2025系统架构师（一考就过）：案例题之一：嵌入式架构、大数据架构、ISA

一、嵌入式系统架构

软件脆弱性是软件中存在的弱点(或缺陷)，利用它可以危害系统安全策略，导致信息丢失、系统价值和可用性降低。嵌入式系统软件架构通常采用分层架构，它可以将问题分解为一系列相对独立的子问题，局部化在每一层中，从而有效地降低单个问题的规模和复杂性，实现复杂系统的分解。但是，分层架构仍然存在脆弱性。常见的分层架构的脆弱性包括( )等两个方面。

A：底层发生错误会导致整个系统无法正常运行、层与层之间功能引用可能导致功能失效

B：底层发生错误会导致整个系统无法正常运行、层与层之间引入通信机制势必造成性能下降

C：上层发生错误会导致整个系统无法正常运行、层与层之间引入通信机制势必造成性能下降

D：上层发生错误会导致整个系统无法正常运行、层与层之间功能引用可能导致功能失效

答案：B

解析：

脆弱性表示人、事物、组织机构等面对波动性、随机性变化或者压力时表现出来的变化趋势，软件脆弱性是指软件中存在的弱点(或缺陷)，利用它可以危害系统安全策略，导致信息丢失、系统价值和可用性降低等。

通常在软件设计时，分层架构由于其良好的可扩展性和可维护性被广泛采纳，但是，分层架构也存在众多脆弱性问题，主要表现在以下两个方面：

① 一旦某个底层发生错误，那么整个程序将会无法正常运行，如产生一些数据溢出、空指针、空对象的安全问题，也有可能会得出错误的结果;

②将系统隔离为多个相对独立的层，这就要求在层与层之间引入通信机制，这种本来“直来直去’的操作现在要层层传递，势必造成性能的下降。

一、嵌入式系统架构的两种模式

1.层次化模式架构：位于高层的抽象概念与低层的更加具体的概念之间存在着依赖关系

高层抽象、底层具体，分为

封闭型：只能调用本层和下层

开放型：可以调用本层和下边所有层

2.递归模式架构：需要将一个非常复杂的系统进行分解，并且还要确保分解过程是可扩展的，即只要有必要，该分解过程就可以持续下去

对复杂系统分解

（1）自顶向下：抽象到具体

（2）自底向上：构造域，达到子系统

​

二、嵌入式操作系统（EOS）

从嵌入式操作系统体系架构看，主要存在4种结构:整体结构、层次结构、客户/服务器结构和面向对象结构。

整体结构也称为模块结构或无序结构，它是基于结构化程序设计的一种软件设计方法

内核是操作系统的核心部分，它管理着系统的各种资源。内核可以看成连接应用程序和硬件的一座桥梁，是直接运行在硬件上的最基础的软件实体。目前从内核架构来划分，可分为宏内核(即单体内核)和微内核。

任务管理是嵌入式操作系统最基本功能之一

1.整体结构

2.强实时调度算法（EDF）

（1）最早截止时间优先：截至时间越早越优先

（2）最低松弛度优先（LLF）：富裕时间越少越优先

（3）单调速率调度算法（RMS）：静态的任务周期越短越优先

3.嵌入式通信方式

（1）共享内存

（2）信号量

（3）消息队列

（4）socket远程调用

（5）signals信号：异步事件

嵌入式实时操作系统与一般操作系统相比，具有许多特点。以下不属于嵌入式实时操作系统特点的是（ )。

A：可裁剪性

B：实时性

C：通用性

D：可固化性

答案：C

解析：

RTOS专注于实时性需求的设计，具有专业化，因此没有通用性。

​ **问题：**实时操作系统主要用于有实时要求的过程控制等领域。因此，在实时操作系统中，对于来自外部的事件必须在( )。

A:一个时间片内进行处理

B:一个周转时间内进行处理

C:一个机器周期内进行处理

D:被控对象允许的时间范围内进行处理

答案：D

解析：

实时是指计算机对于外来信息能够以足够快的速度进行处理,并在被控对象允许的时间范围内做出快速响应。

因此，实时操作系统与分时操作系统的第一点区别是交互性强弱不同，分时系统交互性强，实时系统交互性弱，但可靠性要求高；第二点区别是对响应时间的敏感性强，对随机发生的外部事件必须在被控制对象规定的时间内做出及时响应并对其进行处理；第三点区别是系统的设计目标不同，分时系统是设计成一个多用户的通用系统，交互能力强，而实时系统大都是专用系

