个产品的核心功能（比如 Vim、Word 等文本编辑器），又或者字符串匹配算法是系统性能瓶颈的时候，就应该选择尽可能高效的 KMP算法。而 KMP 算法本身具有逻辑复杂、实现难度大、可读性差的特点。本身就复杂的问题，用复杂的方法解决，并不违背 KISS 原则

不过，平时的项目开发中涉及的字符串匹配问题，大部分都是针对比较小的文本。在这种情况下，直接调用编程语言提供的现成的字符串匹配函数就足够了。如果非得用 KMP 算法、BM 算法来实现字符串匹配，那就真的违背 KISS 原则了。也就是说，同样的代码，在某个业务场景下满足 KISS 原则，换一个应用场景可能就不满足了

### 6.3 如何写出满足 KISS 原则的代码？ ###

1.  不要使用同事可能不懂的技术来实现代码。比如前面例子中的正则表达式，还有一些编程语言中过于高级的语法等
2.  不要重复造轮子，要善于使用已经有的工具类库。经验证明，自己去实现这些类库，出 bug 的概率会更高，维护的成本也比较高
3.  不要过度优化。不要过度使用一些奇技淫巧（比如，位运算代替算术运算、复杂的条件语句代替 if-else、使用一些过于底层的函数等）来优化代码，牺牲代码的可读性

实际上，代码是否足够简单是一个挺主观的评判。同样的代码，有的人觉得简单，有的人觉得不够简单。而往往自己编写的代码，自己都会觉得够简单。所以，评判代码是否简单，还有一个很有效的间接方法，那就是 code review。如果在 code review 的时候，同事对你的代码有很多疑问，那就说明你的代码有可能不够“简单”，需要优化

在做开发的时候，一定不要过度设计，不要觉得简单的东西就没有技术含量。实际上，越是能用简单的方法解决复杂的问题，越能体现一个人的能力

## 7. YAGNI ##

YAGNI 原则的英文全称是：You Ain’t Gonna Need It。直译就是：你不会需要它。这条原则也算是万金油了。当用在软件开发中的时候，它的意思是：不要去设计当前用不到的功能；不要去编写当前用不到的代码。实际上，这条原则的核心思想就是：不要做过度设计

比如，系统暂时只用 Redis 存储配置信息，以后可能会用到 ZooKeeper。根据 YAGNI 原则，在未用到 ZooKeeper 之前，没必要提前编写这部分代码。当然，这并不是说就不需要考虑代码的扩展性。还是要预留好扩展点，等到需要的时候，再去实现 ZooKeeper 存储配置信息这部分代码

再比如，不要在项目中提前引入不需要依赖的开发包。对于 Java 程序员来说，经常使用 Maven 或者 Gradle 来管理依赖的类库（library）。有些同事为了避免开发中 library 包缺失而频繁地修改 Maven 或者 Gradle 配置文件，提前往项目里引入大量常用的 library 包。实际上，这样的做法也是违背 YAGNI 原则的

YAGNI 原则跟 KISS 原则并非一回事儿。KISS 原则讲的是“如何做”的问题（尽量保持简单），而 YAGNI 原则说的是“要不要做”的问题（当前不需要的就不要做）

## 8. DRY 原则 ##

英文描述为：Don’t Repeat Yourself。中文直译为：不要重复自己。将它应用在编程中，可以理解为：不要写重复的代码

但只要两段代码长得一样，那就是违反 DRY 原则了吗？答案是否定的。这是很多人对这条原则存在的误解。实际上，重复的代码不一定违反 DRY 原则，而且有些看似不重复的代码也有可能违反 DRY 原则。三种典型的代码重复情况，它们分别是：

1.  实现逻辑重复
2.  功能语义重复
3.  代码执行重复

这三种代码重复，有的看似违反 DRY，实际上并不违反；有的看似不违反，实际上却违反了

### 8.1 实现逻辑重复 ###

public class UserAuthenticator {
        
        public void authenticate(String username, String password) {
        
            if (!isValidUsername(username)) {
        
                // ...throw InvalidUsernameException...
            }
            if (!isValidPassword(password)) {
        
                // ...throw InvalidPasswordException...
            }
            //... 省略其他代码...
        }
        private boolean isValidUsername(String username) {
        
            // check not null, not empty
            if (StringUtils.isBlank(username)) {
        
                return false;
            }
            // check length: 4~64
            int length = username.length();
            if (length < 4 || length > 64) {
        
                return false;
            }
            // contains only lowcase characters
            if (!StringUtils.isAllLowerCase(username)) {
        
                return false;
            }
            // contains only a~z,0~9,dot
            for (int i = 0; i < length; ++i) {
        
                char c = username.charAt(i);
                if (!(c >= 'a' && c <= 'z') || (c >= '0' && c <= '9') || c == '.') {
        
                    return false;
                }
            }
            return true;
        }
        private boolean isValidPassword(String password) {
        
            // check not null, not empty
            if (StringUtils.isBlank(password)) {
        
                return false;
            }
            // check length: 4~64
            int length = password.length();
            if (length < 4 || length > 64) {
        
                return false;
            }
            // contains only lowcase characters
            if (!StringUtils.isAllLowerCase(password)) {
        
                return false;
            }
            // contains only a~z,0~9,dot
            for (int i = 0; i < length; ++i) {
        
                char c = password.charAt(i);
                if (!(c >= 'a' && c <= 'z') || (c >= '0' && c <= '9') || c == '.') {
        
                    return false;
                }
            }
            return true;
        }
    }

在上面的代码中，有两处非常明显的重复的代码片段：`isValidUserName()` 函数和 `isValidPassword()` 函数。重复的代码被敲了两遍，或者简单 copy-paste 了一下，看起来明显违反 DRY 原则。为了移除重复的代码，对上面的代码做下重构，将 `isValidUserName()` 函数和 `isValidPassword()` 函数，合并为一个更通用的函数 `isValidUserNameOrPassword()`。重构后的代码如下所示：

public class UserAuthenticatorV2 {
        
        public void authenticate(String userName, String password) {
        
            if (!isValidUsernameOrPassword(userName)) {
        
                // ...throw InvalidUsernameException...
            }
            if (!isValidUsernameOrPassword(password)) {
        
                // ...throw InvalidPasswordException...
            }
        }
        private boolean isValidUsernameOrPassword(String usernameOrPassword) {
        
            // 省略实现逻辑
            // 跟原来的 isValidUsername() 或 isValidPassword() 的实现逻辑一样...
            return true;
        }
    }

经过重构之后，代码行数减少了，也没有重复的代码了，是不是更好了呢？答案是否定的

单从名字上看就能发现，合并之后的 `isValidUserNameOrPassword()` 函数，负责两件事情：验证用户名和验证密码，违反了“单一职责原则”和“接口隔离原则”。实际上，即便将两个函数合并成 `isValidUserNameOrPassword()`，代码仍然存在问题

因为 `isValidUserName()` 和 `isValidPassword()` 两个函数，虽然从代码实现逻辑上看起来是重复的，但是从语义上并不重复。所谓“语义不重复”指的是：从功能上来看，这两个函数干的是完全不重复的两件事情，一个是校验用户名，另一个是校验密码。尽管在目前的设计中，两个校验逻辑是完全一样的，但如果按照第二种写法，将两个函数的合并，那就会存在潜在的问题。在未来的某一天，如果修改了密码的校验逻辑，比如，允许密码包含大写字符，允许密码的长度为 8 到 64 个字符，那这个时候，`isValidUserName()` 和  
`isValidPassword()` 的实现逻辑就会不相同。就要把合并后的函数，重新拆成合并前的那两个函数

尽管代码的实现逻辑是相同的，但语义不同，判定它并不违反 DRY 原则。对于包含重复代码的问题，可以通过抽象成更细粒度函数的方式来解决。比如将校验只包含 `a~z、0~9`、dot 的逻辑封装成 `boolean onlyContains(String str, String charlist);` 函数

### 8.2 功能语义重复 ###

在同一个项目代码中有下面两个函数：`isValidIp()` 和 `checkIfIpValid()`。尽管两个函数的命名不同，实现逻辑不同，但功能是相同的，都是用来判定 IP 地址是否合法的

之所以在同一个项目中会有两个功能相同的函数，那是因为这两个函数是由两个不同的同事开发的，其中一个同事在不知道已经有了 `isValidIp()` 的情况下，自己又定义并实现了同样用来校验 IP 地址是否合法的 `checkIfIpValid()` 函数。那在同一项目代码中，存在如下两个函数，是否违反 DRY 原则呢？

public boolean isValidIp(String ipAddress) {
        
        if (StringUtils.isBlank(ipAddress)) return false;
        String regex = "^(1\\d{2}|2[0-4]\\d|25[0-5]|[1-9]\\d|[1-9])\\."
            + "(1\\d{2}|2[0-4]\\d|25[0-5]|[1-9]\\d|\\d)\\."
            + "(1\\d{2}|2[0-4]\\d|25[0-5]|[1-9]\\d|\\d)\\."
            + "(1\\d{2}|2[0-4]\\d|25[0-5]|[1-9]\\d|\\d)$";
        return ipAddress.matches(regex);
    }
    
    public boolean checkIfIpValid(String ipAddress) {
        
        if (StringUtils.isBlank(ipAddress)) return false;
        String[] ipUnits = StringUtils.split(ipAddress, '.');
        if (ipUnits.length != 4) {
        
            return false;
        }
        for (int i = 0; i < 4; ++i) {
        
            int ipUnitIntValue;
            try {
        
                ipUnitIntValue = Integer.parseInt(ipUnits[i]);
            } catch (NumberFormatException e) {
        
                return false;
            }
            if (ipUnitIntValue < 0 || ipUnitIntValue > 255) {
        
                return false;
            }
            if (i == 0 && ipUnitIntValue == 0) {
        
                return false;
            }
        }
        return true;
    }

这个例子跟上个例子正好相反。上一个例子是代码实现逻辑重复，但语义不重复，并不认为它违反了 DRY 原则。而在这个例子中，尽管两段代码的实现逻辑不重复，但语义重复，也就是功能重复，认为它违反了 DRY 原则。应该在项目中，统一一种实现思路，所有用到判断 IP 地址是否合法的地方，都统一调用同一个函数

假设不统一实现思路，那有些地方调用了 `isValidIp()` 函数，有些地方又调用了 `checkIfIpValid()` 函数，这就会导致代码看起来很奇怪，相当于给代码“埋坑”，给不熟悉这部分代码的同事增加了阅读的难度。同事有可能研究了半天，觉得功能是一样的，但又有点疑惑，觉得是不是有更高深的考量，才定义了两个功能类似的函数，最终发现居然是代码设计的问题

