当前位置: 首页 > news >正文

《软件方法》2023版第1章(11)1.4.3 具体工作步骤

DDD领域驱动设计批评文集

做强化自测题获得“软件方法建模师”称号

《软件方法》各章合集


1.4 应用UML的建模工作流

1.4.3 使用UML建模的工作流步骤

图1-17中“工件形式”一列所列出的图就是本书推荐的在建模工作流ABCD中的UML用法,我用活动图进一步表示建模的步骤如图1-20。本书的内容就是按照图1-20的顺序讲述。

图片

图1-20 使用UML的ABCD建模工作流步骤

从图1-17和图1-20可以看出,本书重点使用的UML图形只有4种:用例图、类图、序列图和状态机图。

图1-21列出了其他可选的用法。

图片

图1-21 可选和推荐的建模元素用法(●表示推荐使用,√表示可以使用 )

从图1-17和图1-21可以看出,设计工作流的建模,推荐做法是不用UML表达,而是用相应实现平台的表示法表达,即所谓的“源代码”(目前大多是文本形式)。考虑了具体平台实现的类图、序列图、状态机图等,其中包含的信息和“源代码”差不多,没有必要花费精力去画设计工作流的UML图再编码,因为这样做没有带来任何增值。

建模过程中,我们写的每一个字,画的每一张图,都应该能带来增值,否则就没有必要写它或者画它。这一点,本书后面还会不断提到。

更合理的做法是,做好分析工作流,把领域逻辑放进分析模型中,然后再结合实现平台的特点,选定一条分析和设计之间有规律的映射套路,通过建模工具或者人力搬砖把分析按照套路映射到设计。

这时,即使要画设计的类图、序列图等,也只需要挑选典型的类、典型的用例来展示映射的套路,不需要把分析模型的内容都结合实现平台画一遍。

像Rhapsody(全名IBM Engineering Systems Design Rhapsody)这样的建模工具,可以和各种开发环境集成,配置好后就可以通过正向工程从类图、状态机图生成可执行的代码。开发人员甚至可以做到只需要编辑和调试UML模型,不需要在编码环境中编辑和调试。图1-22是用Rhapsody工具绘制的某个模型(洗碗机)的运行时状态机图,粉红色标出了当前的状态。类图和状态机图的背后有真实的C++代码。

图片

图1-22 Rhapsody下的运行时状态机图

同样,如果需要设计工作流的UML图来搞形式主义充场面,可以通过建模工具对源代码或数据库做逆向工程,生成设计工作流的各种UML图。如图1-23,就是用建模工具UModel对某个C#类的某个操作做逆向工程生成的序列图。可以看到,这张序列图涉及到很多类的协作。图的右侧放大了一个小片段,勉强让读者能够阅读。

图片

图1-23 从代码逆向工程得到的UML序列图

以上提到的选择映射套路、正向逆向工程等内容,本书在设计工作流的章节再详述。

相关文章:

《软件方法》2023版第1章(11)1.4.3 具体工作步骤

DDD领域驱动设计批评文集 做强化自测题获得“软件方法建模师”称号 《软件方法》各章合集 1.4 应用UML的建模工作流 1.4.3 使用UML建模的工作流步骤 图1-17中“工件形式”一列所列出的图就是本书推荐的在建模工作流ABCD中的UML用法,我用活动图进一步表示建模的步…...

git将当前分支A强制推送远程分支pro上

前言 开发中基于线上分支pro创建了A分支,开发完成之后。又基于线上分支pro创建了B分支,都以此合并到测试分支,两个分支更改中都动用部分共同的文件,这就导致后续开发合并代码越来越乱,这时你想把本地开发的分支强推到…...

【计算机基础】存储器

目录 一.概念二.分类1.按存储介质分类2.按存储方式分类3.按存储器的读写功能分类4.按信息的可保存性分类5.按在计算机系统中的作用分类 三.主存区分SRAM、DRAM、Flash、DDR1.SRAM(静态随机存储器&#xff0…...

