业务架构 序列5 -- 以终为始(非功能性需求分析)

2023-10-30 20:20

本文主要是介绍业务架构 序列5 -- 以终为始(非功能性需求分析),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

我们知道软件有功能性需求和非功能需求之分。在很早以前,惠普公司的罗伯特·格雷迪(Robert Grady)及卡斯威尔(Caswell)就提出了FURPS需求模型(关于什么是FURPS模型,自己百度之)。

有兴趣朋友也可以进一步关注公众号“架构之道与术”, 获取原文。 或扫描如下二维码: 这里写图片描述

软件的非功能性需求其实有很多,不同类型的软件,其侧重点也会有差别。同时,随着分布式系统的发展,这方面的理论也在扩充。

本文想通过一些最通俗的表述,来说明我们常用的、关注最多的非功能性需求都有哪些。

并发性
c端的系统,大家首先关注的,就是系统能抗多大的量。说通俗点,可以多少人同时访问。常用的衡量指标就是TPS/QPS, 平均响应时间/最大响应时间,并发数。(关于高并发相关的技术设计,将会在另外一个序列:技术架构中详细讲述)

可用性
从服务角度来说,1个服务不可用,有2层意思:
(1)机器挂了,不能对外提供服务,直接抛错
(2)机器没挂,但是超时。这涉及到“性能”2字。

一致性
比如数据库的参照完整性、事务、缓存与DB数据同步、多备份数据一致性问题。。

大家熟知的CAP里面,C就是这里的一致性,A就是这里的可用性,还有1个P(指的网络出现分区。网络分区其实是不可避免的1个客观存在)。

稳定性/可靠性
稳定性,可靠性,这2个词的界限很模糊,此处也不想去深究这2个词到底有什么本质差别。只是想用直白的语言,说明一下这个词指代什么?

我理解的“稳定性”,指系统没有任何undefined的行为。啥叫undefined?

所有的if-else语句里面,没有不处理的分支;
所有的API调用,每种异常返回值都有处理;
有没有考虑内存、磁盘的上限;
系统不会时不时冒个bug出来;
出了case,有很好的日志监控,能快速修复。
系统的qps,不会有抖动(除非业务有变化,比如大促),是1条平滑的曲线;
发布新版本,回滚方案?
新系统上线,灰度平滑切换?
Monkey Test? 压力测试?
。。。
可以看出,“稳定性”或者“可靠性”,这个范围非常广,这个也就是我们常说的,“很能反映一个工程师的素养的地方”。

可维护性
跟可维护性密切相关的,是另外一个1个词:“可理解性”,或者说“代码可读性”。

系统架构设计简单,接口简洁,表数据合理?
旧的人离职,新人接手,是否要用很长时间才能搞清楚代码逻辑?

系统功能耦合,改1个地方,牵动全身?

系统某些模块,年久失修,没人能搞清内部逻辑?
。。。

可扩展性
来个新需求,堆1堆新功能,没办法在现有系统上灵活扩展?

很多地方写死的,没有办法灵活配置?

容易变化的逻辑,散落在各个系统里面,很多地方跟着一起改?

可重用性
开发新的需求,旧的功能模块,拿过来可以直接用?
还是要改很多地方,改了半天,发现还不如做个新的?

补充:
对于C端应用来讲,会很关注高并发/高可用,然后有的业务(比如支付),对一致性要求非常高;

对于B端业务,会更关注系统的可维护性、可扩展性、可重用性,有了这些特性,你的系统才能不拖业务后腿,可以快速的支撑各种各样的复杂业务需求的开发。

总结
本文讲这个,主要是想说明做架构的一种“以终为始”的思维方式。先明确落脚点,或者说最终要达到目的(也就是上面这些非功能性需求),再去想要达到这些目的,可以用什么样的技术手段。

相关链接:
《业务架构 – 序列4 – 圈定边界(利益相关者分析)》

这篇关于业务架构 序列5 -- 以终为始(非功能性需求分析)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/310347