除此之外，如果哪天项目中 IP 地址是否合法的判定规则改变了，比如：255.255.255.255 不再被判定为合法的了，相应地，对 `isValidIp()` 的实现逻辑做了相应的修改，但却忘记了修改 `checkIfIpValid()` 函数。又或者，压根就不知道还存在一个功能相同的 `checkIfIpValid()` 函数，这样就会导致有些代码仍然使用老的 IP 地址判断逻辑，导致出现一些莫名其妙的 bug

### 8.3 代码执行重复 ###

前两个例子一个是实现逻辑重复，一个是语义重复，再来看第三个例子。其中，UserService 中 `login()` 函数用来校验用户登录是否成功。如果失败，就返回异常；如果成功，就返回用户信息。具体代码如下所示：

public class UserService {
        
        private UserRepo userRepo;// 通过依赖注入或者 IOC 框架注入
        public User login(String email, String password) {
        
            boolean existed = userRepo.checkIfUserExisted(email, password);
            if (!existed) {
        
                // ... throw AuthenticationFailureException...
            }
            User user = userRepo.getUserByEmail(email);
            return user;
        }
    }
    
    public class UserRepo {
        
        public boolean checkIfUserExisted(String email, String password) {
        
            if (!EmailValidation.validate(email)) {
        
                // ... throw InvalidEmailException...
            }
            if (!PasswordValidation.validate(password)) {
        
                // ... throw InvalidPasswordException...
            }
            //...query db to check if email&password exists...
        }
        public User getUserByEmail(String email) {
        
            if (!EmailValidation.validate(email)) {
        
                // ... throw InvalidEmailException...
            }
            //...query db to get user by email...
        }
    }

上面这段代码，既没有逻辑重复，也没有语义重复，但仍然违反了 DRY 原则。这是因为代码中存在“执行重复”。我们一块儿来看下，到底哪些代码被重复执行了？

重复执行最明显的一个地方，就是在 `login()` 函数中，email 的校验逻辑被执行了两次。一次是在调用 `checkIfUserExisted()` 函数的时候，另一次是调用 `getUserByEmail()` 函数的时候。这个问题解决起来比较简单，只需要将校验逻辑从 UserRepo 中移除，统一放到 UserService 中就可以了

除此之外，代码中还有一处比较隐蔽的执行重复，实际上，`login()` 函数并不需要调用 `checkIfUserExisted()` 函数，只需要调用一次 `getUserByEmail()` 函数，从数据库中获取到用户的 email、password 等信息，然后跟用户输入的 email、password 信息做对比，依次判断是否登录成功

实际上，这样的优化是很有必要的。因为 `checkIfUserExisted()` 函数和 `getUserByEmail()` 函数都需要查询数据库，而数据库这类的 I/O 操作是比较耗时的。在写代码的时候，应当尽量减少这类 I/O 操作

按照刚刚的修改思路，把代码重构一下，移除“重复执行”的代码，只校验一次 email 和 password，并且只查询一次数据库。重构之后的代码如下所示：

public class UserService {
        
        private UserRepo userRepo;// 通过依赖注入或者 IOC 框架注入
        public User login(String email, String password) {
        
            if (!EmailValidation.validate(email)) {
        
                // ... throw InvalidEmailException...
            }
            if (!PasswordValidation.validate(password)) {
        
                // ... throw InvalidPasswordException...
            }
            User user = userRepo.getUserByEmail(email);
            if (user == null || !password.equals(user.getPassword()) {
        
                // ... throw AuthenticationFailureException...
            }
            return user;
        }
    }
    
    public class UserRepo {
        
        public boolean checkIfUserExisted(String email, String password) {
        
            //...query db to check if email&password exists
        }
        public User getUserByEmail(String email) {
        
            //...query db to get user by email...
        }
    }

### 8.4 代码复用性（Code Reusability） ###

#### 8.4.1 什么是代码的复用性？ ####

首先来区分三个概念：代码复用性（Code Reusability）、代码复用（Code Resue）和 DRY 原则

*  代码复用表示一种行为：在开发新功能的时候，尽量复用已经存在的代码
 *  代码的可复用性表示一段代码可被复用的特性或能力：在编写代码的时候，让代码尽量可复用
 *  DRY 原则是一条原则：不要写重复的代码

从定义描述上，它们好像有点类似，但深究起来，三者的区别还是蛮大的

**“不重复”并不代表“可复用”**

在一个项目代码中，可能不存在任何重复的代码，但也并不表示里面有可复用的代码，不重复和可复用完全是两个概念。所以，从这个角度来说，DRY 原则跟代码的可复用性讲的是两回事

**“复用”和“可复用性”关注角度不同**

代码“可复用性”是从代码开发者的角度来讲的，“复用”是从代码使用者的角度来讲的。比如，A 同事编写了一个 UrlUtils 类，代码的“可复用性”很好。B 同事在开发新功能的时候，直接“复用”A 同事编写的 UrlUtils 类

尽管复用、可复用性、DRY 原则这三者从理解上有所区别，但实际上要达到的目的都是类似的，都是为了减少代码量，提高代码的可读性、可维护性。除此之外，复用已经经过测试的老代码，bug 会比从零重新开发要少

“复用”这个概念不仅可以指导细粒度的模块、类、函数的设计开发，实际上，一些框架、类库、组件等的产生也都是为了达到复用的目的。比如，Spring 框架、Google Guava 类库、UI 组件等等

#### 8.4.2 怎么提高代码复用性？ ####

1.  **减少代码耦合**  
    对于高度耦合的代码，当希望复用其中的一个功能，想把这个功能的代码抽取出来成为一个独立的模块、类或者函数的时候，往往会发现牵一发而动全身。移动一点代码，就要牵连到很多其他相关的代码。所以，高度耦合的代码会影响到代码的复用性，我们要尽量减少代码耦合
2.  **满足单一职责原则**  
    如果职责不够单一，模块、类设计得大而全，那依赖它的代码或者它依赖的代码就会比较多，进而增加了代码的耦合。根据上一点，也就会影响到代码的复用性。相反，越细粒度的代码，代码的通用性会越好，越容易被复用
3.  **模块化**  
    这里的“模块”，不单单指一组类构成的模块，还可以理解为单个类、函数。要善于将功能独立的代码，封装成模块。独立的模块就像一块一块的积木，更加容易复用，可以直接拿来搭建更加复杂的系统
4.  **业务与非业务逻辑分离**  
    越是跟业务无关的代码越是容易复用，越是针对特定业务的代码越难复用。所以，为了复用跟业务无关的代码，将业务和非业务逻辑代码分离，抽取成一些通用的框架、类库、组件等
5.  **通用代码下沉**  
    从分层的角度来看，越底层的代码越通用、会被越多的模块调用，越应该设计得足够可复用。一般情况下，在代码分层之后，为了避免交叉调用导致调用关系混乱，只允许上层代码调用下层代码及同层代码之间的调用，杜绝下层代码调用上层代码。所以，通用的代码尽量下沉到更下层
6.  **继承、多态、抽象、封装**  
    在讲面向对象特性的时候讲到，利用继承，可以将公共的代码抽取到父类，子类复用父类的属性和方法。利用多态，可以动态地替换一段代码的部分逻辑，让这段代码可复用。除此之外，抽象和封装，从更加广义的层面、而非狭义的面向对象特性的层面来理解的话，越抽象、越不依赖具体的实现，越容易复用。代码封装成模块，隐藏可变的细节、暴露不变的接口，就越容易复用
7.  **应用模板等设计模式**  
    一些设计模式，也能提高代码的复用性。比如，模板模式利用了多态来实现，可以灵活地替换其中的部分代码，整个流程模板代码可复用

除了上面这几点，还有一些跟编程语言相关的特性，也能提高代码的复用性，比如泛型编程等。实际上，除了上面讲到的这些方法之外，复用意识也非常重要。在写代码的时候，要多去思考一下，这个部分代码是否可以抽取出来，作为一个独立的模块、类或者函数供多处使用。在设计每个模块、类、函数的时候，要像设计一个外部 API 那样，去思考它的复用性

### 8.5 辩证思考和灵活应用 ###

实际上，编写可复用的代码并不简单。如果在编写代码的时候，已经有复用的需求场景，那根据复用的需求去开发可复用的代码，可能还不算难。但是，如果当下并没有复用的需求，只是希望现在编写的代码具有可复用的特点，能在未来某个同事开发某个新功能的时候复用得上。在这种没有具体复用需求的情况下，就需要去预测将来代码会如何复用，这就比较有挑战了

实际上，除非有非常明确的复用需求，否则，为了暂时用不到的复用需求，花费太多的时间、精力，投入太多的开发成本，并不是一个值得推荐的做法。这也违反之前讲到的 YAGNI 原则

除此之外，有一个著名的原则，叫作“Rule of Three”。这条原则可以用在很多行业和场景中。如果把这个原则用在这里，那就是说，在第一次写代码的时候，如果当下没有复用的需求，而未来的复用需求也不是特别明确，并且开发可复用代码的成本比较高，那就不需要考虑代码的复用性。在之后开发新的功能的时候，发现可以复用之前写的这段代码，那我们就重构这段代码，让其变得更加可复用

也就是说，第一次编写代码的时候，不考虑复用性；第二次遇到复用场景的时候，再进行重构使其复用。需要注意的是，“Rule of Three”中的“Three”并不是真的就指确切的“三”，这里就是指“二”

## 9. 迪米特法则（LOD） ##

### 9.1 何为“高内聚、松耦合”？ ###

“高内聚、松耦合”是一个非常重要的设计思想，能够有效地提高代码的可读性和可维护性，缩小功能改动导致的代码改动范围。实际上，很多设计原则都以实现代码的“高内聚、松耦合”为目的，比如单一职责原则、基于接口而非实现编程等

实际上，“高内聚、松耦合”是一个比较通用的设计思想，可以用来指导不同粒度代码的设计与开发，比如系统、模块、类，甚至是函数，也可以应用到不同的开发场景中，比如微服务、框架、组件、类库等。这里以“类”作为这个设计思想的应用对象来展开讲解

在这个设计思想中，“高内聚”用来指导类本身的设计，“松耦合”用来指导类与类之间依赖关系的设计。不过，这两者并非完全独立不相干。高内聚有助于松耦合，松耦合又需要高内聚的支持

**什么是“高内聚”？**

所谓高内聚，就是指相近的功能应该放到同一个类中，不相近的功能不要放到同一个类中。相近的功能往往会被同时修改，放到同一个类中，修改会比较集中，代码容易维护。实际上，前面讲过的单一职责原则是实现代码高内聚非常有效的设计原则

**什么是“松耦合”？**

所谓松耦合是说，在代码中，类与类之间的依赖关系简单清晰。即使两个类有依赖关系，一个类的代码改动不会或者很少导致依赖类的代码改动。实际上，前面讲的依赖注入、接口隔离、基于接口而非实现编程，以及迪米特法则，都是为了实现代码的松耦合

**“内聚”和“耦合”之间的关系**

“高内聚”有助于“松耦合”，同理，“低内聚”也会导致“紧耦合”。如下图，图中左边部分的代码结构是“高内聚、松耦合”；右边部分正好相反，是“低内聚、紧耦合”

