【问题标题】：Does an n-tier system make "sense" for large data set processing?n 层系统对大型数据集处理是否“有意义”？
【发布时间】：2010-12-04 10:44:53
【问题描述】：
我最近成为编写我们“旗舰”产品的开发团队的一员。它主要是在 N 层系统中实现的读取密集型 Web 应用程序（asp.net(c#) 和 oracle）。数据库中的大部分写入都是通过外部服务完成的（而不是通过 webapp）。他们没有在数据库中安排正常的批处理作业以进行数据聚合，而是将所有内容向上推送到业务层（有时会创建一亿个对象）。虽然这确实将所有“业务逻辑”保留在同一个地方，但它也比在数据库中运行等效查询要长约 200 倍。这对我来说似乎是一个可怕的想法。我在这里错了吗，这是标准的好东西吗？有没有人有任何真实的案例研究可以让我的同事（或者我自己，如果我错了）？
我不是在争论 n-tier 是好是坏，但它是否适合数据聚合处理等？
【问题讨论】：
标签：
architecture
n-tier-architecture
【解决方案1】：
您对处理时间（以及资源，如内存）的看法是正确的。
- 最佳实践是聚合最接近数据的可能，最好是在数据库中。一亿个物体看起来很疯狂。
- 但是，我们都知道这样代码的可维护性较差。所以最终需要更多的开发时间和更多的成本。
所以你需要达到一个正确的平衡。这不可能来自外部，
您必须仔细权衡项目特定背景下的优势。
例如，所有这些发生的频率非常重要。如果这个过程每分钟都发生，那么高成本显然是可以接受的，但如果每年都发生，则可能不会......
也许正确的平衡需要两者兼而有之。例如，为了获得良好的投资回报率：
- 对数据库的查询可以进行第一级聚合，去除微小的细节，并将要创建的对象数量减少 100 个。
- 业务层可以应用其余规则
是什么使查询中的需求成为一个很好的候选者：
- 低级聚合，可减少从数据库中取出的对象（或行）的数量
- 很少改变的规则
- 在 SQL 中易于阅读的规则
为了使您的代码更加明确（并减少查询之间的重复），我建议您的代码采用一种清晰的编译时结构。创建明确的常量或函数来体现您将放入查询中的每个业务规则，并使用它来构建（在运行时或编译时）您的查询。