DCI架构是如何解决DDD战术建模缺点的?

摘要:将DCI架构总结成一句话就是:领域对象(Object)在不同的场景(Context)中扮演(Cast)不同的角色(Role),角色之间通过交互(Interactive)来完成具体的业务逻辑。

本文分享自华为云社区《实现DCI架构》,作者:元闰子 。

前言

在面向对象编程的理念里,应用程序是对现实世界的抽象,我们经常会将现实中的事物建模为编程语言中的类/对象(“是什么”),而事物的行为则建模为方法(“做什么”)。面向对象编程有三大基本特性(封装、继承/组合、多态)和五大基本原则(单一职责原则、开放封闭原则、里氏替换原则、依赖倒置原则、接口分离原则),但知道这些还并不足以让我们设计出好的程序,于是很多方法论就涌现了出来。

近来最火的当属领域驱动设计(DDD),其中战术建模提出的实体、值对象、聚合等建模方法,能够很好的指导我们设计出符合现实世界的领域模型。但DDD也不是万能的,在某些应用场景下,按照传统的战术建模/面向对象方法设计出来的程序,也会存在可维护性差、违反单一职责原则等问题。

本文介绍的DCI建模方法可以看成是战术建模的一种辅助,在某些场景下,它可以很好的弥补DDD战术建模的一些缺点。接下来,我们将会通过一个案例来介绍DCI是如何解决DDD战术建模的这些缺点的。

本文涉及的代码归档在github项目:GitHub - ruanrunxue/DCI-Architecture-Implementation: DCI Architecture Implementation

案例

考虑一个普通人的生活日常,他会在学校上课,也会趁着暑假去公司工作,在工作之余去公园游玩,也会像普通人一样在家吃喝玩乐。当然,一个人的生活还远不止这些,为了讲解方便,本文只针对这几个典型的场景进行建模示例。

使用DDD建模

按照DDD战术建模的思路,首先,我们会列出该案例的通用语言:

人、身份证、银行卡、家、吃饭、睡觉、玩游戏、学校、学生卡、学习、考试、公司、工卡、上班、下班、公园、购票、游玩

接着,我们使用战术建模技术(值对象、实体、聚合、领域服务、资源库)对通用语言进行领域建模。

DDD建模后的代码目录结构如下:

- aggregate: 聚合
  - company.go
  - home.go
  - park.go
  - school.go
- entity: 实体
  - people.go
- vo: 值对象
  - account.go
  - identity_card.go
  - student_card.go
  - work_card.go

我们将身份证、学生卡、工卡、银行卡这几个概念,建模为值对象(Value Object):

package vo

// 身份证
type IdentityCard struct {
	Id   uint32
	Name string
}

// 学生卡
type StudentCard struct {
	Id     uint32
	Name   string
	School string
}

// 工卡
type WorkCard struct {
	Id      uint32
	Name    string
	Company string
}

// 银行卡
type Account struct {
	Id      uint32
	Balance int
}

...

接着我们将人建模成实体(Entity),他包含了身份证、学生卡等值对象,也具备吃饭、睡觉等行为:

package entity

// 人
type People struct {
	vo.IdentityCard
	vo.StudentCard
	vo.WorkCard
	vo.Account
}

// 学习
func (p *People) Study() {
	fmt.Printf("Student %+v studying\n", p.StudentCard)
}
// 考试
func (p *People) Exam() {
	fmt.Printf("Student %+v examing\n", p.StudentCard)
}
// 吃饭
func (p *People) Eat() {
	fmt.Printf("%+v eating\n", p.IdentityCard)
	p.Account.Balance--
}
// 睡觉
func (p *People) Sleep() {
	fmt.Printf("%+v sleeping\n", p.IdentityCard)
}
// 玩游戏
func (p *People) PlayGame() {
	fmt.Printf("%+v playing game\n", p.IdentityCard)
}
// 上班
func (p *People) Work() {
	fmt.Printf("%+v working\n", p.WorkCard)
	p.Account.Balance++
}
// 下班
func (p *People) OffWork() {
	fmt.Printf("%+v getting off work\n", p.WorkCard)
}
// 购票
func (p *People) BuyTicket() {
	fmt.Printf("%+v buying a ticket\n", p.IdentityCard)
	p.Account.Balance--
}
// 游玩
func (p *People) Enjoy() {
	fmt.Printf("%+v enjoying park scenery\n", p.IdentityCard)
}

最后,我们将学校、公司、公园、家建模成聚合(Aggregate),聚合由一个或多个实体、值对象组合而成,组织它们完成具体的业务逻辑:

package aggregate

// 家
type Home struct {
	me *entity.People
}
func (h *Home) ComeBack(p *entity.People) {
	fmt.Printf("%+v come back home\n", p.IdentityCard)
	h.me = p
}
// 执行Home的业务逻辑
func (h *Home) Run() {
	h.me.Eat()
	h.me.PlayGame()
	h.me.Sleep()
}