![在这里插入图片描述][091a4368d89d4d4389c07c2a99ab8f7e.png]

图中左边部分的代码设计中，类的粒度比较小，每个类的职责都比较单一。相近的功能都放到了一个类中，不相近的功能被分割到了多个类中。这样类更加独立，代码的内聚性更好。因为职责单一，所以每个类被依赖的类就会比较少，代码低耦合。一个类的修改，只会影响到一个依赖类的代码改动。只需要测试这一个依赖类是否还能正常工作就行了

图中右边部分的代码设计中，类粒度比较大，低内聚，功能大而全，不相近的功能放到了一个类中。这就导致很多其他类都依赖这个类。当修改这个类的某一个功能代码的时候，会影响依赖它的多个类。需要测试这三个依赖类，是否还能正常工作。这也就是所谓的“牵一发而动全身”

除此之外，从图中也可以看出，高内聚、低耦合的代码结构更加简单、清晰，相应地，在可维护性和可读性上确实要好很多

### 9.2 “迪米特法则”理论描述 ###

迪米特法则的英文翻译是：Law of Demeter，缩写是 LOD。单从这个名字上来看，完全猜不出这个原则讲的是什么。不过，它还有另外一个更加达意的名字，叫作最小知识原则，英文翻译为：The Least Knowledge Principle。原文如下：

> Each unit should have only limited knowledge about other units: only units “closely” related to the current unit. Or: Each unit should only talk to its friends; Don’t talk to strangers.
> 
> 每个模块（unit）只应该了解那些与它关系密切的模块（units: only units “closely”related to the current unit）的有限知识（knowledge）。或者说，每个模块只和自己的朋友“说话”（talk），不和陌生人“说话”（talk）

大部分设计原则和思想都非常抽象，有各种各样的解读，要想灵活地应用到实际的开发中，需要有实战经验的积累。迪米特法则也不例外。这里对刚刚的定义重新描述一下。为了统一，把定义描述中的“模块”替换成了“类”

> 不该有直接依赖关系的类之间，不要有依赖；有依赖关系的类之间，尽量只依赖必要的接口（也就是定义中的“有限知识”）

从上面的描述中，可以看出，迪米特法则包含前后两部分，这两部分讲的是两件事情

#### 9.2.1 不该有直接依赖关系的类之间，不要有依赖 ####

如下例，这个例子实现了简化版的搜索引擎爬取网页的功能。代码中包含三个主要的类。其中，NetworkTransporter 类负责底层网络通信，根据请求获取数据；HtmlDownloader 类用来通过 URL 获取网页；Document 表示网页文档，后续的网页内容抽取、分词、索引都是以此为处理对象。具体的代码实现如下所示：

public class NetworkTransporter {
        
        // 省略属性和其他方法...
        public Byte[] send(HtmlRequest htmlRequest) {
        
            //...
        }
    }
    public class HtmlDownloader {
        
        private NetworkTransporter transporter;// 通过构造函数或 IOC 注入
        public Html downloadHtml(String url) {
        
            Byte[] rawHtml = transporter.send(new HtmlRequest(url));
            return new Html(rawHtml);
        }
    }
    public class Document {
        
        private Html html;
        private String url;
    
        public Document(String url) {
        
            this.url = url;
            HtmlDownloader downloader = new HtmlDownloader();
            this.html = downloader.downloadHtml(url);
        }
        //...
    }

这段代码虽然“能用”，能实现我们想要的功能，但是它不够“好用”，有比较多的设计缺陷

**1、首先来看 NetworkTransporter 类**

作为一个底层网络通信类，它的功能应尽可能通用，而不只是服务于下载 HTML，所以，不应该直接依赖太具体的发送对象 HtmlRequest。从这一点上讲 NetworkTransporter 类的设计违背迪米特法则，依赖了不该有直接依赖关系的 HtmlRequest 类

应该如何进行重构，让 NetworkTransporter 类满足迪米特法则呢？这里有个形象的比喻。假如你现在要去商店买东西，你肯定不会直接把钱包给收银员，让收银员自己从里面拿钱，而是你从钱包里把钱拿出来交给收银员。这里的 HtmlRequest 对象就相当于钱包，HtmlRequest 里的 address 和 content 对象就相当于钱。应该把 address 和 content 交给 NetworkTransporter，而非直接把 HtmlRequest 交给 NetworkTransporter。根据这个思路，NetworkTransporter 重构之后的代码如下所示：

public class NetworkTransporter {
        
        // 省略属性和其他方法...
        public Byte[] send(String address, Byte[] data) {
        
            //...
        }
    }

**2、再来看 HtmlDownloader 类**

这个类的设计没有问题。不过修改了 NetworkTransporter 的 `send()` 函数的定义，而这个类用到了 `send()` 函数，所以需要对它做相应的修改，修改后的代码如下所示：

public class HtmlDownloader {
        
        private NetworkTransporter transporter;// 通过构造函数或 IOC 注入
        // HtmlDownloader 这里也要有相应的修改
        public Html downloadHtml(String url) {
        
            HtmlRequest htmlRequest = new HtmlRequest(url);
            Byte[] rawHtml = transporter.send(
                    htmlRequest.getAddress(), htmlRequest.getContent().getBytes());
            return new Html(rawHtml);
        }
    }

**3、最后看下 Document 类**

这个类的问题比较多，主要有三点。第一，构造函数中的 `downloader.downloadHtml()` 逻辑复杂，耗时长，不应该放到构造函数中，会影响代码的可测试性。第二，HtmlDownloader 对象在构造函数中通过 new 来创建，违反了基于接口而非实现编程的设计思想，也会影响到代码的可测试性。第三，从业务含义上来讲，Document 网页文档没必要依赖 HtmlDownloader 类，违背了迪米特法则

虽然 Document 类的问题很多，但修改起来比较简单，只要一处改动就可以解决所有问题。修改之后的代码如下所示：

public class Document {
        
        private Html html;
        private String url;
        public Document(String url, Html html) {
        
            this.html = html;
            this.url = url;
        }
        //...
    }
    
    // 通过一个工厂方法来创建 Document
    public class DocumentFactory {
        
        private HtmlDownloader downloader;
        public DocumentFactory(HtmlDownloader downloader) {
        
            this.downloader = downloader;
        }
        public Document createDocument(String url) {
        
            Html html = downloader.downloadHtml(url);
            return new Document(url, html);
        }
    }

#### 9.2.2 有依赖关系的类之间，尽量只依赖必要的接口 ####

如下例，Serialization 类负责对象的序列化和反序列化

public class Serialization {
        
        public String serialize(Object object) {
        
            String serializedResult = ...;
            //...
            return serializedResult;
        }
        public Object deserialize(String str) {
        
            Object deserializedResult = ...;
            //...
            return deserializedResult;
        }
    }

单看这个类的设计，没有一点问题。不过，如果把它放到一定的应用场景里，那就还有继续优化的空间。假设在项目中，有些类只用到了序列化操作，而另一些类只用到反序列化操作。那基于迪米特法则后半部分“有依赖关系的类之间，尽量只依赖必要的接口”，只用到序列化操作的那部分类不应该依赖反序列化接口。同理，只用到反序列化操作的那部分类不应该依赖序列化接口

根据这个思路，应该将 Serialization 类拆分为两个更小粒度的类，一个只负责序列化（Serializer 类），一个只负责反序列化（Deserializer 类）。拆分之后，使用序列化操作的类只需要依赖 Serializer 类，使用反序列化操作的类只需要依赖 Deserializer 类。拆分之后的代码如下所示：

public class Serializer {
        
        public String serialize(Object object) {
        
            String serializedResult = ...;
            ...
            return serializedResult;
        }
    }
    public class Deserializer {
        
        public Object deserialize(String str) {
        
            Object deserializedResult = ...;
            ...
            return deserializedResult;
        }
    }

尽管拆分之后的代码更能满足迪米特法则，但却违背了高内聚的设计思想。高内聚要求相近的功能要放到同一个类中，这样可以方便功能修改的时候，修改的地方不至于过于分散。对于上面这个例子来说，如果修改了序列化的实现方式，比如从 JSON 换成了 XML，那反序列化的实现逻辑也需要一并修改。在未拆分的情况下，只需要修改一个类即可。在拆分之后，需要修改两个类。显然，这种设计思路的代码改动范围变大了

如果既不想违背高内聚的设计思想，也不想违背迪米特法则，那该如何解决这个问题呢？实际上，通过引入两个接口就能轻松解决这个问题，具体的代码如下所示：

public interface Serializable {
        
        String serialize(Object object);
    }
    public interface Deserializable {
        
        Object deserialize(String text);
    }
    
    public class Serialization implements Serializable, Deserializable {
        
        @Override
        public String serialize(Object object) {
        
            String serializedResult = ...;
            ...
            return serializedResult;
        }
        @Override
        public Object deserialize(String str) {
        
            Object deserializedResult = ...;
            ...
            return deserializedResult;
        }
    }
    public class DemoClass_1 {
        
        private Serializable serializer;
        public Demo(Serializable serializer) {
        
            this.serializer = serializer;
        }
        //...
    }
    public class DemoClass_2 {
        
        private Deserializable deserializer;
        public Demo(Deserializable deserializer) {
        
            this.deserializer = deserializer;
        }
        //...
    }

尽管还是要往 DemoClass\_1 的构造函数中，传入包含序列化和反序列化的 Serialization 实现类，但是依赖的 Serializable 接口只包含序列化操作，DemoClass\_1 无法使用 Serialization 类中的反序列化接口，对反序列化操作无感知，这也就符合了迪米特法则后半部分所说的“依赖有限接口”的要求

实际上，上面的的代码实现思路，也体现了“基于接口而非实现编程”的设计原则，结合迪米特法则，可以总结出一条新的设计原则，那就是“基于最小接口而非最大实现编程”。实际上，新的设计模式和设计原则就是在大量的实践中，针对开发痛点总结归纳出来的套路

### 9.3 辩证思考与灵活应用 ###

对应序列化与反序列化这个例子，整个类只包含序列化和反序列化两个操作，只用到序列化操作的使用者，即便能够感知到仅有的一个反序列化函数，问题也不大。那为了满足迪米特法则，将一个非常简单的类，拆分出两个接口，是否有点过度设计的意思呢？

设计原则本身没有对错，只有能否用对之说。不要为了应用设计原则而应用设计原则，在应用设计原则的时候，一定要具体问题具体分析

对于刚刚这个 Serialization 类来说，只包含两个操作，确实没有太大必要拆分成两个接口。但是，如果对 Serialization 类添加更多的功能，实现更多更好用的序列化、反序列化函数，来重新考虑一下这个问题。修改之后的具体的代码如下：

public class Serializer {
         // 参看 JSON 的接口定义
        public String serialize(Object object) {
         //... }
        public String serializeMap(Map map) {
         //... }
        public String serializeList(List list) {
         //... }
    
        public Object deserialize(String objectString) {
         //... }
        public Map deserializeMap(String mapString) {
         //... }
        public List deserializeList(String listString) {
         //... }
    }

