带你读《SAS数据分析开发之道 软件质量的维度》第二章质量2.2软件产品质量模型(二)

简介: 带你读《SAS数据分析开发之道 软件质量的维度》第二章质量2.2软件产品质量模型

外部软件质量

外部软件质量指软件所在的系统在指定条件下使用时,软件产品提供系统行为满足明确和隐含要求的能力。外部质量特征指软件运行过程中可观察的特征。例如,软件未出现运行故障,由此便可证明是可靠的    ;软件能有效处理大数据,而未遇到故障或出现效率低的情况,便可看作是可扩展的。

外部软件质量有时又叫作黑盒质量方法,因为质量的评估只通过检测软件执行而无须检查代码即可完成。因此,软件效率的黑盒视角能评估诸如运行时间或资源利用率之类的指标,但无法确定支撑高效运行的SAS最佳技术操作是否运行。黑盒测试会在第 16可测试性部分进行讲解。

在传统的软件应用程序中,用户无法获得代码,只能通过黑盒测试方法评估外部的软件质量。因此,尽管外部软件质量特征对创建可靠、耐用、易于维护的代码非常重要,但我们只能向客户、用户及其他无法获取代码的利益相关者展示外部软件的质量特征。由于 SAS 软件用户通常都能获取基础的代码,因此,相对于其他语言来讲,黑盒和白盒测试测试外部软件质量,后面部分会讲到这一点之间的差别在   SAS软件开发中就显得不那么重要了。

功能性

功能的适用性指软件产品在特定条件下使用时,提供满足明确和隐含要求的功能的能力。但是,本书与ISO标准和大部分文献保持一致,使用的是功能性,而不是功能的适用性。而且,在需求文档中,功能性需求指的是技术性而非性能上的要——例如,规定紫色为分析报告中的准确色调以满足大众要求。

外部软件质量的核心特点是功能性,缺少了功能性,软件便没有了目标。本书和其他许多软件开发类文献省略了功能性,因为它描述的是具体的软件意图,而性能质量特征含义更广。去掉功能性,剩余其他的外部软件特征包含动态性能属性,如可靠性或效率,但如果缺少了功能,可靠和效率则无从谈起。

动态性能需求

性能需求指确定某个功能质量属性或某个功能性需求必须要达到某种程度的可衡    量的标准。动态性能需求指在软件运行过程中可观测的性能属性,换句话说,它们表    示的是除功能性之外的所有外部软件质量特征,如图2-3所示。动态指的是软件必须在运行中(在运转中)进行评估,而静态性能属性则指必须在软件的静止状态下,    通过代码检验进行软件评估。

在本书中,性能需求有时称作性能属性,尤其是描述一个在特定软件中并未要求的质量特征时,我们会用性能属性来表示。例如,如果某个SAS从业人员打算在软件计划中应用可扩展性和安全性原则,但又决定忽略安全性,那么由于软件并未要求或应用质量特征,安全性就会称作性能属性,而不是性能需求,以避免混乱。但通常来讲,这两个词是可以互换的。

由于所有的利益相关者都能观察到动态性能需求,所以通常来讲,动态性能需求    要比静态性能需求更重要,因此,也更容易被优先添加到软件设计和要求中。例如,    客户更容易理解运行速度较快的软件的优点,因为速度是可测量的。但是,除非该客    户有软件开发方面的背景,否则他可能很难理解在软件中添加模块化或可测试性的优    点,因为这些属性是无法直接测量的,它们的效果在运行中也是无法观测的。


 image.png

 

2-3    软件质量架构和维度的互动

 

