分析模型和设计模型

简介:

面向对象分析产生三种分析模型 

功能模型(即用例模型à作为输入) 
对象模型:对用例模型进行分析,把系统分解成互相协作的分析类,通过类图/对象图描述对象/对象的属性/对象间的关系,是系统的静态模型 
动态模型:描述系统的动态行为,通过时序图/协作图描述对象的交互,以揭示对象间如何协作来完成扛鼍咛宓挠美?单个对象的状态变化/动态行为可以通过状态图来表达

OOD面向对象的设计

OOD是对OOA的细化 
  • 没有严格的界线 
  • OOD的结果直接用于编码 
  • 与OOA的输出一样,只是更加详细完善
OOA与OOD的区别
  • OOA偏重于理解问题,描述软件要做什么,而OOD偏重于理解解决方案,描述软件要如何做 
  • OOA只考虑理想的设计,不关心技术与实现底层的细节,而OOD需要得到更具体详细更接近于真实的代码的设计方案 
  • 在设计结果的描述上,OOA偏重于描述对象的行为,OOD偏重于描述对象的属性与方法 
  • OOA只关注功能性需求,OOD还需要关注非功能性需求
OOA步骤
  • 从用例中提取实体对象/实体类 
  • 添加边界类 
  • 添加控制类 
  • 提取类的属性(一般省略,放到OOD中) 
  • 提取分析类间的关系 
  • 绘制类图/时序图 
  • 编制术语表(可选)
三种分析类
分析类 
  • 实体类(Entity Class) 
  • 边界类 
  • 控制类 
实体类
  • 是应用中的核心类 
  • 与现实事物相对应的类 
  • 用于长期保存系统中的信息,以及针对这些信息的相关处理行为 
  • 一般实体类的对象和应用系统本身有相同的生命周期
边界类
  • 从与那些系统和外界进行交互的对象中归纳和抽象出来的 
  • 边界类是系统内的对象和系统外的参与者的联系媒介 
  • 外界的消息只有通过边界类的对象才能发送给系统 
  • 大多数为用户界面(表示层)
控制类
  • 管理实体对象与边界对象之间的交互的仲裁对象 
  • 通过控制类协调系统内边界类与实体类之间的交互
1、提取实体类
  • 用例驱动:从用例模型中找名词或名词短语,再进行筛选 
  • 候选实体类:用户/帐户/系统管理员/聊天服务器/消息 
  • 用户在系统中表现为帐户,因此用户就不需要了 
  • 本项目中系统管理员仅完成启动/关闭系统的作用,而没有其他管理任务,也不需要作为一个实体类 
  • 聊天系统:代表整个系统,大多数情况这个实体对象不必存在 
  • 聊天消息:聊天的内容本项目不需要保存 
  • 可以得到实体类: 帐户类
2.添加边界类
  • 交互型软件的边界类就是用户界面 
  • 边界类: 
  • 注册界面:注册类 
  • 登陆界面:登陆类 
  • 聊天界面:聊天类
3.添加控制类
  • 有人认为每个用例确定一个控制类,但可能会得到很小的控制类,应该考虑进行恰当的合并 
  • 我们项目可以把注册/登陆/聊天用例合并为一个控制器类
4、提取属性
  • 建议放到设计时再提取,因为现在只能对属性进行与语言无关的描述
5、提取分析类之间的关系
  • 一对一 
  • 一对多 
  • 多对对 
  • 归纳关系 
6、绘制类图(参见demo) 
7、绘制时序图(流程简单可省略) 
8、编制术语表(罗列系统模型中需要澄清的术语)
架构分析
  • 架构分析主要从宏观上考虑一个软件系统应该如何组织 
  • 目的:通过科学的解析,将整个软件系统划分为不同的组件,并准确定义出组件和组件之间的接口 
  • 最典型的架构模式:分层模式(Layer),客户/服务器模式,MVC模式等等 
  • 获得架构图
OOD步骤
  • 细化重组类 
  • 细化和实现类间关系,明确其可见性 
  • 增加属性,指定属性的类型与可见性 
  • 分配职责,定义执行每个职责的方法 
  • 对消息驱动的系统,明确消息传递方式 
  • 利用设计模式进行局部设计 
  • 画出详细的类图与时序图
本文转自BlogJava 新浪blog的博客,原文链接: 分析模型和设计模型,如需转载请自行联系原博主。
相关文章
|
机器学习/深度学习 监控 算法
信用风险评估评分卡建模方法及原理| 学习笔记
快速学习信用风险评估评分卡建模方法及原理。
信用风险评估评分卡建模方法及原理| 学习笔记
|
3月前
|
数据采集 监控 并行计算
基于MCMC的贝叶斯营销组合模型评估方法论: 系统化诊断、校准及选择的理论框架
贝叶斯营销组合建模(Bayesian Marketing Mix Modeling,MMM)作为一种先进的营销效果评估方法,其核心在于通过贝叶斯框架对营销投资的影响进行量化分析。
88 3
基于MCMC的贝叶斯营销组合模型评估方法论: 系统化诊断、校准及选择的理论框架
|
4月前
|
机器学习/深度学习 数据采集 数据挖掘
特征工程在营销组合建模中的应用:基于因果推断的机器学习方法优化渠道效应估计
因果推断方法为特征工程提供了一个更深层次的框架,使我们能够区分真正的因果关系和简单的统计相关性。这种方法在需要理解干预效果的领域尤为重要,如经济学、医学和市场营销。
143 1
特征工程在营销组合建模中的应用:基于因果推断的机器学习方法优化渠道效应估计
|
7月前
|
机器学习/深度学习 Python
贝叶斯分析与决策理论:用于确定分类问题决策点的应用
在分类问题中,一个常见的难题是决定输出为数字时各类别之间的切分点
92 9
贝叶斯分析与决策理论:用于确定分类问题决策点的应用
|
7月前
精简模型,提升效能:线性回归中的特征选择技巧
在本文中,我们将探讨各种特征选择方法和技术,用以在保持模型评分可接受的情况下减少特征数量。通过减少噪声和冗余信息,模型可以更快地处理,并减少复杂性。
72 5
精简模型,提升效能:线性回归中的特征选择技巧
|
8月前
|
存储 XML SQL
数据库建模之EAV模型
数据库建模之EAV模型
320 1
|
算法 C语言
【数学模型】层次分析
【数学模型】层次分析
【数学模型】层次分析
|
9月前
|
机器学习/深度学习 人工智能 算法
评价模型:层次分析法
评价模型:层次分析法
198 0
评价模型:层次分析法
|
设计模式
优化分析模型
优化分析模型
56 0