@pf94 Data -> Repo -> Service -> Controller

是的，这个是经典做法， 毕竟实现单向依赖的前提就是合理的分层

我的这个方法是借助 dataloader 这样的工具将 repo 层的能力提高，controller 中组合数据的过程更加流畅

@dearmymy 谢谢

@ruanimal 分离业务复杂度和代码复杂度， 因为业务软件的核心资产是业务模型和用例。 很多时候业务模型和代码实现互相侵入， 依赖关系错综复杂， 导致业务迭代困难

@llsquaer 中间表在业务描述的时候是不需要被产品等人员知晓的， 他们只要知道 voyager 从 A -> B 的关系， 如果用 DB ERD 的话， 这个中间表（技术实现细节）是会被展示出来的。

扯到中间表是为了引入一些案例来说明业务模型和 db 模型不是完全一一对应的， 中间表数据具体的技术实现， 比如还能替换成其他做法， 比如（不严谨） A 中存放 list of b_ids ，B 中存放 list of a_ids.

@xhawk 嗯，明白了。 我之前也想做 service 调用的分析， 但是复杂度太高了， 后来用 pydantic-resolve 实现了某种平替， 一个 service 返回的类型， 来间接代表这个 service 。 因为后端很多场景本质都是数据的组合， 如果数据类型是清晰的， 那么通过什么具体获取方式反而不是这么重要了。

比如 Project 类型 通过 load_project 来获取， 那么我只要知晓组合的是 Project 或者 subset of Project ， 那我其实也间接知道了调用链条。

仅供参考~

@xhawk 有兴趣的话可以也试试 pydantic-resolve, voyager 其实是为它量身定做的～

@xhawk 不客气～～

改了个名字：fastapi-voyager

@3085570450tt 确实， 当局者迷了

@yb2313 fastapi 现在迭代进度明显减慢了， 确实相比之下 litestar 功能相当丰富

回头如果有需要， 去移植个 litestar-router-viz ～

支持生成 dot 文件， 转换成 mermaid 语法的话要找一些 dot2mermaid 的小工具

@pluswu1986 是的，最后苦果还得自己吞。。

@seansong 和 GraphQL 那些技术栈和框架相比算不了太工程化吧

现在 pydantic v2 的性能也足够强了，pydantic-resolve 的行为类似于给字段提供数据获取 和 修改的 hook 方法

就这么两个 “规则”

后端组合， 大概率后端自己也不喜欢拼数据所以想偷懒了。

https://github.com/allmonday/pydantic-resolve-demo 如果是 python 这边的话， 这种需求 pydantic-resolve 一把梭直接就能组合好。

怎么写（单元）测试？

要从可测的思考方式来书写代码， 才有“可能”写测试

在写实现之前，或者实现之后里面套上测试， 否则久了就不会写了

要懂得常用的 mock 第三方接口的方法， 会构造数据整合查询一起测试

知道哪些应该写， 哪些没必要

知道怎么结合 use case 来写

知道怎么结合 hook 在 commit 之前强制测试跑通

知道怎么划分出合适的 service 层并覆盖测试， 避免在应用层写无聊的测试

想到更多了在补充。

关于只在 service 覆盖测试， 应用利用继承和组合避免测试， 可以参考
https://github.com/allmonday/composition-oriented-development-pattern/blob/master/src/services/sprint/readme-cn.md

@fescover
是的 生态的优势非常重要

@justdoit123

gql 的另一个问题是数据结构关联按照什么模式来组织

如果按照业务模型的方式组织， 那么面向具体的展示层， 很多查到的关联结构要在 UI 上重新做调整。

如果按照 UI 的需求来组织，那么这个 gql 写起来就很没劲了。。 变成了大号 rest

@ilvsxk

bff 如果不是前端去维护的话， 感觉这个 bff 的组织划分就有问题哎。。 （比如现在 node 就是 bff 的绝对优势语言（虽然我不太喜欢

本质上就是让前端自己组合出所需的数据， 避免不必要的组合逻辑侵入到前端展示层。