低表示差異、迪米特法則

一個好的概念或原則不會孤立的存在，而資訊專家作為分配職責的基本原則，當然是與許多設計原則相交呼應，但礙於個人的知識也有極限，覺得比較接近的就是以下兩個

• 低表示差異
• 迪米特法則
• 奧卡姆剃刀原則

低表示差異 | Low Representional Gap, LRG

在最一開始情境描述的

• 這隻企鵝怎麼會飛啊 !
• 這個物件怎麼包山包海啊 !
• 這個專業術語怎麼跟網路上查的好不一樣 !

都可以不嚴謹的都可以歸因成軟體與認知、真實世界差異過大，而當差異過大，導致軟體是另一個世界，後續維護者要認識兩個世界，並且還要當其中的翻譯官。

低表示差異提倡，現實中的概念與關係要能實在地反映在軟體中，這樣有兩個好處

• 該系統貼近常識與認知。
• 就算沒有接觸過該軟體呈現的領域，但其中的概念與關係要 google 或查 ChatGPT 會十分方便。

資訊專家透過一套原則將職責分配給對應類別，或者說概念，使得不會開發時新增一堆純虛構的概念，同時，也讓概念與對應的行為有著緊密的聯繫。

在領域驅動設計中，更進一步要求開發者、客戶、業務在開發時針對某一概念的名稱一致，也就是統一語言 (Ubiquitouse language)，更進一步減少溝通時的成本。

迪米特法則 | Law of Demeter

在反面例子，以及講解為什麼他是反面例子中，我們看到以下的程式碼

                                
total += item.GetProduct().GetPrice() * item.GetQuantity();                
                                
                            

這種 A 物件利用 B 物件去獲得 C 物件的操作，並且沒有領域概念的支援，將會拉大表示差異、提高系統的耦合度。

而迪米特原則 (Law of Demeter)，也稱為最少知識原則 (The Least Knowledge Principle) 提倡物件 A 的方法 M 只能調用以下的方法

迪米特原則也是封裝性的一種展現，通常會違反迪米特法則，都是物件暴露了太多自身的訊息，因此當一個物件全部都是 Getter、Setter，就要問自己以下的問題

資訊專家將職責分配給擁有所需資訊的類別，極大程度避免 A 類別的屬性暴露給 B 類別去進行操作，可以說資訊專家自帶了迪米特原則的特性。

奧卡姆剃刀原則 | novacula Occami

奧卡姆剃刀原則為，通常對於某個現象或問題，會有各種的解決方案，而當中會有簡單的解決方案與複雜的解決方案，當兩者等效時，則選擇較為簡單的那一個。

用例分析後，我們可以採用不同的實現方法，在前篇中，我們看到兩種不一樣的解決方案，在其中反面例子相較於修改後的版本，要求我們多認識 OrderCalculator 這個類別。

而複雜會隨著元素的增加而同步遞增，除非你很清楚知道該用例在幹嘛，以及背起來解決方案，否則反面例子的複雜性永遠比修正後的要來的複雜，更何況反面例子的分配職責並沒有一個明顯的準則。

而資訊專家提供了一個簡明扼要的準則，即當一個類別擁有某職責的所有訊息，則分配職責到該類別，這會要求職責永遠分配在用例分析所揭示的元素，而不會另增一個實體(類別)去實作職責。