应用架构设计 - 智能物流柜

简介: 应用架构设计 - 智能物流柜

《业务架构·应用架构·数据架构实战》读书笔记

前言

接上篇 《业务驱动的应用架构设计》。

智能物流柜 基于 快递员存件 和 用户取件 等核心业务场景,部署一整套分布式软硬件系统,支撑起快递员、用户、客服人员之间的便捷高效协同。

下面一起看一下,如何对其进行应用架构设计?

确定业务功能需求

理骨架 - 第一版流程分析

步骤化 - 第二版流程分析

输入阶段

  • 收件人点击系统时,系统默认显示的广告页;
  • 系统进入取件密码输入界面;
  • 收件人输入完整、正确的取件密码;

验密开门阶段

  • 系统确认密码正确;
  • 系统打开相应的箱门,并显示箱位提示界面;

事务处理阶段

  • 系统修改相应的快递箱为“未占用”状态;
  • 系统设置取件密码失效;
  • 系统记录取件流水,包括时间、快递单号、快递柜号、快递箱号等;

取物关门阶段

  • 收件人取出快件,并关闭箱门;
  • 系统返回默认显示的广告页;

找分支 - 第三版流程分析

对每个业务功能进行业务场景穷举分析,是应用架构设计的起跑线。业务场景找得全,就赢在了起跑线上;业务场景找不全,就输在了起跑线上。

输入阶段

  • 忘记密码;
  • 密码错误;
  • 输入超时;
  • 刷脸取件;
  • 遇问题客服远程开门;
  • 遇问题重开门;

验密开门阶段

  • 超时打赏;

事务处理阶段

  • 无;

取物关门阶段

  • 箱门未关;
  • 多件连取;
  • 取出通知;

d283d528e6cce55e3722868716eccba7.png

识别 IT 应用需求

通过业务流程分析,从而得到可以进一步得到 IT 应用系统必须提供的应用功能和应用服务。

81e8fcb968ddde1678845c8078b5a354.png

惊不惊喜?我们发现图中虽然信息量不小,但逻辑非常清楚。例如,图中的超时打赏业务流程,需要扫码支付应用服务来支撑。再例如,图中的刷脸取业务流程,包含面部信息采集、人脸验证和用户账户管理三个应用服务。

分配功能、识别应用

识别出需要开发的前端程序、后端程序等。

85143225542ebbfd96561d8b91be5251.png

划分项目

工作包的划分。

87930d3525b219d5df7f0705b53f50d3.png

推荐阅读

目录
相关文章
|
3月前
|
机器学习/深度学习 人工智能 运维
云架构不是养祖宗,智能运维教你省心又省钱
云架构不是养祖宗,智能运维教你省心又省钱
113 2
|
5月前
|
人工智能 自然语言处理 开发工具
统一多模态 Transformer 架构在跨模态表示学习中的应用与优化
本文介绍统一多模态 Transformer(UMT)在跨模态表示学习中的应用与优化,涵盖模型架构、实现细节与实验效果,探讨其在图文检索、图像生成等任务中的卓越性能。
统一多模态 Transformer 架构在跨模态表示学习中的应用与优化
|
4月前
|
监控 Java API
Spring Boot 3.2 结合 Spring Cloud 微服务架构实操指南 现代分布式应用系统构建实战教程
Spring Boot 3.2 + Spring Cloud 2023.0 微服务架构实践摘要 本文基于Spring Boot 3.2.5和Spring Cloud 2023.0.1最新稳定版本,演示现代微服务架构的构建过程。主要内容包括: 技术栈选择:采用Spring Cloud Netflix Eureka 4.1.0作为服务注册中心,Resilience4j 2.1.0替代Hystrix实现熔断机制,配合OpenFeign和Gateway等组件。 核心实操步骤: 搭建Eureka注册中心服务 构建商品
732 3
|
2月前
|
机器学习/深度学习 人工智能 缓存
面向边缘通用智能的多大语言模型系统:架构、信任与编排——论文阅读
本文提出面向边缘通用智能的多大语言模型(Multi-LLM)系统,通过协同架构、信任机制与动态编排,突破传统边缘AI的局限。融合合作、竞争与集成三种范式,结合模型压缩、分布式推理与上下文优化技术,实现高效、可靠、低延迟的边缘智能,推动复杂场景下的泛化与自主决策能力。
250 3
面向边缘通用智能的多大语言模型系统:架构、信任与编排——论文阅读
|
6月前
|
存储 编解码 Serverless
Serverless架构下的OSS应用:函数计算FC自动处理图片/视频转码(演示水印添加+缩略图生成流水线)
本文介绍基于阿里云函数计算(FC)和对象存储(OSS)构建Serverless媒体处理流水线,解决传统方案资源利用率低、运维复杂、成本高等问题。通过事件驱动机制实现图片水印添加、多规格缩略图生成及视频转码优化,支持毫秒级弹性伸缩与精确计费,提升处理效率并降低成本,适用于高并发媒体处理场景。
324 0
|
2月前
|
人工智能 JavaScript 前端开发
GenSX (不一样的AI应用框架)架构学习指南
GenSX 是一个基于 TypeScript 的函数式 AI 工作流框架,以“函数组合替代图编排”为核心理念。它通过纯函数组件、自动追踪与断点恢复等特性,让开发者用自然代码构建可追溯、易测试的 LLM 应用。支持多模型集成与插件化扩展,兼具灵活性与工程化优势。
233 6
|
3月前
|
人工智能 Cloud Native 中间件
划重点|云栖大会「AI 原生应用架构论坛」看点梳理
本场论坛将系统性阐述 AI 原生应用架构的新范式、演进趋势与技术突破,并分享来自真实生产环境下的一线实践经验与思考。
|
3月前
|
机器学习/深度学习 人工智能 vr&ar
H4H:面向AR/VR应用的NPU-CIM异构系统混合卷积-Transformer架构搜索——论文阅读
H4H是一种面向AR/VR应用的混合卷积-Transformer架构,基于NPU-CIM异构系统,通过神经架构搜索实现高效模型设计。该架构结合卷积神经网络(CNN)的局部特征提取与视觉Transformer(ViT)的全局信息处理能力,提升模型性能与效率。通过两阶段增量训练策略,缓解混合模型训练中的梯度冲突问题,并利用异构计算资源优化推理延迟与能耗。实验表明,H4H在相同准确率下显著降低延迟和功耗,为AR/VR设备上的边缘AI推理提供了高效解决方案。
428 0
|
2月前
|
机器学习/深度学习 自然语言处理 算法
48_动态架构模型:NAS在LLM中的应用
大型语言模型(LLM)在自然语言处理领域的突破性进展,很大程度上归功于其庞大的参数量和复杂的网络架构。然而,随着模型规模的不断增长,计算资源消耗、推理延迟和部署成本等问题日益凸显。如何在保持模型性能的同时,优化模型架构以提高效率,成为2025年大模型研究的核心方向之一。神经架构搜索(Neural Architecture Search, NAS)作为一种自动化的网络设计方法,正在为这一挑战提供创新性解决方案。本文将深入探讨NAS技术如何应用于LLM的架构优化,特别是在层数与维度调整方面的最新进展,并通过代码实现展示简单的NAS实验。
|
4月前
|
Web App开发 Linux 虚拟化
Omnissa Horizon 8 2506 (8.16) - 虚拟桌面基础架构 (VDI) 和应用软件
Omnissa Horizon 8 2506 (8.16) - 虚拟桌面基础架构 (VDI) 和应用软件
251 0
Omnissa Horizon 8 2506 (8.16) - 虚拟桌面基础架构 (VDI) 和应用软件