三、嵌入式数据库

与传统数据库相比，嵌入式数据库系统有以下几个主要特点: 嵌入式、实时性、移动性、伸缩性。

嵌入式数据库按存储位置的不同可分为三类: 基于内存方式、基于文件方式、基于网络方式。

1.基于内存的数据库系统（MMSB）：典型产品eXtremeDB

2. 基于文件的数据库（FDB）：产品SQLite

3.基于网络的数据库（NDB）：由客户端、通信协议、远程服务器组成

没网时在本地嵌入式数据库存储、有网同步到云嵌入式数据库，不需要改数据库驱动程序，将数据库文件连接到应用程序，通过API访问数据库

特点：

（1）只允许应用程序对其访问

（2）数据与程序不分离，交给应用程序

（3）不需要独立安装，与应用一起发布

（4）需要持久化能力

基于网络的数据库系统(Netware Database System，NDB)是基于4G/5G 的移动通信之上，在逻辑上可以把嵌入式设备看作远程服务器的一个客户端。以下有关NDB的叙述中，不正确的是( )。

A：NDB主要由客户端、通信协议和远程服务器等三部分组成

B：NDB的客户端主要负责提供接口给嵌入式程序，通信协议负责规范客户端与远程服务器之间的通信，远程服务器负责维护服务器上的数据库数据

C：NDB具有客户端小、无需支持可剪裁性、代码可重用等特点

D：NDB是以文件方式存储数据库数据。即数据按照一定格式储存在磁盘中，使用时由应用程序通过相应的驱动程序甚至直接对数据文件进行读写

答案：C

解析：

与嵌入式设备有关，就应该具有可剪裁性。

​

数据库服务器架构: 数据库客户端通常通过数据库驱动程序如JDBC、ODBC等访问数据库服务器，数据库服务器再操作数据库文件。数据库服务是一种客户端服务器模式，客户端和服务器是完全两个独立的进程。它们可以分别位于在不同的计算机甚至网络中。客户端和服务器通过TCP/IP进行通信。这种模式将数据与应用程序分离，便于对数据访问的控制和管理。

3.3.1 嵌入式数据库架构: 嵌入式数据库不需要数据库驱动程序，直接将数据库的库文件链接到应用程序中。应用程序通过API访问数据库，而不是TCP/IP。因此，嵌入式数据库的部署是与应用程序在一起的。

3.3.2 数据库服务器和嵌入式数据库对比如下:

3.3.3 数据库服务器通常允许非开发人员对数据库进行操作，而在嵌入式数据中通常只允许应用程序对其进行访问和控制。

3.3.4 数据库服务器将数据与程序分离，便于对数据库访问的控制。而嵌入式数据库则将数据的访问控制完全交给应用程序，由应用程序来进行控制。.

3.3.5 数据库服务器需要独立的安装、部署和管理，而嵌入式数据通常和应用程序一起发布，不需要单独地部署一个数据库服务器，具有程序携带性的特点。

四、嵌入式中间件

应用与操作系统之间的软件

分类

ESB、事务、分布式计算、RPC、对象请求、数据库访问、消息传递、基于XML

​

五、嵌入式系统的设计

1.基于架构的软件设计（ABSD）

自顶向下，递归迭代

2.属性驱动的软件设计（ADD）

属性驱动的软件设计(ADD)是把一组质量属性场景作为输入，利用对质量属性实现与架构设计之间的关系的了解(如体系结构风格、质量战术等)对软件架构进行设计的一种方法。

