电商网站需求分析和架构设计(一)|学习笔记

简介: 快速学习电商网站需求分析和架构设计(一)

开发者学堂课程【Java Spring Boot 2.6.0开发实战-1024程序员节创造营公益课电商网站需求分析和架构设计(一)】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址https://developer.aliyun.com/learning/course/903/detail/14337


电商网站需求分析和架构设计(一)


目录:

一、需求分析

二、结构设计

三、电商系统模块架构图

四、三层架构(前后端分离)

五、创建第一个 springboot 项目

 

课程介绍

Springboot2.6 入门将主要从项目的角度进行切入,帮助大家更好的理解Springboot 这个框架。

在工作中就可以理解到学习的理论知识,并不是都能够与实际项目做到一一配对的,有可能就只用到了一两个功能,例如,今后来到了今日头条,京东,淘宝,阿里等一些大厂,你负责的项目可能就是其中的一个功能点,当你重复去使用某一个框架的主要的某些特性,比如使用 Java Springboot 时,我们可能就只负责开发一个功能接口,很难做到将所有的功能都用上。

我们在学习该门课程时也会注重一个侧重点的学习。如果学员们想学习后端的其他的一些周边知识,也可以观看其他的一些视频录像,如 MySQL,微服务架构。

课程背景:

Springboot 是目前应用的比较广的一种框架,java 语言也是当今应用比较广泛的一种编程语言。

当下,企业的应用开发模式主要是前后端分离,比如像阿里,腾讯等一些大厂采取的也都是这种开发模式,并且,在开发的过程中分了很多个团队,其目的是分摊风险,保证项目的正常运行,不会因为某一个成员的流失而导致整个项目被停掉。

一般来讲,创业公司与小公司更倾向于全栈型开发工程师,与之相反的是大公司的开发模式,大公司可能就只需要一颗螺丝钉,只需要你会其中的某个方面即可,分工明确。

两种方式,各有利弊,但是我们作为学习者的话,还是要完整的去了解一下,去寻找适合自己的开发模式。

目前,一些比较著名的电商都是前后端分离的,如淘宝,京东,拼多多等等。

大部分的公司都会被市场淘汰,一个公司从创业初期到最后能够上市的更是少之又少,几乎是万里挑一的存在,如现在的淘宝,京东,拼多多,且他们的服务器数量是非常多的,淘宝更是准备了十万台服务器来应对双十一。


一、需求分析

产品原型:淘宝+支付宝+微信+微博

image.png

电商网站平台架构

image.png

需求分析包括以下几个部分:

Ø 用户需求文档

Ø 产品原型,UI 界面

Ø 用例 Use Case

Ø 流程图

image.png

开发流程:

我们的角色主要是后台开发,还有一个角色是前端开发,包括我们常说的IOS开发,安卓开发,后端包括数据库以及数据库接口,与我们进行交互去实现用户的登录,注册,下单都是属于我们电商中常用的场景。

使用 springboot 进行开发定义的是后端开发工程师。

往上分还可以分为数据库工程师,大数据架构师,还有一个角色便是项目经理,主要负责整个项目能够按时交付。 

架构师在了解完整个屏幕需求之后,要考虑需要使用什么架构,当然,一些小公司没有架构师。


二、架构设计

架构设计包括以下几个部分:

架构示意如下所示:

image.png

Ø 技术选型

Ø 架构设计

Ø 三层架构

Ø 微服务架构

Ø 系统模块图

Ø 物理部署图

开发模式:

曾经是由产品经理(也就是老板)告诉相关的技术人员,由其技术人员去完成功能开发。

这种模式大部分已经被淘汰,我们作为技术开发人员,就必须将架构学好。

微服务架构主要应用于对技术架构比较敏感的互联网公司。如阿里应用的 mysql 数据库到双十一中去,为后来的互联网公司提供了一个很好的案例。

相关文章
|
架构师 中间件
阿里中间件首席架构师钟华:《企业IT架构转型之道:阿里巴巴中台战略思想与架构实战》新书出版(含试读PDF)!
阿里中间件首席架构师钟华:《企业IT架构转型之道:阿里巴巴中台战略思想与架构实战》新书出版!
37342 87
|
5月前
|
SQL 分布式计算 大数据
大数据新视界 --大数据大厂之Hive与大数据融合:构建强大数据仓库实战指南
本文深入介绍 Hive 与大数据融合构建强大数据仓库的实战指南。涵盖 Hive 简介、优势、安装配置、数据处理、性能优化及安全管理等内容,并通过互联网广告和物流行业案例分析,展示其实际应用。具有专业性、可操作性和参考价值。
大数据新视界 --大数据大厂之Hive与大数据融合:构建强大数据仓库实战指南
|
12月前
|
自然语言处理 PyTorch 算法框架/工具
掌握从零到一的进阶攻略:让你轻松成为BERT微调高手——详解模型微调全流程,含实战代码与最佳实践秘籍,助你应对各类NLP挑战!
【10月更文挑战第1天】随着深度学习技术的进步,预训练模型已成为自然语言处理(NLP)领域的常见实践。这些模型通过大规模数据集训练获得通用语言表示,但需进一步微调以适应特定任务。本文通过简化流程和示例代码,介绍了如何选择预训练模型(如BERT),并利用Python库(如Transformers和PyTorch)进行微调。文章详细说明了数据准备、模型初始化、损失函数定义及训练循环等关键步骤,并提供了评估模型性能的方法。希望本文能帮助读者更好地理解和实现模型微调。
803 2
掌握从零到一的进阶攻略:让你轻松成为BERT微调高手——详解模型微调全流程,含实战代码与最佳实践秘籍,助你应对各类NLP挑战!
|
数据采集 JSON 数据可视化
基于Python的全国主要城市天气数据可视化大屏系统
本文介绍了一个基于Python开发的全国主要城市天气数据可视化大屏系统,该系统利用requests库进行数据采集、Pandas进行数据处理与分析,并采用Echarts和Flask实现数据的可视化展示和Web交互,以直观、实时地呈现天气变化趋势。
624 2
基于Python的全国主要城市天气数据可视化大屏系统
|
存储 弹性计算 负载均衡
使用SLB+2ECS+NAS,部署电商web网站的高可用架构
如您需要开发电商网站并且对外提供服务,当您的业务上升时,您需要为应用考虑高吞吐,高并发,高可用等能力,来应对用户的并发访问,保证应用稳定。本场景主要介绍如何使用SLB,ECS和NAS搭建高可用电商网站,助您业务上升。
|
消息中间件 存储 供应链
数据仓库介绍与实时数仓案例
1.数据仓库简介 数据仓库是一个面向主题的(Subject Oriented)、集成的(Integrate)、相对稳定的(Non-Volatile)、反映历史变化(Time Variant)的数据集合,用于支持管理决策。
43527 86
|
微服务
微服务项目之电商4.0技术架构图
微服务项目之电商4.0技术架构图
1209 0
|
关系型数据库 MySQL 数据库
MySQL 8 如何修改密码
MySQL 8 如何修改密码
1580 0
MySQL 8 如何修改密码
循环队列中的求队列长度公式怎么来的?【数学角度】
循环队列中的求队列长度公式怎么来的?【数学角度】
1040 0
|
机器学习/深度学习 算法 数据挖掘
计算GMAC和GFLOPS
GMAC 代表“Giga Multiply-Add Operations per Second”(每秒千兆乘法累加运算),是用于衡量深度学习模型计算效率的指标。它表示每秒在模型中执行的乘法累加运算的数量,以每秒十亿 (giga) 表示。
453 0
计算GMAC和GFLOPS