一起谈.NET技术,用好Visual Studio 2010进行层架构设计

简介:   微软已经把VS 2010(Visual Studio 2010 Ultimate)功能融入到软件应用生命周期管理(ALM)中。在架构设计方面则是通过新的架构层关系图(Architecture Layer Diagram),以图形化的方式描述系统架构,从而使得项目中的技术人员或非技术人员都能以模型透过图形化的方式进行协作与设计,以及定义企业的系统功能。

  微软已经把VS 2010(Visual Studio 2010 Ultimate)功能融入到软件应用生命周期管理(ALM)中。在架构设计方面则是通过新的架构层关系图(Architecture Layer Diagram),以图形化的方式描述系统架构,从而使得项目中的技术人员或非技术人员都能以模型透过图形化的方式进行协作与设计,以及定义企业的系统功能。

  Visual Studio 2010提供针对不同功能层面的分析工具来辅助程序代码进行逆向工程。Layer Diagram可从高阶面来看架构;Architecture Explorer能从特定点切入,只探索我们所关心的部分;.NET Class Diagram则可分析详细部分的Class结构。逆向工程类型可分为静态与动态,静态指的是整个程序代码的静态结构,如组件或类别间的关系;动态则是程序代码执行的顺序,如某个程序代码区段相关方法调用与响应顺序。

  静态的逆向工程,主要有三个工具:Architecture Explorer、Layer Diagram和Class Diagram。Layer Diagram可以让我们以高层角度来分析整个软件结构,细腻程度可以自由选择,从项目、Namespace、Classs、到方法都可以。本文将重点讲述VS2010静态逆向工程(Static Reverse Engineering)在软件架构层关系图设计方面的新功能应用。

  Visual Studio 2010架构层关系图设计

  在现实的项目中,我们需要分析别人的代码,或者约束团队的代码架构。当我们已经对现有程序的基本架构有了初步了解时,则想对现有架构进行进一步的分析并维护代码架构的逻辑。例如,当我们的项目为模型-视图-控制器(MVC,Model View Controller)架构风格创建架构应用的时候,让我们确保它是实际执行的方式。

  (1)创建一个层图(Building a Layer Diagram)

  首先,让我们创建一个新层架构使用菜单(命令为Architecture|New Diagram|Layer Diagram)。创建一个空层图,在图层设计器中可以指定设计(在Toolbox中拖曳元素实现层设计)架构层,可以得到所有我们所确定的形式与基本层,如图1所示。

图1  设计MVC架构层图类的实现

  如上图所示,这是一个典型的软件架构,需要实现物理与逻辑架构图的关联,我们通过拖动相应的执行层与实际类来实现。当放入图层类实现后,我们可以在该系统中用鼠标右键单击设计图面,在弹出的菜单中选择Generate Dependencies(生成依赖)命令,来建立依赖关系。

  一旦完成这一过程,最后将得到一个架构层图。层管理器(Layer Explorer)可以用来看到每一层的内容,以及架构层彼此之间的关系。

  (2)更新实现(Updating Your Implementation)

  在MVC架构模式中,我们不希望看到“Web→Model”层的直接对话模式,这种情况往往发生在团队中其他人编写的代码直接访问了数据层,而不通过合适的业务逻辑(这是一个非常容易犯的错误)。可以通过图层设计器删除依赖线来解决。当删除依赖线后,可以用鼠标右键单击图形,在弹出菜单中选择Validate Architecture(验证架构)命令,如图2所示。

图2  删除错误逻辑

  Visual Studio将分析所有的依赖和任何违反该层图关系的查询。这个错误结果将会出现在错误列表中,如图3所示。 

图3  错误结果列表

  现在,我们可以通过修复自己的代码,重复验证架构体系直到没有违反层关系的代码依赖出现为止。

  (3)执行中生成分层(Enforcing Layering in the Build)

  我们要保持一个干净的架构,并且知道未来将发生的问题,例如,对错误的分析和验证,可以审视到架构代码漂移,执行开发任务时进行对该错误的修复。我们需要一种方法来保持同步(sync)。为了解决这个问题,我们将添加一个新的TFS生成定义,将使用门控签入(Gated Check-in)来执行架构,如图4所示。

图4  设置签入方式

  当使用门控签入后,提交所有更改到TFS中时,必须先通过所有正常的测试(干净的构建、通过测试用例等),现在构建的做法将符合验证步骤,并通过在TFS中的检测来防止更多的风险侵入。

  如果进行全新的代码开发,我们就可以在开始阶段通过层图来进行逻辑设计,并努力执行设计方案,保证开发阶段与设计不偏离,团队人员的代码不漂移出架构。如果从现有的资源框架开始,我们也可以通过Visual Studio 2010的层图功能找到理想的逻辑分析与设计工作方法。一旦我们的物理和逻辑同步,就可以通过自动化(例如门控签入)进行强制执行,避免“漂移”发生。

