《软件建模与设计: UML、用例、模式和软件体系结构》一一1.10 并发、分布式和实时设计方法

简介:

本节书摘来自华章计算机《软件建模与设计: UML、用例、模式和软件体系结构》一书中的第1章,第1.10节,作者:(美)Hassan Gomaa,更多章节内容可以访问云栖社区“华章计算机”公众号查看。

1.10 并发、分布式和实时设计方法

实时系统的并发设计方法(Concurrent Design Approach for Real-Time Systems,CODARTS)
(Gomaa 1993)结合了早期的并发设计、实时设计和早期的面向对象设计方法,强调信息隐藏模块的构造和并发任务的构造。
Octopus(Awad,Kuusela,and Ziegler 1996)是一种基于用例、静态建模、对象交互和状态图的实时设计方法。ROOM(Selic,Gullekson,and Ward 1994)是一种与CASE(Computer-Assisted Software Engineering,计算机辅助软件工程)工具ObjecTime紧密联系的面向对象的实时设计方法,它是基于参与者(actor)的,即一种使用ROOMcharts(一种状态图的变种)建模的主动对象。ROOM模型可以被执行,因此可以作为系统的早期原型使用。
针对大规模系统的动态建模,Buhr(1996)引入了一个有趣的概念,称为用例映射(use case map),它是基于用例的概念产生的。
针对基于UML的实时软件开发,Douglass(2004,1999)提供了一个关于UML如何应用于实时系统开发的全面介绍。
针对并发、实时和分布式应用设计的COMET方法的一个早期版本在Gomaa(2000)中进行了介绍,这个版本是基于UML 1.3的。这本新的教科书在UML 2的基础上扩展了COMET方法,更加强调软件体系结构,并且涉及更大范围内的软件应用,如面向对象软件体系结构、客户端/服务器软件体系结构、面向服务的体系结构、基于构件的软件体系结构、并发和实时软件体系结构、软件产品线体系结构等。

相关文章
|
1月前
|
机器学习/深度学习 分布式计算 算法
联邦学习是保障数据隐私的分布式机器学习方法
【6月更文挑战第13天】联邦学习是保障数据隐私的分布式机器学习方法,它在不暴露数据的情况下,通过在各设备上本地训练并由中心服务器协调,实现全局模型构建。联邦学习的优势在于保护隐私、提高训练效率和增强模型泛化。已应用于医疗、金融和物联网等领域。未来趋势包括更高效的数据隐私保护、提升可解释性和可靠性,以及与其他技术融合,有望在更多场景发挥潜力,推动机器学习发展。
35 4
|
6天前
|
负载均衡 NoSQL Java
|
13天前
|
Web App开发 物联网 Unix
操作系统的演变:从单任务到多任务再到并发与分布式
本文旨在探讨操作系统的发展历程,着重分析其从处理单一任务的原始阶段,经历多任务处理能力的增强,直至支持并发计算和分布式架构的现代转型。我们将追溯关键时间节点,审视技术创新如何塑造了今日操作系统的复杂性与多样性,并预测未来可能的发展趋势。
|
23天前
|
机器学习/深度学习 人工智能 分布式计算
编程语言未来发展趋势探析:简化与标准化、并发与分布式、智能应用新篇章
编程语言未来发展趋势探析:简化与标准化、并发与分布式、智能应用新篇章
39 1
|
1月前
|
人工智能 NoSQL 关系型数据库
主从模式(Master-Slave Architecture)在传统的计算机科学中指的是一种分布式系统架构
主从模式(Master-Slave Architecture)在传统的计算机科学中指的是一种分布式系统架构
129 5
|
16天前
|
设计模式 安全 NoSQL
Java面试题:设计一个线程安全的单例模式,并解释其内存占用和垃圾回收机制;使用生产者消费者模式实现一个并发安全的队列;设计一个支持高并发的分布式锁
Java面试题:设计一个线程安全的单例模式,并解释其内存占用和垃圾回收机制;使用生产者消费者模式实现一个并发安全的队列;设计一个支持高并发的分布式锁
23 0
|
16天前
|
设计模式 存储 缓存
Java面试题:结合建造者模式与内存优化,设计一个可扩展的高性能对象创建框架?利用多线程工具类与并发框架,实现一个高并发的分布式任务调度系统?设计一个高性能的实时事件通知系统
Java面试题:结合建造者模式与内存优化,设计一个可扩展的高性能对象创建框架?利用多线程工具类与并发框架,实现一个高并发的分布式任务调度系统?设计一个高性能的实时事件通知系统
24 0
|
1月前
|
分布式计算 负载均衡 并行计算
Python 分布式计算框架 PP (Parallel Python):集群模式下的实践探索
该文介绍了使用Parallel Python (PP) 在两台物理机上构建分布式计算集群的经验。PP是一个轻量级框架,旨在简化Python代码在多处理器系统和集群中的并行执行。文中通过设置子节点的IP、端口和密钥启动PP服务器,并在主节点创建PP实例进行负载均衡。实验使用官方的质数和计算示例,显示PP在集群模式下能有效利用多台机器的多核CPU,实现计算效率的显著提升。未来,作者计划进一步研究PP在更复杂任务和大规模集群中的应用潜力。
158 4
|
24天前
|
消息中间件 分布式计算 Java
实现高性能的分布式计算系统的Java方法
实现高性能的分布式计算系统的Java方法
|
1月前
|
负载均衡 并行计算 Java
分布式系统中,利用并行和并发来提高整体的处理能力
分布式系统中,利用并行和并发来提高整体的处理能力