시스템 제작과 시스템 사용을 분리
소프트웨어 시스템은 애플리케이션 객체를 제작하고 의존성을 서로 연결하는 준비 과정과, 이후에 이어지는 런타임 로직을 분리해야 한다.
이러한 관심사 분리는 우리 분야에서 가장 오래되고 가장 중요한 설계 기법 중 하나이다.
시작 단계는 모든 애플리케이션이 풀어야 할 관심사.
그러나 대다수 애플리케이션은 시작 단계라는 관심사를 분리하지 않는다.
ex) 초기화 지연
fun getService(): Service {
return service ?: MyServiceImpl()
}이러한 기법은 장.단점이 존재한다.
장점
- 실제로 필요할 때까지 객체를 생성하지 않아서 불필요한 부하를 줄여주고, 그로 인해 애플리케이션 시작 시간이 빨라진다.
단점
getService메서드가MyServiceImpl과 생성자 인수에 명시적으로 의존한다- 그렇게 되면 런타임 로직에서
MyServiceImpl객체를 전혀 사용하지 않더라도 의존성을 해결하지 않으면 컴파일이 되지 않는다.
- 그렇게 되면 런타임 로직에서
- 일반 런타임 로직에 객체 생성 로직이 섞여서 모든 실행 경로도 테스트해야한다.
getService메서드를 호출하려면 적절한 테스트 전용 객체(ex. 테스트 더블, 목 객체)를 service 필드에 할당해야 한다.
- 가장 큰 우려는
MyServiceImpl이 모든 상황에 적합한 객체인지 모른다는 사실
이러한 초기화 지연 기법을 한 번 정도 사용하는 것은 문제가 되지 않지만, 애플리케이션 내에 수시로 사용되어 있다면 문제가 된다.
전반적인 설정 방식이 애플리케이션 곳곳에 흩어지고, 모듈성이 저조하며 대개 중복이 심해진다.
따라서, 설정 논리는 일반 실행 논리와 분리해야 모듈성이 높아진다. 주요 의존성을 해소하기 위한 전반적이며 일관적인 방식이 필요하다.
Main 분리
main 함수에서 시스템에 필요한 객체를 생성한 후 이를 애플리케이션에 넘기면, 애플리케이션은 그저 객체를 사용한다.
즉, 애플리케이션은 main 이나 객체가 생성되는 과정을 전혀 모른다.
팩토리
객체가 생성되는 시점을 애플리케이션이 결정할 필요가 있을 때, 추상 팩토리 패턴 을 사용한다.
생성하는 시점은 애플리케이션이 결정하지만, 생성하는 코드는 애플리케이션이 모른다.
의존성 주입
사용과 제작을 분리하는 강력한 메커니즘 중 하나
제어 역전 기법을 의존성 관리에 적용한 메커니즘이다.
의존성 관리 맥락에서 객체는 의존성 자체를 인스턴스로 만드는 책임을 지지 않는다. 대신 이런 책임을 다른 전담 메커니즘에 넘김으로써 제어를 역전한다.
초기 설정 시에는 시스템 전체에서 필요하므로, 대개 책임질 메커니즘으로 main 루틴이나 특수 컨테이너를 사용
ex) 디렉터리 서버에 이름을 제공, 그 이름에 일치하는 서비스를 요청하는 코드
val myService = jndiContext.lookup("NameOfMyService") as MyService호출하는 객체는 의존성을 능동적으로 해결한다.
그러나 이러한 방법은 의존성 주입을 부분적으로 구현한 기능이다.
진정한 의존성 주입은 여기서 한 걸음 더 나가는데, 클래스가 의존성을 해결하지 않는다.
클래스는 완전히 수동적이며, 대신에 의존성을 주입하는 방법으로 setter 메서드나 생성자 인수를 제공한다.
DI 컨테이너는 필요한 객체의 인스턴스를 만든 후 생성자 인수나 설정자 메서드를 사용해 의존성을 설정한다.
실제로 생성되는 객체 유형은 설정 파일에서 지정하거나 특수 생성 모듈에서 코드로 명시한다.
DI 를 사용하더라도 초기화 지연은 여전히 유용하다.
대다수 DI 컨테이너는 필요할 때까지는 객체를 생성하지 않고, 대부분은 계산 지연이나 비슷한 최적화에 쓸 수 있도록 팩토리를 호출하거나 프록시를 생성하는 방법을 제공한다.
확장
관심사를 적절히 분리해 관리한다면 소프트웨어 아키텍처는 점진적으로 발전할 수 있다.
처음부터 올바르게 시스템을 만들 수 있다는 믿음은 미신.
대신 우리는 오늘 주어진 사용자 스토리에 맞춰 시스템을 구현해야 한다. 내일은 새로운 스토리에 맞춰 시스템을 조정하고 확장하면 된다.
이것이 바로 반복적이고 점진적인 애자일 방식의 핵심.
TDD, 리팩터링, 깨끗한 코드는 코드 수준에서 시스템을 조정하고 확장하기 쉽게 만들어준다.
소프트웨어 시스템은 수명이 짧다는 본질로 인해 아키텍처의 점진적인 발전이 가능하다.
횡단(cross-cutting) 관심사
어플리케이션 전반에 걸쳐 공통으로 필요한 기능으로, 핵심 비즈니스 로직과는 구분을 하기 위해 횡단 관심사(공통 관심 사항)이라고 표현한다.
