领域驱动设计之SQL语句要不要写？
板桥banq 原创书籍《复杂软件设计之道：领域驱动设计全面解析与实战》
目录
第四章
无论我们采取以内存中模型对象为主，还是以数据库为主，都离不开SQL语句，只是SQL份量轻重不同而已。
使用SQL最主要好处是数据库的ACID事务机制，所以，如果我们无法解决在应用服务层实现事务，甚至分布式事务问题之前，还是需要JTA结合事务中间件帮助我们解决数据可靠性的问题。
前面我们讨论了实体状态修改，状态的修改如果是在内存中进行，则是由多线程完成的，多个线程或说多个操作修改一个状态，必然引起对状态资源争夺问题，同时修改肯定是不可能的了，使用锁这又会引起性能问题。状态修改如果是使用数据库事务，同样也会引起性能瓶颈，如何在性能和事务之间平衡？
事件驱动状态改变
那么有没有两全其美，可以采取用事件替代状态，因为事件就是状态切换的意思，状态为什么会变？因为事件发生了，比如你收到短信银行卡余额为零，你就进入没钱状态了。
之前我们纠结于如何保存状态，保存状态不但有内存和数据库两处同步一致性问题，就是在内存中或是在数据库字段中，还有并发读写问题，数据库是采取ACID机制解决的，A是原子性，保证多个步骤如一个步骤，D是持久保存性，C是一致性，保证有相互关联的几处数据同时一致修改，I是隔离性，最好的隔离性是完全隔离，每个操作都完全锁住数据表字段，其他操作必须等待，实现串行化操作，好比几个人并排走到小胡同前，只能一个个串行通过，这种操作并发性很差，所以性能也很差。状态在内存中修改也存在这种并发问题，使用同步锁等堵塞操作，某个时刻只能有一个操作修改状态，性能很差。不过Java语言生态发展快，无锁非堵塞并发技术很多，可选择范围大，所以，如果你把状态放在实体对象中，以修改实体对象状态为主，修改完以后，将修改事件发给数据库再修改，这是不是类似数据库的主从架构呢？总之腾挪余地很大。
但是如果以修改数据库状态为主，再同步到内存缓存中的实体对象，那么在修改状态这个环节，你还是使用传统数据库事务机制，性能受制于数据库，如果你的应用修改等写操作不大，大部分只是读取查询操作可以这么做，当然我们这里谈的状态改变，肯定属于写操作，这里也看到，DDD是适合写操作环节，大量读操作，报表统计等可不必教条遵循DDD去建模。
写操作使得状态改变，这些写操作就是事件概念，如果我们不保存状态，只保存写操作事件，形成一个事件集合，时间序列上的事件数据库，当前状态的获得只要读取事件数据库，再重新运行这些历史事件就能获得当前状态了，这样把状态的改变其实从写操作转移到读操作，写操作中只要把事件追加到数据库或磁盘文件后面，没有修改，只有新增追加，性能会很高，而且如果排队追加，保证顺序性，等同于实现了ACID中的串行化，完全满足ACID四个特性，每次只追加一个事件本身就是原子性，一致性通过时间前后顺序保证，隔离性是串行化操作，持久性则是因为追加到磁盘文件或事件日志，都是落地在磁盘上的，这其实也是关系数据库内部事件日志的工作原理，只不过我们从数据库这个Box中取出在应用层实现了。这就是事件溯源Event Sourcing基本原理，带来问题是复杂性，这如同模块化初期带来复杂化，因为组件数量增加，微服务也带来复杂性，因为服务数量增加，对象化也带来复杂性，因为对象数量增加了。p
CAP定理
如果我们采取保存事件，而不是直接保存状态，那么我们就有可能实现分布式事务。
传统分布式事务主要是2PC，两段提交方式，主要由事务中间件完成，比如Weblogic和Oracle的卖点之一是其分布式事务中间件技术，从服务的事务最终到集群的数据库事务，都有一套严格的事务机制，比如Oracle RAC方式下，通过配置Weblogic的Grid数据源能保证Weblogic事务到Oracle数据库事务的亲和性，这些都是很微妙的微调技术，但是使用这样的JTA+XA技术问题也有，比如会和Dblink冲突等，数据库需要等待比较长的Jta方法执行过程，保持这个过程中所有参与资源的可管理性，数据库也很累，硬件要求提高了，又要用钱了。
如果我们在程序设计方面多做点事情，就可更巧妙地实现分布式事务，这需要把我们思路从事务上面提高到一个更高层次，那就是看看分布式系统的CAP定理，C代表高一致性，A代表高可用性，低延迟，高性能，P代表分区容忍性，本来一直同步的两个机器如果中间通讯断了或网路抖动，能不能各自活下去？如果有一方一旦发现网络抖动，因为它当局者迷，搞不清是网络抖动还是对方当机了，那么是否能够继续运行下去，如果继续运行下去，表示容忍这种分区断裂联系，如果发现不能与对方通讯了，就拼命重连，主要工作就是疯狂重连，自己本来干的活都停下来等重试成功再进行，这是一种无法容忍分区的表现，疯狂重连是因为它要和对方同步状态，把双方状态一致性看成最重要的，结果这种疯狂行为看似符合逻辑，最终命运不是它可以主宰的，因为它选择了CAP中的CP，所以它其实丧失了可用性，甚至会死机，这就是疯狂不断同步的后果，如果我们设置重试次数以后，直接失败，这样可用性会提高，当然问题是，两边状态不同怎么办？这个你不用焦虑了，接受最终一致性吧。
如果我们有一种机制，重试以后放弃，然后在下次对方苏醒过来，不论是网络正常还是对方机器正常，都能把失败之前的数据继续同步过去，不就是实现了最终一致性了吗？
这就是Kafka这种日志型消息系统提供的机制，说白了就是保证消息传递的原子性，保证准确同步，就是失败，只要恢复正常，可从原来断开的地方继续进行。
分布式事务
如果我们把状态的写操作事件作为消息通过Kafka这样的同步工具准确送达到对方，对方把事件作为同一套代码生成的模型对象的方法中，等于零再次播放事件，不就获得了当前状态吗？也就是说，不但自己可以通过事件播放获得当前状态，也可把事件以顺序性广播出去，其他机器播放事件也能获得当前状态，当然关键问题是，如何保证其他机器上获得的事件顺序和原机器上是一致的，通过时间排序也不行，因为不同服务器之间时钟肯定无法100%同步。这个问题解决了，分布式事务问题其实就会解决，没有通用完美方案，只有适合不同上下文的合适方案。
比如如果是转账案例，一个人账户有两个转账事件，如果两个都是入账事件，那么前后顺序对于账户余额没有影响，但是如果是一个是扣款，一个是入账，那么前后顺序就有影响了。这是一种可交换性的案例吧。
另外一个思路从时钟上入手，实际时间很难同步，使用逻辑时钟吧，或用全局ID序列产生器，产生唯一ID，再根据ID排序。
小结
说了这么多，使用SQL是为了利用其数据库的事务机制，这是一般做法，在服务中引入JTA，然后配置XA数据源，这样服务中涉及的资源包括数据库或JMS都在事务两段式照顾下，一般应用没有问题，但是应对大级别访问会加重数据库负载，这时我们提出了新的解决方案，通过事件溯源来解决分布式事务，提高了性能和吞吐量，也能实现最终一致性的柔性事务，有兴趣可了解Saga模式。
完