质量属性为输入

​ 采用ADD方法进行软件开发时，需要经历评审、选择驱动因子、选择系统元素、选择设计概念、实体化元素和定义接口、草拟视图和分析评价等七个阶段。

六、实时系统设计方法（DARTS）

将实时系统分解为多个并发任务

提供了分解与处理并发的设计

使用任务架构图（TAD）来显示分解并发任务的过程

组成部分

1.实时结构化分析方法（RTSA）

开发系统环境图（SCD）和状态转换图（STD）

2.将系统划分为多个并发任务

初步任务架构图（TAD）

3.定义任务间接口

4.设计每个任务

5.设计过程的成果：RTSA规范、各种文档

主要优势

分解，详细定义任务间的接口

用任务架构图（TAD）、用RTSA实现到实时的转换

不足：RTSA没有做好，创建任务非常困难

​

七、案例分析之鸿蒙操作系统

4个技术特征

1.分布式架构，实现跨终端无缝协同

2.确定时延引擎和高性能IPC技术，天生流畅

3.基于微内核，终端可信、安全

4.通过统一IDE支撑一次开发，多端部署

分布式架构带来的优势

1.分布式总线：设备之间互联互通、

2.分布式设备虚拟化平台：不同设备资源融合，不同手机，电脑，自动匹配设备来执行

3.分布式数据管理：应用数据与用户数据分布式管理。跨设备数据无缝衔接

4.分布式任务调度：分布式服务管理

HOS安全性

分布式多端协同身份认证（正确的人）

分布式终端构筑可信运行环境（正确的设备）

**分布式数据跨终端过程中进行分类分级管理（正确的使用数据）
**

八、案例分析之安全攸关系统的跨领域GENESYS系统架构案例分析

GENESYS是一种跨领域的通用嵌入式架构平台

解决三个挑战

1.复杂性：采用消息交换方式提高抽象级别

2.系统健壮性：设计故障隔离框架

3.能量有效使用：采用综合化资源管理方法

提供了三组服务：领域无关、领域专用、应用专用服务

思想：分离计算与通信、消息传输、多播单向消息

GENESYS四类消息构件接口

1.链路接口（LIF）：构件与构件之间

2.局部接口（LI）：构件与外部环境

3.技术无关架构（TII）：配置和管理资源

4.技术相关接口（TDI）：查看构件内部和变量

三级集成

芯片级（构件是核）、设备级（构件是芯片）、系统级（构件是设备）

二、大数据架构

大数据架构是指为了处理大规模数据而设计的系统架构。它能高效地存取、处理和分析海量数据，挖掘数据中有价值的信息，为相关决策提供支持。

大数据架构的典型架构有 Lamba 架构、Kappa 架构等。

1、传统数据处理的问题

1. 数据孤岛问题：不同部门或系统之间的数据隔离，数据无法共享和整合。

2. 数据不一致性问题：由于数据维护分散，同一数据在不同系统或部门中可能存在不同的版本，造成数据不一致。

3. 数据冗余问题：同一数据在不同系统或部门中存在多份副本，造成资源浪费和数据安全隐患。

4. 数据安全问题：数据安全保护措施相对较弱，容易受到恶意攻击或数据泄露。

5. 数据处理效率低下问题：数据处理方式和技术相对落后，处理效率低下，无法满足大数据时代的需求。

6. 数据分析能力不足问题：仅提供简单的数据处理和查询功能，无法进行高级的数据分析和挖掘，无法支持数据驱动的业务决策。

2、大数据架构的几个方面

大数据处理系统架构主要包括以下几个方面：

1. 数据采集层：大数据处理系统可以通过数据传感器、日志、文件等多种方式采集数据。数据采集层需要考虑数据的格式、容量、采集周期等因素。

2. 数据存储层：大数据处理系统可以使用多种存储方式，如HDFS、NoSQL数据库、关系型数据库等。数据存储层需要考虑数据的安全性、可扩展性、高可用性等因素。

3. 数据处理层：数据处理是大数据系统中最复杂的一部分。大数据处理系统可以使用多种处理方式，如MapReduce、Spark、Flink等。数据处理层需要考虑数据处理的速度、可扩展性、容错性、计算能力等因素。