在这种场景下，第二种设计思路要更好些。因为基于之前的应用场景来说，大部分代码只需要用到序列化的功能。对于这部分使用者，没必要了解反序列化的“知识”，而修改之后的 Serialization 类，反序列化的“知识”，从一个函数变成了三个。一旦任一反序列化操作有代码改动，都需要检查、测试所有依赖 Serialization 类的代码是否还能正常工作。为了减少耦合和测试工作量，应该按照迪米特法则，将反序列化和序列化的功能隔离开来

## 10. 针对业务系统的开发，如何做需求分析和设计？ ##

对于一个工程师来说，如果要追求长远发展，就不能一直只把自己放在执行者的角色，不能只是一个代码实现者，还要有独立负责一个系统的能力，能端到端（end to end）开发一个完整的系统。这其中的工作就包括：前期的需求沟通分析、中期的代码设计实现、后期的系统上线维护等

大部分工程师都是做业务开发的。很多工程师都觉得，做业务开发没啥技术含量，没有成长，就是简单的 CRUD，翻译业务逻辑，根本用不上专栏中讲的设计原则、思想、模式

这里通过一个积分兑换系统的开发实战，一方面展示一个业务系统从需求分析到上线维护的整个开发套路，借此能举一反三地应用到所有其他系统的开发中，另一方面展示在看似没有技术含量的业务开发中，实际上都蕴含了哪些设计原则、思想、模式

### 10.1 需求分析 ###

积分是一种常见的营销手段，很多产品都会通过它来促进消费、增加用户粘性，比如淘宝积分、信用卡积分、商场消费积分等等。假设你是一家类似淘宝这样的电商平台的工程师，平台暂时还没有积分系统。Leader 希望由你来负责开发这样一个系统，你会如何来做呢？

作为技术人，该怎么做产品设计呢？首先，一定不要自己一个人闷头想。一方面，这样做很难想全面。另一方面，从零开始设计也比较浪费时间。所以，要学会“借鉴”。爱因斯坦说过，“创造的一大秘诀是要懂得如何隐藏你的来源”

可以找几个类似的产品，比如淘宝，看看他们是如何设计积分系统的，然后借鉴到自己的产品中。或者可以自己亲自用用淘宝，看看积分是怎么使用的，也可以直接百度一下“淘宝积分规则”。基于这两个输入，基本上就大致能摸清楚积分系统该如何设计了。除此之外，还要充分了解自己公司的产品，将借鉴来的东西糅合在自己的产品中，并做适当的微创新

笼统地来讲，积分系统无外乎就两个大的功能点，一个是赚取积分，另一个是消费积分。赚取积分功能包括积分赚取渠道，比如下订单、每日签到、评论等；还包括积分兑换规则，比如订单金额与积分的兑换比例，每日签到赠送多少积分等。消费积分功能包括积分消费渠道，比如抵扣订单金额、兑换优惠券、积分换购、参与活动扣积分等；还包括积分兑换规则，比如多少积分可以换算成抵扣订单的多少金额，一张优惠券需要多少积分来兑换等等

上面给出的只是非常笼统、粗糙的功能需求。在实际情况中，肯定还有一些业务细节需要考虑，比如积分的有效期问题。对于这些业务细节，还是那句话，闷头拍脑袋想是想不全面的。以防遗漏，还是要有方法可寻。除了刚刚讲的“借鉴”的思路之外，还可以通过产品的线框图、用户用例（user case ）或者叫用户故事（user story）来细化业务流程，挖掘一些比较细节的、不容易想到的功能点

用户用例有点儿类似单元测试用例。它侧重情景化，其实就是模拟用户如何使用产品，描述用户在一个特定的应用场景里的一个完整的业务操作流程。所以，它包含更多的细节，且更加容易被人理解。比如，有关积分有效期的用户用例，可以进行如下的设计：

*  用户在获取积分的时候，会告知积分的有效期
 *  用户在使用积分的时候，会优先使用快过期的积分
 *  用户在查询积分明细的时候，会显示积分的有效期和状态（是否过期）
 *  用户在查询总可用积分的时候，会排除掉过期的积分

#### 10.1.1 积分赚取和兑换规则 ####

积分的赚取渠道包括：下订单、每日签到、评论等

积分兑换规则可以是比较通用的。比如，签到送 10 积分。再比如，按照订单总金额的 10% 兑换成积分，也就是 100 块钱的订单可以积累 10 积分。除此之外，积分兑换规则也可以是比较细化的。比如，不同的店铺、不同的商品，可以设置不同的积分兑换比例

对于积分的有效期，可以根据不同渠道，设置不同的有效期。积分到期之后会作废；在消费积分的时候，优先使用快到期的积分

#### 10.1.2 积分消费和兑换规则 ####

积分的消费渠道包括：抵扣订单金额、兑换优惠券、积分换购、参与活动扣积分等

可以根据不同的消费渠道，设置不同的积分兑换规则。比如，积分换算成消费抵扣金额的比例是 10%，也就是 10 积分可以抵扣 1 块钱；100 积分可以兑换 15 块钱的优惠券等

#### 10.1.3 积分及其明细查询 ####

查询用户的总积分，以及赚取积分和消费积分的历史记录

### 10.2 系统设计 ###

面向对象设计聚焦在代码层面（主要是针对类），那系统设计就是聚焦在架构层面（主要是针对模块），两者有很多相似之处。很多设计原则和思想不仅仅可以应用到代码设计中，还能用到架构设计中。实际上，也可以借鉴面向对象设计的四个步骤来做系统设计

#### 10.2.1 合理地将功能划分到不同模块 ####

面向对象设计的本质就是把合适的代码放到合适的类中。合理地划分代码可以实现代码的高内聚、低耦合，类与类之间的交互简单清晰，代码整体结构一目了然，那代码的质量就不会差到哪里去。类比面向对象设计，系统设计实际上就是将合适的功能放到合适的模块中。合理地划分模块也可以做到模块层面的高内聚、低耦合，架构整洁清晰

对于前面罗列的所有功能点，有下面三种模块划分方法：

**1、积分赚取渠道及兑换规则、消费渠道及兑换规则的管理和维护（增删改查），不划分到积分系统中，而是放到更上层的营销系统中**

这样积分系统就会变得非常简单，只需要负责增加积分、减少积分、查询积分、查询积分明细等这几个工作

比如，用户通过下订单赚取积分。订单系统通过异步发送消息或者同步调用接口的方式，告知营销系统订单交易成功。营销系统根据拿到的订单信息，查询订单对应的积分兑换规则（兑换比例、有效期等），计算得到订单可兑换的积分数量，然后调用积分系统的接口给用户增加积分

**2、积分赚取渠道及兑换规则、消费渠道及兑换规则的管理和维护，分散在各个相关业务系统中，比如订单系统、评论系统、签到系统、换购商城、优惠券系统等**

用户下订单成功之后，订单系统根据商品对应的积分兑换比例，计算所能兑换的积分数量，然后直接调用积分系统给用户增加积分

**3、所有的功能都划分到积分系统中，包括积分赚取渠道及兑换规则、消费渠道及兑换规则的管理和维护**

用户下订单成功之后，订单系统直接告知积分系统订单交易成功，积分系统根据订单信息查询积分兑换规则，给用户增加积分

怎么判断哪种模块划分合理呢？实际上，可以反过来通过看它是否符合高内聚、低耦合特性来判断。如果一个功能的修改或添加，经常要跨团队、跨项目、跨系统才能完成，那说明模块划分的不够合理，职责不够清晰，耦合过于严重

除此之外，为了避免业务知识的耦合，让下层系统更加通用，一般来讲，不希望下层系统（也就是被调用的系统）包含太多上层系统（也就是调用系统）的业务信息，但是，可以接受上层系统包含下层系统的业务信息。比如，订单系统、优惠券系统、换购商城等作为调用积分系统的上层系统，可以包含一些积分相关的业务信息。但是，反过来，积分系统中最好不要包含太多跟订单、优惠券、换购等相关的信息

所以，综合考虑，更倾向于第一种和第二种模块划分方式。但是，不管选择这两种中的哪一种，积分系统所负责的工作是一样的，只包含积分的增、减、查询，以及积分明细的记录和查询

#### 10.2.2 设计模块与模块之间的交互关系 ####

在面向对象设计中，类设计好之后，需要设计类之间的交互关系。类比到系统设计，系统职责划分好之后，接下来就是设计系统之间的交互，也就是确定有哪些系统跟积分系统之间有交互以及如何进行交互

比较常见的系统之间的交互方式有两种，一种是同步接口调用，另一种是利用消息中间件异步调用。第一种方式简单直接，第二种方式的解耦效果更好

比如，用户下订单成功之后，订单系统推送一条消息到消息中间件，营销系统订阅订单成功消息，触发执行相应的积分兑换逻辑。这样订单系统就跟营销系统完全解耦，订单系统不需要知道任何跟积分相关的逻辑，而营销系统也不需要直接跟订单系统交互

除此之外，**上下层系统之间的调用倾向于通过同步接口，同层之间的调用倾向于异步消息调用**。比如，营销系统和积分系统是上下层关系，它们之间就比较推荐使用同步接口调用

#### 10.2.3 设计模块的接口、数据库、业务模型 ####

完成了模块的功能划分，模块之间的交互的设计，接下来再来看，模块本身如何来设计。实际上，业务系统本身的设计无外乎有这样三方面的工作要做：接口设计、数据库设计和业务模型设计

### 10.3 代码实现 ###

前面把积分赚取和消费的渠道和规则的管理维护工作，划分到了上层系统中，所以，积分系统的功能变得非常简单。相应地，代码实现也比较简单。如果有一定的项目开发经验，那实现这样一个系统并不是件难事。所以，这里重点并不是如何来实现积分系统的每个功能、每个接口，更不是如何编写 SQL 语句来增删改查数据，而是展示一些更普适的开发思想。比如，为什么要分 MVC 三层来开发？为什么要针对每层定义不同的数据对象？以及这其中都蕴含哪些设计原则和思想，知其然知其所以然，做到真正地透彻理解

**业务开发包括哪些工作？**

实际上，平时做业务系统的设计与开发，无外乎有这样三方面的工作要做：接口设计、数据库设计和业务模型设计（也就是业务逻辑）

数据库和接口的设计非常重要，一旦设计好并投入使用之后，这两部分都不能轻易改动。改动数据库表结构，需要涉及数据的迁移和适配；改动接口，需要推动接口的使用者作相应的代码修改。这两种情况，即便是微小的改动，执行起来都会非常麻烦。因此，在设计接口和数据库的时候，一定要多花点心思和时间，切不可过于随意。相反，业务逻辑代码侧重内部实现，不涉及被外部依赖的接口，也不包含持久化的数据，所以对改动的容忍性更大

