「参考架构模型」使用ArchiMate的参考企业架构模型

简介: 「参考架构模型」使用ArchiMate的参考企业架构模型

在之前的Marc Lankhorst博客中,参考架构的价值得到了突出体现,包括原因和方式。在这篇博客中,我想深入一点,专注于我们(或我们中的一些人)熟悉的“产品” - 参考模型,使用ArchiMate作为语言。

什么是参考模型?

首先,我们退后一步,并参考参考架构,这些架构被描述为“为特定领域,行业或领域提供参考框架的标准化架构”。

参考模型带来的是一个非常清晰的视图(通常是在页面上)的感兴趣的领域 - 可以重复使用的东西,当然可以调整以适应组织。

参考模型类型的示例:

  • 业务参考模型(或BRM)
  • 技术参考模型(或TRM)
  • 信息参考模型(或IRM)

有许多行业参考模型可供任何人使用,但真正的优势在于将这些模型转化为组织特定的参考模型 - 这些模型可以促进讨论,促进重用,并为其他建筑领域提供可追溯性。

我如何使用ArchiMate表示这一点?

参考模型通常只是PowerPoint幻灯片,Visio图表,甚至是Excel电子表格中的一些填充单元格。这非常适合进行通信,并且可以一次性获取消息。

当我们谈论企业架构时,很少有参考模型被孤立使用 - 我们需要将它们“链接”到其他区域,因此需要使用标准将参考模型元素绑定到 - 例如ArchiMate。

一次又一次出现的问题是 - “我应该使用什么概念来表示这个特定参考模型上的'块'?”

这是一个通常需要花费数天甚至数周讨论的主题领域 - 并且争论它实际上只是违背了使用参考模型的目标,因为,参考 - 我们需要就表示达成一致,然后只是始终如一地使用它!为了建议或回答这个问题,我们确实需要放大相关的参考模型。我将回顾上面提到的三个例子。

业务参考模型

基本上描述了“在页面上的商业”,我们将父母“区域”分解为儿童,然后是孙子等。它应该描述“组织的作用”,这通常提供了一个很大的线索。

对于那些至少具有ArchiMate工作知识的人来说,某种“行为”正在被描述,它本质上应该是“商业性的”。这听起来像商务功能!


Microsoft Industry Reference Architecture for Banking


架构修炼之道:亿级网关、平台开放、分布式、微服务、容错等核心技术修炼实践

¥75.1

购买


技术参考模型

与业务参考模型类似,TRM通常描述“基于页面的基础结构”,但同样在更具功能性的角度 - 它不应该是关于服务器x,y和z,处理器和服务器的细节级别。 技术信息的类型。

考虑到这些要点,我们再次关注基础设施服务和基础设施功能(即行为)。


The Cloud Ecosystem Reference Model

信息参考模型

到目前为止,在上面的两个例子中,我们注意到“行为”概念似乎被使用 - 这通常是一系列参考模型的情况。 毕竟,“结构”概念通常更接近于实施。

IRM描述了组织内部可用的常见“信息”(TM论坛SID就是很好的灵感)。 从正确的角度来看,行为概念的使用并不合适 - 因此我们在逻辑上看待“被动结构”专栏(描述某种“对象”)。

正如ArchiMate的忠实用户所知,可能会决定是否使用Business Objects或Data Objects来表示IRM的元素。 这再次受到解释,但通常像“信息”这样的高级别可能最适合作为业务对象。


The Information Framework (SID)

结论

因此,我们有它。 使用ArchiMate使用参考模型的一些建议。

您可以使用各种ArchiMate概念来表示模型中的元素; 但最重要的一点是要就标准达成一致(并坚持下去),在使用中保持一致,并分享结果!

最后一个结论侧重于向“非技术”利益相关者展示 - 记住,虽然建筑师可以用标准化的ArchiMate表示法创建参考模型(创建有效的关系以执行影响分析等),但没有理由不输出 是不同的(它可以是“通知”类型的观点)。

