Appearance
如何利用 AI 实现 CQRS 读写分离架构设计
解决复杂系统性能瓶颈：通过 AI 指导将系统的更新操作（Command）与查询操作（Query）在逻辑或物理上完全分离，构建高性能、可扩展的读写模型。
为什么需要这个技能
在传统的 CRUD 架构中，读写操作共用同一个数据模型。当业务复杂、并发量剧增时，为了支持复杂的查询而设计的索引或表结构往往会拖慢写入速度，反之亦然。
CQRS（Command Query Responsibility Segregation）通过将“写模型”和“读模型”拆分，允许开发者为写操作优化一致性和完整性，为读操作优化响应速度和查询灵活性。掌握此技能可以让 AI 帮你快速搭建这种高级架构，避免在简单业务中过度设计，在复杂场景下精准打击性能瓶颈。
适用场景
- 读写负载极不均衡：查询请求远高于更新请求，需要独立扩展读副本。
- 复杂查询需求：需要支持多维度、高性能的报表统计，传统 RDBMS 难以应对。
- 构建事件溯源系统：需要记录所有状态变更轨迹，且支持状态回溯。
- 异构存储需求：写操作使用关系型数据库保证事务，读操作使用 Elasticsearch 或 Redis 提升速度。
核心工作流
- 识别负载与一致性需求：分析哪些是变更操作（Command），哪些是查询操作（Query），确定是否允许最终一致性。
- 定义模型边界：使用 AI 划分清晰的命令模型（专注于业务逻辑校验）和查询模型（专注于数据呈现）。
- 实现投影与同步：设计从写模型到读模型的同步机制（如通过消息队列、领域事件触发更新投影表）。
- 验证与容灾分析：通过 AI 模拟故障模式，验证在同步延迟或失败时的系统表现及恢复方案。
若需要详细的设计模式模板，请参考 resources/implementation-playbook.md。
下载和安装
下载 cqrs-implementation 中文版 Skill ZIP
解压后将目录放入你的 AI 工具 skills 文件夹，重启工具后即可使用。具体路径参考内附的 USAGE.zh.md。
你可能还需要
暂无推荐