#### 10.3.1 设计数据库 ####

数据库的设计比较简单。实际上，只需要一张记录积分流水明细的表就可以了。表中记录积分的赚取和消费流水。用户积分的各种统计数据，比如总积分、总可用积分等，都可以通过这张表来计算得到

![在这里插入图片描述][7216183f94f54ed68ef7e71b018427b8.png]

#### 10.3.2 设计接口 ####

接口设计要符合单一职责原则，粒度越小通用性就越好。但是，接口粒度太小也会带来一些问题。比如，一个功能的实现要调用多个小接口，一方面如果接口调用走网络（特别是公网），多次远程接口调用会影响性能；另一方面，本该在一个接口中完成的原子操作，现在分拆成多个小接口来完成，就可能会涉及分布式事务的数据一致性问题（一个接口执行成功了，但另一个接口执行失败了）。所以，为了兼顾易用性和性能，可以借鉴 facade（外观）设计模式，在职责单一的细粒度接口之上，再封装一层粗粒度的接口给外部使用

积分系统需要设计如下这样几个接口：

![在这里插入图片描述][3646a2884a6442408a5a2354befcb7f9.png]

#### 10.3.3 业务模型的设计 ####

从代码实现角度来说，大部分业务系统的开发都可以分为 Controller、Service、Repository 三层。Controller 层负责接口暴露，Repository 层负责数据读写，Service 层负责核心业务逻辑，也就是这里说的业务模型

除此之外，前面还提到两种开发模式，基于贫血模型的传统开发模式和基于充血模型的 DDD 开发模式（见：[设计模式之美总结（面向对象篇）\_凡 223 的博客][223]）。前者是一种面向过程的编程风格，后者是一种面向对象的编程风格。不管是 DDD 还是 OOP，高级开发模式的存在一般都是为了应对复杂系统，应对系统的复杂性。对于这里要开发的积分系统来说，因为业务相对比较简单，所以，选择简单的基于贫血模型的传统开发模式就足够了

从开发的角度来说，可以把积分系统作为一个独立的项目，来独立开发，也可以跟其他业务代码（比如营销系统）放到同一个项目中进行开发。从运维的角度来说，可以将它跟其他业务一块部署，也可以作为一个微服务独立部署。具体选择哪种开发和部署方式，可以参考公司当前的技术架构来决定

实际上，积分系统业务比较简单，代码量也不多，更倾向于将它跟营销系统放到一个项目中开发部署。只要做好代码的模块化和解耦，让积分相关的业务代码跟其他业务代码之间边界清晰，没有太多耦合，后期如果需要将它拆分成独立的项目来开发部署，那也并不困难

### 10.4 为什么要分 MVC 三层开发？ ###

大部分业务系统的开发都可以分为三层：Contoller 层、Service 层、Repository 层。对于这种分层方式，大部分人都很认同，甚至成为了一种开发习惯，但为什么要分层开发？很多业务都比较简单，一层代码搞定所有的数据读取、业务逻辑、接口暴露不好吗？

**1、分层能起到代码复用的作用**

同一个 Repository 可能会被多个 Service 来调用，同一个 Service 可能会被多个 Controller 调用。比如，UserService 中的 `getUserById()` 接口封装了通过 ID 获取用户信息的逻辑，这部分逻辑可能会被 UserController 和 AdminController 等多个 Controller 使用。如果没有 Service 层，每个 Controller 都要重复实现这部分逻辑，显然会违反 DRY 原则

**2、分层能起到隔离变化的作用**

分层体现了一种抽象和封装的设计思想。比如，Repository 层封装了对数据库访问的操作，提供了抽象的数据访问接口。基于接口而非实现编程的设计思想，Service 层使用 Repository 层提供的接口，并不关心其底层依赖的是哪种具体的数据库。当需要替换数据库的时候，比如从 MySQL 到 Oracle，从 Oracle 到 Redis，只需要改动 Repository层的代码，Service 层的代码完全不需要修改

除此之外，Controller、Service、Repository 三层代码的稳定程度不同、引起变化的原因不同，所以分成三层来组织代码，能有效地隔离变化。比如，Repository 层基于数据库表，而数据库表改动的可能性很小，所以 Repository 层的代码最稳定，而 Controller 层提供适配给外部使用的接口，代码经常会变动。分层之后，Controller 层中代码的频繁改动并不会影响到稳定的 Repository 层

**3、分层能起到隔离关注点的作用**

Repository 层只关注数据的读写。Service 层只关注业务逻辑，不关注数据的来源。Controller 层只关注与外界打交道，数据校验、封装、格式转换，并不关心业务逻辑。三层之间的关注点不同，分层之后，职责分明，更加符合单一职责原则，代码的内聚性更好

**4、分层能提高代码的可测试性**

单元测试不依赖不可控的外部组件，比如数据库。分层之后，Repsitory 层的代码通过依赖注入的方式供 Service 层使用，当要测试包含核心业务逻辑的 Service 层代码的时候，可以用 mock 的数据源替代真实的数据库，注入到 Service 层代码中

**5、分层能应对系统的复杂性**

所有的代码都放到一个类中，那这个类的代码就会因为需求的迭代而无限膨胀。当一个类或一个函数的代码过多之后，可读性、可维护性就会变差。那就要想办法拆分。拆分有垂直和水平两个方向。水平方向基于业务来做拆分，就是模块化；垂直方向基于流程来做拆分，就是这里说的分层

不管是分层、模块化，还是 OOP、DDD，以及各种设计模式、原则和思想，都是为了应对复杂系统，应对系统的复杂性。对于简单系统来说，其实是发挥不了作用的，就是俗话说的“杀鸡焉用牛刀”

### 10.5 BO、VO、Entity 存在的意义是什么？ ###

针对 Controller、Service、Repository 三层，每层都会定义相应的数据对象，它们分别是 VO（View Object）、BO（Business Object）、Entity，例如 UserVo、UserBo、UserEntity。在实际的开发中，VO、BO、Entity 可能存在大量的重复字段，甚至三者包含的字段完全一样。在开发的过程中，经常需要重复定义三个几乎一样的类，显然是一种重复劳动

**相对于每层定义各自的数据对象来说，是不是定义一个公共的数据对象更好些呢？**

实际上，更加推荐每层都定义各自的数据对象这种设计思路，主要有以下 3 个方面的原因：

1.  VO、BO、Entity 并非完全一样。比如，可以在 UserEntity、UserBo 中定义 Password 字段，但显然不能在 UserVo 中定义 Password 字段，否则就会将用户的密码暴露出去
2.  VO、BO、Entity 三个类虽然代码重复，但功能语义不重复，从职责上讲是不一样的。所以，也并不能算违背 DRY 原则。在前面讲到 DRY 原则的时候，针对这种情况，如果合并为同一个类，那也会存在后期因为需求的变化而需要再拆分的问题
3.  为了尽量减少每层之间的耦合，把职责边界划分明确，每层都会维护自己的数据对象，层与层之间通过接口交互。数据从下一层传递到上一层的时候，将下一层的数据对象转化成上一层的数据对象，再继续处理。虽然这样的设计稍微有些繁琐，每层都需要定义各自的数据对象，需要做数据对象之间的转化，但是分层清晰。对于非常大的项目来说，结构清晰是第一位的！

**既然 VO、BO、Entity 不能合并，那如何解决代码重复的问题呢？**

从设计的角度来说，VO、BO、Entity 的设计思路并不违反 DRY 原则，为了分层清晰、减少耦合，多维护几个类的成本也并不是不能接受的。但是，对于代码重复的问题，也有一些办法来解决

继承可以解决代码重复问题。可以将公共的字段定义在父类中，让 VO、BO、Entity 都继承这个父类，各自只定义特有的字段。因为这里的继承层次很浅，也不复杂，所以使用继承并不会影响代码的可读性和可维护性。后期如果因为业务的需要，有些字段需要从父类移动到子类，或者从子类提取到父类，代码改起来也并不复杂

在讲“多用组合，少用继承”设计思想的时候，提到组合也可以解决代码重复的问题，所以，这里还可以将公共的字段抽取到公共的类中，VO、BO、Entity 通过组合关系来复用这个类的代码

**代码重复问题解决了，那不同分层之间的数据对象该如何互相转化呢？**

当下一层的数据通过接口调用传递到上一层之后，需要将它转化成上一层对应的数据对象类型。比如，Service 层从 Repository 层获取的 Entity 之后，将其转化成 BO，再继续业务逻辑的处理。所以，整个开发的过程会涉及“Entity 到 BO”和“BO 到 VO”这两种转化

最简单的转化方式是手动复制。自己写代码在两个对象之间，一个字段一个字段的赋值。但这样的做法显然是没有技术含量的低级劳动。Java 中提供了多种数据对象转化工具，比如 BeanUtils、Dozer 等（可见：[MapStruct 总结\_凡 223 的博客][MapStruct _ 223]），可以大大简化繁琐的对象转化工作。如果是用其他编程语言来做开发，也可以借鉴 Java 这些工具类的设计思路，自己在项目中实现对象转化工具类

**VO、BO、Entity 都是基于贫血模型的，而且为了兼容框架或开发库（比如 MyBatis），还需要定义每个字段的 set 方法。这些都违背 OOP 的封装特性，会导致数据被随意修改。那到底该怎么办好呢？**

前面也提到过，Entity 和 VO 的生命周期是有限的，都仅限在本层范围内。而对应的 Repository 层和 Controller 层也都不包含太多业务逻辑，所以也不会有太多代码随意修改数据，即便设计成贫血、定义每个字段的 set 方法，相对来说也是安全的

不过，Service 层包含比较多的业务逻辑代码，所以 BO 就存在被任意修改的风险了。但是，设计的问题本身就没有最优解，只有权衡。为了使用方便，只能做一些妥协，放弃 BO 的封装特性，由程序员自己来负责这些数据对象的不被错误使用

