如何快速画出一副漂亮的架构图

简介: 为什么要画好一幅架构图?一幅漂亮的架构图既是创作者的深度结构化思考和表达,对于读者来说也更加容易理解架构所要表达的意思。

1. 引言


为什么要画好一幅架构图?一幅漂亮的架构图既是创作者的深度结构化思考和表达,对于读者来说也更加容易理解架构所要表达的意思。

然而不擅长画图的程序员,在大脑里已经有了思路,如何快速能够产出精美的架构图呢?这篇文章帮你总结了常用的架构图类型,可以借鉴笔者提供的模板,快速地产出符合你的业务需要的架构图。


2. 周期图


2.1 XY轴坐标图


图形特点

简洁、容易理解、易扩展

使用场景

适用于一组或者一组以上的数据趋势对比

美观度

☆☆☆☆

复杂度

☆☆☆


2.2 时间轴

图形特点

简洁、容易理解、易扩展

使用场景

时间轴维度

美观度

☆☆☆☆

复杂度

☆☆



2.3 生命周期图




图形特点

简洁、容易理解、易扩展

使用场景

适用于对一个对象进行生命周期划分或者分类扩展

美观度

☆☆☆☆

复杂度


2.4 坐标轴带图标模板

图形特点

简洁、容易理解、美观

使用场景

适用于对一个带有产品图的对象进行生命周期划分或者分类扩展

美观度

☆☆☆☆

复杂度

☆☆



3. 块状图


3.1 Banner图


图形特点

简单、模块化、信息丰富、易拓展

使用场景

适合对于信息平铺展示图

美观度

☆☆☆

复杂度

☆☆




4. 系统架构图


4.1 应用依赖图

图形特点

简洁,引入容易理解的图标,扩展性强

使用场景

适用于应用、数据库之间的依赖

美观度

☆☆☆☆

复杂度

☆☆



4.2 系统分层简图

图形特点

简洁、容易理解、流程指向清晰、拓展性简单

使用场景

适用于简单应用分层架构

美观度

☆☆☆☆

复杂度

☆☆☆☆☆


4.3 系统分层彩图



图形特点

增加ICON、和业务深度集成,相对简洁

使用场景

可叠加业务名词、标签等应用分层架构

美观度

☆☆☆☆☆

复杂度

☆☆☆☆


4.4 多维系统架构分层图

图形特点

多维度分层

使用场景

可叠加业务、系统等多维度封层架构

美观度

☆☆☆☆☆

复杂度

☆☆☆☆



5. 业务流程图


5.1 三角流程图


图形特点

简单、清晰

使用场景

可形成闭环的业务流程

美观度

☆☆☆☆

复杂度

☆☆☆


5.2块状流程图


图形特点

简单、清晰

使用场景

流程+块状业务图

美观度

☆☆☆☆

复杂度

☆☆



5.3 链式流程简图

图形特点

简单、链式流程、易扩展

使用场景

可以形成链式的流程

美观度

☆☆☆☆

复杂度

☆☆


5.4 链式流程彩图

图形特点

链式流程、展现丰富、富文本模式,支持模块和图标

使用场景

链式需要展示业务和模型细节的流程图

美观度

☆☆☆☆☆

复杂度

☆☆☆☆



6. 分类数据图



6.1 垂直块状分类图

图形特点

简单、清晰、易拓展

使用场景

可以结构化、可分类的描述

美观度

☆☆☆☆☆

复杂度

☆☆



6.2 矩阵分类图



图形特点

简单、清晰、结构化

使用场景

可以结构化、可分类的描述

美观度

☆☆☆☆

复杂度

☆☆☆


7. 业务大图


7.1 矩阵式业务大图




图形特点

美观、内容丰富、承载模块多

使用场景

大型系统的描述

美观度

☆☆☆☆☆

复杂度

☆☆☆☆☆


omniGraffle下载地址

目录
相关文章
|
运维 前端开发 架构师
一文搞定如何画出更加优秀的架构图
一文搞定如何画出更加优秀的架构图
1571 0
一文搞定如何画出更加优秀的架构图
|
传感器 监控 安全
闭环反馈系统原理概述
