「企业架构」架构知识库应用,管理你的企业架构资产

简介: 「企业架构」架构知识库应用,管理你的企业架构资产

什么是Architecture Repository应用程序?

Architecture Repository是Dragon1应用程序,可用于记录所有企业体系结构数据。它是数据和企业所有元素的完美存储和管理。这是您的架构CMDB工具。

使用体系结构存储库,您可以为所有数据构建单一的事实来源。这提高了工作效率,因为人们可以更快地找到他们正在寻找的正确版本的数据。


Screenshot of Architecture Repository showing a list of Business Capabilities

您可以输入实体数据并将它们组合到列表中,称为目录,然后管理和调节这些目录。您可以在上面看到一个业务功能列表,这些功能可以转换为目录,然后在模型,视图和可视化中反复使用。

输入丰富的数据

体系结构存储库应用程序支持您输入丰富的数据。不仅可以输入数据项的名称,描述,类型和标题。您可以定义自己喜欢的属性。您甚至可以定义新的实体类和实体类型。


Screenshot of Architecture Repository showing a Business Capability from a list (catalog)

您可以在上方看到所选的业务功能。您可以使用数据类型和值范围添加任意数量的属性。

数据的导入和导出

为了提高您的工作效率,Dragon1为您提供了非常灵活的导入和导出功能。

可以导入(智能)任何.dragon1文件,.d1文件,.doc文件,.ppt文件,.vsd文件,.xls文件,.txt文件,.csv文件,xml文件或公共打开格式文件。


Screenshot of Architecture Repository showing the quikckand easy Import Dialog for CSV files.

假设您想要或需要从您的帐户导出部分或全部数据,您可以选择以任何常见和开放格式导出它,如.dragon1,.d1,.pdf,.xml,.txt和.csv

数据存储的自由结构

Architecture Repository为您提供了一个可以存储数据项的自由灵活的逻辑结构。有三种结构元素:机柜,档案和文件夹。


橱柜是最高的结构元素。一个柜子包含一个或多个档案。档案包含一个或多个文件夹。您可以在一个帐户中创建任意数量的文件柜,档案和文件夹。您可以将多少数据项存储在您喜欢的文件夹中。

400多个数据实体类供选择

Dragon1有400多个实体类,您可以立即输入数据。以下是您可以输入数据的实体类的列表。

关于企业架构,您可以存储数据项的最重要的实体类是:架构,结构,企业,业务,功能,功能,流程,产品,服务,应用程序,需求,需求,利益相关者,所有者/客户,概念,元素,组件,对象,构建基块,原则,模式,视图,观点,规则和设计。还有很多很多。

支持的语言

这些广泛的预定义实体类确保您可以使用Dragon1上的任何框架,方法,方法,语言或标准。

Dragon1支持以下语言的文档数据:

  • ArchiMate(第四次认证的ArchiMate工具)
  • BPMN
  • UML
  • Dragon1 Enteprise架构建模语言(EAML)

下面你可以看到我们拥有的实体类的常见形状或符号(来自Dragon1 EAML)。体系结构存储库还支持仅使用ArchiMare,BPMN或UML形状。


Screenshot of the most important data entity classes (1)


Screenshot of the most important data entity classes (2)

数据库和基于角色的访问控制

用户在Dragon1上输入的所有数据都存储在我们的安全数据中心的数据库中。Dragon1上的每个帐户都有自己的数据库实例。帐户数据是混合的,但是分开存储。这称为多租户数据库。

在Dragon1上,每个用户登录都连接到一个帐户,一个帐户可以有许多用户登录。这意味着您作为个人或团队可以在一个存储库上一起工作并共享数据。对数据的访问由机柜,档案,文件夹或数据项的创建者控制。并且帐户的管理员登录控制谁拥有一组操作的权限。

元元建模

体系结构存储库使您可以在数据项之间创建关系。通过这样做,您可以创建模型。

通过体系结构存储库,您可以创建元模型,用户模型和实例模式。例如,元模型可以存在实体类,如“进程”和“应用程序”,以及每个进程必须由至少一个应用程序支持的规则。用户模型可以存在实体类型,如“销售流程”和“采购流程”,以及支持这两个流程的“CRM应用程序”。您可以选择此用户模型是否必须符合元模型。实例模型可以存在于进程和应用程序的实例之外。也许该组织有五个执行销售流程的地点,可能还有10个CRM系统的安装。

Architecture Repository的屏幕截图

文件夹列表视图


Create Links


典型应用景观数据


示例生成的企业架构档案

Dragon1为您提供EA档案标准。默认情况下,Architecture Repository以“My Cabinet”打开,其中包含作为EA Dossier标准一部分的所有文件夹和空文件。这可以节省大量的时间和资源,并防止重新发明轮子。当然,您可以重命名机柜,档案,编辑和删除以及创建文件夹和文件。

相关文章
|
7月前
|
机器学习/深度学习 人工智能 监控
大型动作模型LAM:让企业重复任务实现80%效率提升的AI技术架构与实现方案
大型动作模型(LAMs)作为人工智能新架构,融合神经网络与符号逻辑,实现企业重复任务的自动化处理。通过神经符号集成、动作执行管道、模式学习、任务分解等核心技术,系统可高效解析用户意图并执行复杂操作,显著提升企业运营效率并降低人工成本。其自适应学习能力与上下文感知机制,使自动化流程更智能、灵活,为企业数字化转型提供坚实支撑。
516 0
大型动作模型LAM:让企业重复任务实现80%效率提升的AI技术架构与实现方案
|
7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
1184 3
|
7月前
|
人工智能 数据可视化 算法
企业想做数智化,数据仓库架构你得先搞懂!
在数智化浪潮下,数据驱动已成为企业竞争力的核心。然而,许多企业在转型过程中忽视了数据仓库这一关键基础。本文深入解析数据仓库的重要性,厘清其与数据库的区别,详解ODS、DWD、DWS、ADS分层逻辑,并提供从0到1搭建数据仓库的五步实战方法,助力企业夯实数智化底座,实现数据治理与业务协同的真正落地。
企业想做数智化,数据仓库架构你得先搞懂!
|
5月前
|
运维 Prometheus 监控
别再“亡羊补牢”了!——聊聊如何优化企业的IT运维监控架构
别再“亡羊补牢”了!——聊聊如何优化企业的IT运维监控架构
240 8
|
5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。
441 6
|
6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。
|
6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。
1064 0
|
5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。
|
7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
386 0
Omnissa Horizon 8 2506 (8.16) - 虚拟桌面基础架构 (VDI) 和应用软件
|
7月前
|
机器学习/深度学习 数据采集 存储
技术赋能下的能源智慧管理:MyEMS 开源系统的架构创新与应用深化
在全球能源转型与“双碳”战略推动下,MyEMS作为基于Python的开源能源管理系统,凭借模块化架构与AI技术,助力重点用能单位实现数字化、智能化能源管理。系统支持多源数据采集、智能分析、设备数字孪生与自适应优化控制,全面满足国家级能耗监测要求,并已在制造、数据中心、公共建筑等领域成功应用,助力节能降碳,推动绿色可持续发展。
222 0