服务端核心开发流程

写在开头:本文旨在分析服务端工程师的核心开发流程
需求分析->抽象建模->系统设计->数据设计->非功能性设计

服务端核心开发流程

需求分析

深入交流与理解客户需求

1.一般PDO牵头与客户沟通，“5W1H”（即What、Why、Who、Where、When、How）
2.BA建立用户故事来捕捉需求，格式为“作为一个[角色]，我想要[目标]，以便于[获益]”。
3.BA创建原型图以及明确的需求文档

持续管理与调整

1.Refine Meeting上进行Effort评估和优先级确定
2.变更管理：
    建立需求变更管理流程，任何需求变更都需要经过评估、审批和文档更新。
3.迭代反馈：
    在开发过程中不断回顾和验证需求，必要时进行调整。

作为SK以及配置管理员在其中发挥的作用

1.组织Refine会议以及Review会议，促进沟通协作和确保流程遵循。
2.Sprint开始前检查所有用户故事的梳理以及完成情况。如果有未完成需求会积极寻找解决方案以及归因分析。
3.推动需求结构化管理：(重要)
    敏捷骑士在需求分析中推动Epic、Feature、Story和Task的划分，帮助团队理解不同层级的需求如何相互关联，并通过细化需求来增加其可管理性。
    配置管理员则通过配置管理工具跟踪这些不同层级需求的变更，保持需求的一致性和完整性，从技术层面支持需求管理的结构化方法。

抽象建模

深入业务需求

做好第一步需求分析，这是建模的基础。

什么是抽象建模

将业务需求抽象成领域模型、模块、服务和系统，面向对象开发时需抽象出类和对象，面向过程开发时抽象出方法和函数。

命名抽象+分层抽象

命名抽象
    Creating good names is hard, but it should be hard, because a great name captures essential meaning in just one or two words.
分层抽象
    经典三层架构（展现+业务+DAO(框架模式)
    MVC(Model、View、Controller)(设计模式)
    阿里四层架构(Manager层，专注代码复用)

抽象原则

在设计系统或解决问题时，将具体细节和复杂性隐藏起来，只暴露出必要的接口和功能。这样可以使系统更加模块化、易于理解和修改，同时提高代码的可维护性和可扩展性。
单一职责原则:
    一个模块应该只做一件事，并把这件事做好
依赖倒置原则:
    高层模块不应该依赖于低层模块的实现，两者都应该依赖于抽象。抽象不应该依赖于细节，细节应该依赖与抽象
    举例:
        1.JDBC和Java 的日志接口 Slf4j
        2.所有的协议和标准化都是 DIP 的一种实现。包括 TCP、HTTP 等网络协议、操作系统、JVM、Spring 框架的 IOC 等等。设计模式里有不少模式，也是典型的依赖倒置，例如状态模式、工厂模式、代理模式、策略模式等等
        3.日常生活中也有很多依赖倒置的例子。比如电源插座，家庭的供电只需要提供符合国家标准的电源插座，我们购买电器产品时，就不用担心买回来无法接入电源。汽车和轮胎、铅笔和笔、USB／耳机接口等等，也都是同一思想的体现。
里氏替换原则:
    子类必须能够替换成它们的基类
    举例:
        正方形和长方形
        虽然几何上说，正方形是一个特殊的长方形，但把正方形作为长方形的子类，却未必合适，因为它已经不存在宽和高的概念了。如果一个抽象不能符合里氏替换原则，那我们就需要考虑下这个抽象是不是合适了。
接口隔离原则:
    客户端不应该被迫依赖它们不使用的方法
    举例:
        例如下面的 Square 类如果继承了Shape 接口，该如何计算体积以实现volume方法？
迪米特法则:
    模块不应该了解它所操作的对象的内部情况
    下面是一段违反迪米特法则的典型代码。这样的代码把对象内部实现暴露了出来，应该考虑讲将功能直接暴露为接口，或者合理使用设计模式(例如Facade模式)
    final String outputDir = ctxt.getOptions().getScratchDir().getAbsolutePath();

系统设计(系统架构)

将抽象建模的成果映射到具体的技术实现

1. 设计和划分功能域

   对于复杂的业务，首先应设计和划分功能域，以降低复杂度。

2. 设计功能域之间的协作

3. 确定功能域之间的数据边界

   以微服务架构为例，一个功能域可作为一个应用，不同功能域之间通过服务调用来协作，对于服务，通常用请求（服务调用方发起请求）和响应（服务提供方响应请求返回结果）的数据模型来描述边界。

4. 功能域内部设计
   如下图:
   

5. 详细设计

   绘制相关模型：如类图，实体关系图等
   通过流程图、时序图来描述方案

   数据设计

   领域概念模型设计和逻辑数据模型设计(非必需)