有时,为了获得系统的一致性和稳定性并产生控制系统的期望输出,我们使用反馈回路。反馈只不过是输出信号的一部分。这个概念在控制系统中最常见和最重要,以实现输出的稳定性。根据反馈连接,控制系统分为两种类型。它们是开环控制系统和闭环控制系统。下面简单介绍下闭环反馈系统。
5162 0
闭环反馈系统原理概述
|
NoSQL 数据可视化 关系型数据库
推荐几个好用的redis可视化工具
推荐几个好用的redis可视化工具
19277 1
|
8月前
|
机器学习/深度学习 算法 安全
【强化学习应用(八)】基于Q-learning的无人机物流路径规划研究(Python代码实现)
【强化学习应用(八)】基于Q-learning的无人机物流路径规划研究(Python代码实现)
617 6
|
存储 缓存 JSON
浏览器的缓存方式几种
浏览器缓存方式主要包括:1. **强制缓存**,通过 `Expires` 或 `Cache-Control` 控制,缓存有效期内不发起请求;2. **协商缓存**,使用 `ETag` 和 `Last-Modified` 判断资源是否更新;3. **Service Worker 缓存**,适用于 PWA 应用,拦截并返回缓存;4. **浏览器存储**,如 LocalStorage、SessionStorage 和 IndexedDB,用于持久化或会话级数据存储;5. **Push Cache**,仅限 HTTP/2,服务器主动推送资源。选择合适的缓存策略可优化性能和用户体验。
889 143
|
存储 人工智能 API
AgentScope:阿里开源多智能体低代码开发平台,支持一键导出源码、多种模型API和本地模型部署
AgentScope是阿里巴巴集团开源的多智能体开发平台,旨在帮助开发者轻松构建和部署多智能体应用。该平台提供分布式支持,内置多种模型API和本地模型部署选项,支持多模态数据处理。
12744 78
AgentScope:阿里开源多智能体低代码开发平台,支持一键导出源码、多种模型API和本地模型部署
|
9月前
|
Web App开发 Ubuntu 算法
Ubuntu 20.04 LTS 版本发布,新特性、新布局
Ubuntu 20.04 LTS借助新的内核压缩算法,具有更快的启动速度,并带有大量新的图形驱动程序、软件和实用程序,使用体验会更好。
739 0
|
10月前
|
存储 弹性计算 PHP
云服务器ECS怎么选?超实用选购技巧
购买云服务器时,面对众多型号和规格,很多人不知如何选择。本文教你根据实际需求,从用途、型号、配置、操作系统等方面入手,结合预算与性能匹配,找到最适合自己的云服务器。最贵的不一定是最好的,最适合的才是最佳选择。
|
11月前
|
机器学习/深度学习 人工智能 API
基于昇腾适配Meta AI在Science正刊发表的蛋白质结构预测模型ESMFold
ESMFold是由Meta AI团队开发的一种基于深度学习的高效蛋白质结构预测模型,其核心目标是利用大规模蛋白质语言模型(ESM)直接从氨基酸序列快速推断蛋白质的三维结构。ESMFold通过预训练的语言模型捕捉序列中的进化与结构关联性,结合几何优化模块生成高精度原子坐标,显著降低了传统方法对多重序列比对(MSA)和模板依赖的计算成本。该模型在蛋白质从头预测(de novo prediction)、功能位点解析、突变效应模拟等领域具有重要价值,以高效的推理性能,推动结构预测技术的普惠化应用。
|
SQL 监控 大数据
优化AnalyticDB性能:查询优化与资源管理
【10月更文挑战第25天】在大数据时代,实时分析和处理海量数据的能力成为了企业竞争力的重要组成部分。阿里云的AnalyticDB(ADB)是一款完全托管的实时数据仓库服务,支持PB级数据的秒级查询响应。作为一名已经有一定AnalyticDB使用经验的开发者,我发现通过合理的查询优化和资源管理可以显著提升ADB的性能。本文将从个人角度出发,分享我在实践中积累的经验,帮助读者更好地利用ADB的强大功能。
435 0