// 学校
type School struct {
	Name     string
	students []*entity.People
}
func (s *School) Receive(student *entity.People) {
	student.StudentCard = vo.StudentCard{
		Id:     rand.Uint32(),
		Name:   student.IdentityCard.Name,
		School: s.Name,
	}
	s.students = append(s.students, student)
	fmt.Printf("%s Receive stduent %+v\n", s.Name, student.StudentCard)
}
// 执行School的业务逻辑
func (s *School) Run() {
	fmt.Printf("%s start class\n", s.Name)
	for _, student := range s.students {
		student.Study()
	}
	fmt.Println("students start to eating")
	for _, student := range s.students {
		student.Eat()
	}
	fmt.Println("students start to exam")
	for _, student := range s.students {
		student.Exam()
	}
	fmt.Printf("%s finish class\n", s.Name)
}

// 公司
type Company struct {
	Name    string
	workers []*entity.People
}
func (c *Company) Employ(worker *entity.People) {
	worker.WorkCard = vo.WorkCard{
		Id:      rand.Uint32(),
		Name:    worker.IdentityCard.Name,
		Company: c.Name,
	}
	c.workers = append(c.workers, worker)
	fmt.Printf("%s Employ worker %s\n", c.Name, worker.WorkCard.Name)
}
// 执行Company的业务逻辑
func (c *Company) Run() {
	fmt.Printf("%s start work\n", c.Name)
	for _, worker := range c.workers {
		worker.Work()
	}
	fmt.Println("worker start to eating")
	for _, worker := range c.workers {
		worker.Eat()
	}
	fmt.Println("worker get off work")
	for _, worker := range c.workers {
		worker.OffWork()
	}
	fmt.Printf("%s finish work\n", c.Name)
}

// 公园
type Park struct {
	Name     string
	enjoyers []*entity.People
}
func (p *Park) Welcome(enjoyer *entity.People) {
	fmt.Printf("%+v come to park %s\n", enjoyer.IdentityCard, p.Name)
	p.enjoyers = append(p.enjoyers, enjoyer)
}
// 执行Park的业务逻辑
func (p *Park) Run() {
	fmt.Printf("%s start to sell tickets\n", p.Name)
	for _, enjoyer := range p.enjoyers {
		enjoyer.BuyTicket()
	}
	fmt.Printf("%s start a show\n", p.Name)
	for _, enjoyer := range p.enjoyers {
		enjoyer.Enjoy()
	}
	fmt.Printf("show finish\n")
}

那么,根据上述方法建模出来的模型是这样的:

模型的运行方法如下:

paul := entity.NewPeople("Paul")
mit := aggregate.NewSchool("MIT")
google := aggregate.NewCompany("Google")
home := aggregate.NewHome()
summerPalace := aggregate.NewPark("Summer Palace")
// 上学
mit.Receive(paul)
mit.Run()
// 回家
home.ComeBack(paul)
home.Run()
// 工作
google.Employ(paul)
google.Run()
// 公园游玩
summerPalace.Welcome(paul)
summerPalace.Run()

贫血模型 VS 充血模型(工程派 VS 学院派)

上一节中,我们使用DDD的战术建模完成了该案例领域模型。模型的核心是People实体,它有IdentityCard、StudentCard等数据属性,也有Eat()、Study()、Work()等业务行为 ,非常符合现实世界中定义。这也是学院派所倡导的,同时拥有数据属性和业务行为的充血模型。

然而,充血模型并非完美,它也有很多问题,比较典型的是这两个:

问题一:上帝类

People这个实体包含了太多的职责,导致它变成了一个名副其实的上帝类。试想,这里还是裁剪了很多“人”所包含的属性和行为,如果要建模一个完整的模型,其属性和方法之多,无法想象。上帝类违反了单一职责原则,会导致代码的可维护性变得极差。

问题二:模块间耦合

School与Company本应该是相互独立的,School不必关注上班与否,Company也不必关注考试与否。但是现在因为它们都依赖了People这个实体,School可以调用与Company相关的Work()和OffWork()方法,反之亦然。这导致模块间产生了不必要的耦合,违反了接口隔离原则。

这些问题都是工程派不能接受的,从软件工程的角度,它们会使得代码难以维护。解决这类问题的方法,比较常见的是对实体进行拆分,比如将实体的行为建模成领域服务,像这样:

type People struct {
	vo.IdentityCard
	vo.StudentCard
	vo.WorkCard
	vo.Account
}

type StudentService struct{}
func (s *StudentService) Study(p *entity.People) {
	fmt.Printf("Student %+v studying\n", p.StudentCard)
}
func (s *StudentService) Exam(p *entity.People) {
	fmt.Printf("Student %+v examing\n", p.StudentCard)
}

type WorkerService struct{}
func (w *WorkerService) Work(p *entity.People) {
	fmt.Printf("%+v working\n", p.WorkCard)
	p.Account.Balance++
}
func (w *WorkerService) OffWOrk(p *entity.People) {
	fmt.Printf("%+v getting off work\n", p.WorkCard)
}

// ...

