业务逻辑开发套路的三板斧

转自： 代码这件大事

背景：

作为一个研发，我们工作中都会处理面临下面这些困惑：

1. 又加需求，一个方法本来就处理了 300 行，现在又加 50 行。

2. 状态逻辑太多了，产品第 2 期又加了一个逻辑，代码结构要调整，很头疼。

3. 每个人都在吐槽，业务研发在工作中处理最多的就是 if else，好不容易写个 switch 都能给同事吹一周。以上三个场景应该是日常需求迭代优化中面临最多的场景了，作为一个自称编码水平较高的人，总结了以下三个真实的场景，给出一些可选的方案。

第一板斧：抽象事件，驱动业务

核心

梳理产品逻辑中的主流程节点，整理节点所需要的依赖数据已经节点触发后对应的业务逻辑。类比消息队列，也是不同的业务方订阅自己的事件源，进行不同的处理。不同点在于一个是分布式，一个是本文描述单机业务处理场景。

实际例子

举一个用户注册之后的场景，需要：

1. 发短信

2. 发优惠券 如果用户注册成功之后，直接发了mq消息，那么用户系统和券系统分别订阅这个消息进行处理。不过这里讨论的是在 一个项目模块中处理完所有相关的逻辑 。

代码将在 UserRegistered() 中一步一步去处理逻辑，之后需求又加入了 初始化A数据 和 初始化B数据 两个需求，实现也会落到这个方法之后，最后整个代码会越来越臃肿。

接下来用事件订阅模型去化解这个点，非常实用，一点都不华丽，代码也很好读懂。

最后对应到程序代码可能是这样的：

# 事件注册
Event::register(UserRegistered::class, [
    SendSms::class,
    SendCoupon::class,
    InitSystemA::class,
    InitSystemB::class,
]);

# 业务调用
handleRegistered($user) {
    $event = new UserRegistered($user);
    $event->fire();
}

后面的迭代维护中，只要主流程不发生变化，那么相应的逻辑只需要去增加订阅者去实现。

第二板斧：有限状态机，定义流程

在业务逻辑数据处理这一层，很多的业务场景都与数据扭转状态有关，并且最后会有相应的数据实体相映射。比如我们常见的：

1. 各种商品订单（天猫，淘宝，外卖）

2. 工作流（审批，工单处理）

这类需求的特点是，读写场景QPS不高，对数据的准确一致性要求非常高。我们底层一般直接存储到数据库，之上加一层简单的数据缓存就能处理。

面临的主要问题是，状态太多难以维护，应该还会出现状态的调整比如特殊场景下的状态A到状态Z的扭转。 

不过业内早已给出了比较通用的解决方案，有限状态机。下面我们列举一个简单的订单状态扭转逻辑：

fsm := fsm.NewFSM(
    "created",
    fsm.Events{
        {Name: "pay", Src: []string{"created"}, Dst: "paid"},  //支付
        {Name: "cancel", Src: []string{"created"}, Dst: "closed"}, //关闭
    },
    fsm.Callbacks{
        "after_pay": func(e *fsm.Event) { /* 支付成功调用 */ },
    },
)

如果设计到状态相关的调整，在状态机定义的地方去修改就可以解决问题。和事件订阅非常相识，也是集中维护，统一管理。

第三板斧：n元组配置，组合输出

软件工程没有银弹   --布鲁克斯

软件开发中我们遇到的一个一个需求都是不可预测的，我们确实很难找到一种终极的解决方案。不过本文中的讨论局限在业务逻辑开发的开发套路。那么，n元组这个简单的概念可能算得上一颗银弹。不管业务逻辑有多复杂，在理论上我们都能抽象出n个字段来表达我们的数据模型。

拿一个订单举例子，我们有如上订单特征。不可避免的，每一个业务场景，每一个逻辑，产品逻辑都可能有自己的配置和相应的处理流程，且这些逻辑都是业务迭代优化的重灾区，比如：

1. 江浙沪地区包邮

2. 某一批固定的城市需要打8.8折

3. 雨天调价格

4. 法定节假日打烊不服务

5. vip身份的用户展示文案特殊处理

每一个开发同学都曾被这些逻辑折磨的异常痛苦，这里给出一个抽象的方案，最终每一个订单特征都会落到具体的业务处理类，所有的类都实现该业务场景的 interface，主流程只需要构造 n元组然后获取到相应的 interface 之后进行调用。

n元组的概念其实早已经渗透到了开发中的每一个角落，我们需要做的事情就是，在业务开发的时候真正的去思考这一层数据模型，然后加以运用，最后的代码一定不那么 if else。

总结

以上三板斧在业务中使用可以很轻，也可以很重。这就意味着我们能自己写一个简单够用的（对于你完全了解成长有限的业务场景），或者找一个star多且在维护的开源方案（对于有潜力，未来大有可为的业务）来代替。同时，这些 编码套路 在各种场景下都能非常灵活的组合，比如：

1. 订单状态更新后触发事件（状态机+事件订阅）

2. 不同业务线，状态机配置，初始化放松不同（n元组+状态机）

不得不提到的一点，在漫长的业务迭代中，产品文档会越来越缺失，最终只有通过代码才能了解线上的真正逻辑（有时间代码过于复杂，可能就没有人知道线上的具体情况了）， 集中配置，统一维护的意义之一就在于此 。相信做过复 杂历史系统 的交接或重构的同学对这一点都深有体会。

参考

[有限状态机](https://zh.wikipedia.org/zh-hans/%E6%9C%89%E9%99%90%E7%8A%B6%E6%80%81%E6%9C%BA)

[go fsm](https://github.com/looplab/fsm)

热文推荐

Spring Boot 与微服务从0到1的实践

我在外包公司做增删改查有前途么？

那天晚上和@FeignClient注解的深度交流

如有收获，点个在看，诚挚感谢