大数据系统中软件工程管理方法

前言：想要写出一篇引人入胜的文章？我们特意为您整理了大数据系统中软件工程管理方法范文，希望能给你带来灵感和参考，敬请阅读。

【摘要】大数据阶段，对于传统化的软件工程而言，其不仅面临着挑战，而且还具有良好的发展机遇。传统化的软件生产都是以正向工程作为出发点，而大数据阶段，其软件工程则是以以逆向工程实施。当前，正处于软件工业大变革的时代背景下，不断积累的软件资源会在很大程度上迅速提高软件生产的自动化和集约化，将会大幅度改进软件生产的效率和质量。因此，本文重点分析了由软件服务产生的大数据、大数据时代背景下软件工程管理模式以及工程的高效管理办法。

【关键词】大数据系统；软件工程；管理办法

1引言

伴随着互联网的深入推进，网络数据也逐渐趋向于海量化，且相关数据逐渐在农业、医疗、教育、商业等相关领域中都有着重要的影响。因此，通过对海量数据开展有关研究，并充分挖掘其中的重要信息资源很有必要，同时也对软件设计提出了更为严格的要求。新时期，互联网的数据正在呈现出快速增长的态势，互联网数据的产生主要来源于移动终端、传感器和电脑终端，这些数据全部有其存在的价值。运用大数据解决问题，可以使其在市场竞争中具备良好的优势条件，并且做到有效预防潜在的故障组织。可以对新一代的技术和架构进行描述，通过科学组织和分析大数据来挖掘有价值的数据信息。挖掘隐秘的关系和潜在的模式的过程为分析大数据的过程，通过挖掘潜在的信息能够为公司提供更加深刻和丰富的见解，在很大程度上提升公司的的竞争力。大数据的真正价值在于能够精准的分析和执行其潜在价值，基于此，本文重点探讨了大数据时代背景下软件工程的变化特点以及其未来的发展趋势。

2软件服务下的大数据

随着互联网运用的逐渐广泛化，社会中的各个行业都具有了自己的数据种类，这就致使大量的数据在互联网的服务中产生。软件服务工程会产生密集型数据，其中包括流式密集型的数据以及历史密集型的数据。如世界最大的电信数据仓库中心目前已经建立超过1200TB的数据；中国移动通信的业务流程超过8190个，实现了办公自动化和标准化的业务流程。“程序=数据结构+算法”的程序设计思想为传统软件工程的管理思想模式，集程序的运行过程就是数据结构的组织与算法的问题，这种模式将程序运行过程中的数据忽视，而将重点放在了程序的正确性和效率性，在很大程度上把程序的生命周期缩短。纵观软件理论的漫长发展史，诸多学者一致认为详细的文档和完整的程序构成了软件，其中完善的文档信息为软件的核心部分，包括工程数据、文档以及通用规范等等，把整个软件的设计重点放在了文档是否质量合格以及开发模式是否具备标准化上面。由此，推动了软件设计的标准化，从整体上把软件的质量有效提升[1]。随着系统业务的扩容和用户的使用，对软件进行大规模的数据处理提出了更为严格的要求。越来越多的大型互联网企业更加重视软件服务中的历史密集型数据和流式密集型数据，将大数据分析作为服务，更加注重从用户的体验上进行数据的收集。大数据背景下，行业逐渐加大了数据的处理难度，使得处理数据更具精细化，对技术的标准要求也更为严格。当前大数据时代下软件工程的研究课题为，如何更好的把大数据平台作为服务，把大数据的分析作为服务、把数据的价值作为服务[2]。要从软件发展创新模式来进行海量数据的处理，PaaS服务平台、服务提供方以及服务消费者三方，会产生海量离线密集型数据和线上流式数据。各项级别的用户在进行交流或者进行操作以及各项系统日志数据等，其通常对软件的有效开发、运行、管理等各方面都有着重要影响，另外，大数据还对软件服务的具体周期具有决定性作用。从根本上讲，只是在规模和量上来进行数据的衡量，对其的研究没有标识，尤其是比较缺乏语义化的处理。因此，要对研究思维及方法进行不断创新，以此对相关数据实施组织与处理，并形成具有领域性的智能主体。通过对大数据的有效创新，将知识作为载体，可以提供相应的数据平台，从而确保以大数据为中心来进行现代软件工程管理的创新[3]。

3大数据时代背景下软件工程管理模式

软件工程的发展经历了三个阶段，经典的CS模式-BS模式-软件服务工程。其中产生于大数据背景下的面向服务的软件工程，以服务为基础，能够以较快的速度进行应用和共享服务的构建，对于分布式程序的开发具有很好的适应性。这种模式的不同之处在于能够把应用服务化，资源虚拟化，将外界服务接口统一化，有效解决大数据环境背景下的一系列问题。这种软件服务工程设计模式广泛应用于移动互联网、大数据等新兴领域。项目管理是受到进度、费用以及品质的影响，满足客户的需求而进行的活动规划、指导和监督。其中项目控制与系统工程为项目管理两个至关重要的研究领域，二者有交叉重叠部分，项目控制主要负责输入进度、规划和费用，而系统工程蛀牙负责技术层面的输入。通过文档的形式来体现工程的管理，其中包括系统工程管理计划和系统文档树[4]。系统文档树通过树形结构来描述项目所需要的，以系统工程为对象的各个系统工程文件之间的相互关系。在提案阶段，由系统工程师根据合同数据需求清单和工作说明书来进行系统文档树的准备，从而为根据后续的进度和成本来进行文本化任务的确定提供便利的条件。由项目经理进行系统文档树的批准，并更新维护项目管理的全生命周期。而系统工程管理计划主要用于描述系统工程的进度与任务的，在提案过程中，由系统工程师根据合同数据需求清单和工作说明书来进行系统工程过程的描述，以及如何有效计划、组织、集成、测量系统工程需求。项目管理计划同样由项目经理进行批准，并更新维护项目管理的全生命周期。系统工程管理计划主要由软件系统工程过程、开发项目规划与控制，以及软件工程专业集成三类关键要素构成，其中开发项目规划与控制为必须要实现的系统工程任务[5]。

4总结

综上所述，面临着互联网的进一步发展，其促使软件的更新速度相应加快，大数据背景下通常对软件的自身安全及性能具有更高的要求。因此，要想打造一个健壮、高效且安全的软件工程，不仅仅要加大技术的支持力度，还需要不断创新软件工程管理办法，形成一套科学的配套理论以及技术标准。当前规模较大的软件重用技术不断发展，并实现了应用，再加上大量积累的软件资源，未来软件的集约化生产以及软件数据的挖掘将会变的至关重要。传统化的软件工程的管理方式已无法满足当前生活的相关需要，大数据环境背景下探究新型的软件工程管理方法具有十分重要的现实意义。

【参考文献】

[1]张宇航.大数据系统中的软件工程管理方法探究[J].中国高新技术企业，2016，(23):93-94.

[2]杨淼.面向商业模式的大数据信息管理方法研究[D].天津大学，2014.

[3]梁峰.基于数据仓库技术的电力公司营销数据分析梳理平台的设计与实现[D].电子科技大学，2015.

[4]王建民.领域大数据应用开发与运行平台技术研究[J].软件学报，2017，28(6):1516-1528.

[5]王文杰，胡柏青，刘驰，等.开源大数据治理与安全软件综述[J].信息网络安全，2017，(5):28-36.

作者：汪鸿彬 单位：恒鸿达科技有限公司