目录
相关文章
|
2月前
|
存储 机器学习/深度学习 数据库
阿里云服务器X86/ARM/GPU/裸金属/超算五大架构技术特点、场景适配参考
在云计算技术飞速发展的当下,云计算已经渗透到各个行业,成为企业数字化转型的关键驱动力。选择合适的云服务器架构对于提升业务效率、降低成本至关重要。阿里云提供了多样化的云服务器架构选择,包括X86计算、ARM计算、GPU/FPGA/ASIC、弹性裸金属服务器以及高性能计算等。本文将深入解析这些架构的特点、优势及适用场景,以供大家了解和选择参考。
441 61
|
1月前
|
运维 监控 Cloud Native
智联招聘 × 阿里云 ACK One:云端弹性算力颠覆传统 IDC 架构,打造春招技术新范式
在 2025 年春季招聘季的激战中,智联招聘凭借阿里云 ACK One 注册集群与弹性 ACS 算力的深度融合,成功突破传统 IDC 机房的算力瓶颈,以云上弹性架构支撑千万级用户的高并发访问,实现招聘服务效率与稳定性的双重跃升。文章介绍了 ACK One+ACS 的弹性架构如何解决了春招的燃眉之急,让智联招聘的技术团队能够聚焦创新业务开发,欢迎关注。
|
1月前
|
运维 Kubernetes Cloud Native
智联招聘 × 阿里云 ACK One:云端弹性算力颠覆传统 IDC 架构,打造春招技术新范式
在 2025 年春季招聘季的激战中,智联招聘凭借阿里云 ACK One 注册集群与弹性 ACS 算力的深度融合,成功突破传统 IDC 机房的算力瓶颈,以云上弹性架构支撑千万级用户的高并发访问,实现招聘服务效率与稳定性的双重跃升。
|
2月前
|
人工智能 缓存 自然语言处理
Bolt DIY架构揭秘:从模型初始化到响应生成的技术之旅
在使用Bolt DIY或类似的AI对话应用时,你是否曾好奇过从输入提示词到获得回答的整个过程是如何运作的?当你点击发送按钮那一刻,背后究竟发生了什么?本文将揭开这一过程的神秘面纱,深入浅出地解析AI对话系统的核心技术架构。
93 5
|
1月前
|
数据采集 存储 算法
人才招聘系统开发全解析:从技术底层到商业逻辑的完整架构优雅草卓伊凡|小无|果果|阿才
人才招聘系统开发全解析:从技术底层到商业逻辑的完整架构优雅草卓伊凡|小无|果果|阿才
81 2
人才招聘系统开发全解析:从技术底层到商业逻辑的完整架构优雅草卓伊凡|小无|果果|阿才
|
2月前
|
机器学习/深度学习 人工智能 算法
大型多模态推理模型技术演进综述:从模块化架构到原生推理能力的综合分析
该研究系统梳理了大型多模态推理模型(LMRMs)的技术发展,从早期模块化架构到统一的语言中心框架,提出原生LMRMs(N-LMRMs)的前沿概念。论文划分三个技术演进阶段及一个前瞻性范式,深入探讨关键挑战与评估基准,为构建复杂动态环境中的稳健AI系统提供理论框架。未来方向聚焦全模态泛化、深度推理与智能体行为,推动跨模态融合与自主交互能力的发展。
160 13
大型多模态推理模型技术演进综述:从模块化架构到原生推理能力的综合分析
|
2月前
|
存储 人工智能 自然语言处理
为什么混合专家模型(MoE)如此高效:从架构原理到技术实现全解析
本文深入探讨了混合专家(MoE)架构在大型语言模型中的应用与技术原理。MoE通过稀疏激活机制,在保持模型高效性的同时实现参数规模的大幅扩展,已成为LLM发展的关键趋势。文章分析了MoE的核心组件,包括专家网络与路由机制,并对比了密集与稀疏MoE的特点。同时,详细介绍了Mixtral、Grok、DBRX和DeepSeek等代表性模型的技术特点及创新。MoE不仅解决了传统模型扩展成本高昂的问题,还展现出专业化与适应性强的优势,未来有望推动AI工具更广泛的应用。
235 4
为什么混合专家模型(MoE)如此高效:从架构原理到技术实现全解析
|
21天前
|
存储 缓存 运维
微信读书十周年,后台架构的技术演进和实践总结
微信读书经过了多年的发展,赢得了良好的用户口碑,后台系统的服务质量直接影响着用户的体验。团队多年来始终保持着“小而美”的基因,快速试错与迭代成为常态。后台团队在日常业务开发的同时,需要主动寻求更多架构上的突破,提升后台服务的可用性、扩展性,以不断适应业务与团队的变化。
44 0
|
2月前
|
人工智能 负载均衡 API
长连接网关技术专题(十二):大模型时代多模型AI网关的架构设计与实现
随着 AI 技术快速发展,业务对 AI 能力的渴求日益增长。当 AI 服务面对处理大规模请求和高并发流量时,AI 网关从中扮演着至关重要的角色。AI 服务通常涉及大量的计算任务和设备资源占用,此时需要一个 AI 网关负责协调这些请求来确保系统的稳定性与高效性。因此,与传统微服务架构类似,我们将相关 API 管理的功能(如流量控制、用户鉴权、配额计费、负载均衡、API 路由等)集中放置在 AI 网关层,可以降低系统整体复杂度并提升可维护性。 本文要分享的是B站在大模型时代基于多模型AI的网关架构设计和实践总结,希望能带给你启发。
143 4
|
3月前
|
存储 机器学习/深度学习 算法
阿里云X86/ARM/GPU/裸金属/超算等五大服务器架构技术特点、场景适配与选型策略
在我们选购阿里云服务器的时候,云服务器架构有X86计算、ARM计算、GPU/FPGA/ASIC、弹性裸金属服务器、高性能计算可选,有的用户并不清楚他们之间有何区别。本文将深入解析这些架构的特点、优势及适用场景,帮助用户更好地根据实际需求做出选择。

热门文章

最新文章