4. 数据查询层：大数据处理系统可以使用多种查询方式，如Hive、Presto、Drill等。数据查询层需要考虑查询的效率、可扩展性、数据精确性等因素。

5. 数据可视化与分析层：大数据处理系统可以使用多种数据可视化工具，如Tableau、Power BI等。数据可视化与分析层需要考虑用户体验、数据分析的精准性等因素。

3、大数据面临的挑战

1. 多源数据处理：如何利用信息技术等手段处理非结构化和半结构化数据
2. 数据特征描述、刻画方法及系统建模方法：如何探索大数据复杂性、不确定性特征描述的刻画方法及大数据的系统建模
3. 数据挖掘与决策支持：数据异构性与决策异构性的关系对大数据知识发现与管理决策的影响

4、Lambda 架构

• 设计 Batch Layer 和 Speed Layer 的依据
  • 容错性。
  • 复杂性隔离。 Batch Layer 处理离线数据。 Speed Layer 采用增量算法处理实时数据，复杂性比 Batch Layer 要高很多。
  • 横向扩容。当数据量/负载增大时，可扩展性的系统通过增加更多的机器资源来维持性能。
• 批处理层(Batch Layer)：接收原始数据流，处理离线数据。两个核心功能：存储数据集和生成Batch View。处理的数据是全量数据，进行复杂计算，具有高可靠性和长时间窗口（高延时）。
• 加速层(Speed Layer)：存储实时视图并处理传入的实时数据流，更新到 Real-time View。处理的数据是部分数据（最近的增量数据流），进行简单计算，具有低延时。
• 服务层(Serving Layer)：用于响应用户的查询请求，合并 Batch View 和 Real-time View 中的结果数据集到最终的数据集。

Lambda 架构的实现

1. Hadoop(HDFS)作为主数据存储层，负责存储大规模数据集。
2. Spark或Storm构成速度层，提供快速的数据处理能力。

• 特别适合需要迭代计算的数据挖掘和机器学习任务。

1. Hbase或 Cassandra 作为服务层，提供实时的数据访问和更新。
2. Hive 用于创建可查询的视图，使得数据可以被方便地查询和分析。

Lambda优缺点：

优点：容错性好、查询灵活度好、易伸缩、易扩展

缺点：全场景覆盖带来的编码开销、针对具体场景重新离线训练一遍益处不大、重新部署和迁移成本很高

Lambda与其他架构模式对比

Lambda架构的诞生离不开很多现有设计思想和架构的铺垫，如事件溯源 (Event Sourcing) 架构和命令查询分离 (Command Query Responsibility Segregation,CQRS) 架构， Lambda架构的设计思想和这两者有一定程度的相似。

下面对Lambda架构和这两者进行分析。

**1.事件溯源 (Event Sourcing)**与 Lambda架构

Event Sourcing本质上是一种数据持久化的方式，其由三个核心观点构成：

(1)整个系统以事件为驱动，所有业务都由事件驱动来完成。

(2)事件是核心，系统的数据以事件为基础，事件要保存在某种存储上。

(3)业务数据只是一些由事件产生的视图，不一定要保存到数据库中。

Lambda架构中数据集的存储使用的概念与Event Sourcing 中的思想完全一致，二者都是在**使用统一的数据模型对数据处理事件本身进行定义。**这样在发生错误的时候，能够通过模型找到错误发生的原因，对这一事件进行重新计算以丢弃错误信息，恢复到系统应该的正确状态，以此实现了系统的容错性。

2.CQRS 与 Lambda 架构

CQRS架构分离了对于数据进行的读操作(查询)和写(修改)操作。其将能够改变数据模型状态的命令和对于模型状态的查询操作实现了分离。这是领域驱动设计 (Domain-Driven Design,DDD) 的一个架构模式，主要用来解决数据库报表的输出处理方式。

Lambda架构中，数据的修改通过批处理和流处理实现，通过写操作将数据转换成查询时所对应的View。在 Lambda架构中，对数据进行查询时，实际上是通过读取 View 直接得到结果，读出所需的内容。这实际上是一种形式的读写分离。进行读写分离设计的原因是，读操作实际上比写操作要省时得多，如果将读和写操作放在一起，实际处理大量数据时会因为写操作的时长问题影响整体业务的处理效率。在大数据系统 中经常处理海量数据，进行读写分离重要性不言而喻。

