软件架构设计
软件架构风格是特定应用领域的惯用模式，架构定义一个词汇表和一组约束
软件架构风格
性能 安全性 可修改性 可用性
数据流风格
批处理、管道-过滤器
调用/返回风格
主程序/子程序、面向对象、层次结构
独立构件风格
进程通信、事件驱动系统(隐式调用)
虚拟机风格
解释器、规则系统
仓库风格
数据库系统、黑板系统、超文本系统
数据流风格
优点
1、松耦合【高内聚-低耦合】; 2、良好的重用性/可维护性; 3、可扩展性【标准接口适配】; 4、良好的隐蔽性; 5、支持并行。
缺点
1、交互性较差; 2、复杂性较高; 3、性能较差(每个过滤器都需要解析与合成数据)；
典型实例
传统编译器、网络报文处理
调用/返回风格
。。。。。。。。等等
仓库分为数据库系统和黑板系统
数据库系统：以数据为中心
黑板系统：可更改性和可重用性、可重用的知识源，容错性和健壮性，使用中心数据触发内部逻辑部件
缺点：测试困难;不能保证有好的解决方案;难以建立好的控制策略，低效，开发困难;缺少并行机制
闭环控制架构(过程控制)：解决简单闭环控制问题
简单案例：空调温控、定速巡航
C2风格
C2架构的基本规则: 构件和连接件都有一个顶部和一个底部。 构件的顶部要连接到连接件的底部，构件的底部要连接到连接件的顶部，构件之间不允许直连。 一个连接件可以和任意数目的其他构件和连接件连接。当两个连接件进行直接连接时，必须由其中一个的底部到另一个的顶部
层次架构风格
构件组成一个层次结构，连接件通过决定层间如何交互的协议来定义。每层为上一层提供服务，使用下一层的服务，只能见到与自已邻接的层。通过层次结构，可以将大的问题分解为若干个渐进的小问题逐步解决，可以隐藏问题的复杂度。修改某一层，最多影响其相邻的两层（通常只能影响上层）。
层次结构优点：
支持基于可增加抽象层的设计，允许将一个复杂问题分解成一个增量步骤序列的实现。
不同的层次处于不同的抽象级别，越靠近底层，抽象级别越高；越靠近顶层，抽象级别越低。
由于每一层最多只影响两层，同时只要给相邻层提供相同的接口，允许每层用不同的方法实现，同样为软件复用提供了强大的支持。
缺点：
并不是每个系统都可以很容易的划分为分层的模式。
很难找到一个合适的、正确的层次抽象方法。
虚拟机体系结构风格
基本思想：人为构建一个运行环境，环境上解析运行自定义一些语言
解释器体系风格
例子：专家系统
规则系统体系风格（规则集、规则解释器、规则/数据选择器及工作内存）
独立构件体系风格
进程通信体系风格
事件系统体系风格
软件架构复用
原因：减少开发工作、减少开发时间以及降低开发成本，提高产品质量具有更好的互操作性，维护更加简单
机会复用：发现有可复用的资产，就对其进行复用
系统复用：开发之前，进行规划，决定哪些需要复用
复用基本过程
（1）构造/获取可复用的软件资产
（2）管理资产
（3）使用可复用资产
特定领域软件体系结构DSSA
（1）垂直域：定义一个特定的系统族，内的多个系统，中可作为系统的可行解决方案的一个通用软件体系结构
（2）水平域：定义了多个系统和多个系统族功能区域中的共有部分，在子系统级上涵盖多个系统族的特定部分功能。
在垂直域定义的DSSA只能应用于一个成熟的、稳定的领域，但这个条件难满足，若将领域分割成较小的范围，则相对更容易。
基本活动
领域分析：获得领域模型
领域设计：获得DSSA。形成重用基础设施的规约
领域实现：依据领域模型和DSSA开发和组织可重用信息。反复地、逐步求精
参与人员：领域专家、领域分析人员、领域设计人员和领域实现人员
DSSA建立过程
并发、递归、反复
一组需要回答的问题
一组需要的输入
一组将产生的输出和验证标准
（1）定义领域范围（2）定义领域特定元素（3）定义领域特定设计和实现需求约束（4）定义领域模型和体系结构（5）产生、搜集可重用的产品单元
仓库
数据存储在中心仓库，处理流程独立，支持交互式处理
数据与处理解耦合，可动态添加和删除处理组件
劣势：数据与处理分离，需要加载数据，性能降低
优势：数据处理组件之间一般无依赖关系，可并发调用，提高性能
管道过滤器
数据驱动机制，处理流程事先确定，交互性差
数据与处理紧密关联，调整处理流程需要系统重新启动
劣势:需要数据格式转换，性能降低 优势:支持过滤器并发调用，性能提高
管道-过滤器： 交互方式：顺序交互（前一个构件的输出作为后一个构件的输入） 数据结构：基于数据流结构 构件之间传递数据结构可能是结构体等常规数据结构 控制结构：数据流顺序传递 扩展方法：顺序结构，通过接口适配扩展
数据仓库： 交互方式：星型交互（构件和一个共享数据库进行数据） 数据结构：基于数据库结构的 构件之间传递数据是基于关系数据库 控制结构：面向应用，由业务功能驱动 扩展方法：直接通过数据库内增加数据 通过模型适配 更加灵活
数据仓库风格更加灵活 数据仓库风格更加使用
虚拟机风格
解释器风格
提供灵活的解析引擎 适用复杂流程的处理
满足数据协议兼容性需求 具有良好的灵活性
独立构件风格
进程通讯风格
隐式调用风格
简化构件间的交互复杂度 降低系统耦合度
（采用开源消息中间件作为连接构件 有效解决耦合问题 迭代过程效率高 有效解决耦合问题）
基于消息中间件 能够让系统的构件化思路 得到良好实施 带来了非常清晰的数据流转结构 简化了编码难度 降低本项目二次开发的难度
通过消息订阅 和 发布控制系统间信息交互 降低系统耦合度 提高系统的可修改性
B/S架构风格（基于浏览器和服务器的架构）
使用http协议进行通信交互 降低了系统推广和维护
使用了大量的前端缓存技术和websocket技术 满足用户实时性需求 用户体验好 及时生效
采用服务器冗余和心跳检测策略 增加可用性
Lambda 批处理层 核心功能：存储数据集 和 生成BatchView 加速层 存储实时视图并处理传入的数据流 以便更新这些视图 服务层 用于响应用户的查询请求 合并batch view 和 real-time view中的结果数据集到最终数据集
Lambda架构优缺点 优点： 容错性好 查询灵活度高 易伸缩 易扩展
缺点： 全场景覆盖带来的编码开销 针对具体场景重新离线训练收益不大 重新部署和迁移成本高
大数据工作面临的五个挑战： 1 数据获取问题 2 数据结构问题 3 数据集成问题 4 数据分析 组织 抽取 建模是大数据本质的功能性挑战 5 如何呈现数据分析的结果 与并非技术的领域专家进行交互
大数据分析步骤 1 数据获取/记录 2 信息抽取/清晰/注记 3 数据集成/聚集/表现 4 数据分析/建模 5 数据解释
Last updated