领域对象建模2:保持数据的完整性

本文讨论了在设计领域对象时如何通过PromotionItem历史记录来确保数据完整性,实现更全面的商品状态追踪,进而支持业务分析需求。通过引入PromotionItemHistory或PromotionItemEvent,捕获商品状态变化,使得数据分析成为可能,同时提供了与事件驱动架构结合的方法,以灵活应对业务需求变化。
转帖:http://xiaoqing.me/2012/01/domain-object-data-integrity/
上一节中,我们介绍了通过createdAt和updatedAt两个字段可以简化领域对象的设计,因为它们捕捉到了最常用的数据,可以简化模型设计。但是常用不代表够用,数据的完整性是任何一个系统必须考虑的。请看:

小明设计了PromotionItem表示促销商品,并知道商品的最新状态和更新时间。春节过后,框框网的促销专区还算可以,不及预想的那么火爆,但是销量比之前上升明显。业务人员想从中做一些数据分析,比如商品从上架到卖出花费多长时间,从而知道哪些类型的商品好卖,以及跟折扣的关系。

这种情况下,小明是没法数据分析的,因为他的建模缺少了历史数据:商品几月几号上架,几月几号下架了,几月几号卖出了。这些实实在在发生过的数据,在PromotionItem一个对象中是很难完整保留的。即使采用之前的onlineTime/offlineTime/expireTime等多个字段也不行,因为商品有可能下架之后重新上架。

所以一旦业务有了新的需求,就无法满足需要。更要命的是,如果系统已经上线,业务再提出这些需求,我们就永远失去了这些历史数据。

这种情况我们叫做丢失了数据的完整性。


此时,我们在建模时,可以给关键领域对象设置关联的历史纪录(或者事件),比如PromotionItemHistory(当然也可以是PromotionItemEvent,一样的思路),把促销商品的每一个状态变化记录下来:
[align=center][img]http://dl.iteye.com/upload/attachment/0072/0787/404095e5-f6ee-3988-a5f3-3f578722abe8.png[/img][/align]
有了历史记录,就可以真正做到“手中有粮,心里不慌”了。这与徐昊在InfoQ上的文章《》其实是类似的思路:通过时标查找重要的领域对象,每个时标都会带来领域对象的变化,而且很多时候是状态的变化,并且把状态变化捕捉下来,以达到数据的完整性。

通过记录状态的变化,可以很容易和基于事件的,或者事件驱动的架构结合起来。比如,业务又来新需求了:每当有产品卖出的时候,业务的头想立刻收到邮件…

这个功能本身不难实现,但考虑到发送邮件不是业务的核心功能,而只是业务支撑,或者业务的增强,我们可以把发送邮件的代码与业务的核心代码分开。怎么分呢,发送邮件的Service可以监听商品的状态发生变化,并适时实现自己的功能,从时序图来说,就是从原来的:

[align=center][img]http://dl.iteye.com/upload/attachment/0072/0789/084b69d2-bbab-3f4b-a3e7-938b13c912a1.png[/img][/align]


替换为下面的实现:

[align=center][img]http://dl.iteye.com/upload/attachment/0072/0791/3c336246-be90-3e65-969c-f0e6e8ef2325.png[/img][/align]

通过修改,把短信和商品的紧耦合编程了松耦合。而且,随着业务量的增大,如果这里出现了性能瓶颈,可以考虑把同步的通知改成异步,甚至可以考虑引入消息中间件——当然,这取决于系统的规模和业务量。
内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合Koopman算子理论与递归神经网络(RNN)的数据驱动建模方法,旨在对非线性纳米定位系统进行有效线性化建模,并实现高精度的模型预测控制(MPC)。该方法利用Koopman算子将非线性系统映射到高维线性空间,通过递归神经网络学习系统的动态演化规律,构建可解释性强、计算效率高的线性化模型,进而提升预测控制在复杂不确定性环境下的鲁棒性与跟踪精度。文中给出了完整的Matlab代码实现,涵盖数据预处理、网络训练、模型验证与MPC控制器设计等环节,具有较强的基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)可复现性和工程应用价值。; 适合人群:具备一定控制理论基础和Matlab编程能力的研究生、科研人员及自动化、精密仪器、机器人等方向的工程技术人员。; 使用场景及目标:①解决高精度纳米定位系统中非线性动态响应带来的控制难题;②实现复杂机电系统的数据驱动建模与预测控制一体化设计;③为非线性系统控制提供一种可替代传统机理建模的有效工具。; 阅读建议:建议结合提供的Matlab代码逐模块分析实现流程,重点关注Koopman观测矩阵构造、RNN网络结构设计与MPC控制器耦合机制,同时可通过替换实际系统数据进行迁移验证,深化对数据驱动控制方法的理解与应用能力。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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