这种建模方法,解决了上述两个问题,但也变成了所谓的贫血模型:People变成了一个纯粹的数据类,没有任何业务行为。在人的心理上,这样的模型并不能在建立起对现实世界的对应关系,不容易让人理解,因此被学院派所抵制。

到目前为止,贫血模型和充血模型都有各有优缺点,工程派和学院派谁都无法说服对方。接下来,轮到本文的主角出场了。

DCI架构

DCI(Data,Context,Interactive)架构是一种面向对象的软件架构模式,在《The DCI Architecture: A New Vision of Object-Oriented Programming》一文中被首次提出。与传统的面向对象相比,DCI能更好地对数据和行为之间的关系进行建模,从而更容易被人理解。

  • Data,也即数据/领域对象,用来描述系统“是什么”,通常采用DDD中的战术建模来识别当前模型的领域对象,等同于DDD分层架构中的领域层。
  • Context,也即场景,可理解为是系统的Use Case,代表了系统的业务处理流程,等同于DDD分层架构中的应用层。
  • Interactive,也即交互,是DCI相对于传统面向对象的最大发展,它认为我们应该显式地对领域对象(Object)在每个业务场景(Context)中扮演(Cast)的角色(Role)进行建模。Role代表了领域对象在业务场景中的业务行为(“做什么”),Role之间通过交互完成完整的义务流程。

这种角色扮演的模型我们并不陌生,在现实的世界里也是随处可见,比如,一个演员可以在这部电影里扮演英雄的角色,也可以在另一部电影里扮演反派的角色。

DCI认为,对Role的建模应该是面向Context的,因为特定的业务行为只有在特定的业务场景下才会有意义。通过对Role的建模,我们就能够将领域对象的方法拆分出去,从而避免了上帝类的出现。最后,领域对象通过组合或继承的方式将Role集成起来,从而具备了扮演角色的能力。

DCI架构一方面通过角色扮演模型使得领域模型易于理解,另一方面通过“小类大对象”的手法避免了上帝类的问题,从而较好地解决了贫血模型和充血模型之争。另外,将领域对象的行为根据Role拆分之后,模块更加的高内聚、低耦合了。

使用DCI建模

回到前面的案例,使用DCI的建模思路,我们可以将“人”的几种行为按照不同的角色进行划分。吃完、睡觉、玩游戏,是作为人类角色的行为;学习、考试,是作为学生角色的行为;上班、下班,是作为员工角色的行为;购票、游玩,则是作为游玩者角色的行为。“人”在家这个场景中,充当的是人类的角色;在学校这个场景中,充当的是学生的角色;在公司这个场景中,充当的是员工的角色;在公园这个场景中,充当的是游玩者的角色。

需要注意的是,学生、员工、游玩者,这些角色都应该具备人类角色的行为,比如在学校里,学生也需要吃饭。

最后,根据DCI建模出来的模型,应该是这样的:

在DCI模型中,People不再是一个包含众多属性和方法的“上帝类”,这些属性和方法被拆分到多个Role中实现,而People由这些Role组合而成。

另外,School与Company也不再耦合,School只引用了Student,不能调用与Company相关的Worker的Work()和OffWorker()方法。

代码实现DCI模型

DCI建模后的代码目录结构如下;

- context: 场景
  - company.go
  - home.go
  - park.go
  - school.go
- object: 对象
  - people.go
- data: 数据
  - account.go
  - identity_card.go
  - student_card.go
  - work_card.go
- role: 角色
  - enjoyer.go
  - human.go
  - student.go
  - worker.go

从代码目录结构上看,DDD和DCI架构相差并不大,aggregate目录演变成了context目录;vo目录演变成了data目录;entity目录则演变成了object和role目录。

首先,我们实现基础角色Human,Student、Worker、Enjoyer都需要组合它:

package role

// 人类角色
type Human struct {
	data.IdentityCard
	data.Account
}
func (h *Human) Eat() {
	fmt.Printf("%+v eating\n", h.IdentityCard)
	h.Account.Balance--
}
func (h *Human) Sleep() {
	fmt.Printf("%+v sleeping\n", h.IdentityCard)
}
func (h *Human) PlayGame() {
	fmt.Printf("%+v playing game\n", h.IdentityCard)
}

接着,我们再实现其他角色,需要注意的是,Student、Worker、Enjoyer不能直接组合Human,否则People对象将会有4个Human子对象,与模型不符:

// 错误的实现
type Worker struct {
	Human
}
func (w *Worker) Work() {
	fmt.Printf("%+v working\n", w.WorkCard)
	w.Balance++
}
...
type People struct {
	Human
	Student
	Worker
	Enjoyer
}
func main() {
	people := People{}
  fmt.Printf("People: %+v", people)
}
// 结果输出, People中有4个Human:
// People: {Human:{} Student:{Human:{}} Worker:{Human:{}} Enjoyer:{Human:{}}}

为解决该问题,我们引入了xxxTrait接口:

