后端工程师

本skill指导如何理解产品需求，实现后端服务功能，构建业务领域和数据处理逻辑。

何时使用本Skill

当后端工程师需要实现后端功能时使用，例如：

• “我是后端工程师，需要实现后端功能…”
• “我需要设计数据库和API…”
• “请帮我实现这个后端服务…”

核心职责

1. 需求理解

• 理解产品需求和功能规格
• 理解业务领域
• 理解业务流程

2. 业务实体识别

• 识别业务实体
• 分析实体关系
• 建立数据模型

3. 领域构建

• 构建业务领域模型
• 设计领域服务
• 设计领域事件

4. 后端服务实现

• 实现API接口
• 实现业务逻辑
• 实现数据处理

5. 数据持久化

• 设计数据库表结构
• 实现数据访问层
• 实现数据缓存

关键技能

后端技术

• 后端编程语言（Java/Python/Go/Node.js）
• 框架（Spring Boot/Django/Express）
• 数据库（MySQL/PostgreSQL/MongoDB）

业务建模能力

• 业务实体识别
• 业务领域建模
• 数据建模

架构能力

• 分层架构
• 领域驱动设计（DDD）
• 六边形架构

优化能力

• 性能优化
• 数据库优化
• 缓存优化

输入物

• 产品功能清单
• 功能规格说明
• 数据模型图
• API文档

交付物

• 后端服务代码
• API文档
• 数据库设计文档
• 后端文档

质量标准

• ✅ 功能实现完整
• ✅ 代码质量高
• ✅ 性能良好
• ✅ 符合架构要求

工作流程

1. 需求接收：接收产品功能清单、功能规格说明、数据模型图
2. 需求理解：深入理解产品需求和业务流程
3. 业务分析：识别业务实体，建立数据模型
4. 领域构建：构建业务领域模型
5. 接口设计：设计API接口
6. 服务实现：实现后端服务
7. 数据持久化：设计数据库，实现数据访问层
8. 性能优化：优化性能
9. 测试验证：进行单元测试和集成测试
10. 代码提交：提交代码，进行代码评审

工作流程图

graph LR
    A[功能规格] -->|需求理解| B[业务分析]
    B -->|实体识别| C[业务模型]
    C -->|DDD建模| D[领域驱动设计]
    D -->|API设计| E[API规格说明]
    E -->|服务实现| F[业务逻辑实现]
    F -->|数据库设计| G[表结构设计]
    G -->|数据访问层| H[ORM实现]
    H -->|缓存优化| I[缓存层]
    I -->|性能优化| J[查询优化]
    J -->|单元测试| K[测试覆盖]
    K -->|集成测试| L{通过?}
    L -->|是| M[代码评审]
    L -->|否| N[修复问题]
    N -->|调整| F
    M -->|合并| O[提交到测试]

协作关系

• 向上对接：产品专家、技术架构师
• 平行对接：前端工程师、测试人员

后端开发方法论

方法1: 领域驱动设计（DDD）

• 识别领域和子域
• 建立领域模型
• 设计聚合和实体
• 设计领域服务和事件

核心概念：

• 聚合：一致性边界，保证数据一致性
• 实体：有唯一标识的对象
• 值对象：无唯一标识的对象
• 领域服务：不属于特定实体或值对象的业务逻辑
• 领域事件：表示领域内发生的重要事件

方法2: 六边形架构

• 分离领域层和应用层
• 使用端口和适配器
• 解耦业务逻辑和外部依赖

层次结构：

• 领域层：业务逻辑、实体、值对象、领域服务
• 应用层：应用服务、用例、领域事件
• 适配器层：接口适配、持久化适配、消息适配
• 基础设施层：外部依赖、框架、工具

依赖方向：外部依赖 → 适配器层 → 应用层 → 领域层

方法3: RESTful API设计

• 使用RESTful风格
• 设计合理的资源路径
• 设计标准的HTTP方法
• 设计清晰的错误处理

HTTP方法：

• GET：获取资源
• POST：创建资源
• PUT：更新整个资源
• PATCH：部分更新资源
• DELETE：删除资源

数据库设计

数据库选择

• 关系型数据库（MySQL/PostgreSQL）：适合结构化数据、事务要求高的场景
• 文档型数据库（MongoDB）：适合非结构化数据、灵活schema的场景
• 缓存数据库（Redis）：适合缓存、会话存储的场景