【LCR 159. 库存管理 III】

目录 一、题目描述二、算法原理三、代码实现 一、题目描述 二、算法原理 三、代码实现 class Solution { public:int getrandom(int left,int right,vector<int>& stock){return stock[rand()%(right-left1)left];}void qsort(int l,int r,vector<int>& s…...

Android ADB 常见问题和注意事项

Android ADB 常见问题和注意事项 在使用 ADB 过程中&#xff0c;可能会遇到一些常见问题和需要注意的事项&#xff1a; 1. USB 调试 要使用 ADB&#xff0c;你需要在设备上启用 USB 调试模式。这通常在设备的开发者选项中设置。如果你不能看到开发者选项&#xff0c;可以在设…...

TCP/IP五元组

什么是五元组规则&#xff1f; 五元组是通信术语&#xff0c;英文名称为five-tuple,或5-tuple&#xff0c;五元组包括源IP地址(source IP)、源端口(source port)、目的IP地址(destination IP)、目的端口(destination port) 和 传输层协议(the layer 4 protocol)的五个量集合。…...

aiohttp ssl.SSLError: [SSL: SSLV3_ALERT_HANDSHAKE_FAILURE] 错误处理

这个问题原因吧其实就是3.10 开始官网更新了TLS 堆栈默认安全设置 感兴趣的可以看下链接 python官网叙述: Python 3.10 增加了 TLS 堆栈的默认安全设置 解决也很简单&#xff0c;将ssl安全等级降下来就行&#xff0c;例如&#xff1a; import ssl import aiohttp ctx ssl.cr…...

分析RPA流程自动化的挑战和解决方案

随着数字化工具和自动化解决方案的日益成熟&#xff0c;各行各业发掘到RPA机器人流程自动化技术的先进性&#xff0c;逐渐规模化部署RPA。 为了更好地推进RPA的实施&#xff0c;金智维在这里分享一些运用这项技术时面临的共同挑战&#xff0c;并给出针对性的解决方案。 组织架构…...

我试图扯掉这条 SQL 的底裤。只能扯一点点,不能扯多了

之前不是写分页嘛,分页肯定就要说到 limit 关键字嘛。 然后我啪的一下扔了一个链接出来: https://dev.mysql.com/doc/refman/8.0/en/limit-optimization.html 这个链接就是 MySQL 官方文档,这一章节叫做“对 Limit 查询的优化”,针对 limit 和 order by 组合的场景进行了较…...

LeNet(pytorch实现

LeNet 本文编写了一个简单易懂的LeNet网络&#xff0c;并在F-MNIST数据集上进行测试&#xff0c;允许使用GPU计算 在这里插入代码片 import torch from torch import nn, optim import d2lzh_pytorch as d2ldevice torch.device(cuda if torch.cuda.is_available() else cp…...

Selenium获取百度百科旅游景点的InfoBox消息盒

前面我讲述过如何通过BeautifulSoup获取维基百科的消息盒&#xff0c;同样可以通过Spider获取网站内容&#xff0c;最近学习了SeleniumPhantomjs后&#xff0c;准备利用它们获取百度百科的旅游景点消息盒&#xff08;InfoBox&#xff09;&#xff0c;这也是毕业设计实体对齐和属…...

springcloud笔记 (8) -网关 Gateway

网关 出国需要过海关 网关&#xff1a;网络的关卡 网关的作用 1&#xff1a;路由转发 2&#xff1a;安全控制 保护每个服务&#xff0c;不需要将每个暴露出去 3&#xff1a;负载均衡 1.没有网关&#xff1a;客户端直接访问我们的微服务&#xff0c;会需要在客户端配置很多…...

【C++编程语言】STL常用算法 算术生成和集合算法

1.算术生成算法概念 算法简介&#xff1a; accumlate 计算容器元素累计总和fill 向容器中添加元素 注意&#xff1a;算术生成算法属于小型算法 使用时包含头文件为#include<numeric> 2.accumulate /*函数原型&#xff1a;int accumulate(iterator beg ,iterator end…...