6. 领域分析

   业务流程梳理：深入分析业务流程，了解业务从开始到结束的整个流程。
   业务实体识别：确定业务中的核心实体，如顾客、订单等。
   业务规则提取：提取业务规则和逻辑，明确实体之间的交互方式。

7. 概念识别与定义

   实体定义：定义系统中的核心对象，包括它们的属性、行为和关系。
   关系映射：确立实体之间的关系，如一对一、一对多或多对多关系。
   属性归纳：为每个实体归纳出关键属性，并定义其数据类型和约束。

8. 模型构建

   类图绘制：利用UML（统一建模语言）绘制类图，展示实体及其关系。
   概念层次划分：根据实体的层次结构，建立清晰的分类和分层。
   关联模型构建：构建关联模型，展现实体间的动态交互和数据流动。

9. 模型验证

   一致性检查：检查模型中的实体和关系是否逻辑一致，无矛盾。
   完整性验证：确保模型覆盖了所有业务需求，没有遗漏重要元素。
   可行性评估：评估模型的实际可行性，包括技术实现和业务逻辑的适应性。

   物理存储模型设计

   数据库选型和存储方案设计

   1. 分析系统需求
      数据类型：分析需存储的数据类型，如结构化数据、半结构化数据或非结构化数据。
      数据量：预估数据量大小及增长趋势。
      访问模式：识别数据的访问模式，如读多写少、读写混合等。
      并发用户数：评估系统的用户并发访问量。
      数据一致性与可用性要求：明确数据一致性和可用性的要求级别。
   2. 选择合适的数据库类型
      关系型数据库：适用于结构化数据和复杂查询。
      非关系型数据库：适用于非结构化或半结构化数据，高并发访问，大规模数据存储等场景。
      分布式数据库：适合需水平扩展和高可用的场景。
   3. 评估性能与扩展性
      性能测试：基于实际工作负载进行性能测试。
      扩展策略：考虑数据库的扩展策略，包括垂直扩展和水平扩展。
      分区和分片：根据数据访问模式和分布，设计合理的分区和分片策略。
   4. 设计存储方案
      存储容量规划：根据数据量和增长趋势规划存储容量。
      高可用配置：设计数据库的高可用方案，如主从复制、集群等。
      备份与恢复：制定数据备份与恢复计划，保障数据安全。
      容灾计划：考虑灾难恢复方案，确保在严重故障下的数据安全。
   5. 经济性考量
      成本评估：考虑数据库的总拥有成本，包括许可费、硬件成本、维护费用等。
      商业数据库与开源数据库：权衡商业数据库和开源数据库的成本与收益。

   常见的数据库类型举例以及它们的特性和适用场景和业界常用产品:

   数据库类型	特性	适用场景	业界常用产品
   关系型数据库	基于表格，支持SQL语言；强一致性和事务支持	需要复杂查询的业务系统	MySQL, PostgreSQL, Oracle
   键值存储数据库	简单的键值对存储；快速读写	缓存系统，计数器应用	Redis, DynamoDB
   文档型数据库	存储JSON或BSON格式的文档；模式灵活	内容管理系统，博客平台	MongoDB, Couchbase
   列式数据库	数据按列存储；适合大规模数据分析	数据仓库，大数据处理	Cassandra, HBase
   图数据库	存储实体及其关系；高效图形查询	社交网络分析，推荐系统	Neo4j, Amazon Neptune
   时序数据库	优化时间相关数据的存储；高效的时间序列数据检索	IoT设备监控，实时数据分析	InfluxDB, TimescaleDB
   对象存储	存储非结构化数据对象；可扩展性好	云存储，多媒体文件存储	Amazon S3, OpenStack Swift
   搜索引擎	专为文本搜索优化；支持全文搜索和实时索引	网站搜索功能，日志分析	Elasticsearch, Solr

非功能性设计

性能设计

性能需求分析：明确系统的性能指标，如响应时间、吞吐量等。
性能优化：采用高效的算法和数据结构，优化数据库查询，利用缓存减少I/O操作。
负载均衡：通过负载均衡技术分散请求，提高系统的处理能力。

安全性设计

认证与授权：实现健全的认证机制，如OAuth、JWT等，确保只有授权用户访问资源。
数据加密：对敏感数据进行加密存储和传输，使用HTTPS保护数据传输安全。
安全漏洞防范：定期进行安全漏洞扫描和代码审查，及时修复安全隐患。

可维护性设计

代码规范：遵循编码规范，编写清晰、可读的代码。
文档编写：提供详细的系统文档和API文档，方便后续维护。
日志记录：实现全面的日志记录策略，便于问题追踪和故障排查。

测试与监控设计

全面测试：进行单元测试、集成测试和压力测试，确保系统质量。
性能监控：实时监控系统性能，及时发现并解决性能瓶颈。
错误监控：监控错误和异常，快速响应故障。