AOP 는 횡단 관심사에 대처해 모듈성을 확보하는 일반적인 방법론.
AOP 에서 관점(Aspect) 라는 모듈 구성 개념은, "특정 관심사를 지원하려면 시스템에서 특정 지점들이 동작하는 방식을 일관성있게 바꿔야 한다" 라고 명시한다.
AOP는 문제를 해결하기 위한 핵심 관심 사항과 전체에 적용되는 공통 관심 사항을 기준으로 프로그래밍 함으로써 공통 모듈을 여러 코드에 쉽게 적용 할 수 있도록 도와준다.
ex) 영속성
영속적으로 저장할 객체와 속성을 선언 후 영속성 책임을 영속성 프레임워크에 위임.
그러면 AOP 프레임워크는 대상 코드에 영향을 미치지 않는 상태로 동작 방식을 변경
자바에서 사용하는 관점 혹은 유사 관점 메커니즘
자바 프록시
개별 객체나 클래스에서 메서드 호출을 감싸는 경우
단점
→ 코드의 양과 크기가 상당해져 깨끗한 코드를 쓰기 어렵다.
→ 프록시는 시스템 단위로 실행 '지점'을 명시하는 메커니즘은 제공 X
순수 자바 AOP 프레임워크
대부분의 프록시 코드는 자동화가 가능하다. 여러 자바 프레임워크는 내부적으로 프록시 사용한다.
스프링은 비즈니스 논리를 POJO로 구현
- POJO는 도메인에 초점을 맞춤. 엔터프라이즈 프레임워크에 의존 X
- 따라서 테스트가 개념적으로 더 쉽고 간단
프로그래머는 설정 파일이나 API를 사용하여 필수적인 애플리케이션 기반 구조 표현
클라이언트에서 객체의 메서드를 직접 호출한다고 믿지만, 실제로는 Bank POJO의 기본 동작을 확장한 중첩 DECORATOR 객체 집합의 가장 외곽과 통신
설정 파일을 XML 로 관리하여, 애플리케이션에서 DI 컨테이너에게 시스템 내 최상위 객체를 요청할 때 스프링 관련 자바 코드가 거의 필요 없게 된다.
따라서 애플리케이션은 사실상 스프링과 독립적이다. 모든 정보가 애너테이션 속에 있으므로 코드 자체는 깔끔하고 깨끗해진다. 그만큼 코드를 테스트하고 개선하고 보수하기도 쉬워진다.
Aspect 관점
관심사를 관점으로 분리하는 가장 강력한 도구
언어 차원에서 관점을 모듈화 구성으로 지원하는 자바 언어 확장
새 도구를 사용하고 새 언어 문법과 사용법을 익혀야 하지만, AspectJ 애너테이션 폼을 사용하면 애너테이션 기반 관점을 쉽게 사용할 수 있다.
ex. @Aspect, @Before
테스트 주도 시스템 아키텍처 구축
- 애플리케이션 도메인 논리를 POJO로 작성한다면, 즉 코드 수준에서 아키텍쳐와 분리가 가능하다면 진정한 테스트 주도 아키텍처 구축이 가능하다.
- 필요에 따라 새로운 기술을 채택해 단순한 아키텍처를 복잡한 아키텍쳐로 키울 수 있다.
- 소프트웨어 구조가 관점을 효과적으로 분리한다면 확장이 가능하다.
의사 결정을 최적화하라
큰 시스템에서는 한 사람이 모든 결정을 내릴 수는 없다.
책에서는 결정은 최대한 많은 정보가 모일 때까지 미루고, 시기가 되었을 경우 가장 적합한 사람에게 책임을 맡기는 것이 가장 좋다고 나와있다.
적합한 사람이 무엇인지는 자세히 나와 있지 않지만, 나는 그 적합한 사람이라는 것이 시스템 내 모듈화된 컴포넌트 라고 이해하였다.
명백한 가치가 있을 때 표준을 현명하게 사용하라
- 표준을 사용하면 아이디어와 컴포넌트를 재사용하기 쉽다.
- 적절한 경험을 가지는 사람을 구하기 쉽다.
- 좋은 아이디어를 캡슐화하기 쉽고, 컴포넌트를 엮기 쉽다.
- 때로는 표준이 불필요함에도 사용하는 경우가 있다
따라서 표준은 확실한 이득을 가져올 경우 사용하는 것이 좋다.
시스템은 도메인 특화 언어가 필요하다
DSL(Domain Specific Language) : 간단한 스크립트 언어나 표준 언어로 구현한 API.
좋은 DSL 도메인 개념과 그 개념을 구현한 코드 사이에 존재하는 의사소통 간극을 줄여준다.
DSL을 사용하면 모든 추상화 수준과 모든 도메인을 POJO로 표현 가능
결론
깨끗하지 못한 아키텍처는 도메인 논리 흐리며 기민성을 떨어뜨린다. 기민성이 떨어지면 생산성이 낮아져 TDD가 제공하는 장점이 사라진다.
모든 추상화 단계에서 의도는 명확해야 함.
POJO 를 작성하고, 관점 혹은 관점과 유사한 메커니즘을 사용해 각 구현 관심사를 분리해야 한다.