相关文章
|
30天前
|
机器学习/深度学习 数据采集 数据挖掘
实战派教学:掌握Scikit-learn,轻松实现数据分析与机器学习模型优化!
【10月更文挑战第4天】Scikit-learn凭借高效、易用及全面性成为数据科学领域的首选工具,简化了数据预处理、模型训练与评估流程,并提供丰富算法库。本文通过实战教学,详细介绍Scikit-learn的基础入门、数据预处理、模型选择与训练、评估及调优等关键步骤,助你快速掌握并优化数据分析与机器学习模型。从环境搭建到参数调优,每一步都配有示例代码,便于理解和实践。
78 2
|
5月前
|
文字识别 算法 数据挖掘
视觉智能开放平台产品使用合集之对于统计研究和数据分析,有哪些比较好的工具推荐
视觉智能开放平台是指提供一系列基于视觉识别技术的API和服务的平台,这些服务通常包括图像识别、人脸识别、物体检测、文字识别、场景理解等。企业或开发者可以通过调用这些API,快速将视觉智能功能集成到自己的应用或服务中,而无需从零开始研发相关算法和技术。以下是一些常见的视觉智能开放平台产品及其应用场景的概览。
|
3月前
|
供应链 数据可视化 数据挖掘
【2023年第十一届泰迪杯数据挖掘挑战赛】B题:产品订单的数据分析与需求预测 建模及python代码详解 问题一
本文详细介绍了第十一届泰迪杯数据挖掘挑战赛B题的解决方案,涵盖了对产品订单数据的深入分析、多种因素对需求量影响的探讨,并建立了数学模型进行未来需求量的预测,同时提供了Python代码实现和结果可视化的方法。
119 3
【2023年第十一届泰迪杯数据挖掘挑战赛】B题:产品订单的数据分析与需求预测 建模及python代码详解 问题一
|
3月前
|
数据采集 机器学习/深度学习 算法
"揭秘数据质量自动化的秘密武器:机器学习模型如何精准捕捉数据中的‘隐形陷阱’,让你的数据分析无懈可击?"
【8月更文挑战第20天】随着大数据成为核心资源,数据质量直接影响机器学习模型的准确性和效果。传统的人工审查方法效率低且易错。本文介绍如何运用机器学习自动化评估数据质量,解决缺失值、异常值等问题,提升模型训练效率和预测准确性。通过Python和scikit-learn示例展示了异常值检测的过程,最后强调在自动化评估的同时结合人工审查的重要性。
87 2
|
3月前
|
数据采集 存储 监控
数据驱动开发:如何将数据分析融入开发流程
【8月更文挑战第14天】数据驱动开发是一种高效、智能的软件开发方法论,它通过将数据分析深度融入开发流程中,实现了精准决策、提升效率和持续改进的目标。为了成功实施数据驱动开发,团队需要明确数据需求、设计合理的数据架构、集成数据收集工具、实施CI/CD流程、进行数据分析与决策支持以及建立反馈循环机制。同时,还需要应对数据质量、技术和组织与文化等挑战。通过不断努力和实践,团队可以逐步建立起完善的数据驱动开发体系,推动产品不断迭代升级和业务持续增长。
|
3月前
|
机器学习/深度学习 前端开发 数据挖掘
基于Python Django的房价数据分析平台,包括大屏和后台数据管理,有线性、向量机、梯度提升树、bp神经网络等模型
本文介绍了一个基于Python Django框架开发的房价数据分析平台,该平台集成了多种机器学习模型,包括线性回归、SVM、GBDT和BP神经网络,用于房价预测和市场分析,同时提供了前端大屏展示和后台数据管理功能。
|
3月前
|
机器学习/深度学习 数据采集 数据可视化
【python】python母婴数据分析模型预测可视化(数据集+论文+PPT+源码)【独一无二】
【python】python母婴数据分析模型预测可视化(数据集+论文+PPT+源码)【独一无二】
|
3月前
|
机器学习/深度学习 数据采集 数据挖掘
【2023年第十一届泰迪杯数据挖掘挑战赛】B题:产品订单的数据分析与需求预测 建模及python代码详解 问题二
本文提供了第十一届泰迪杯数据挖掘挑战赛B题问题二的详细解题步骤,包括时间序列预测模型的建立、多元输入时间预测问题的分析、时间序列预测的建模步骤、改进模型的方法,以及使用Python进行SARIMA模型拟合和预测的具体实现过程。
66 1
|
3月前
|
供应链 算法 数据挖掘
【2023年第十一届泰迪杯数据挖掘挑战赛】B题:产品订单的数据分析与需求预测 23页论文及实现代码
本文介绍了2023年第十一届泰迪杯数据挖掘挑战赛B题的解决方案,深入分析了产品订单数据,并使用Arimax和Var模型进行了需求预测,旨在为企业供应链管理提供科学依据,论文共23页并包含实现代码。
92 0
【2023年第十一届泰迪杯数据挖掘挑战赛】B题:产品订单的数据分析与需求预测 23页论文及实现代码
|
4月前
|
机器学习/深度学习 算法 数据挖掘
从零到精通:Scikit-learn在手,数据分析与机器学习模型评估不再难!
【7月更文挑战第25天】在数据科学中,模型评估是理解模型泛化能力的关键。对新手来说,众多评估指标可能令人困惑,但Scikit-learn简化了这一过程。
55 2