解放双手:VMLogin自动化工具的高效便捷

在现代工作环境中&#xff0c;时间和效率是我们追求的关键。幸运的是&#xff0c;随着技术的发展&#xff0c;自动化工具为我们提供了解放双手的机会。其中&#xff0c;防关联浏览器的自动化就是一种强大的工具&#xff0c;能够简化我们的工作流程并提升效率。本文将探讨浏览器…...

深度解析网络代理技术及其在网络安全和爬虫应用中的关键作用

在当今数字化时代&#xff0c;网络代理技术在维护网络安全、保护隐私以及实现高效数据获取方面发挥着不可或缺的作用。本文将全面解析Socks5代理、IP代理等关键技术&#xff0c;并探讨其在网络安全和爬虫开发中的重要作用。 1. Socks5代理与SK5代理&#xff1a;多功能代理协议…...

寻找二叉树的最低公共祖先节点

两个节点沿二叉树向上找&#xff0c;找到的第一个公共的节点 例&#xff1a;D和F之间的最低公共节点&#xff1a;B D → B&#xff1b; F → E → B&#xff1b; E和G最低公共节点&#xff1a;A E → B → A&#xff1b; G → C → A&#xff1b; B和F最低公共节点&#xff…...

python网络爬虫(二)基本库的使用urllib/requests

使用urllib 了解一下 urllib 库&#xff0c;它是 Python 内置的 HTTP 请求库&#xff0c;也就是说不需要额外安装即可使用。它包含如下 4 个模块。 request&#xff1a;它是最基本的 HTTP 请求模块&#xff0c;可以用来模拟发送请求。就像在浏览器里输入网址然后回车一样&…...

Kafka快速入门(最新版3.6.0)

文章目录 一、初识MQ1.1 什么是MQ1.2 同步和异步通讯1.1.1 同步通讯1.1.2 异步通讯 1.3 技术对比1.4 MQ的两种模式 二、初识Kafka2.1 Kafka的使用场景2.2 Kafka基本概念2.3 Topic与Partition 三、Kafka基本使用3.1 部署前的准备3.2 启动kafka服务器3.3 Kafka核心概念之Topic3.4…...

CTF/AWD竞赛标准参考书+实战指南:《AWD特训营》

作者简介&#xff1a; 懒大王敲代码&#xff0c;正在学习嵌入式方向有关课程stm32&#xff0c;网络编程&#xff0c;数据结构C/C等 欢迎大家点赞 &#x1f44d; 收藏 ⭐ 加关注哦&#xff01;&#x1f496;&#x1f496; 《AWD特训营》 前言 内容简介 读者对象 本书目录 前言…...

从零开始 Spring Cloud 15:多级缓存

从零开始 Spring Cloud 15&#xff1a;多级缓存 多级缓存架构 传统的缓存使用 Redis&#xff0c;大致架构如下&#xff1a; 这个架构存在一些问题&#xff1a; 请求要经过Tomcat处理&#xff0c;Tomcat的性能成为整个系统的瓶颈 Redis缓存失效时&#xff0c;会对数据库产生冲…...

手把手教你用Qwen3-TTS:10种语言语音合成,开箱即用

手把手教你用Qwen3-TTS&#xff1a;10种语言语音合成&#xff0c;开箱即用 1. 为什么选择Qwen3-TTS&#xff1f; 想象一下&#xff0c;你正在开发一个多语言智能客服系统&#xff0c;需要为不同国家的用户提供自然流畅的语音服务。传统方案可能需要部署多个语音合成引擎&…...

三分钟快速部署!DOL游戏汉化美化整合包完全指南

三分钟快速部署&#xff01;DOL游戏汉化美化整合包完全指南 【免费下载链接】DOL-CHS-MODS Degrees of Lewdity 整合 项目地址: https://gitcode.com/gh_mirrors/do/DOL-CHS-MODS 还在为英文游戏界面烦恼吗&#xff1f;想要为游戏角色换上精美立绘却不知从何下手&#x…...