### 10.6 用到的设计原则和思想 ###

<table> 
 <tbody> 
  <tr> 
   <td> 高内聚、松耦合 </td> 
   <td> 将不同的功能划分到不同的模块，遵从的划分原则就是尽量让模块本身高内聚，让模块之间松耦合 </td> 
  </tr> 
  <tr> 
   <td> 单一职责原则 </td> 
   <td> 模块的设计要尽量职责单一，符合单一职责原则。分层的一个目的也是为了更加符合单一职责原则 </td> 
  </tr> 
  <tr> 
   <td> 依赖注入 </td> 
   <td> 在 MVC 三层结构的代码实现中，下一层的类通过依赖注入的方式注入到上一层代码中 </td> 
  </tr> 
  <tr> 
   <td> 依赖反转原则 </td> 
   <td> 在业务系统开发中，如果通过类似 Spring IOC 这样的容器来管理对象的创建、生命周期，那就用到了依赖反转原则 </td> 
  </tr> 
  <tr> 
   <td> 基于接口而非实现编程 </td> 
   <td> 在 MVC 三层结构的代码实现中，Service 层使用 Repository 层提供的接口，并不关心其底层是依赖的哪种具体的数据库，遵从基于接口而非实现编程的设计思想 </td> 
  </tr> 
  <tr> 
   <td> 封装、抽象 </td> 
   <td> 分层体现了抽象和封装的设计思想，能够隔离变化，隔离关注点。尽管 VO、BO、Entity 存在代码重复，但功能语义不同，并不违反 DRY 原则 </td> 
  </tr> 
  <tr> 
   <td> DRY 与继承和组合 </td> 
   <td> 为了解决三者之间的代码重复问题，还用到了继承或组合 </td> 
  </tr> 
  <tr> 
   <td> DRY 面向对象设计 </td> 
   <td> 系统设计的过程可以参照面向对象设计的步骤来做。面向对象设计本质是将合适的代码放到合适的类中。系统设计是将合适的功能放到合适的模块中 </td> 
  </tr> 
 </tbody> 
</table>

## 11. 针对非业务的通用框架开发，如何做需求分析和设计？ ##

### 11.1 项目背景 ###

希望设计开发一个小的框架，能够获取接口调用的各种统计信息，比如，响应时间的最大值（max）、最小值（min）、平均值（avg）、百分位值（percentile）、接口调用次数（count）、频率（tps） 等，并且支持将统计结果以各种显示格式（比如：JSON 格式、网页格式、自定义显示格式等）输出到各种终端（Console 命令行、HTTP 网页、Email、日志文件、自定义输出终端等），以方便查看

如果开发这样一个通用的框架，应用到各种业务系统中，支持实时计算、查看数据的统计信息，如何设计和实现呢？

### 11.2 需求分析 ###

性能计数器作为一个跟业务无关的功能，完全可以把它开发成一个独立的框架或者类库，集成到很多业务系统中。而作为可被复用的框架，除了功能性需求之外，非功能性需求也非常重要。所以，从这两个方面来做需求分析：

#### 11.2.1 功能性需求分析 ####

相对于一大长串的文字描述，人脑更容易理解短的、罗列的比较规整、分门别类的列表信息。显然，刚才那段需求描述不符合这个规律。需要把它拆解成一个一个的“干条条”：

*  接口统计信息：包括接口响应时间的统计信息，以及接口调用次数的统计信息等
 *  统计信息的类型：max、min、avg、percentile、count、tps 等
 *  统计信息显示格式：Json、Html、自定义显示格式
 *  统计信息显示终端：Console、Email、HTTP 网页、日志、自定义显示终端

除此之外，还可以借助设计产品的时候，经常用到的线框图，把最终数据的显示样式画出来，会更加一目了然。具体的线框图如下所示：

![在这里插入图片描述][530fb586748d4f4eb45c5e3de63e15fb.png]

实际上，从线框图中，还能挖掘出了下面几个隐藏的需求：

*  统计触发方式：包括主动和被动两种  
    主动表示以一定的频率定时统计数据，并主动推送到显示终端，比如邮件推送。被动表示用户触发统计，比如用户在网页中选择要统计的时间区间，触发统计，并将结果显示给用户
 *  统计时间区间：框架需要支持自定义统计时间区间  
    比如统计最近 10 分钟的某接口的 tps、访问次数，或者统计 12 月 11 日 00 点到 12 月 12 日 00 点之间某接口响应时间的最大值、最小值、平均值等
 *  统计时间间隔：对于主动触发统计，还要支持指定统计时间间隔  
    也就是多久触发一次统计显示。比如，每间隔 10s 统计一次接口信息并显示到命令行中，每间隔 24 小时发送一封统计信息邮件

#### 11.2.2 非功能性需求分析 ####

对于这样一个通用的框架的开发，还需要考虑很多非功能性的需求。具体来说有以下几个比较重要的方面：

1.  **易用性**  
    易用性听起来更像是一个评判产品的标准。在开发这样一个技术框架的时候，也要有产品意识。框架是否易集成、易插拔、跟业务代码是否松耦合、提供的接口是否够灵活等等，都是应该花心思去思考和设计的。有的时候，文档写得好坏甚至都有可能决定一个框架是否受欢迎
2.  **性能**  
    对于需要集成到业务系统的框架来说，不希望框架本身的代码执行效率，对业务系统有太多性能上的影响。对于性能计数器这个框架来说，一方面，希望它是低延迟的，也就是说，统计代码不影响或很少影响接口本身的响应时间；另一方面，希望框架本身对内存的消耗不能太大
3.  **扩展性**  
    这里说的扩展性跟之前讲到的代码的扩展性有点类似，都是指在不修改或尽量少修改代码的情况下添加新的功能。但是这两者也有区别。之前讲到的扩展是从框架代码开发者的角度来说的。这里所说的扩展是从框架使用者的角度来说的，特指使用者可以在不修改框架源码，甚至不拿到框架源码的情况下，为框架扩展新的功能。这就有点类似给框架开发插件。如下例：  
    feign 是一个 HTTP 客户端框架，可以在不修改框架源码的情况下，用如下方式来扩展自己的编解码方式、日志、拦截器等
    
        Feign feign = Feign.builder()
                .logger(new CustomizedLogger())
                .encoder(new FormEncoder(new JacksonEncoder()))
                .decoder(new JacksonDecoder())
                .errorDecoder(new ResponseErrorDecoder())
                .requestInterceptor(new RequestHeadersInterceptor()).build();
        
        public class RequestHeadersInterceptor implements RequestInterceptor {
              
            @Override
            public void apply(RequestTemplate template) {
              
                template.header("appId", "...");
                template.header("version", "...");
                template.header("timestamp", "...");
                template.header("token", "...");
                template.header("idempotent-token", "...");
                template.header("sequence-id", "...");
            }
        }
        
        public class CustomizedLogger extends feign.Logger {
              
            //...
        }
        
        public class ResponseErrorDecoder implements ErrorDecoder {
              
            @Override
            public Exception decode(String methodKey, Response response) {
              
                //...
            }
        }
4.  **容错性**  
    对于性能计数器框架来说，不能因为框架本身的异常导致接口请求出错。所以，要对框架可能存在的各种异常情况都考虑全面，对外暴露的接口抛出的所有运行时、非运行时异常都进行捕获处理
5.  **通用性**  
    为了提高框架的复用性，能够灵活应用到各种场景中。框架在设计的时候，要尽可能通用。要多去思考一下，除了接口统计这样一个需求，还可以适用到其他哪些场景中，比如是否还可以处理其他事件的统计信息，比如 SQL 请求时间的统计信息、业务统计信息（比如支付成功率）等

### 11.3 框架设计 ###

对于稍微复杂系统的开发，很多人觉得不知从何开始。作者个人喜欢借鉴 TDD（测试驱动开发）和 Prototype（最小原型）的思想，先聚焦于一个简单的应用场景，基于此设计实现一个简单的原型。尽管这个最小原型系统在功能和非功能特性上都不完善，但它能够看得见、摸得着，比较具体、不抽象，能够很有效地帮助我缕清更复杂的设计思路，是迭代设计的基础

这就好比做算法题目。当想要一下子就想出一个最优解法时，可以先写几组测试数据，找找规律，再先想一个最简单的算法去解决它。虽然这个最简单的算法在时间、空间复杂度上可能都不令人满意，但是可以基于此来做优化，这样思路就会更加顺畅

对于性能计数器这个框架的开发来说，可以先聚焦于一个非常具体、简单的应用场景，比如统计用户注册、登录这两个接口的响应时间的最大值和平均值、接口调用次数，并且将统计结果以 JSON 的格式输出到命令行中。现在这个需求简单、具体、明确，设计实现起来难度降低了很多

// 应用场景：统计下面两个接口 (注册和登录）的响应时间和访问次数
    public class UserController {
        
        public void register(UserVo user) {
        
            //...
        }
        public UserVo login(String telephone, String password) {
        
            //...
        }
    }

要输出接口的响应时间的最大值、平均值和接口调用次数，首先要采集每次接口请求的响应时间，并且存储起来，然后按照某个时间间隔做聚合统计，最后才是将结果输出。在原型系统的代码实现中，可以把所有代码都塞到一个类中，暂时不用考虑任何代码质量、线程安全、性能、扩展性等等问题，怎么简单怎么来就行

最小原型的代码实现如下所示。其中，`recordResponseTime()` 和 `recordTimestamp()` 两个函数分别用来记录接口请求的响应时间和访问时间。`startRepeatedReport()` 函数以指定的频率统计数据并输出结果

public class Metrics {
        
        // Map 的 key 是接口名称，value 对应接口请求的响应时间或时间戳；
        private Map<String, List<Double>> responseTimes = new HashMap<>();
        private Map<String, List<Double>> timestamps = new HashMap<>();
        private ScheduledExecutorService executor = Executors.newSingleThreadSchedule;
    
        public void recordResponseTime(String apiName, double responseTime) {
        
            responseTimes.putIfAbsent(apiName, new ArrayList<>());
            responseTimes.get(apiName).add(responseTime);
        }
    
        public void recordTimestamp(String apiName, double timestamp) {
        
            timestamps.putIfAbsent(apiName, new ArrayList<>());
            timestamps.get(apiName).add(timestamp);
        }
    
        public void startRepeatedReport(long period, TimeUnit unit) {
        
            executor.scheduleAtFixedRate(new Runnable() {
        
                @Override
                public void run() {
        
                    Gson gson = new Gson();
                    Map<String, Map<String, Double>> stats = new HashMap<>();
                    for (Map.Entry<String, List<Double>> entry : responseTimes.entrySet())
                        String apiName = entry.getKey();
                        List<Double> apiRespTimes = entry.getValue();
                        stats.putIfAbsent(apiName, new HashMap<>());
                        stats.get(apiName).put("max", max(apiRespTimes));
                        stats.get(apiName).put("avg", avg(apiRespTimes));
                     }
                    for(Map.Entry<String, List<Double>> entry :timestamps.entrySet()) {
        
                        String apiName = entry.getKey();
                        List<Double> apiTimestamps = entry.getValue();
                        stats.putIfAbsent(apiName, new HashMap<>());
                        stats.get(apiName).put("count", (double) apiTimestamps.size());
                     }
                    System.out.println(gson.toJson(stats));
                }
            },0,period,unit);
        }
    
        private double max(List<Double> dataset) {
         // 省略代码实现 }
        private double avg (List < Double > dataset) {
         // 省略代码实现 }
    }