// 人类角色特征
type HumanTrait interface {
	CastHuman() *Human
}
// 学生角色特征
type StudentTrait interface {
	CastStudent() *Student
}
// 员工角色特征
type WorkerTrait interface {
	CastWorker() *Worker
}
// 游玩者角色特征
type EnjoyerTrait interface {
	CastEnjoyer() *Enjoyer
}

Student、Worker、Enjoyer组合HumanTrait,并通过Compose(HumanTrait)方法进行特征注入,只要在注入的时候保证Human是同一个,就可以解决该问题了。

// 学生角色
type Student struct {
	// Student同时也是个普通人,因此组合了Human角色
	HumanTrait
	data.StudentCard
}
// 注入人类角色特征
func (s *Student) Compose(trait HumanTrait) {
	s.HumanTrait = trait
}
func (s *Student) Study() {
	fmt.Printf("Student %+v studying\n", s.StudentCard)
}
func (s *Student) Exam() {
	fmt.Printf("Student %+v examing\n", s.StudentCard)
}

// 员工角色
type Worker struct {
	// Worker同时也是个普通人,因此组合了Human角色
	HumanTrait
	data.WorkCard
}
// 注入人类角色特征
func (w *Worker) Compose(trait HumanTrait) {
	w.HumanTrait = trait
}
func (w *Worker) Work() {
	fmt.Printf("%+v working\n", w.WorkCard)
	w.CastHuman().Balance++
}
func (w *Worker) OffWork() {
	fmt.Printf("%+v getting off work\n", w.WorkCard)
}

// 游玩者角色
type Enjoyer struct {
	// Enjoyer同时也是个普通人,因此组合了Human角色
	HumanTrait
}
// 注入人类角色特征
func (e *Enjoyer) Compose(trait HumanTrait) {
	e.HumanTrait = trait
}
func (e *Enjoyer) BuyTicket() {
	fmt.Printf("%+v buying a ticket\n", e.CastHuman().IdentityCard)
	e.CastHuman().Balance--
}
func (e *Enjoyer) Enjoy() {
	fmt.Printf("%+v enjoying scenery\n", e.CastHuman().IdentityCard)
}

最后,实现People这一领域对象:

package object

type People struct {
	// People对象扮演的角色
	role.Human
	role.Student
	role.Worker
	role.Enjoyer
}
// People实现了HumanTrait、StudentTrait、WorkerTrait、EnjoyerTrait等特征接口
func (p *People) CastHuman() *role.Human {
	return &p.Human
}
func (p *People) CastStudent() *role.Student {
	return &p.Student
}
func (p *People) CastWorker() *role.Worker {
	return &p.Worker
}
func (p *People) CastEnjoyer() *role.Enjoyer {
	return &p.Enjoyer
}
// People在初始化时,完成对角色特征的注入
func NewPeople(name string) *People {
  // 一些初始化的逻辑...
	people.Student.Compose(people)
	people.Worker.Compose(people)
	people.Enjoyer.Compose(people)
	return people
}

进行角色拆分之后,在实现Home、School、Company、Park等场景时,只需依赖相应的角色即可,不再需要依赖People这一领域对象:

// 家
type Home struct {
	me *role.Human
}
func (h *Home) ComeBack(human *role.Human) {
	fmt.Printf("%+v come back home\n", human.IdentityCard)
	h.me = human
}
// 执行Home的业务逻辑
func (h *Home) Run() {
	h.me.Eat()
	h.me.PlayGame()
	h.me.Sleep()
}

// 学校
type School struct {
	Name     string
	students []*role.Student
}
func (s *School) Receive(student *role.Student) {
  // 初始化StduentCard逻辑 ...
	s.students = append(s.students, student)
	fmt.Printf("%s Receive stduent %+v\n", s.Name, student.StudentCard)
}
// 执行School的业务逻辑
func (s *School) Run() {
	fmt.Printf("%s start class\n", s.Name)
	for _, student := range s.students {
		student.Study()
	}
	fmt.Println("students start to eating")
	for _, student := range s.students {
		student.CastHuman().Eat()
	}
	fmt.Println("students start to exam")
	for _, student := range s.students {
		student.Exam()
	}
	fmt.Printf("%s finish class\n", s.Name)
}

// 公司
type Company struct {
	Name    string
	workers []*role.Worker
}
func (c *Company) Employ(worker *role.Worker) {
  // 初始化WorkCard逻辑 ...
  c.workers = append(c.workers, worker)
	fmt.Printf("%s Employ worker %s\n", c.Name, worker.WorkCard.Name)
}
// 执行Company的业务逻辑
func (c *Company) Run() {
	fmt.Printf("%s start work\n", c.Name)
	for _, worker := range c.workers {
		worker.Work()
	}
	fmt.Println("worker start to eating")
	for _, worker := range c.workers {
		worker.CastHuman().Eat()
	}
	fmt.Println("worker get off work")
	for _, worker := range c.workers {
		worker.OffWork()
	}
	fmt.Printf("%s finish work\n", c.Name)
}