相关文章

Python的Darts库实现时间序列预测

《Python的Darts库实现时间序列预测》Darts一个集统计、机器学习与深度学习模型于一体的Python时间序列预测库,本文主要介绍了Python的Darts库实现时间序列预测,感兴趣的可以了解... 目录目录一、什么是 Darts?二、安装与基本配置安装 Darts导入基础模块三、时间序列数据结构与

C# LiteDB处理时间序列数据的高性能解决方案

《C#LiteDB处理时间序列数据的高性能解决方案》LiteDB作为.NET生态下的轻量级嵌入式NoSQL数据库,一直是时间序列处理的优选方案,本文将为大家大家简单介绍一下LiteDB处理时间序列数... 目录为什么选择LiteDB处理时间序列数据第一章:LiteDB时间序列数据模型设计1.1 核心设计原则

Android 缓存日志Logcat导出与分析最佳实践

《Android缓存日志Logcat导出与分析最佳实践》本文全面介绍AndroidLogcat缓存日志的导出与分析方法,涵盖按进程、缓冲区类型及日志级别过滤,自动化工具使用,常见问题解决方案和最佳实... 目录android 缓存日志(Logcat)导出与分析全攻略为什么要导出缓存日志?按需过滤导出1. 按

Linux中的自定义协议+序列反序列化用法

《Linux中的自定义协议+序列反序列化用法》文章探讨网络程序在应用层的实现,涉及TCP协议的数据传输机制、结构化数据的序列化与反序列化方法,以及通过JSON和自定义协议构建网络计算器的思路,强调分层... 目录一,再次理解协议二,序列化和反序列化三,实现网络计算器3.1 日志文件3.2Socket.hpp

Linux中的HTTPS协议原理分析

《Linux中的HTTPS协议原理分析》文章解释了HTTPS的必要性:HTTP明文传输易被篡改和劫持,HTTPS通过非对称加密协商对称密钥、CA证书认证和混合加密机制,有效防范中间人攻击,保障通信安全... 目录一、什么是加密和解密?二、为什么需要加密?三、常见的加密方式3.1 对称加密3.2非对称加密四、

MySQL中读写分离方案对比分析与选型建议

《MySQL中读写分离方案对比分析与选型建议》MySQL读写分离是提升数据库可用性和性能的常见手段,本文将围绕现实生产环境中常见的几种读写分离模式进行系统对比,希望对大家有所帮助... 目录一、问题背景介绍二、多种解决方案对比2.1 原生mysql主从复制2.2 Proxy层中间件:ProxySQL2.3

python使用Akshare与Streamlit实现股票估值分析教程(图文代码)

《python使用Akshare与Streamlit实现股票估值分析教程(图文代码)》入职测试中的一道题,要求:从Akshare下载某一个股票近十年的财务报表包括,资产负债表,利润表,现金流量表,保存... 目录一、前言二、核心知识点梳理1、Akshare数据获取2、Pandas数据处理3、Matplotl

python panda库从基础到高级操作分析

《pythonpanda库从基础到高级操作分析》本文介绍了Pandas库的核心功能,包括处理结构化数据的Series和DataFrame数据结构,数据读取、清洗、分组聚合、合并、时间序列分析及大数据... 目录1. Pandas 概述2. 基本操作:数据读取与查看3. 索引操作:精准定位数据4. Group

MySQL中EXISTS与IN用法使用与对比分析

《MySQL中EXISTS与IN用法使用与对比分析》在MySQL中,EXISTS和IN都用于子查询中根据另一个查询的结果来过滤主查询的记录,本文将基于工作原理、效率和应用场景进行全面对比... 目录一、基本用法详解1. IN 运算符2. EXISTS 运算符二、EXISTS 与 IN 的选择策略三、性能对比

MySQL 内存使用率常用分析语句

《MySQL内存使用率常用分析语句》用户整理了MySQL内存占用过高的分析方法,涵盖操作系统层确认及数据库层bufferpool、内存模块差值、线程状态、performance_schema性能数据... 目录一、 OS层二、 DB层1. 全局情况2. 内存占js用详情最近连续遇到mysql内存占用过高导致