通过不到 50 行代码就实现了最小原型。接下来再来看，如何用它来统计注册、登录接口的响应时间和访问次数。具体的代码如下所示：

// 应用场景：统计下面两个接口 (注册和登录）的响应时间和访问次数
    public class UserController {
        
        private Metrics metrics = new Metrics();
    
        public UserController() {
        
            metrics.startRepeatedReport(60, TimeUnit.SECONDS);
        }
        public void register(UserVo user) {
        
            long startTimestamp = System.currentTimeMillis();
            metrics.recordTimestamp("regsiter", startTimestamp);
            //...
            long respTime = System.currentTimeMillis() - startTimestamp;
            metrics.recordResponseTime("register", respTime);
        }
        public UserVo login(String telephone, String password) {
        
            long startTimestamp = System.currentTimeMillis();
            metrics.recordTimestamp("login", startTimestamp);
            //...
            long respTime = System.currentTimeMillis() - startTimestamp;
            metrics.recordResponseTime("login", respTime);
        }
    }

最小原型的代码实现虽然简陋，但它却帮我们将思路理顺了很多，现在就基于它做最终的框架设计。下面是针对性能计数器框架画的一个粗略的系统设计图。图可以非常直观地体现设计思想，并且能有效地帮助我们释放更多的脑空间，来思考其他细节问题

![在这里插入图片描述][53486b2f11d44713b1a7dead2498e654.png]

如图所示，把整个框架分为四个模块：数据采集、存储、聚合统计、显示。每个模块负责的工作简单罗列如下：

**1、数据采集**

负责打点采集原始数据，包括记录每次接口请求的响应时间和请求时间。数据采集过程要高度容错，不能影响到接口本身的可用性。除此之外，因为这部分功能是暴露给框架的使用者的，所以在设计数据采集 API 的时候，也要尽量考虑其易用性

**2、存储**

负责将采集的原始数据保存下来，以便后面做聚合统计。数据的存储方式有多种，比如：Redis、MySQL、HBase、日志、文件、内存等。数据存储比较耗时，为了尽量地减少对接口性能（比如响应时间）的影响，采集和存储的过程异步完成

**3、聚合统计**

负责将原始数据聚合为统计数据，比如：max、min、avg、pencentile、count、tps 等。为了支持更多的聚合统计规则，代码希望尽可能灵活、可扩展

**4、显示**

负责将统计数据以某种格式显示到终端，比如：输出到命令行、邮件、网页、自定义显示终端等

前面讲到面向对象分析、设计和实现的时候，讲到设计阶段最终输出的是类的设计，同时也讲到，软件设计开发是一个迭代的过程，分析、设计和实现这三个阶段的界限划分并不明显

### 11.4 小步快跑、逐步迭代 ###

在上面，将整个框架分为数据采集、存储、聚合统计、显示这四个模块。除此之外，关于统计触发方式（主动推送、被动触发统计）、统计时间区间（统计哪一个时间段内的数据）、统计时间间隔（对于主动推送方法，多久统计推送一次）也做了简单的设计

虽然最小原型为我们奠定了迭代开发的基础，但离我们最终期望的框架的样子还有很大的距离。我自己在写这篇文章的时候，试图去实现上面罗列的所有功能需求，希望写出一个完美的框架，发现这是件挺烧脑的事情，在写代码的过程中，一直有种“脑子不够使”的感觉。我这个有十多年工作经验的人尚且如此，对于没有太多经验的开发者来说，想一下子把所有需求都实现出来，更是一件非常有挑战的事情。一旦无法顺利完成，可能就会有很强的挫败感，就会陷入自我否定的情绪中

不过，即便你有能力将所有需求都实现，可能也要花费很大的设计精力和开发时间，迟迟没有产出，你的 leader 会因此产生很强的不可控感。对于现在的互联网项目来说，小步快跑、逐步迭代是一种更好的开发模式。所以，应该分多个版本逐步完善这个框架。第一个版本可以先实现一些基本功能，对于更高级、更复杂的功能，以及非功能性需求不做过高的要求，在后续的 v2.0、v3.0……版本中继续迭代优化

针对这个框架的开发，在 v1.0 版本中，暂时只实现下面这些功能。剩下的功能留在 v2.0、v3.0 版本

1.  数据采集：负责打点采集原始数据，包括记录每次接口请求的响应时间和请求时间
2.  存储：负责将采集的原始数据保存下来，以便之后做聚合统计。数据的存储方式有很多种，暂时只支持 Redis 这一种存储方式，并且，采集与存储两个过程同步执行
3.  聚合统计：负责将原始数据聚合为统计数据，包括响应时间的最大值、最小值、平均值、99.9 百分位值、99 百分位值，以及接口请求的次数和 tps
4.  显示：负责将统计数据以某种格式显示到终端，暂时只支持主动推送给命令行和邮件。命令行间隔 n 秒统计显示上 m 秒的数据（比如，间隔 60s 统计上 60s 的数据）。邮件每日统计上日的数据

现在这个版本的需求比之前的要更加具体、简单了，实现起来也更加容易一些。实际上，学会结合具体的需求，做合理的预判、假设、取舍，规划版本的迭代设计开发，也是一个资深工程师必须要具备的能力

在之前，是把面向对象设计与实现分开来讲解，界限划分比较明显。在实际的软件开发中，这两个过程往往是交叉进行的。一般是先有一个粗糙的设计，然后着手实现，实现的过程发现问题，再回过头来补充修改设计。所以，对于这个框架的开发来说，把设计和实现放到一块来讲解

最小原型的实现，所有的代码都耦合在一个类中，这显然是不合理的。接下来，就按照之前讲的面向对象设计的几个步骤，来重新划分、设计类

#### 11.4.1 划分职责进而识别出有哪些类 ####

根据需求描述，先大致识别出下面几个接口或类。这一步不难，完全就是翻译需求

*  MetricsCollector 类负责提供 API，来采集接口请求的原始数据。可以为 MetricsCollector 抽象出一个接口，但这并不是必须的，因为暂时只能想到一个 MetricsCollector 的实现方式
 *  MetricsStorage 接口负责原始数据存储，RedisMetricsStorage 类实现 MetricsStorage 接口。这样做是为了今后灵活地扩展新的存储方法，比如用 HBase 来存储
 *  Aggregator 类负责根据原始数据计算统计数据
 *  ConsoleReporter 类、EmailReporter 类分别负责以一定频率统计并发送统计数据到命令行和邮件。至于 ConsoleReporter 和 EmailReporter 是否可以抽象出可复用的抽象类，或者抽象出一个公共的接口，暂时还不能确定

#### 11.4.2 定义类及类与类之间的关系 ####

接下来就是定义类及属性和方法，定义类与类之间的关系。这两步没法分得很开，所以，将它们合在一起来讲解

大致地识别出几个核心的类之后，可以先在 IDE 中创建好这几个类，然后开始试着定义它们的属性和方法。在设计类、类与类之间交互的时候，不断地用之前学过的设计原则和思想来审视设计是否合理，比如，是否满足单一职责原则、开闭原则、依赖注入、KISS 原则、DRY 原则、迪米特法则，是否符合基于接口而非实现编程思想，代码是否高内聚、低耦合，是否可以抽象出可复用代码等等

MetricsCollector 类的定义非常简单，具体代码如下所示。对比最小原型的代码，MetricsCollector 通过引入 RequestInfo 类来封装原始数据信息，用一个采集函数代替了之前的两个函数

public class MetricsCollector {
        
        private MetricsStorage metricsStorage; // 基于接口而非实现编程
        // 依赖注入
        public MetricsCollector(MetricsStorage metricsStorage) {
        
            this.metricsStorage = metricsStorage;
        }
        // 用一个函数代替了最小原型中的两个函数
        public void recordRequest(RequestInfo requestInfo) {
        
            if (requestInfo == null || StringUtils.isBlank(requestInfo.getApiName())) {
        
                return;
            }
            metricsStorage.saveRequestInfo(requestInfo);
        }
    }
    public class RequestInfo {
        
        private String apiName;
        private double responseTime;
        private long timestamp;
        //... 省略 constructor/getter/setter 方法...
    }

MetricsStorage 类和 RedisMetricsStorage 类的属性和方法也比较明确。具体的代码实现如下所示。注意，一次性取太长时间区间的数据，可能会导致拉取太多的数据到内存中，有可能会撑爆内存。对于 Java 来说，就有可能会触发 OOM（Out Of Memory）。而且，即便不出现 OOM，内存还够用，但也会因为内存吃紧，导致频繁的 Full GC，进而导致系统接口请求处理变慢，甚至超时

public interface MetricsStorage {
        
        void saveRequestInfo(RequestInfo requestInfo);
        List<RequestInfo> getRequestInfos(String apiName, long startTimeInMillis, long endTimeInMillis);
        Map<String, List<RequestInfo>> getRequestInfos(long startTimeInMillis, long endTimeInMillis);
    }
    
    public class RedisMetricsStorage implements MetricsStorage {
        
        //... 省略属性和构造函数等...
        @Override
        public void saveRequestInfo(RequestInfo requestInfo) {
        
            //...
        }
        @Override
        public List<RequestInfo> getRequestInfos(String apiName, long startTimestamp) {
        
            //...
        }
        @Override
        public Map<String, List<RequestInfo>> getRequestInfos(long startTimestamp, long endTimeInMillis) {
        
            //...
        }
    }

MetricsCollector 类和 MetricsStorage 类的设计思路比较简单，不同的人给出的设计结果应该大差不差。但是，统计和显示这两个功能就不一样了，可以有多种设计思路。实际上，如果把统计显示所要完成的功能逻辑细分一下的话，主要包含下面 4 点：

1.  根据给定的时间区间，从数据库中拉取数据
2.  根据原始数据，计算得到统计数据
3.  将统计数据显示到终端（命令行或邮件）
4.  定时触发以上 3 个过程的执行

实际上，如果用一句话总结一下的话，**面向对象设计和实现要做的事情，就是把合适的代码放到合适的类中**。所以，现在要做的工作就是，把以上的 4 个功能逻辑划分到几个类中。划分的方法有很多种，比如，可以把前两个逻辑放到一个类中，第 3 个逻辑放到另外一个类中，第 4 个逻辑作为上帝类（God Class）组合前面两个类来触发前 3 个逻辑的执行。当然，也可以把第 2 个逻辑单独放到一个类中，第 1、3、4 都放到另外一个类中

至于到底选择哪种排列组合方式，判定的标准是，让代码尽量地满足低耦合、高内聚、单一职责、对扩展开放对修改关闭等之前讲到的各种设计原则和思想，尽量地让设计满足代码易复用、易读、易扩展、易维护