// 公园
type Park struct {
	Name     string
	enjoyers []*role.Enjoyer
}
func (p *Park) Welcome(enjoyer *role.Enjoyer) {
	fmt.Printf("%+v come park %s\n", enjoyer.CastHuman().IdentityCard, p.Name)
	p.enjoyers = append(p.enjoyers, enjoyer)
}
// 执行Park的业务逻辑
func (p *Park) Run() {
	fmt.Printf("%s start to sell tickets\n", p.Name)
	for _, enjoyer := range p.enjoyers {
		enjoyer.BuyTicket()
	}
	fmt.Printf("%s start a show\n", p.Name)
	for _, enjoyer := range p.enjoyers {
		enjoyer.Enjoy()
	}
	fmt.Printf("show finish\n")
}

 

模型的运行方法如下:

paul := object.NewPeople("Paul")
mit := context.NewSchool("MIT")
google := context.NewCompany("Google")
home := context.NewHome()
summerPalace := context.NewPark("Summer Palace")

// 上学
mit.Receive(paul.CastStudent())
mit.Run()
// 回家
home.ComeBack(paul.CastHuman())
home.Run()
// 工作
google.Employ(paul.CastWorker())
google.Run()
// 公园游玩
summerPalace.Welcome(paul.CastEnjoyer())
summerPalace.Run()

写在最后

从前文所描述的场景中,我们可以发现传统的DDD/面向对象设计方法在对行为进行建模方面存在着不足,进而导致了所谓的贫血模型和充血模型之争。

DCI架构的出现很好的弥补了这一点,它通过引入角色扮演的思想,巧妙地解决了充血模型中上帝类和模块间耦合问题,而且不影响模型的正确性。当然,DCI架构也不是万能的,在行为较少的业务模型中,使用DCI来建模并不合适。

最后,将DCI架构总结成一句话就是:领域对象(Object)在不同的场景(Context)中扮演(Cast)不同的角色(Role),角色之间通过交互(Interactive)来完成具体的业务逻辑。

参考

1、The DCI Architecture: A New Vision of Object-Oriented Programming, Trygve Reenskaug & James O. Coplien

2、软件设计的演变过程, _张晓龙_

3、Implement Domain Object in Golang, _张晓龙_

4、DCI: 代码的可理解性, chelsea

5、DCI in C++, MagicBowen

点击关注,第一时间了解华为云新鲜技术~

相关推荐

鸿蒙案例上新啦 | 购物、听歌、健身:15个模板带你一键激活社交娱乐

页面层级如何组织、跨页共享状态如何同步、列表与详情及个人中心如何形成稳定闭环。鸿蒙开发实践中心将这些高频消费与互动场景沉淀为可参考的标准模板,提供从业务架构到界面实现的快捷实践入口。更多实战案例欢迎前往鸿蒙开发实践中心案例中心查看并开启云端体验。

华为云官方博客 375

鸿蒙案例上新啦 | 出门打车、到家上课:25个模板带你一屏打通日常生活

如何合理拆分页面组件、如何建立单一可信的状态源、如何让用户在每一步操作中都获得明确反馈。鸿蒙开发实践中心以标准化的应用与元服务模板为入口,将清晰的业务架构与可复用的代码结构直观呈现。不妨立即挑选一个感兴趣的方向进入云端环境,从页面布局、组件封装、状态管理到路由组织,亲手跑通你的鸿蒙实战项目。

华为云官方博客 350

LakeAgent:DWS数据仓库的第二大脑,告别 “翻译式运维”,迈入智能自治时代

和普通 SQL 改写工具不同,LakeAgent 自动做多方案代价对比,主动规避负优化陷阱:补充分区键过滤实现剪枝,扫描分区由 37 收敛至 1,执行代价从 758.28 降至 113.74;未来的数据仓库,将不止能算、能存,更能看懂自己、诊断自己、理解自己。长久以来,数仓的智能都依附于人:信号需要人解读,瓶颈需要人研判,经验困在个体里,无法随底座永续生长。CPU 高、CPU 告警、CPU 诊断、CPU 使用率过高、CPU 满。语法、错误码、计费、性能调优、最佳实践、故障处置等全场景内容。

华为云官方博客 572

如何使用RDS Supabase后端BaaS能力:文件存储(File Storage)

• product-images(公开桶,允许公共读取):策略名称"Public read for product-images",允许SELECT,目标角色anon,策略定义bucket_id = 'product-images'。上传/删除需另配INSERT/DELETE策略,详见SQL。• product-specs(私有桶,仅认证用户访问自己的文件夹):建议拆为上传、读取、删除三条策略,策略定义均为 bucket_id = 'product-specs' 且仅限本人文件夹(详见下文 SQL)。

华为云官方博客 498

如何使用RDS Supabase后端BaaS能力:实时订阅与推送(Realtime)

