模式选型没有量化阈值，只能靠经验判断

三种领域逻辑组织模式该怎么选，很大程度上取决于领域逻辑的复杂度：逻辑简单时用领域模型不划算，因为吃透这个模式和承受数据源层复杂性的代价，此时都换不回等值的回报；逻辑复杂度上升后，除领域模型外的其他方法会随复杂度增长而让”新增功能的难度”指数级抬升，变得越来越不划算。作者用”当领域逻辑复杂度大于7.42时就该用领域模型”这个故意荒诞的数字自嘲式地点破一个真相：没有人真正知道该怎么量化测量领域逻辑复杂度，所谓的决策曲线只是一张帮助建立直觉的示意图，不是可以套用的公式。因此实际能做的，只是去请教有经验、能对需求做早期分析的开发者，让他们凭经验做出判断——团队对领域模型越熟悉，这条决策曲线就越会向”更倾向使用领域模型”偏移，但不会降到与其他模式一样的起点（因为数据源层的复杂性始终存在）。可迁移启发：遇到”这个技术选型该在多大规模/复杂度下切换”这类问题，与其苦苦寻找一个不存在的量化阈值，不如承认这本质是经验判断，尽早找有相关判断经验的人介入，比等自己造出一套伪量化公式更可靠。