这里暂时选择把第 1、3、4 逻辑放到 ConsoleReporter 或 EmailReporter 类中，把第 2 个逻辑放到 Aggregator 类中。其中，Aggregator 类负责的逻辑比较简单，把它设计成只包含静态方法的工具类。具体的代码实现如下所示：

public class Aggregator {
        
        public static RequestStat aggregate(List<RequestInfo> requestInfos, long duration) {
        
            double maxRespTime = Double.MIN_VALUE;
            double minRespTime = Double.MAX_VALUE;
            double avgRespTime = -1;
            double p999RespTime = -1;
            double p99RespTime = -1;
            double sumRespTime = 0;
            long count = 0;
    
            for (RequestInfo requestInfo : requestInfos) {
        
                ++count;
                double respTime = requestInfo.getResponseTime();
                if (maxRespTime < respTime) {
        
                    maxRespTime = respTime;
                }
                if (minRespTime > respTime) {
        
                    minRespTime = respTime;
                }
                sumRespTime += respTime;
            }
            if (count != 0) {
        
                avgRespTime = sumRespTime / count;
            }
            long tps = (long) (count / durationInMillis * 1000);
            Collections.sort(requestInfos, new Comparator<RequestInfo>() {
        
                @Override
                public int compare(RequestInfo o1, RequestInfo o2) {
        
                    double diff = o1.getResponseTime() - o2.getResponseTime();
                    if (diff < 0.0) {
        
                        return -1;
                    } else if (diff > 0.0) {
        
                        return 1;
                    } else {
        
                        return 0;
                    }
                }
            });
            int idx999 = (int) (count * 0.999);
            int idx99 = (int) (count * 0.99);
            if (count != 0) {
        
                p999RespTime = requestInfos.get(idx999).getResponseTime();
                p99RespTime = requestInfos.get(idx99).getResponseTime();
            }
            RequestStat requestStat = new RequestStat();
            requestStat.setMaxResponseTime(maxRespTime);
            requestStat.setMinResponseTime(minRespTime);
            requestStat.setAvgResponseTime(avgRespTime);
            requestStat.setP999ResponseTime(p999RespTime);
            requestStat.setP99ResponseTime(p99RespTime);
            requestStat.setCount(count);
            requestStat.setTps(tps);
            return requestStat;
        }
    }
    
    public class RequestStat {
        
        private double maxResponseTime;
        private double minResponseTime;
        private double avgResponseTime;
        private double p999ResponseTime;
        private double p99ResponseTime;
        private long count;
        private long tps;
        //... 省略 getter/setter 方法...
    }

ConsoleReporter 类相当于一个上帝类，定时根据给定的时间区间，从数据库中取出数据，借助 Aggregator 类完成统计工作，并将统计结果输出到命令行。具体的代码实现如下所示：

public class ConsoleReporter {
        
        private MetricsStorage metricsStorage;
        private ScheduledExecutorService executor;
    
        public ConsoleReporter(MetricsStorage metricsStorage) {
        
            this.metricsStorage = metricsStorage;
            this.executor = Executors.newSingleThreadScheduledExecutor();
        }
    
        // 第 4 个代码逻辑：定时触发第 1、2、3 代码逻辑的执行；
        public void startRepeatedReport(long periodInSeconds, long durationInSeconds) {
        
            executor.scheduleAtFixedRate(new Runnable() {
        
                @Override
                public void run() {
        
                    // 第 1 个代码逻辑：根据给定的时间区间，从数据库中拉取数据；
                    long durationInMillis = durationInSeconds * 1000;
                    long endTimeInMillis = System.currentTimeMillis();
                    long startTimeInMillis = endTimeInMillis - durationInMillis;
                    Map<String, List<RequestInfo>> requestInfos =
                            metricsStorage.getRequestInfos(startTimeInMillis, endTimeInMillis);
                    Map<String, RequestStat> stats = new HashMap<>();
                    for (Map.Entry<String, List<RequestInfo>> entry : requestInfos.entrySet) {
        
                        String apiName = entry.getKey();
                        List<RequestInfo> requestInfosPerApi = entry.getValue();
                        // 第 2 个代码逻辑：根据原始数据，计算得到统计数据；
                        RequestStat requestStat = Aggregator.aggregate(requestInfosPerApi, durationInMillis);
                        stats.put(apiName, requestStat);
                    }
                    // 第 3 个代码逻辑：将统计数据显示到终端（命令行或邮件）；
                    System.out.println("Time Span: ["+startTimeInMillis +", "+endTimeInmillis);
                    Gson gson = new Gson();
                    System.out.println(gson.toJson(stats));
                }
            },0,periodInSeconds,TimeUnit.SECONDS);
        }
    }
    
    public class EmailReporter {
        
        private static final Long DAY_HOURS_IN_SECONDS = 86400L;
        private MetricsStorage metricsStorage;
        private EmailSender emailSender;
        private List<String> toAddresses = new ArrayList<>();
    
        public EmailReporter(MetricsStorage metricsStorage) {
        
            this(metricsStorage, new EmailSender(/* 省略参数 */));
        }
    
        public EmailReporter(MetricsStorage metricsStorage, EmailSender emailSender) {
        
            this.metricsStorage = metricsStorage;
            this.emailSender = emailSender;
        }
    
        public void addToAddress(String address) {
        
            toAddresses.add(address);
        }
    
        public void startDailyReport() {
        
            Calendar calendar = Calendar.getInstance();
            calendar.add(Calendar.DATE, 1);
            calendar.set(Calendar.HOUR_OF_DAY, 0);
            calendar.set(Calendar.MINUTE, 0);
            calendar.set(Calendar.SECOND, 0);
            calendar.set(Calendar.MILLISECOND, 0);
            Date firstTime = calendar.getTime();
            Timer timer = new Timer();
            timer.schedule(new TimerTask() {
        
                @Override
                public void run() {
        
                    long durationInMillis = DAY_HOURS_IN_SECONDS * 1000;
                    long endTimeInMillis = System.currentTimeMillis();
                    long startTimeInMillis = endTimeInMillis - durationInMillis;
                    Map<String, List<RequestInfo>> requestInfos =
                            metricsStorage.getRequestInfos(startTimeInMillis, endTimeInMillis);
                    Map<String, RequestStat> stats = new HashMap<>();
                    for (Map.Entry<String, List<RequestInfo>> entry : requestInfos.entrySet) {
        
                        String apiName = entry.getKey();
                        List<RequestInfo> requestInfosPerApi = entry.getValue();
                        RequestStat requestStat = Aggregator.aggregate(requestInfosPerApi, durationInMillis);
                        stats.put(apiName, requestStat);
                    }
                    // TODO: 格式化为 html 格式，并且发送邮件
                }
            }, firstTime, DAY_HOURS_IN_SECONDS * 1000);
        }
    }

#### 11.4.3 将类组装起来并提供执行入口 ####

因为这个框架稍微有些特殊，有两个执行入口：一个是 MetricsCollector 类，提供了一组 API 来采集原始数据；另一个是 ConsoleReporter 类和 EmailReporter 类，用来触发统计显示。框架具体的使用方式如下所示：

public class Demo {
        
        public static void main(String[] args) {
        
            MetricsStorage storage = new RedisMetricsStorage();
            ConsoleReporter consoleReporter = new ConsoleReporter(storage);
            consoleReporter.startRepeatedReport(60, 60);
    
            EmailReporter emailReporter = new EmailReporter(storage);
            emailReporter.addToAddress("wangzheng@xzg.com");
            emailReporter.startDailyReport();
    
            MetricsCollector collector = new MetricsCollector(storage);
            collector.recordRequest(new RequestInfo("register", 123, 10234));
            collector.recordRequest(new RequestInfo("register", 223, 11234));
            collector.recordRequest(new RequestInfo("register", 323, 12334));
            collector.recordRequest(new RequestInfo("login", 23, 12434));
            collector.recordRequest(new RequestInfo("login", 1223, 14234));
            try {
        
                Thread.sleep(100000);
            } catch (InterruptedException e) {
        
                e.printStackTrace();
            }
        }
    }

#### 11.4.4 Review 设计与实现 ####

前面讲到了 SOLID、KISS、DRY、YAGNI、LOD 等设计原则，基于接口而非实现编程、多用组合少用继承、高内聚低耦合等设计思想。现在就来看下，上面的代码实现是否符合这些设计原则和思想

**1、MetricsCollector**

MetricsCollector 负责采集和存储数据，职责相对来说还算比较单一。它基于接口而非实现编程，通过依赖注入的方式来传递 MetricsStorage 对象，可以在不需要修改代码的情况下，灵活地替换不同的存储方式，满足开闭原则

**2、MetricsStorage、RedisMetricsStorage**

MetricsStorage 和 RedisMetricsStorage 的设计比较简单。当需要实现新的存储方式的时候，只需要实现 MetricsStorage 接口即可。因为所有用到 MetricsStorage 和 RedisMetricsStorage 的地方，都是基于相同的接口函数来编程的，所以，除了在组装类的地方有所改动（从 RedisMetricsStorage 改为新的存储实现类），其他接口函数调用的地方都不需要改动，满足开闭原则

**3、Aggregator**

Aggregator 类是一个工具类，里面只有一个静态函数，有 50 行左右的代码量，负责各种统计数据的计算。当需要扩展新的统计功能的时候，需要修改 `aggregate()` 函数代码，并且一旦越来越多的统计功能添加进来之后，这个函数的代码量会持续增加，可读性、可维护性就变差了。所以，从刚刚的分析来看，这个类的设计可能存在职责不够单一、不易扩展等问题，需要在之后的版本中，对其结构做优化

**4、ConsoleReporter、EmailReporter**

ConsoleReporter 和 EmailReporter 中存在代码重复问题。在这两个类中，从数据库中取数据、做统计的逻辑都是相同的，可以抽取出来复用，否则就违反了 DRY 原则。而且整个类负责的事情比较多，职责不是太单一。特别是显示部分的代码，可能会比较复杂（比如 Email 的展示方式），最好是将显示部分的代码逻辑拆分成独立的类。除此之外，因为代码中涉及线程操作，并且调用了 Aggregator 的静态函数，所以代码的可测试性不好

这里给出的代码实现还是有诸多问题的，在后面会慢慢优化，展示整个设计演进的过程，这比直接给出最终的最优方案要有意义得多！实际上，优秀的代码都是重构出来的，复杂的代码都是慢慢堆砌出来的

[223]: https://blog.csdn.net/ACE_U_005A/article/details/126966428
[091a4368d89d4d4389c07c2a99ab8f7e.png]: https://img-blog.csdnimg.cn/091a4368d89d4d4389c07c2a99ab8f7e.png
[7216183f94f54ed68ef7e71b018427b8.png]: https://img-blog.csdnimg.cn/7216183f94f54ed68ef7e71b018427b8.png
[3646a2884a6442408a5a2354befcb7f9.png]: https://img-blog.csdnimg.cn/3646a2884a6442408a5a2354befcb7f9.png
[MapStruct _ 223]: https://blog.csdn.net/ACE_U_005A/article/details/123656927
[530fb586748d4f4eb45c5e3de63e15fb.png]: https://img-blog.csdnimg.cn/530fb586748d4f4eb45c5e3de63e15fb.png
[53486b2f11d44713b1a7dead2498e654.png]: https://img-blog.csdnimg.cn/53486b2f11d44713b1a7dead2498e654.png