Realtime 把数据库的每次变更同步到客户端:表里增、删、改一行,订阅者无需刷新页面或主动请求即可秒级收到。三大能力各司其职:• Postgres Changes — 监听表的 INSERT/UPDATE/DELETE,变化即通知• Broadcast — 客户端之间直接互发,适合瞬时通知、协同编辑• Presence — 跟踪频道里“谁在线”典型场景有实时数据展示(订单、库存、监控指标即时刷新)、即时通讯(消息收发、在线名单、“对方正在输入”)、协同编辑与实时通知。

华为云官方博客 486

AI Agent如何通过MCP连接到华为云RDS Supabase应用平台

Schema元数据列出所有可访问的表(按schema分组)。Schema元数据列出表的列及元数据(类型/默认值/约束)。Schema元数据列出所有约束(PK/FK/UNIQUE/CHECK/EXCLUDE)。可按schema/表/类型过滤。Schema元数据列出所有外键关系。可按schema/表过滤。Schema元数据列出所有索引及定义和大小。可按schema/表过滤。Schema元数据列出已应用的数据库迁移记录。Schema元数据列出已安装的PostgreSQL扩展。

华为云官方博客 489

华为大数据Flink让每一 CU 算力,跑出开源 5.74 倍的性能

1. 开源Apache Flink 已成为业界流计算事实标准,但在极端重负载场景下存在性能瓶颈。2. 华为大数据Flink通过多项自研深度优化,在执行计划、算子执行、状态存储三个层面构建协同的优化体系。3. Nexmark Benchmark 测试结果:整体性能提升 5.74 倍,极端重负载场景性能领先最高 18.3 倍。4. 100% 兼容 Apache Flink 1.20,业务代码零改造,无缝迁移。

华为云官方博客 395

LakeAgent实战 | 业务分析篇从一句提问到业务分析

本文以“订单金额变化”分析为例,展示LakeAgent如何通过自然语言提问,结合DataArtsStudio的数据资产与专业技能,帮助业务人员快速定位数据、生成SQL、追踪血缘、生成报告。从问题出发,逐步实现数据发现、变化洞察、原因追溯与团队协作,最终形成可复用的分析流程与企业规则,显著提升数据分析效率与一致性。

华为云官方博客 402

华为云RDS Supabase AI应用已开放公测 :30分钟搭建AI应用后端

认证、存储、实时推送、数据库API——4个后端模块,传统开发需要数周。今天,你只需要30分钟。AI创业公司的全栈开发工程师。上周老板说"下周要上线的AI对话应用,后端你来搞"——认证鉴权、数据库接口、文件存储、实时推送,每一个模块都需要数周搭建,而市场不会等你。小张打开华为云RDS Supabase,30分钟搭好认证、数据库API、对象存储,剩下的时间全用来打磨AI交互体验。基于开源Supabase+华为云RDS PostgreSQL全托管能力,为开发者提供。

华为云官方博客 411

如何使用RDS Supabase后端BaaS能力:数据库函数(Database Function)

上一篇介绍了 Database Data API——建表即自动生成增删改查接口,解决单表读写,但聚合统计、跨表事务、字段自动维护等逻辑已超出其能力边界。本篇推进到数据库函数(Database Function):把业务逻辑封装进数据库,前端通过 .rpc() 调用,由触发器自动响应数据变更。上一篇中,小张基于 Data API 完成了产品目录的建表与基础读写。但新需求随之而来:按分类统计产品数与价格区间、上架新品同时写产品表与定价表、产品修改后自动刷新更新时间。

华为云官方博客 473

如何使用RDS Supabase后端BaaS能力:创表即生成API(Database Data API)

认证、存储、实时推送、数据库API——4个后端模块,传统开发要数周。本系列逐个拆解,首篇聚焦数据库API(Database Data API):建表即得 API,无需手写后端。小张,AI创业公司的全栈工程师。老板让他做个产品目录页,展示产品与价格、支持上下架。传统做法要搭后端、写接口、配权限,工期少说1-2周;而在华为云RDS Supabase,建两张表、应用 SDK 直连,几分钟增删改查全跑通。

华为云官方博客 488

从一句话到一个能出去的链接,AI开发者空间做了什么

自行搭建的 Agent、正在使用的开源项目、团队既有的工具,都可以接入,可以通过AI创建或者手动搭建环境;华为云 AI开发者空间——面向开发者的云端一站式开发平台,做的就是把这段路接上:环境免安装,浏览器打开即为完整的 Linux 运行环境,预置的 AI 智能体开箱即用。第一个任务建议选能出结果的:做一个游戏、生成一个页面、创建一台实例,从需求走到可访问的链接,一次就能看清这个环境在做什么。沙箱是一个完整的 Linux 环境,依赖、服务、端口都是真实的,不是模拟。环境释放后,权限随之失效。