5、Kappa 架构

• Kappa架构在Lambda基础上进行优化，删除了batch layer的架构，将数据通道以消息队列进行替代。因此对于 Kappa 架构来说，依旧以流处理为主

• 数据在数据湖层面进行了存储，当需要进行离线分析或者再次计算的时候，则将数据湖的数据再次经过消息队列重播一次则可。

Kappa 架构：

• 输入数据直接由实时层的实时数据处理引擎对源源不断的源数据进行处理;
• 再由服务层的服务后端进一步处理以提供上层的业务查询。
• 而中间结果的数据都是需要存储的，这些数据包括历史数据与结果数据，统一存储在存储介质中。

Kappa 优缺点：

优点：
 将实时和离线代码统一起来了；方便维护而且统一了数据口径；避免了Lambda架构中与离线数据合并的问题。

缺点：
 (1)消息中间件缓存的数据量和回溯数据有性能瓶颈。
 (2)在实时数据处理时，遇到大量不同的实时流进行关联时，非常依赖实时计算系统的能力，很可能因为数据流先后顺序问题，导致数据丢失。
 (3)Kappa在抛弃了离线数据处理模块的时候，同时抛弃了离线计算更加稳定可靠的特点。

6、Lambda架构 VS Kappa架构

7、案例

采用 Lambda 架构，包括数据采集、集成、存储、计算、应用层；

实时数据由Kalfka队列分发给Spark Streaming 进行实时增量计算。

离线数据持续追加存储在HDFS，由 Spark/MR 进行批量计算

实时/离线计算结果分别更新到Real-time view 和 Batch view

合并计算层将两个 view 合并为最终结果，由 MemSQL/HBase 存储

该平台采用 Kappa 架构，使用 Flink 进行实时数据处理，Elasticsearch 和 OpenTSDB 分别存储日志数据和时序指标数据。前端提供了丰富的搜索、分析和监控功能。

三、信息系统架构设计（ISA）

信息系统架构(ISA) 是指对某一特定内容里的信息进行统筹、规划、设计、安排等一系列有机处理的活动。为了更好地理解信息系统架构的定义，特作如下说明：

1.1 架构是对系统的抽象，它通过描述元素、元素的外部可见属性及元素之间的关系来反映这种抽象。因此，仅与内部具体实现有关的细节是不属于架构的，即定义强调元素的“外部可见”属性。

1.2 架构由多个结构组成，结构是从功能角度来描述元素之间的关系的，具体的结构传达了架构某方面的信息，但是个别结构一般不能代表大型信息系统架构。

1.3 任何软件都存在架构，但不一定有对该架构的具体表述文档。即架构可以独立于架构的描述而存在。如文档己过时，则该文档不能反映架构。

1.4 元素及其行为的集合构成架构的内容。体现系统由哪些元素组成，这些元素各有哪些功能(外部可见)，以及这些元素间如何连接与互动。即在两个方面进行抽象:在静态方面，关注系统的大粒度(宏观)总体结构(如分层) ;在动态方面，关注系统内关键行为的共同特征。

1.5 架构具有“基础”性: 它通常涉及解决各类关键重复问题的通用方案(复用性)，以及系统设计中影响深远(架构敏感)的各项重要决策(一旦贯彻，更改的代价昂贵)

1.什么是信息系统架构风格？

信息系统架构风格是特定应用领域中系统组织方式的惯用模式。定义了一个系统家族，包括一个词汇表和一组约束。词汇表包含构件和连接件类型，约束则说明这些构件和连接件如何组合。架构风格反映领域内系统的共有结构和语义特性，并指导模块和子系统的有效组织，形成一个完整的系统。