PyCharm中玩转Phi-4-mini-reasoning:插件开发与交互式Python调试

PyCharm中玩转Phi-4-mini-reasoning&#xff1a;插件开发与交互式Python调试 1. 引言&#xff1a;当PyCharm遇上Phi-4-mini-reasoning 作为Python开发者&#xff0c;PyCharm几乎是我们每天都要打交道的开发环境。而Phi-4-mini-reasoning作为一款轻量级推理模型&#xff0c;在…...

云原生 DevOps 实践与优化:构建高效的持续交付系统

云原生 DevOps 实践与优化&#xff1a;构建高效的持续交付系统 前言 作为一个在数据深渊里捞了十几年 Bug 的女码农&#xff0c;我深知云原生 DevOps 在现代企业中的重要性。随着云技术的快速发展&#xff0c;传统的 DevOps 实践已经难以满足云原生环境的需求。今天&#xff0c…...

手把手教程:基于Qwen2.5-VL的Chord视觉定位模型,快速部署与实战体验

手把手教程&#xff1a;基于Qwen2.5-VL的Chord视觉定位模型&#xff0c;快速部署与实战体验 1. 项目概述 Chord视觉定位模型是基于Qwen2.5-VL多模态大模型构建的智能视觉定位服务。它能理解自然语言描述&#xff0c;在图像中精确定位目标对象并返回边界框坐标&#xff0c;无需…...

微软Phi-3轻量模型保姆级教程:快速部署,一键开启智能问答与文本改写

微软Phi-3轻量模型保姆级教程&#xff1a;快速部署&#xff0c;一键开启智能问答与文本改写 1. 为什么选择Phi-3-mini-4k-instruct-gguf Phi-3-mini-4k-instruct-gguf是微软推出的轻量级文本生成模型&#xff0c;特别适合日常办公和内容创作场景。相比其他大模型&#xff0c;…...

Ostrakon-VL多模态模型效果展示:商品全扫描结果终端打印动态演示

Ostrakon-VL多模态模型效果展示&#xff1a;商品全扫描结果终端打印动态演示 1. 像素特工终端介绍 这是一个基于Ostrakon-VL-8B多模态大模型开发的Web交互终端&#xff0c;专门针对零售与餐饮场景进行了优化。与传统工业级UI不同&#xff0c;我们采用了高饱和度的像素艺术风格…...

Python:深入理解set_seed——确保机器学习实验的可重复性

1. 为什么我们需要set_seed&#xff1f; 做机器学习实验时&#xff0c;最让人头疼的就是结果不可复现。昨天跑出来的准确率是92%&#xff0c;今天同样的代码跑出来变成了89%。这种"薛定谔的准确率"让很多开发者抓狂。我在实际项目中就遇到过这种情况&#xff1a;在调…...

ESP8266驱动1.44英寸ST7735 TFT屏的实战指南与图像显示优化

1. ESP8266与ST7735屏的硬件连接实战 第一次用ESP8266驱动1.44寸ST7735屏时&#xff0c;最让我头疼的就是引脚接线问题。不同厂商的屏幕引脚定义可能略有差异&#xff0c;但核心信号线基本一致。我手头这块屏采用8针SPI接口&#xff0c;实际测试发现用NodeMCU开发板连接最方便。…...

【AI原生医疗系统落地实战】:SITS2026项目中3大架构决策、2次范式跃迁与1套可复用合规开发框架

第一章&#xff1a;SITS2026案例&#xff1a;AI原生医疗系统开发 2026奇点智能技术大会(https://ml-summit.org) 系统架构设计原则 SITS2026项目摒弃传统“AI医疗系统”的叠加模式&#xff0c;采用AI原生&#xff08;AI-Native&#xff09;范式——将大语言模型、多模态推理与…...