Clean Architecture Manga 项目教程
2024-09-16 19:39:35作者:秋泉律Samson
1. 项目介绍
Clean Architecture Manga 是一个基于 .NET Core 的示例项目,旨在展示如何使用 Clean Architecture 原则构建模块化、可测试且与框架解耦的应用程序。该项目通过虚拟钱包解决方案(Manga)来演示如何将用例作为核心组织结构,并完全解耦于框架和技术细节。
项目的主要特点包括:
- 使用 .NET Core 和 React+Redux 构建。
- 用例作为中央组织结构。
- 完全可测试,与框架解耦。
- 支持 .NET 6、.NET 5 和 .NET Core 3.1 版本。
2. 项目快速启动
2.1 环境准备
确保你已经安装了以下工具:
- Docker
- .NET Core SDK
- Node.js
2.2 克隆项目
首先,克隆项目到本地:
git clone https://github.com/ivanpaulovich/clean-architecture-manga.git
cd clean-architecture-manga
2.3 启动项目
在项目根目录下,执行以下命令启动项目:
Windows
cd docker
./setup.ps1
MacOS
cd docker
./setup.sh
启动后,以下容器将在 Docker 中运行:
- NGINX:
https://wallet.local:8081 - Wallet SPA:
https://wallet.local:8081 - Accounts API:
https://wallet.local:8081/accounts-api - Identity Server:
https://wallet.local:8081/identity-server
2.4 访问应用
打开浏览器,访问 https://wallet.local:8081,然后点击“Log In”。如果提示信任自签名证书,请选择信任。
3. 应用案例和最佳实践
3.1 应用案例
Clean Architecture Manga 项目通过虚拟钱包解决方案展示了如何设计模块化应用程序。用户可以注册账户,并通过存款、取款和转账操作来管理余额。
3.2 最佳实践
- 模块化设计: 项目通过将用例作为核心组织结构,实现了模块化设计,使得每个组件都可以独立开发和测试。
- 解耦框架: 通过 Clean Architecture 原则,项目与框架和技术细节解耦,使得应用程序更加灵活和可维护。
- 测试驱动开发 (TDD): 项目鼓励使用 TDD 方法,确保每个组件在开发过程中都经过充分测试。
4. 典型生态项目
4.1 相关项目
- .NET Core: 作为项目的基础框架,提供了跨平台和可扩展的开发环境。
- React+Redux: 用于构建前端应用,提供了状态管理和组件化的解决方案。
- Docker: 用于容器化部署,确保应用程序在不同环境中的一致性。
4.2 生态项目
- Entity Framework Core: 用于数据访问层,提供了对象关系映射(ORM)功能。
- Swagger: 用于 API 文档生成,方便开发者理解和使用 API。
- Microsoft Extensions: 提供了日志记录、配置管理等功能,增强了应用程序的可扩展性。
通过以上模块,你可以快速了解并启动 Clean Architecture Manga 项目,并掌握其核心概念和最佳实践。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
423
3.25 K
Ascend Extension for PyTorch
Python
231
262
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
331
暂无简介
Dart
686
160
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
266
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.22 K
667
仓颉编译器源码及 cjdb 调试工具。
C++
136
869