2.信息系统架构风格通常遵循的架构风格有哪些？

(1)数据流风格：批处理序列；管道/过滤器。

(2)调用/返回风格：主程序/子程序；面向对象风格；层次结构。

(3)独立构件风格：进程通信；事件系统。

(4)虚拟机风格：解释器；基于规则的系统。

(5)仓库风格：数据库系统；超文本系统；黑板系统。

3.什么是TOGAF框架？包括哪6个组件？其框架核心思想是什么？

TOGAF是一种开放式企业架构框架标准，它为标准、方法论和企业架构专业人员之间的沟通提供一致性保障。

TOGAF框架核心思想: 模块化架构、内容框架、扩展指南、架构风格。

TOGAF是信息管理技术架构，采用迭代的过程模型，支持最佳实践和可重用的架构资产。

TOGAF的六个组件：

架构开发方法（ADM）：TOGAF的核心，描述了企业架构的分步开发方法。

ADM指南和技术：包含应用ADM的指南和技术。

架构内容框架：描述架构工件的结构化元模型及可重用架构构建块（ABB）的使用。

企业连续体和工具：讨论对企业内部架构活动输出进行分类和存储的工具。

TOGAF参考模型：提供两个架构参考模型，即技术参考模型（TRM）和集成信息基础设施参考模型（Ⅲ-RM）。

架构能力框架：讨论建立和运营架构实践所需的组织、流程、技能、角色和职责。

框架核心思想：

模块化架构：采用模块化结构，便于灵活应用。

内容框架：提供详细模型，使架构产品一致性更强。

扩展指南：支持大型组织内部团队开发多层级集成架构。

架构风格：注重灵活性，适用于不同的架构风格。

4.ADM全生命周期划分为哪些阶段？

TOGAF中提出了一个著名的ADM架构开发的全生命周期模型，此模型将ADM全生命周期划分为十个阶段，分别为准备、需求管理、架构愿景、业务架构、信息系统架构、 技术架构、机会和解决方案、迁移规划、实施治理、架构变更管理等十个阶段。

5.企业应用集成有哪几个集成方式？

**界面集成：**把各应用的界面集成起来，形成统一入口，有整体的感觉。

**数据集成：**应用集成和过程集成的基础，可以提供企业信息共享能力。集成前，对数据进行统一标识和分类，并进行建模，实现企业数据共享和数据分布。

**控制集成（应用集成）：**多个应用系统进行绑定，像一个系统一样输入和产生输出数据，实现多个系统功能的叠加。

**过程集成（业务流程集成）：**为实现整体的业务目标，定义、关联管理不同的业务过程，实现信息交换、降低成本，包括过程管理、工程建模和工作流。

应用之间一对一接口集成的优缺点:

