Project Marketplace Ecommerce

Projeto de criação de um martketplace ecommerce com a Stack MEAN.

Equipe

Esse projeto está sendo iniciado e mantido pelos seguintes alunos do curso Be MEAN:

• Ednilson Amaral
• Eliel das Virgens
• Jean Nascimento (Professor da Webschool)
• Leonardo Ribeiro
• Lucas Baquião
• Rodrigo Galhardo

Documentação

A documentação completa desse projeto é possível ser visualizada na Wiki desse repositório.

Banco de Dados

Iremos utilizar uma arquitetura híbrida com alguns bancos NoSQL:

• MongoDB: Model
• Redis: Cache / Session / Events
• Neo4J: Relacionamentos
• Elasticsearch: Busca textual

Model

O MongoDb será utilizado pois será nele que modelaremos nossa entidade/módulo de uma forma atômica e idêntica à programação.

Os dados serão sempre escritos no MongoDB e a partir dele será enviado para seus bancos relacionados.

Por exemplo:

Definimos um modelo para uma View atualizável que será nosso Cache, onde esses dados sempre serão buscados antes no Cache e caso eles não existam será buscado no MongoDB para atualizar essa View. Mas os dados precisam sair do Cache para a resposta e não diretamente do MongoDB.

Como o MongoDB não foi feito para ter relacionamentos e cada join feito nele é muito custoso iremos mover toda essa funcionalidade para um banco de dados que foi feito especialmente para dados relacionados: de GRAFOS.

Cada relacionamento definido no Model será convertido para grafos no Neo4J, por isso as buscas que não estiverem no Cache serão diretamente buscadas no banco de relacionamentos, que é o Neo4J.

Outra funcionalidade que o MongoDB também não foi feito para é buscas textuais, logo iremos utilizar um banco específico para isso: o Elasticsearch.

E toda busca que envolva textos enviados pelo cliente será buscada no Elasticsearch, o qual já terá pré-definido um Schema para facilitar sua busca.

Modelagem Atômica

Eu tenho um certo problema com esse negócio de modularizar as coisas, tanto que minha metodologia chamada Atomic Design separa não apenas as entidade/módulos mas sim cada campo/propriedade que é utilizado.

Quando eu criei essa metodologia ainda não tinha percebido o quão perfeita ela caiu em ideias de arquitetura que já tinha há anos.

Na modelagem ralacional precisamos normalizar a base para fazer "do jeito certo e normalizar a base nada mais é que separar seus dados para que não haja duplicidade entre eles, pois bem eu quero levar esse conceito um pouco mais a fundo e trazer isso para os grafos. Tendo em vista que cada campo meu já é um módulos atômico que independe em qual sistema está sendo usado nada mais claro que colocar cada um como um como um vértice e que qualqer uso dele seja direto independendo do contexto em que está sendo utilizado.

Exemplo com Product

Vamos fazer um exemplo BEM SIMPLES com produto:

{
  name: String,
  sku: String,
  description: String,
  price: {
    value: Number,
    currency: String
  },
  characteristics: [
    {
      name: String, // width
      value: Number, // 200
      unit: String // g
    }
  ],
  tags: [
    String
  ],
  created_at: Date,
  updated_at: Date,
}

Lembrando que cada campo é um módulo independente o módulo de price na verdade é uma composição de 2 outros:

• valueNumber: Number
• currency: String

Logo sempre que a propriedade price for utilizada ela sempre terá essas 2 propriedades assim definidas:

const value = require('/atomic-modules/fields/valueNumber') // value: Number
const currency = require('/atomic-modules/fields/currency') // currency: String

price: {
  value,
  currency
}

Primeiramente definimos um modelo para nosso Cache o qual deve conter o resultado das buscas mais comuns, então vamos cachear a primeira busca que acontecerá sempre que o usuário entrar no Ecommerce:

• listar os últimos 50 produtos

Tudo bem mas com quais dados?

Para responder essa questão precisamos saber como o Ecommerce mostrará as informações, mas vamos definir as mais básicas:

• name
• description
• price

Agora toda vez que 1 produto for adicionado ou modificado esses dados novos terão que ir diretamente para o Cache, logo após o sucesso da alterção no MongoDb.

Então para o Cache:

{
  name: String,
  description: String,
  price: {
    value: Number,
    currency: String
  },
  tags: [
    String
  ],
  created_at: Date,
  updated_at: Date
}

ps: Iremos deixar os campos created_at e updated_at para facilitar na ordenação e busca.

Obviamente nossa API já terá esse padrão definido:

// route
router.get('/', Actions.find)

// Action

const dbConfig = {
  cache: {
    use: 'Redis',
    db: 'ecommerce',
    actions: [
      {
        name: 'default',
        fn: require('/atomic-modules/dbs/redis/actions/last50products')
      }
    ],
  }
}

const QueryMediator = require('atomic-modules/QueryMediator')(dbConfig)
Actions.find = QueryMediator.find

Relacionamentos

Todo relacionamento entre entidades no Model será convertido em relações entre vértices no banco de dados específico para isso, o Neo4J.

Licença