Architekturpatterns mit Python
Test-Driven Development, Domain-Driven Design und Event-Driven Microservices praktisch umgesetzt
- 302 Seiten
- German
- ePUB (handyfreundlich)
- Über iOS und Android verfügbar
Architekturpatterns mit Python
Test-Driven Development, Domain-Driven Design und Event-Driven Microservices praktisch umgesetzt
Über dieses Buch
Bewährte Patterns für komplexe Python-Projekte
- bekannte Architekturpatterns - endlich in idiomatischem Python
- die Komplexität anspruchsvoller Projekte erfolgreich managen
- den größten Nutzen aus den Testsuiten herausholen
Pythons Popularität wächst weiterhin und mit Python werden inzwischen komplexe Projekte realisiert. Viele Python-Entwicklerinnen und -Entwickler interessieren sich deshalb für High-Level-Design-Patterns wie hexagonale Architektur, ereignisgesteuerte Architektur und die strategischen Patterns, die durch das Domain-Driven Design vorgegeben sind. Das Übertragen dieser Patterns nach Python ist allerdings nicht immer einfach.
In diesem Praxisbuch stellen Harry Percival und Bob Gregory von MADE.com erprobte Architekturpatterns vor, die Python-Entwickler dabei unterstützen, die Komplexität von Anwendungen im Griff zu behalten – und den größtmöglichen Nutzen aus den Testsuiten zu ziehen. Jedes Pattern wird durch Beispiele in schönem, idiomatischem Python illustriert; dabei wird die Weitschweifigkeit der Java- oder C#-Syntax vermieden.
Häufig gestellte Fragen
Information
TEIL I
Eine Architektur aufbauen, die Domänenmodellierung unterstützt
- Das Repository-Pattern (Kapitel 2) – eine Abstraktion über die Idee von persistentem Storage.
- Das Service-Layer-Pattern (Kapitel 4), mit dem klar definiert wird, wo die Grenzen unserer Use Cases liegen.
- Das Unit-of-Work-Pattern (Kapitel 6), um atomare Operationen zu ermöglichen.
- Das Aggregate-Pattern (Kapitel 7), um die Integrität unserer Daten sicherzustellen.
- In Anhang B ist die Infrastruktur für unseren Beispielcode zusammengestellt: wie wir die Docker-Images bauen und ausführen, wo wir Konfigurationsinformationen verwalten und wie wir verschiedene Testtypen ausführen.
- In Anhang C finden Sie eine Art »Proof of Concept«, der zeigt, wie einfach es ist, unsere gesamte Infrastruktur auszutauschen – die Flask-API, das ORM und Postgres –, um ein komplett anderes I/O-Modell zu erhalten, das ein CLI und CSVs nutzt.
- Anhang D kann für Sie schließlich interessant sein, wenn Sie sich fragen, wie diese Patterns aussehen würden, wenn statt Flask und SQLAlchemy nun Django zum Einsatz käme.
KAPITEL 1
Domänenmodellierung
Was ist ein Domänenmodell?
Inhaltsverzeichnis
- Cover
- Titel
- Impressum
- Inhalt
- Vorwort
- Einleitung
- Teil I Eine Architektur aufbauen, die Domänenmodellierung unterstützt
- Teil II Eventgesteuerte Architektur
- Epilog
- Anhang A Übersichtsdiagramm und -tabelle
- Anhang B Eine Template-Projektstruktur
- Anhang C Austauschen der Infrastruktur: alles mit CSVs
- Anhang D Repository- und Unit-of-Work-Pattern mit Django
- Anhang E Validierung
- Fußnoten
- Index
- Über die Autoren
- Kolophon