表设计原则

• 规范化：遵循第三范式，避免数据冗余
• 索引：为查询字段创建索引
• 分表分库：大数据量时考虑分表分库
• 软删除：使用标记字段表示删除

常见误区

❌ 误区1: 只关注技术实现，不关注业务逻辑 ✅ 正确: 技术和业务并重，优先考虑业务逻辑

❌ 误区2: 不考虑性能，只关注功能实现 ✅ 正确: 在实现功能的同时考虑性能优化

❌ 误区3: 不考虑扩展性，只关注当前需求 ✅ 正确: 在设计时考虑系统的扩展性

成功案例

案例1: 报表导出功能后端实现

功能需求: 导出销售数据为Excel

实现步骤:

1. 业务实体识别:

   • 销售记录（SalesRecord）
   • 产品（Product）
   • 客户（Customer）
   • 销售员（Salesperson）

2. 领域构建:

   • SalesRecord聚合（包含销售明细）
   • ReportService（导出报表服务）
   • ExportJob（导出任务）

3. API设计:

   • POST /api/reports/export – 创建导出任务
   • GET /api/reports/export/{jobId} – 查询导出任务状态
   • GET /api/reports/export/{jobId}/download – 下载导出文件

4. 服务实现:

   • ReportService.exportSalesData() – 导出销售数据
   • 导出参数验证（日期范围、产品分类、地区）
   • 数据查询和过滤
   • 数据转换为Excel
   • 保存到文件服务器

5. 异步处理:

   • 使用消息队列处理导出任务
   • 实现导出进度跟踪
   • 实现导出完成通知

技术实现:

• 使用Java + Spring Boot
• 使用JPA进行数据访问
• 使用Apache POI生成Excel
• 使用RabbitMQ处理异步任务
• 使用Redis缓存查询结果

案例2: 搜索功能后端实现

功能需求: 产品搜索功能

实现步骤:

1. 业务实体识别:

   • 产品（Product）
   • 产品分类（ProductCategory）
   • 品牌（Brand）

2. 领域构建:

   • Product聚合
   • SearchService（搜索服务）
   • SuggestionService（搜索建议服务）

3. API设计:

   • GET /api/search?q=keyword – 搜索产品
   • GET /api/search/suggestions?q=keyword – 搜索建议
   • GET /api/search/popular – 热门搜索

4. 服务实现:

   • SearchService.search() – 搜索产品
   • 支持精准搜索和模糊搜索
   • 支持多字段搜索（名称、SKU、规格）
   • 支持排序和分页

5. 性能优化:

   • 使用Elasticsearch搜索引擎
   • 实现搜索结果缓存
   • 实现热门搜索缓存

技术实现:

• 使用Python + Django
• 使用Django ORM进行数据访问
• 使用Elasticsearch进行搜索
• 使用Redis缓存查询结果
• 使用Celery处理异步任务

使用指南

当用户说”我是后端工程师，需要实现后端功能…”时，按照以下步骤引导：

1. 需求接收：接收产品功能清单、功能规格说明、数据模型图
2. 需求理解：深入理解产品需求和业务流程
3. 业务分析：识别业务实体，建立数据模型
4. 领域构建：使用DDD方法构建业务领域模型
5. 接口设计：设计RESTful API接口
6. 服务实现：实现后端服务和业务逻辑
7. 数据持久化：设计数据库，实现数据访问层
8. 性能优化：优化数据库查询、实现缓存
9. 测试验证：进行单元测试和集成测试
10. 代码提交：提交代码，进行代码评审

输出质量检查清单

在提交后端代码之前，检查以下项目：

• 功能实现完整
• 代码质量高（遵循代码规范）
• 业务逻辑正确
• 数据库设计合理
• API设计规范
• 性能良好（查询优化、缓存）
• 错误处理完善
• 安全性考虑（SQL注入、XSS等）
• 单元测试覆盖率高