JdonFramework 开源项目教程
2024-09-14 08:39:43作者:范垣楠Rhoda
1. 项目介绍
JdonFramework 是一个基于领域驱动设计(Domain-Driven Design, DDD)的发布/订阅(Pub/Sub)领域事件框架。它支持异步编程模型,无需任何消息中间件(如 Apache Kafka 或 RabbitMQ),可以直接将命令传递给领域模型,并监听领域模型中发生的领域事件。JdonFramework 帮助开发者实现一个清晰的六边形架构,将业务逻辑与基础设施分离,适用于构建异步、高并发、高吞吐量的 Java 应用系统。
2. 项目快速启动
2.1 环境准备
- JDK 8 或更高版本
- Maven 3.x
2.2 添加依赖
在项目的 pom.xml 文件中添加 JdonFramework 的依赖:
<dependency>
<groupId>org.jdon</groupId>
<artifactId>jdonframework</artifactId>
<version>6.9</version>
</dependency>
2.3 创建领域模型
创建一个简单的领域模型类 AggregateRootA:
@Model
public class AggregateRootA {
private int state = 100;
@OnCommand("CommandtoEventA")
public Object save(ParameterVO parameterVO) {
// 更新领域模型的状态
this.state = parameterVO.getValue() + state;
return state;
}
}
2.4 发送命令
使用 @Send 注解发送命令:
@Send("CommandtoEventA")
public void sendCommand(ParameterVO parameterVO) {
// 发送命令到领域模型
}
2.5 监听事件
使用 @OnEvent 注解监听领域事件:
@OnEvent("EventA")
public void handleEvent(EventA event) {
// 处理领域事件
}
2.6 运行示例
将上述代码整合到一个简单的应用中,并运行 Maven 打包命令:
mvn package
3. 应用案例和最佳实践
3.1 案例:账户转账
JdonFramework 提供了基于事件溯源(EventSourcing)和 Saga 模式的分布式事务解决方案。以下是一个简单的账户转账案例:
@Model
public class BankAccount {
private final String id;
private int balance = 0;
private Collection<TransferEvent> eventsources = new ArrayList<>();
@OnCommand("transfer")
public void transfer(TransferCommand transferCommand) {
int balance2 = getBalance() + transferCommand.getValue();
if (balance2 > 1000 || balance2 < 0) {
aggregatePub.next(transferCommand.createCanceled());
}
TransferEvent transferEvent = transferCommand.creatTransferEvent();
eventsources.add(transferEvent);
aggregatePub.next(transferEvent);
}
@OnCommand("cancel")
public void cancel(Cancel cancel) {
int balance2 = getBalance() - cancel.getTransferCommand().getValue();
if (balance2 > 1000 || balance2 < 0) {
System.err.println("can not be canceled " + cancel.getTransferCommand().getTransactionId());
}
eventsources.add(cancel.getTransferCommand().createCanceled());
}
private int project() {
return eventsources.stream().map(e -> e.getValue()).reduce(this.balance, (a, b) -> a + b);
}
public int getBalance() {
return project();
}
}
3.2 最佳实践
- 领域驱动设计:使用 JdonFramework 时,应遵循 DDD 的原则,将业务逻辑集中在领域模型中。
- 事件驱动架构:通过事件驱动的方式实现模块间的解耦,提高系统的可扩展性和可维护性。
- 分布式事务:利用 Saga 模式和事件溯源实现分布式事务,确保数据的一致性。
4. 典型生态项目
4.1 JiveJdon
JiveJdon 是一个基于 JdonFramework 实现的复杂 DDD 应用案例,是一个讨论论坛/博客/CMS 平台。它展示了如何使用 JdonFramework 构建一个高并发、高可扩展的 Web 应用。
4.2 LMAX 架构
JdonFramework 借鉴了 LMAX 架构的设计思想,实现了高性能的并发处理能力。LMAX 架构通过事件驱动的模式,实现了每秒处理数百万订单的高吞吐量。
4.3 Apache Kafka
虽然 JdonFramework 本身不依赖于 Apache Kafka,但它可以与 Kafka 结合使用,实现更高级别的消息传递和分布式事务处理。
通过以上内容,您可以快速了解并上手使用 JdonFramework,构建基于领域驱动设计的 Java 应用系统。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
305
2.68 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
136
163
React Native鸿蒙化仓库
JavaScript
233
309
暂无简介
Dart
596
130
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++
630
227
仓颉编译器源码及 cjdb 调试工具。
C++
123
642
🎉 (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
1.06 K
614
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
195
71
仓颉编程语言测试用例。
Cangjie
36
642