架构语言ArchiMate -技术层(Technology Layer)

简介:

  在架构语言ArchiMate - 语言结构(Language Structure)中对语言结构进行了介绍,最后列出下面的ArchiMate框架图:业务、应用和技术三个层次(Layer),对象、行为和主体三个方面(Aspect),在架构语言ArchiMate -应用层(Application Layer)中介绍了应用层概念,本篇将继续介绍一下ArchiMate在技术层的概念、描述和图例。

技术层(Technology Layer)总体说明

概念

描述

图例

节点
Node

部署工件的可执行计算逻辑资源

设备
Device

部署工件的可执行计算物理资源

网络
Network

两个或多个设备间的物理沟通媒介

 

通信路径
Communication path

联接两个或多个节点的连接点,通过这个路径能够交互信息

技术设施接口Infrastructure interface

另外一个节点或者应用组件访问节点提供的功能的接口

 

系统软件
System software

组件和对象部署的特定软件执行环境

 

基础设施服务
Infrastructure service

由一个或多个节点,通过定义好的接口,外部可见的功能的单元

 

工件
Artifact

软件开发过程、部署或系统操作过程中使用或者产生的物理信息工作单元

技术层元模型(Technology Layer Metamodel)

结构概念(Structural Concepts)

节点(Node)

部署工件的可执行计算逻辑资源

  1. 结构概念中主要的是节点(node),它与UML 2.0的node概念一样。
  2. 节点是执行和处理工件的活动处理元素,它是组件和数据对象的展现,如应用服务器(application servers),数据库服务器(database servers)或者客户端(client workstations)
  3. 它们可以由表示物理设备和工件执行环境等子节点组成
  4. 节点能通过通信路径连接起来
  5. 工件可以与节点关联,如部署在节点上
  • 图例

  • 示例

Application Server 节点包含一个Sun Blade 设备和一个JBoss J2EE Server application系统软件(System software)

设备(Device)

部署工件的可执行计算物理资源。名称最好为硬件类型的名词,如IBM System zmainframe

  1. 设备(device)是节点(node)的继承元素,它表示拥有处理能力的物理资源
  2. 通常用来对硬件建模,如主机(mainframes)、PCs或者路由器
  3. 通常与系统软件一起使用
  4. 设备能够由子设备组成
  5. 设备能够通过网路相连,工件能够与设备、系统软件关联
  6. 一个节点(node)可以包含一个或多个设备(devices)
  • 图例

  • 示例

DB2部署在一台IBM Systems z设备中

基础设施接口(Infrastructure Interface)

另外一个节点或者应用组件访问节点提供的功能的接口

  1. 指定节点的基础设施服务如何被其他节点访问(provided interface)
  2. 需要环境的其他节点提供什么服务(required interface)
  • 图例

  • 示例

 Sybase系统软件提供 Sybase Open Client基础设施接口供外部使用 

网络(Network)

两个或多个设备间的物理沟通媒介

  1. 网络代表一种物理的沟通基础设施,它可以由一个或多个有线或无线网络连接起来
  2. 网络有带宽和响应时间等属性
  3. 网络连接两个或多个设备,它实现了一个或多个通迅路径
  4. 网络可以包含子网络
  • 图例

  • 示例

100 Mb/s 的局域网连接一台主机和一个PC机

通讯路径(Communication Path)

联接两个或多个节点的连接点,通过这个路径能够交互信息

  1. 一个通讯路径由一个或多个网路实现
  2. 通讯路径是原子的(atomic)
  • 图例

  • 示例

Application Server 和Client之间通过message queuing通讯路径传递信息

行为概念(Behavioral Concepts)

基础设施服务(Infrastructure Service)

由一个或多个节点,通过定义好的接口,外部可见的功能的单元

  1. 暴露一个节点的功能,外部环境通过基础设施接口(infrastructure interfaces)进行访问
  2. 可以要求、使用和产生工件
  3. 典型的基础设施服务有messaging、storage、naming和directory services
  • 图例

  • 示例

Websphere MQ系统软件实现了一个Messaging service服务

 

系统软件(System Software)

组件和对象部署的特定软件执行环境

  1. 系统软件是节点的一个继承类,用来对工件运行的软件环境建模
  2. 可以是一个操作系统,一个J2EE应用服务器,或者一个CORBA、数据库系统、工作流引擎或者一个ERP、CRM系统、中间件等
  • 图例

  • 示例

DB2系统软件部署在一台OS/390主机中

信息概念(Informational Concepts)

Artifact

软件开发过程、部署或系统操作过程中使用或者产生的物理信息工作单元。它的名称可以带文件后缀名

  • 工件代表物理存在的具体展现元素,如元文件、可执行程序、脚本、数据表、消息、文档等
  • 工件可以部属在一个节点上
  • 一个应用组件可以由一个或多个工件实现
  • 图例

  • 示例

工件Risk management EJB部属在一台J2EE应用服务器上

 







