我们可以发现，上述方案的演进过程，就是我们不断对业务依赖的数据库模块进行抽象的过程，最终设计出稳定的、服务OCP的软件 。
那么，在编程语言中，我们用什么来表示“数据库”这一抽象呢？是接口！
数据库最常见的几个操作就是CRUD，因此我们可以设计这么一个Db接口来表示“数据库”：
type Db interface {Query(tableName string, cond Condition) (*Record, error)Insert(tableName string, record *Record) errorUpdate(tableName string, record *Record) errorDelete(tableName string, record *Record) error}
这样，业务模块和数据库模块之间的依赖关系就变成如下图所示：
满足OCP的另一个关键点就是分离变化，只有先把变化点识别分离出来，我们才能对它进行抽象化 。下面以我们的分布式应用系统demo为例，解释如何实现变化点的分离和抽象 。
在demo中，监控系统主要负责对服务的 log进行ETL操作，也即涉及如下3个操作：1）从消息队列中获取日志数据；2）对数据进行加工；3）将加工后的数据存储在数据库上 。
我们把整一个日志数据的处理流程称为，那么我们可以这么实现：
type Pipeline struct {mq Mqdb Db ...}func (p *Pipeline) Run() {for atomic.LoadUint32(&p.isClose) != 1 {// 1、从消息队列中获取数据msg := p.mq.Consume("monitor.topic")log := msg.Payload()// 2、对数据进行字段提取操作matches := p.pattern.FindStringSubmatch(log)if len(matches) != 3 {return event}record := model.NewMonitoryRecord()record.Endpoint = matches[1]record.Type = model.Type(matches[2])// 3.存储到数据库上p.db.Insert("logs_table", record.Id, record)...}}
现在考虑新上线一个服务，但是这个服务不支持对接消息队列了，只支持传输数据，于是我们得在上新增一个来判断是否使用输入源：
func (p *Pipeline) Run() {for atomic.LoadUint32(&p.isClose) != 1 {if inputType == input.MqType {// 从消息队列中获取数据msg := p.mq.Consume("monitor.topic")log := msg.Payload()} else {// 使用socket为消息来源packet := socket.Receice()log := packet.PayLoad().(string)}...}}
过一段时间，有需求需要给 log打上一个时间戳，方便后续的日志分析，于是我们需要修改的数据加工逻辑：
func (p *Pipeline) Run() {for atomic.LoadUint32(&p.isClose) != 1 {...// 对数据进行字段提取操作matches := p.pattern.FindStringSubmatch(log)if len(matches) != 3 {return event}record := model.NewMonitoryRecord()record.Endpoint = matches[1]record.Type = model.Type(matches[2])// 新增一个时间戳字段record.Timestamp = time.Now().Unix()...}}
很快，又有一个需求，需要将加工后的数据存储到ES上，方便后续的日志检索，于是我们再次修改了的数据存储逻辑：
func (p *Pipeline) Run() {for atomic.LoadUint32(&p.isClose) != 1 {...if outputType == output.Db {// 存储到ES上p.db.Insert("logs_table", record.Id, record)} else {// 存储到ES上p.es.Store(record.Id, record)}...}}
在上述的例子中，每次新增需求都需要修改模块，明显违反了OCP 。下面，我们来对它进行优化，使它满足OCP 。
第一步是分离变化点，根据的业务处理逻辑，我们可以发现3个独立的变化点，数据的获取、加工和存储 。第二步，我们对这3个变化点进行抽象，设计出以下3个抽象接口：
// demo/monitor/input/input_plugin.go// 数据获取抽象接口type InputPlugin interface {plugin.PluginInput() (*plugin.Event, error)}// demo/monitor/filter/filter_plugin.go// 数据加工抽象接口type FilterPlugin interface {plugin.PluginFilter(event *plugin.Event) *plugin.Event}// demo/monitor/output/output_plugin.go// 数据存储抽象接口type OutputPlugin interface {plugin.PluginOutput(event *plugin.Event) error}