华为云官方博客 432

华为云码道配置自定义大模型,四种方式完整实操

案例介绍。

华为云官方博客 649

图数据库:实现穿透式监管的数据基座

穿透式监管标志着国企监管从“管企业”向“管资本”转型过程中的关键一跃。而图数据库正是这一跃的技术支点。从股权穿透到资金链穿透,从供应链穿透到数据穿透,华为GES图数据库正在将“穿透式监管”从理念变为可落地、可操作的实践。无论是天眼查式的全量链路查询,还是某集团财经的税务规则判断,抑或是芯片供应链式的部件风险分析,乃至通过Palantir构建决策知识图谱,其底层逻辑都是一致的——用图的力量,穿透一切形式的“隔离层”,直抵风险本质与责任核心。

华为云官方博客 671

《公共云三十问》正式收官,奔赴企业AI百场景新征程

今年6月底,公共云产业联盟重点推出《公共云三十问》专栏,以每周三问的节奏,连载十周,解读《先进公共云》白皮书,分享国计民生系列案例,旨在凝聚共识、推动落地实践。同时,专栏分析公共云在产业升级、民生福祉、科技创新、全球发展等方面的作用,梳理中国特色公共云发展路径:以普惠云拓展用云广度,以智算云提升用云深度,以自主云夯实用云厚度,以全球云打开用云跨度。这十问从专属云、行业云切入,深入政务、金融、交通、电力、钢铁、化工、油气、制造等国计民生场景,回答公共云“怎么用”。

华为云官方博客 474

开发者小技巧|IAM配置,让码道代码智能体连续30天免登录

案例介绍。

华为云官方博客 651

码道深度对接CodeArts,让需求自动落地为代码

案例介绍。

华为云官方博客 724

【公共云三十问 之三十】拥抱AI,企业如何建设面向智能体的专属云?

企业可分阶段建设覆盖开发、运行、运营及安全的一体化智能体平台——从构建一站式、高低码协同的智能体开发平台,到打造高性能、极致弹性的运行时环境,再到搭建AgentOps驱动的持续运营与运维体系,同时构建端到端、多层次的全链路安全防护体系。在数据湖建设方面,遵循“存量复用、平滑演进、AI导向、分步迭代”原则,分三阶段推进——打造AI多模数据湖核心能力、完成存算分离与统一元数据管理、实现闭环赋能全面支撑智能体规模化落地,在保护既有投资的前提下将传统数据平台转型为AI数据专属供给平台。

华为云官方博客 826

【公共云三十问 之二十九】国计民生之制造:制造云如何重塑数智时代的新质生产力?

平台打通软件交付的完整路径,覆盖需求管理、代码托管、代码检查、编译构建、制品仓库、部署、测试等关键环节,支持大模型能力融入研发全流程,实现从需求到交付的端到端管理。通过构建“研发一朵云”,方案打破地域与组织壁垒,实现跨团队协同开发,有效缩短软件交付周期,助力工业制造企业从“传统研发”走向“敏捷研发”,加速数智化转型进程。当制造云真正成为数据流通的平台、AI创新的底座,公共云的社会价值将从基础设施层向生产场景层持续延伸,为新型工业化建设和制造强国战略注入源源不断的动力,重塑数智时代的中国制造新质生产力。

华为云官方博客 795

告别重复手工迁仓,码道MCP+Skill实现仓库批量迁移

案例介绍。

华为云官方博客 793

【公共云三十问 之二十八】国计民生之油气:智算云如何叩响数智时代的“地心蓝金”?

西南油气田以“向地球深部要资源”为战略方向,联合以华为云Stack为代表的公共云服务商共同打造统一算力底座,建设西南区域数据湖与通用技术平台,构建“勘探开发工程技术、天然气生产过程管控、天然气产运储销”等三个一体化协同应用场景,支撑油气勘探、开发生产、管输储运等全业务链的数智化转型。当智算云真正成为数据流通的平台、AI创新的底座,油气田得以将算力效能、数据价值与智能技术深度融入勘探开发全链条,将“看不见的算力”转化为“摸得着的储量”,以智能化手段持续降低勘探风险、缩短发现周期、提高采收效率,确保生产安全。

华为云官方博客 613

【公共云三十问 之二十七】国计民生之化工:数智云如何重塑传统化工新范式?

在架构方面,方案构建云边协同的统一体系,涵盖AI协同、数据协同与运营协同三大维度——总部集中训练大模型,边缘节点负责推理执行,云边持续迭代,实现“边用边学”的智能闭环,模型平均精度提升20%以上。此外,方案提供一站式企业级工业物联网平台、数据湖与数据治理平台,覆盖工业数据分析“采、存、算、管、用”全流程,打通生产现场与管理系统间的数据壁垒,有效消除数据孤岛。层面,方案充分发挥软硬协同优势,实现计算、存储、网络与云平台的深度协同,训练线性度超95%,为大模型训练推理提供强劲算力支撑。▲化工“数智”新模式。

华为云官方博客 664

【公共云三十问 之二十六】国计民生之钢铁:数智云如何淬炼中国钢铁新力量?