 本文转自 jingen_zhou 51CTO博客,原文链接:http://blog.51cto.com/zhoujg/518599,如需转载请自行联系原作者


相关文章
|
2月前
|
机器学习/深度学习 安全 算法
十大主流联邦学习框架:技术特性、架构分析与对比研究
联邦学习(FL)是保障数据隐私的分布式模型训练关键技术。业界开发了多种开源和商业框架,如TensorFlow Federated、PySyft、NVFlare、FATE、Flower等,支持模型训练、数据安全、通信协议等功能。这些框架在灵活性、易用性、安全性和扩展性方面各有特色,适用于不同应用场景。选择合适的框架需综合考虑开源与商业、数据分区支持、安全性、易用性和技术生态集成等因素。联邦学习已在医疗、金融等领域广泛应用,选择适配具体需求的框架对实现最优模型性能至关重要。
511 79
十大主流联邦学习框架:技术特性、架构分析与对比研究
|
10天前
|
机器学习/深度学习 缓存 自然语言处理
深入解析Tiktokenizer:大语言模型中核心分词技术的原理与架构
Tiktokenizer 是一款现代分词工具,旨在高效、智能地将文本转换为机器可处理的离散单元(token)。它不仅超越了传统的空格分割和正则表达式匹配方法,还结合了上下文感知能力,适应复杂语言结构。Tiktokenizer 的核心特性包括自适应 token 分割、高效编码能力和出色的可扩展性,使其适用于从聊天机器人到大规模文本分析等多种应用场景。通过模块化设计,Tiktokenizer 确保了代码的可重用性和维护性,并在分词精度、处理效率和灵活性方面表现出色。此外,它支持多语言处理、表情符号识别和领域特定文本处理,能够应对各种复杂的文本输入需求。
49 6
深入解析Tiktokenizer:大语言模型中核心分词技术的原理与架构
|
1月前
|
机器学习/深度学习 缓存 自然语言处理
DeepSeek背后的技术基石:DeepSeekMoE基于专家混合系统的大规模语言模型架构
DeepSeekMoE是一种创新的大规模语言模型架构,融合了专家混合系统(MoE)、多头潜在注意力机制(MLA)和RMSNorm归一化。通过专家共享、动态路由和潜在变量缓存技术,DeepSeekMoE在保持性能的同时,将计算开销降低了40%,显著提升了训练和推理效率。该模型在语言建模、机器翻译和长文本处理等任务中表现出色,具备广泛的应用前景,特别是在计算资源受限的场景下。
542 29
DeepSeek背后的技术基石:DeepSeekMoE基于专家混合系统的大规模语言模型架构
|
1月前
|
机器学习/深度学习 算法 文件存储
YOLOv11改进策略【模型轻量化】| MoblieNetV3:基于搜索技术和新颖架构设计的轻量型网络模型
YOLOv11改进策略【模型轻量化】| MoblieNetV3:基于搜索技术和新颖架构设计的轻量型网络模型
118 10
YOLOv11改进策略【模型轻量化】| MoblieNetV3:基于搜索技术和新颖架构设计的轻量型网络模型
|
1月前
|
机器学习/深度学习 算法 文件存储
RT-DETR改进策略【模型轻量化】| MoblieNetV3:基于搜索技术和新颖架构设计的轻量型网络模型
RT-DETR改进策略【模型轻量化】| MoblieNetV3:基于搜索技术和新颖架构设计的轻量型网络模型
39 4
RT-DETR改进策略【模型轻量化】| MoblieNetV3:基于搜索技术和新颖架构设计的轻量型网络模型
|
2月前
|
存储 缓存 关系型数据库
社交软件红包技术解密(六):微信红包系统的存储层架构演进实践
微信红包本质是小额资金在用户帐户流转,有发、抢、拆三大步骤。在这个过程中对事务有高要求,所以订单最终要基于传统的RDBMS,这方面是它的强项,最终订单的存储使用互联网行业最通用的MySQL数据库。支持事务、成熟稳定,我们的团队在MySQL上有长期技术积累。但是传统数据库的扩展性有局限,需要通过架构解决。
79 18
|
2月前
|
监控 JavaScript 数据可视化
建筑施工一体化信息管理平台源码,支持微服务架构,采用Java、Spring Cloud、Vue等技术开发。
智慧工地云平台是专为建筑施工领域打造的一体化信息管理平台,利用大数据、云计算、物联网等技术,实现施工区域各系统数据汇总与可视化管理。平台涵盖人员、设备、物料、环境等关键因素的实时监控与数据分析,提供远程指挥、决策支持等功能,提升工作效率,促进产业信息化发展。系统由PC端、APP移动端及项目、监管、数据屏三大平台组成,支持微服务架构,采用Java、Spring Cloud、Vue等技术开发。
113 7
|
3月前
|
弹性计算 API 持续交付
后端服务架构的微服务化转型
本文旨在探讨后端服务从单体架构向微服务架构转型的过程,分析微服务架构的优势和面临的挑战。文章首先介绍单体架构的局限性,然后详细阐述微服务架构的核心概念及其在现代软件开发中的应用。通过对比两种架构,指出微服务化转型的必要性和实施策略。最后,讨论了微服务架构实施过程中可能遇到的问题及解决方案。
|
4月前
|
Cloud Native Devops 云计算
云计算的未来:云原生架构与微服务的革命####
【10月更文挑战第21天】 随着企业数字化转型的加速,云原生技术正迅速成为IT行业的新宠。本文深入探讨了云原生架构的核心理念、关键技术如容器化和微服务的优势,以及如何通过这些技术实现高效、灵活且可扩展的现代应用开发。我们将揭示云原生如何重塑软件开发流程,提升业务敏捷性,并探索其对企业IT架构的深远影响。 ####
94 3
|
4月前
|
Cloud Native 安全 数据安全/隐私保护
云原生架构下的微服务治理与挑战####
随着云计算技术的飞速发展,云原生架构以其高效、灵活、可扩展的特性成为现代企业IT架构的首选。本文聚焦于云原生环境下的微服务治理问题,探讨其在促进业务敏捷性的同时所面临的挑战及应对策略。通过分析微服务拆分、服务间通信、故障隔离与恢复等关键环节,本文旨在为读者提供一个关于如何在云原生环境中有效实施微服务治理的全面视角,助力企业在数字化转型的道路上稳健前行。 ####

热门文章

最新文章