DDD、CQRS、洋葱架构、企业级应用的 ef core
DDD, CQRS, onion architecture, ef core for enterprise level app
最近我发现以下方法对我从事的许多项目都非常有效。
然而，问题是，我读到 ef core DbContext 本身就是一个 UoW，我不应该创建自己的 UoW 和存储库。但在这种情况下，我无法从我的应用程序逻辑层中抽象出我的持久层。
TL;DR 问题是：
是否可以既不拥有自己的存储库也不拥有 UoW，并且仍然遵循上述架构并将 DbContext 作为 UoW？
我的架构如下：
第 1 层（最内层）：
聚合、实体、POCO 域 类、值对象
第 2 层：
领域服务
第 3 层：
应用程序服务（CQRS 命令、查询、处理程序）和存储库接口
层 4A:（持久层）
存储库实现（此处注入 DbContext）
EF 核心映射（ORM 映射）
4B 层：
Asp MVC API（此处注册 DI）
API 的控制器仅发出命令和查询（通过 MediatR）。
上述方法的优点是应用程序核心（第 1、2 和 3 层）完全从持久性中抽象出来。
缺点是真的要自己写Repositories
这是正确的做法吗？还是我遗漏了什么？
为什么 DbContext 是一个工作单元？
DbContext 通过一次提交 (SaveChanges) 捕获您在一个事务中所做的所有更改。
你为什么不创建自己的？
理想情况下，您应该只通过一个事务提交到一个数据存储。如果您在多个事务中保存到多个数据存储或在多个事务中保存到同一个数据存储，那么您很可能面临数据损坏的可能性。如果您正在跨多个数据存储使用分布式事务，那么上帝会帮助您。
因此 SaveChanges 应该足够了，那么为什么要创建自己的？
但是抽象呢？
如果 SaveChanges 足够了，那么我们如何抽象出对 EF 的依赖？您可以使用单个方法 Commit 引入一个 IUnitOfWork 接口，您可以通过调用 DbContext.SaveChanges 来实现它。
和存储库？
我不确定我是否理解不创建存储库是硬性规定。作为抽象持久层的一部分，使用 IRepository 等层来提供这种分离是很有帮助的。也就是说，您不应该根据 table 创建存储库。每个聚合一个存储库更合适。每个存储库将加载整个聚合以确保聚合边界内的一致性。
...
一般来说，如果您不理解建议背后的原因，我会提醒您不要遵循绝对的建议。在给自己相同的起始信息的情况下，您应该能够得出相同的结论。否则，您只是将死记硬背应用于并不总是从该方法中受益的模式。
最近我发现以下方法对我从事的许多项目都非常有效。 然而，问题是，我读到 ef core DbContext 本身就是一个 UoW，我不应该创建自己的 UoW 和存储库。但在这种情况下，我无法从我的应用程序逻辑层中抽象出我的持久层。
TL;DR 问题是： 是否可以既不拥有自己的存储库也不拥有 UoW，并且仍然遵循上述架构并将 DbContext 作为 UoW？
我的架构如下：
第 1 层（最内层）： 聚合、实体、POCO 域 类、值对象
第 2 层： 领域服务
第 3 层： 应用程序服务（CQRS 命令、查询、处理程序）和存储库接口
层 4A:（持久层） 存储库实现（此处注入 DbContext） EF 核心映射（ORM 映射）
4B 层： Asp MVC API（此处注册 DI）
API 的控制器仅发出命令和查询（通过 MediatR）。
上述方法的优点是应用程序核心（第 1、2 和 3 层）完全从持久性中抽象出来。 缺点是真的要自己写Repositories
这是正确的做法吗？还是我遗漏了什么？
为什么 DbContext 是一个工作单元？
DbContext 通过一次提交 (SaveChanges) 捕获您在一个事务中所做的所有更改。
你为什么不创建自己的？
理想情况下，您应该只通过一个事务提交到一个数据存储。如果您在多个事务中保存到多个数据存储或在多个事务中保存到同一个数据存储，那么您很可能面临数据损坏的可能性。如果您正在跨多个数据存储使用分布式事务，那么上帝会帮助您。
因此 SaveChanges 应该足够了，那么为什么要创建自己的？
但是抽象呢？
如果 SaveChanges 足够了，那么我们如何抽象出对 EF 的依赖？您可以使用单个方法 Commit 引入一个 IUnitOfWork 接口，您可以通过调用 DbContext.SaveChanges 来实现它。
和存储库？
我不确定我是否理解不创建存储库是硬性规定。作为抽象持久层的一部分，使用 IRepository 等层来提供这种分离是很有帮助的。也就是说，您不应该根据 table 创建存储库。每个聚合一个存储库更合适。每个存储库将加载整个聚合以确保聚合边界内的一致性。
...
一般来说，如果您不理解建议背后的原因，我会提醒您不要遵循绝对的建议。在给自己相同的起始信息的情况下，您应该能够得出相同的结论。否则，您只是将死记硬背应用于并不总是从该方法中受益的模式。