原文: https://bizzdesign.com/blog/reference-architecture-models-with-archimate/

相关文章
|
19天前
|
运维 Cloud Native 持续交付
深入理解云原生架构及其在现代企业中的应用
随着数字化转型的浪潮席卷全球,企业正面临着前所未有的挑战与机遇。云计算技术的迅猛发展,特别是云原生架构的兴起,正在重塑企业的IT基础设施和软件开发模式。本文将深入探讨云原生的核心概念、关键技术以及如何在企业中实施云原生策略,以实现更高效的资源利用和更快的市场响应速度。通过分析云原生架构的优势和面临的挑战,我们将揭示它如何助力企业在激烈的市场竞争中保持领先地位。
|
28天前
|
机器学习/深度学习 自然语言处理 分布式计算
大规模语言模型与生成模型:技术原理、架构与应用
本文深入探讨了大规模语言模型(LLMs)和生成模型的技术原理、经典架构及应用。介绍了LLMs的关键特点,如海量数据训练、深层架构和自监督学习,以及常见模型如GPT、BERT和T5。同时,文章详细解析了生成模型的工作原理,包括自回归模型、自编码器和GANs,并讨论了这些模型在自然语言生成、机器翻译、对话系统和数据增强等领域的应用。最后,文章展望了未来的发展趋势,如模型压缩、跨模态生成和多语言多任务学习。
115 3
|
3天前
|
监控 数据可视化 架构师
为什么企业需要开展架构治理?
随着数字化转型加速,企业面临的技术和业务环境日益复杂,传统架构难以应对快速变化的需求。企业架构治理成为数字化转型的关键,通过确保技术与战略对接、优化资源利用、降低风险和复杂性,提升企业灵活性、效率和创新能力,支持快速响应市场变化,推动数字化转型成功。
34 7
为什么企业需要开展架构治理?
|
3天前
|
监控 数据可视化
如何通过建模工具实现企业架构治理全流程管理
企业架构治理工具通过构建统一的架构语言、可视化建模、流程管理、资源整合和多场景分析,实现企业架构的全生命周期管理。该工具赋能企业数字化转型,确保业务、平台、数据及技术相互耦合闭环,提供从规划到决策的一站式服务,助力提升业务运营、优化组织管理和加速数字化建设。
15 2
如何通过建模工具实现企业架构治理全流程管理
|
11天前
|
机器学习/深度学习 测试技术 定位技术
新扩散模型OmniGen一统图像生成,架构还高度简化、易用
近期,一篇题为“OmniGen: Unified Image Generation”的论文介绍了一种新型扩散模型OmniGen,旨在统一图像生成任务。OmniGen架构简洁,无需额外模块即可处理多种任务,如文本到图像生成、图像编辑等。该模型通过修正流优化,展现出与现有模型相当或更优的性能,尤其在图像编辑和视觉条件生成方面表现突出。OmniGen仅含3.8亿参数,却能有效处理复杂任务,简化工作流程。尽管如此,OmniGen仍存在对文本提示敏感、文本渲染能力有限等问题,未来研究将继续优化其架构与功能。
41 16
|
27天前
|
人工智能 运维 算法
引领企业未来数字基础架构浪潮,中国铁塔探索超大规模分布式算力
引领企业未来数字基础架构浪潮,中国铁塔探索超大规模分布式算力
|
1月前
|
机器学习/深度学习 自然语言处理 C++
TSMamba:基于Mamba架构的高效时间序列预测基础模型
TSMamba通过其创新的架构设计和训练策略,成功解决了传统时间序列预测模型面临的多个关键问题。
129 4
TSMamba:基于Mamba架构的高效时间序列预测基础模型
|
25天前
|
网络协议 网络架构
TCP/IP协议架构:四层模型详解
在网络通信的世界里,TCP/IP协议栈是构建现代互联网的基础。本文将深入探讨TCP/IP协议涉及的四层架构,以及每一层的关键功能和作用。
119 5
|
26天前
|
机器学习/深度学习 存储 人工智能
【AI系统】模型演进与经典架构
本文探讨了AI计算模式对AI芯片设计的重要性,通过分析经典模型结构设计与演进、模型量化与压缩等核心内容,揭示了神经网络模型的发展现状及优化方向。文章详细介绍了神经网络的基本组件、主流模型结构、以及模型量化和剪枝技术,强调了这些技术在提高模型效率、降低计算和存储需求方面的关键作用。基于此,提出了AI芯片设计应考虑支持神经网络计算逻辑、高维张量存储与计算、灵活的软件配置接口、不同bit位数的计算单元和存储格式等建议,以适应不断发展的AI技术需求。
33 5
|
4天前
|
弹性计算 负载均衡 安全
企业业务上云经典架构方案整体介绍
本次课程由阿里云产品经理晋侨分享,主题为企业业务上云经典架构。内容涵盖用户业务架构现状及挑战、阿里云业务托管经典架构设计、方案涉及的产品选型配置,以及业务初期如何低门槛使用。课程详细介绍了企业业务上云的全流程,帮助用户实现高可用、稳定、可扩展的云架构。