Nano Hash - криптовалюты, майнинг, программирование

Как переносимые библиотеки классов, MVVM и DDD работают вместе?

Поэтому мы сосредоточены на разработке корпоративного веб-приложения, использующего шаблоны DDD с CQRS+ES. У нас есть довольно хороший контроль над этим на уровне предприятия. Теперь, когда мы хотим открыть наши серверные службы для собственных мобильных устройств с помощью Xamarin и переносимых библиотек классов, как это сочетается? Изменяем ли мы наши доменные проекты в каждом из наших ограниченных контекстов, чтобы они были типом проекта PCL? Что мы делаем со стороной MVVM, например, в приложении Windows Store, приложении Windows Phone? Поскольку мы извлекаем данные из службы веб-API, извлекаем ли мы контекстную библиотеку PCL или создаем подмножество модели предметной области и отдельную библиотеку PCL для шаблонов MVVM собственного клиента?

Прямо сейчас мы склоняемся к тому, чтобы оставить исходные проекты DDD в качестве библиотек классов и просто создать отдельную переносимую библиотеку классов для нашего кода MVVM. Мы, вероятно, будем использовать связывание файлов для обратной связи с доменными проектами для получения моделей, чтобы у нас всегда был последний набор объектов POCO и любых объектов DTO, которые мы хотим использовать на клиенте. У кого-нибудь еще есть мысли или идеи по этому поводу? Я действительно не вижу много дискуссий вокруг этой комбинации DDD + PCL.



Ответы:


1

Я много думал об этом, и то, что я сделал, чтобы поместить Xamarin в мою текущую архитектуру с подходом DDD, было следующим:

  1. Поместите объекты домена в проект PCL и используйте его для ссылок во всех необходимых вам проектах, таких как Xamarin.Forms, Xamarin.Android, Xamarin.iOS, ASP.NET, WCF и т. д.

  2. Ваши доменные службы могут находиться в обычной библиотеке классов, которая будет использоваться для прикладного уровня. Уровень приложения будет использоваться проектами представления, такими как ASP.NET MVC.

  3. На уровне распределенных служб вы собираетесь предоставлять свои службы Xamarin или другим приложениям для взаимодействия с вашим приложением. Вы можете использовать ASP.NET Web Api или WCF с REST. Этот уровень также будет использовать прикладной уровень с учетом концепций DDD.

  4. Проекты xamarin находятся на уровне представления, но не используют прикладной уровень. Здесь вы напишете свои службы для Xamarin для подключения к вашему уровню распределенных служб через Интернет. Если вам нужна автономная синхронизация, вы также можете указать это здесь. Здесь вы собираетесь сослаться на свой проект объектов домена и иметь все свои объекты с их бизнес-правилами.

Таким образом, ваш домен и бизнес-правила будут общими для всех ваших решений, а также будут соблюдаться концепции DDD и разделение ролей.

14.12.2015
Новые материалы

Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..