同时,构建云边端协同的统一架构,支撑集团总部与各生产基地两级协同发展——总部集中训练大模型,边缘节点负责推理执行,云边持续迭代,实现训推一体化的资源调度与高效协同,为钢铁行业的数智化转型构建了坚实的算力底座。层面,方案构建覆盖“工业数采→边缘IT/OT融合→统一数据湖→数据治理平台→数据应用”全链路的一站式数据治理与流通平台,打通生产现场与管理系统间的数据壁垒,让数据“采得到、流得动、用得好”,加速数据价值从生产现场向经营决策层流动释放。湘潭钢铁集团的钢铁数智云,是钢铁工业智能云建设的标杆案例。

华为云官方博客 526

LakeWatch——MRS 智能运维Agent

从资源池、队列、作业等多个维度,对集群CPU与内存资源进行精细化分析与对比,直观呈现不同时间段的空闲、满载等使用状态,识别资源浪费,指导治理优化,为扩缩容决策提供数据支撑。对HDFS存储进行多维度深度分析(目录、用户、用户组等),涵盖使用量、增量、文件大小分布及数据热度等指标,帮助快速识别增长较快的目录、长期未访问的文件,统计目录文件数量与小文件占比,评估HDFS总存储量与扩缩容需求,为存储治理与资源规划提供全面数据支撑。Agent主动巡检,识别异常趋势并提前预警,让运维从"事后处理"转向"事前预防"。

华为云官方博客 517

华为云专题文档发布:丰富的AI案例、选型指导和概念解读

发布 “云服务选型”、“云计算概念”专题,提供云服务选型指导,助您选择匹配业务的云服务,解读云计算相关概念,开启云上学习之路。开发者工具和文档专区上线,提供从学习、实践到反馈的全链路支持。帮助中心新增100余篇AI案例。

华为云官方博客 286

一个人,也能用AI做点“星东西”

华为云星耀创想者大赛-2026华为云OPC创意大赛等你来~

华为云官方博客 291

从需求到可执行工作项:MCP+Skill 让智能体规划真正落地

回顾整个体验,以前让智能体帮我拆需求,它是洋洋洒洒给我列了一大篇 Markdown,看着挺像那么回事,但最后还是得我一条条往 CodeArts Req 里搬,搬完再手动挂父子关系、排日期,拆需求五分钟,搬运两小时。现在好了,MCP 给智能体接上了"手",Skill 给它装上了"项目经理的脑子",一句话下去,34 个工作项连带排期、层级关系全给我建好了,甘特图一拉,齐刷刷都在两周内,节省了多少工作量啊,美滋滋。本次实操在码道代码智能体基础上,构建了一套"需求→可执行工作项"的自动化规划方案。

华为云官方博客 579

华为云码道「码力续航计划」更新!

✅上新GLM‑5.3‑Flash,高速响应,代码生成、工程解析、Agent调试高效输出。新增GLM‑5.3‑Flash福利模型,每日解锁1000万免费Tokens。● 本次活动共发放总量价值100万元Tokens,发完即止!把耗算力的编码重活,交给华为云码道代码智能体🚀🚀。● 每日额度准时刷新,当日清零、次日满血重置。✅复杂算法、大项目解析、批量代码生成随便跑。✅不用抠额度、不用算消耗,放开调试大胆迭代。✅无需额外操作,登录即送,直接切换模型使用。● 把算力交给码道,让撸码不再内耗👏🏻。

华为云官方博客 695

【公共云三十问 之二十四】国计民生之交通:交通云如何铺就数智通衢新坦途?

交通行业作为支撑实体经济的关键基础设施,涵盖公路、铁路、机场、港口、地铁等众多子领域,其中,公路网络作为综合交通运输体系的基础骨架,承担着全国超过70%的客货运量,其数字化、智能化转型的需求尤为迫切。方面,提供Agent开发框架、知识库管理、RAG工程、意图识别、静态应用编排及模型评测等能力,支持客户将行业知识、业务流程与AI能力深度融合,快速构建面向收费稽核、路网调度、应急处置等场景的智能应用。开发并实现落地应用,全面覆盖建设、管理、养护、运营、服务、安全、办公七大业务领域。

华为云官方博客 464

【公共云三十问 之二十五】国计民生之电力:电力云如何点亮数智电力新引擎?

方案构建了覆盖数据获取、质量评估到标准化处理的全链路能力。基于公共云服务商智算底座及气象大模型,通过时空图神经网络重新建模产流机制,中国华电建成超50TB多源融合数据集,突破时空建模与机理融合等五大关键技术,短期径流预测精度较传统机理模型提升5个百分点以上,实现15天中期径流预测精度超85%,推理效率达秒级。基于气象大模型的基础架构与预训练能力,客户可直接在大模型之上开展增量训练与微调,充分利用场站所在区域的高精度历史数据(如3公里、1公里分辨率),针对不同场站和区域的地形地貌与气候特征进行模型调优。

华为云官方博客 381
上一篇: 一个Camel Multicast组件聚合策略问题的解决过程
下一篇: 教你用Java7的Fork/Join框架开发高并发程序
华为云开发者联盟
华为云开发者联盟 企业官方账号 企业官方账号
博客等级 码龄10年 72万+粉丝 5985原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值