优点：开发速度快，开发比较容易实现

缺点：工作量大，维护费用高，系统升级与扩展困难，没有标准化导致管理困难、只能解决应用系统之间的数据集成问题，难以支持过程集成和应用程序之间的协调。

在对遗留系统进行评估时，对于技术含量较高、业务价值较低且仅能完成某个部门的业务管理的遗留系统，一般采用的遗留系统演化策略是（ ）策略。

A：淘汰 B：继承

C：集成 D：改造

答案：C

解析：

牢记四象限公式就行。

6.用户界面设计的3条黄金原则是什么？

（1）置于用户的控制之下

（2）减少用户的记忆负担

（3）保持界面的一致性

7.信息系统的生命周期分为4个阶段，是哪些阶段？其中最重要和关键的阶段是哪个阶段？该阶段又可以分为5个阶段，是哪5个阶段？每个阶段产出物是什么？

信息系统的生命周期分为4个阶段，即产生阶段、开发阶段、运行阶段和消亡阶段。

其中信息系统的开发阶段是信息系统生命周期中最重要和关键的阶段。

信息系统的开发阶段分为以下五个关键阶段：

**总体规划阶段：**明确系统的开发目标和总体架构，规划企业的业务流程，制定信息系统的组织结构、实施计划及技术规范。

产出物：信息系统的开发目标、总体架构、组织结构和管理流程、实施计划、技术规范等。

**系统分析阶段：**基于企业业务流程，进行组织结构、业务流程和数据流程分析，提出系统的逻辑模型及初步方案。

产出物：系统的逻辑模型、组织结构及功能分析报告、业务流程分析报告、数据和数据流程分析报告、系统初步方案等。

**系统设计阶段：**根据系统分析结果，进行系统架构、数据库、处理流程、功能模块及安全控制的详细设计，形成系统实施方案。

产出物：系统架构设计文档、数据库设计方案、处理流程设计方案、功能模块设计方案、安全控制方案、系统管理流程设计方案等。

**系统实施阶段：**将设计方案转换为可运行的软件系统，进行系统部署、配置和测试，确保系统可以正常运行。

产出物：可运行的系统软件、系统安装与配置文件、系统测试报告、用户手册、培训资料等。

**系统验收阶段：**在试运行中验证系统性能及用户体验，进行最终的系统验收，并根据反馈进行调整与优化。

产出物：系统试运行报告、系统验收报告、最终用户反馈与改进方案等。

6.信息系统建设原则是什么？

（1）高层管理人员介入原则

（2）用户参与开发原则

（3）自顶向下规划原则

（4）工程化原则

（5）其他原则：

例如：创新性原则，用来体现信息系统的先进性；

整体性原则，用来体现信息系统的完整性；

发展性原则，用来体现信息 系统的超前性；

经济性原则，用来体现信息系统的实用性。

7.信息系统开发方法有哪些？

**瀑布模型：**线性顺序开发，阶段包括需求分析、系统设计、编码、测试和维护。适用于需求明确且变化较少的项目。

**敏捷开发：**强调灵活性与快速迭代，采用短周期（如迭代或冲刺）进行开发与反馈。常用框架有Scrum和Kanban。

**迭代模型：**分阶段开发，每个阶段都涉及需求分析、设计、编码和测试。通过反馈不断完善系统，适合需求不确定的项目。

**增量模型：**将系统分为多个可独立开发的增量部分，逐步交付并整合，每个增量可以提供实际功能。

**螺旋模型：**将开发过程视为多个迭代的螺旋，强调风险管理和用户反馈。适合复杂且风险较高的项目。

**原型开发：**通过构建原型与用户进行沟通，以便更好地理解需求和功能，常用于需求不明确的情况。

**V模型：**将测试过程与开发过程并行，强调验证和确认，适用于对质量有严格要求的项目。

**RAD（快速应用开发）：**采用快速迭代与原型开发，减少开发周期，快速交付原型以便用户反馈。

**DevOps：**强调开发（Dev）与运维（Ops）的协作，通过持续集成与持续交付提高软件交付速度与质量。

8.信息系统常用架构模型有哪些？

常用4种架构模型：

（1）单机应用系统

（2）两层/多层C/S

（3）MVC结构

（4）面向服务的 SOA 与多服务集合和数据交换总线等。

9. 信息化架构一般有两种模式。

一种是数据导向架构，一种是流程导向架构。对于数据导向架构重点是在数据中心，BI商业智能等建设中使用较多，关注数据模型和数据质量;对于流程导向架构，SOA 本身就是关键方法和技术，关注端到端流程整合，以及架构对流程变化的适应度。两种架构并没有严格的边界，而是相互配合和补充。

1 数据导向架构研究的是数据对象和数据对象之间的关系，这个是首要的内容。在这个完成后仍然要开始考虑数据的产生、变更、废弃等数据生命周期，这些自然涉及的数据管理的相关流程。

2 流程导向架构关注的是流程，架构本身的目的是为了端到端流程整合服务。因此研究切入点会是价值链分析，流程分析和分解，业务组件划分。

10.价值驱动的体系结构

价值模型核心的特征可以简化为三种基本形式:

1 价值期望值: 表示对某一特定功能的需求，包括内容(功能)、满意度(质量)和不同级别质量的实用性。

2 反作用力: 系统部署实际环境中，实现某种价值期望值的难度，通常期望越高难度越大，即反作用力。

3 变革催化剂: 表示环境中导致价值期望值发生变化的某种事件，或者是导致不同结果的限制因素。

反作用力和变革催化剂称为限制因素，把这三个统称为价值驱动因素。